Publikationen

Die Virtualisierung im Consulting zielt darauf ab, den Anteil der direkten Face-to-Face-Interaktion zwischen Berater und Klient vor Ort durch den Einsatz von Technologien zu reduzieren. In diesem Beitrag wird unter Verwendung eines Design Science Research-Ansatzes ein bestehendes Verfahren zur Bestimmung des Virtualisierungspotenzials von Beratungsdienstleistungen weiterentwickelt und in mehreren Fallstudien mit Beratungsunternehmen getestet. Das Ziel ist es, Consultinganbieter im Kontext ihres eigenen digitalen Transformationsprozesses zu unterstützen.

Accounting, life cycle assessment (LCA) and data envelopment analysis (DEA) are examples of various research areas that independently develop and apply diverse methodologies to evaluate performance. Though, many methods have in common that the results to be assessed are mainly determined by the inputs and outputs of the activities which are to be evaluated. Based on both production and decision theory, our comprehensive framework integrates and systematically distinguishes specific types of production-based performance assessment. It allows to examine and categorise the existing literature on such approaches. Our review focuses on sources which explicitly apply concepts or methods of multiple criteria decision analysis (MCDA). We did not find any elaborated methodology that fully integrates MCDA with production theory. At least, a basic approach to multicriteria performance analysis, which generalises the methodology of data envelopment analysis, appears to be well-grounded on production theory. It was already presented in this journal in 2001 and has rarely been noticed in the literature until now. A short overview outlines its recent insights and main findings. A key finding is that a category mistake prevails among well-known methodologies of efficiency measurement like DEA. It may imply invalid empirical results because the inputs and outputs of production processes are confused with resulting impacts destroying or creating values (to be minimised or maximised, respectively). We conclude by defining open problems and by indicating prospective research directions.

Mit der Vervielfachung des Datenvolumens und der raschen Weiterentwicklung entsprechender Analysemethoden und Werkzeuge gibt es immer mehr Unternehmen, insbesondere aus dem kleineren Mittelstand, die aufgrund mangelnder Ressourcen und Fähigkeiten nicht in der Lage sind, ihre Datenschätze zu heben und daraus gute Entscheidungen im Hinblick auf ihre Produkte, Prozesse und Geschäftsmodelle abzuleiten. Vor diesem Hintergrund wird im vorliegenden Beitrag ein Data Facilitator Geschäftsmodell für Consultingunternehmen vorgeschlagen. Um nicht im Wettbewerb zurückzufallen, lagern hierin Unternehmen Aufgaben der Datenaufbereitung, Analyse und Interpretation an ein Beratungsunternehmen aus, das sich auf solche Themen spezialisiert hat. Berater erhalten dabei Zugriff auf kritische Datenströme des Kunden, die dann auf regelmäßiger Basis fachkundig, unter Einsatz moderner Analyseinstrumente untersucht werden. Es geht darum, frühzeitig "schwache Signale" für zukünftige kritische Entwicklungen beim Kunden zu erkennen oder Ideen für geschäftliche Verbesserungen zu entwickeln. Dabei werden die Ergebnisse dem Kunden nicht kommentarlos übermittelt, sondern Auffälligkeiten von den Beratern unter Einbringung ihres Fachwissens mit den Kunden diskutiert und interpretiert. Der Kunde trifft dann gegebenenfalls Entscheidungen auf Basis der vorliegenden Datenlage. Da diese Dienstleistung fortlaufend erbracht wird, sind hierfür neue Bezahlmodelle im Consulting sinnvoll, wie z.B. eine monatliche Pauschale. Für eine erfolgreiche Umsetzung des Geschäftsmodells sind in der Praxis eine Reihe von Problemen zu bewältigen, worauf im Beitrag ebenfalls eingegangen wird.