STATISTIK-FORUM.de

Hallo,

ich versuche mit Excel ein Bewertungssystem von Bauaufträgen/Angeboten/ect. aufzubauen.

Also habe ich mir bestimmte Gruppen zusammengestellt, die jeweils eine Bewertungszahl ergeben sollen.

Eine Gruppe mit der sich daraus ergebenen Bewertungszahl namens "Baumaßnahme" beinhaltet beispielsweise:
- Transport auf Baustellen
- Geometrie der Räume
- Transportgewicht der einzubauenden Teile
- Gebäudealter
- Entfernung zur Baustelle vom Betriebshof
- Bauleitungsaufwand
- Befestigungsuntergründe

Ein weitere Gruppe mit der Bewertungszahl namens "Auftragswunsch", die eine separate Bewertung ergäbe wäre:
- Kundenart (Vorzugskunde, Nervkunde)
- Produktwunsch des Kunden (Standard/Hochwertig)
- eigene Auslastung (hoch/gering)
- Erwartung Zusatzleistung

Klar, muss man die einzelnen Punkte einer Gruppe irgendwie gewichten. Wie findet man eine sinnvolle Gewichtung?

Meine Vorstellung ist jetzt jedem Punkt eine "Note" zu vergeben -1 (schlecht, 0 (neutral), +1 (positiv) sowie zusätzlich eine Wahrscheinlichkeit für den Eintrittsfall und festhinterlegter Gewichtung (wie finden?), welches dann zusammen eine Bewertungszahl ergibt. Denkbar wäre, dass ich jetzt die beiden vorgenannten sich ergebenen "Bewertungszahlen" zu einer neuen, dritten Risiko-/Chancenzahl umrechne. Auch denkbar, dass einzelne Unterpunkte der beiden Gruppen eine weitere dritte Bewertungszahl zusammenstellen.

Hat jemand eine Idee, wie man so etwas entwickelt, so dass die sich dann ergebenen Zahlen einen Sinn ergeben? Später auch grafisch genutzt werden können in dem Sinne: grüner Balken einer einzelen Bewertungszahl nach oben=positiv, roter kleiner Balken nach unten=ein wenig negativ? Gibt es Systeme, mit denen man so etwas zielgerichtet nach "Schulbuch" entwickeln kann? Oder ist das alles Unsinn, was ich da mache?

Na, da bin ich mal gespannt..

vg
Michael

1. Definiere "Nachher Sinn machen". Wenn es nachher Sinn macht, woran erkennt man das?

2. Google mal "supervised learning" und "unsupervised learning" im Kontext "machine learning" und sag uns, in welche dieser Gruppen die Suche nach Deinen Gewichtungen fallen soll.

Hallo,
ich würde sagen, mein Projekt befindet sich im Supervised Learning.

Es ist ja so, dass je Auftrag/Kalkulation nur vlt. 10-15 unterschiedliche Unterbewertungen vorliegen und keine Datensätze aus mehreren Aufträge/Kalkulationen. Das wäre natürlich irgendwann ein Ziel, aus vielen Aufträgen/Kalkulationen und entsprechenden Bewertungen neue Erkenntnisse zu sehen.
Die 10-15 unterschiedlichen Unterbewertungen sollen im Prinzip nur eine Gesamtbewertung des Projekts ergeben (und ggf. separate verschiedene Teilbewertungen). Für diese Bewertungen muss ich also jeweils einen Algorithmus finden. Hier muss also entschieden werden, mit welcher Gewichtung jeweils die Unterbewertungen eingehen soll. Die Frage ist also, wie findet man eine passende Gewichtung?
Unterbewertungen sollen mit -1,0 oder +1 und Wahrscheinlichkeit des Eintreffens der Unterbewertung erfolgen. Diese über eine Gewichtung in eine Gesamtbewertungszahl. Die Gesamtbewertungszahl in der Einheit Prozent oder in der Skala -10 bis +10 soll dann anzeigen, ob der Auftrag/Kalkulation sinnvoll ist anzunehmen.

Ich weiß nicht, ob diese Herangehensweise sinnvoll ist...

Vielen Dank soweit und einen schönen Abend.

Michael

Supervised learning wäre, wenn Du von einer möglichst großen Zahl an Aufträgen bereits die Bewertungen (-1, 0, +1) als auch das Ergebnis (Auftrag sinnvoll anzunehmen oder nicht) hättest. Dann gäbe es Regressionsalgorithmen, die objektiv die passenden Gewichtungen ausspucken.

LG,
Bernhard

Ah, ok, verstehe.
Dazu würde man wieviele Daten im Minimum benötigen?
vg

Kommt auf die Details an. Vielleicht 5 pro Koeffizient als absolutes Minimum, je mehr je besser die Schätzung.