Public Value Profile

Swisscom und die Universität St. Gallen (Center for Leadership and Values in Society) haben eine Studie veröffentlicht mit dem Titel:
Verborgene Schätze heben
Gesellschaftliche Wertschöpfung durch Nachhaltigkeitsmassnahmen von Schweizer KMU und Best Practises

Die vorliegende Studie untersucht die gesellschaftliche Wertschöpfung, die durch Nachhaltigkeitsmassnahmen von KMUs geschaffen wird. Sie zeigt auf, welche konkreten Massnahmen und Strategien von der Gesellschaft wahrgenommen und als wertvoll angesehen werden und worin Herausforderungen für KMUs in ihrem Bestreben bestehen, von der Gesellschaft als nachhaltig wahrgenommen zu werden. Dies soll KMUs dabei helfen "verborgene Schätze" in Form von bisher ungenutztem Potenzial zu entdecken, diese zu "heben" und sich dadurch im Wettbewerb besser behaupten zu können.

Die Studie kann als PDF hier herunter geladen werden.

Weitere Informationen:
Public Value auf Wikipedia
Gemeinwohl: auf Wikipedia

Systembedingt ist jedes Ergebnis von einem mathematischen Prozess in den vier Grundrechenarten mit einer Verdichtung - oder anders gesagt - mit einem Informationsverlust verbunden.
Dies kann beabsichtigt - oder aber auch störend und irreführend sein.
Und ein Rückschluss von einem Ergebnis auf die Ausgangszahlen ist nur in seltenen Fällen möglich.
Statistische Zauberkünstler sind Meister im "Verschwinden lassen" von Informationen.

Wenn es hingegen darum geht, jeweils gleichzeitig Bewertung und Relevanz für mehrere Fragen und verschiedene Peers darzustellen, ist die Multiplikation von zwei Indikatoren als Darstellungsgrösse weniger geeignet. Dabei spielt es weniger eine Rolle, ob das Resultat in Form einer "Tree Map" oder von Kreisen dargestellt wird.
Jede Multiplikation von zwei oder mehreren Indikatoren führt zwar zu einer manchmal gewünschten Verdichtung. Sie führt aber gleichzeitig auch zu einem "systemimmanenten" Informationsverlust.
Beispielsweise ergibt eine "Bewertung = 4" multipliziert mit einer "Relevanz = 3" den "Public Value = 12".
Den identischen "Public Value = 12" erreicht man aber auch bei einer "Bewertung = 0.5" und einer "Relevanz = 24".

Wenn es nun darauf ankommt, die Eigenschaften "Bewertung" und "Relevanz" differenziert darzustellen, drängt sich die Verwendung eines Rechtecks, eines Vektors oder einer Kombination auf.
Wie unten am Beispiel der "Finanziell ökonomischen Werte" und den Bewertungen bzw. der Relevanz der drei "Peer Groups" gezeigt, sieht man im "Public Value Profile" auf einen Blick wie die "Peers" die Gewichtung und die Relevanz unterschiedlich priorisieren.
Das "graphische addieren" zeigt dann zusätzlich die Informationen über die Zusammenhänge, die sonst nur ein geübter Analyst direkt aus den Zahlen herauslesen kann.
Was hier am Beispiel des Public Value gezeigt wurde gilt auch für alle anderen monetären und nicht-monetären Indikatoren, die zueinander in irgendeiner Beziehung stehen.
Kleine Risiken bei grossen Investments können ja durchaus ein anderes Profil haben als Grosse Risiken bei kleinen Investments...
Diese Information kann wesentlich sein und sollte bei der Datenverarbeitung nicht in den Algorythmen unsichtbar "verschwinden".

Empfehlung: Informationen nicht nur 'gewichten' (macht man vielfach schon automatisch) sondern das Gewicht in einer zweiten Dimension darstellen. Weitere Erläuterungen auf der Site winformatics.org, 'Weighted Information -- Weighted Informatics'.