Verabrede dich zum Casen über das Meeting-Board, nimm an Diskussionen in unserem Consulting Q&A teil und finde gleichgesinnte Interview-Partner:innen, um dich auszutauschen und gemeinsam zu üben!
Zurück zur Übersicht

Treiber für die Priorisierung von Deep Dives und Empfehlungen?

Ich verstehe nicht wirklich, wofür das Exhibit: Fragmented application landscape across value chain ist und wie man daraus Treiber für die Priorisierung von Deep Dives und Empfehlungen rauslesen kann? Hilfeee

1
300+
6
Schreibe die erste Antwort!
Bisher hat niemand auf diese Frage reagiert.
Beste Antwort
BCG
am 24. Jan. 2025

Hallo Mia,

das Exhibit: „Fragmented application landscape across value chain“ dient dem Verständnis darüber, in welchen Prozessschritten und Divisionen (z.B. Marketing and Sales) in dem Unternehmen mehrere Systeme genutzt werden und ggf. von der Anzahl reduziert werden können. Treiber für die Diskussion können Systeme sein, die besonders alt sind (farblicher Code zu Age of applications). Hierfür können Deep Dives erforderlich sein, grundsätzlich jedoch erste Hypothesen zur Reduktion von Systemen in den Prozessschritten als Empfehlung abgeleitet werden.

Wir hoffen, dies hilft Dir beim Lösen des Cases.

Viele Grüße
Dein BCG Platinion Team

6
Ähnliche Fragen
Consulting
MBB applications with or without referral?
am 31. März 2025
DACH
10
600+
Beste Antwort von
Hagen
Coach
#1 recommended coach | >95% success rate | 8+ years consulting, 8+ years coaching and 7+ years interviewing experience
21
10 Antworten
600+ Aufrufe
+7
Consulting
BCG Onboarding platform - previous work experience
am 9. Apr. 2025
DACH
6
200+
Beste Antwort von
Hagen
Coach
#1 recommended coach | >95% success rate | 8+ years consulting, 8+ years coaching and 7+ years interviewing experience
15
6 Antworten
200+ Aufrufe
+3
Consulting
MBB as a single mom
am 24. Jan. 2025
DACH
6
1,2k
Beste Antwort von
Alessa
Coach
xMcKinsey & Company | xBCG | +200 individual & group coachings | feel free to schedule a 15 min intro call for free
66
6 Antworten
1,2k Aufrufe
+3
Wie wahrscheinlich ist es, dass du uns einem Freund oder Kommilitonen empfiehlst?
0 = Nicht wahrscheinlich
10 = Sehr wahrscheinlich
Vielen Dank für dein Feedback! Deine Meinung hilft uns, PrepLounge noch besser zu machen.