Big Data in der Informationstechnologie. Chancen und Risiken der IT-Branche


Hausarbeit, 2021

14 Seiten, Note: 1,0


Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

1 Einleitung
1.1 Fragestellung und Zielsetzung
1.2 Gang der Arbeit

2 Theoretische Grundlagen Big Data
2.1 Begriffsbestimmung Big Data
2.2 Big Data Technologien
2.3 Relevanz von Big Data für die Zukunft

3 Big Data in der Informationstechnologie
3.1 Informationstechnologie bis heute
3.2 Auswirkungen von Big Data auf die IT-Branche
3.3 Chancen und Risiken der IT-Branche

4 Fazit und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Abbildungsverzeichnis

Abbildung 1: Die 5 V's von Big Data

Abbildung 2: Einordnung der IT in die betriebliche Wertschöpfungskette

1 Einleitung

1.1 Fragestellung und Zielsetzung

Durch die voranschreitende digitale Transformation befinden sich alle Unternehmen weltweit in einem industriellen Wandel. Aber nicht nur die Produkte sollen smarter werden, vielmehr sollen auch ganze Geschäftsprozesse und Businesskonzepte von den Innovationen profitieren und effizienter werden. Eine bedeutende Rolle dabei stellen die stets wachsenden digitalen Datenströme dar, welche unter dem Begriff Big Data zu verstehen sind.1

Im Rahmen des Wandels spielt die Informationstechnologie eine besondere Rolle, obwohl diese auf den ersten Blick keinen Zugewinn mithilfe erweiterter Datenverfügbarkeit erwirtschaften kann. Aus anderer Perspektive betrachtet, stellt die IT aufgrund des verfügbaren Know-hows und der technologischen Erfahrung die ideale Schnittstelle zwischen Unternehmen und der digitalen Transformation dar.2

Welche Einflüsse Big Data auf die IT-Branche ausübt und welchen Herausforderungen und Entwicklungen diese sich zukünftig stellen muss, soll in dieser Arbeit verdeutlicht werden.

1.2 Gang der Arbeit

Diese Arbeit wird eingeleitet mit grundlegenden Informationen zum Gegenstand des Big Data. Dabei soll eine ausführliche Begriffsbestimmung unter Berücksichtigung damit verbundener Mehrwerte assistieren. Denkbar auftretende Herausforderungen im Umgang mit Big Data schließen das Kapitel.

Die Eigenschaften der entwickelten technologischen Innovationen zur Lösung dieser Problemstellungen werden anschließend auf Nutzen, Funktion und Effizienz analysiert. Weitergehend wird die Rolle von Big Data in der zukünftigen industriellen Entwicklung verdeutlicht.

Im weiteren Verlauf werden die gewonnenen Informationen auf die IT-Branche projiziert. Dabei wird die Relevanz der Informationstechnologie für Unternehmen erläutert und mögliche Auswirkungen auf die zukünftige Stellung herausgebildet. Eine kritische Analyse der Chancen und Risiken der IT-Branche soll eine praxisorientierte Perspektive des Wandels bieten. Dabei wird die gesamte Arbeit auf fest in Unternehmen integrierte IT-Abteilungen reflektiert.

Den Abschluss dieser Arbeit bilden Fazit und Ausblick.

2 Theoretische Grundlagen Big Data

2.1 Begriffsbestimmung Big Data

Der Begriff Big Data entspringt der englischen Sprache und bedeutet übersetzt „große Datenmenge“. Durch die voranschreitende digitale Transformation wurden in den vergangenen Jahren innerhalb elektronischer Datenbanken und Netzwerken zahlreiche Informationen gesammelt und gespeichert. Diese entspringen vielerlei Quellen und sind aufgrund der Progression der Digitalisierung stetigem Wachstum ausgesetzt.3 Big Data sind fünf wichtige Eigenschaften zuzuordnen, welche anhand der folgenden Abbildung deutlich werden sollen.

Abbildung 1: Die 5 V's von Big Data

Abbildung in dieser Leseprobe nicht enthalten

Quelle: in Anlehnung an Rossa, P., Holland, H., Dialogmarketing, 2014 - In: Holland, H. (Hrsg.), Digital, 2014, S. 255.

Der wichtigste Charakter Volume beschreibt analog der Namensgebung das riesige Datenvolumen, welches Big Data zugrunde legt. Diese kommen wie zu Beginn des Kapitels angeschnitten durch die avancierende Digitalisierung zustande.4

Unter Variety sind die vielfältig vorhandenen Datenstrukturen zu verstehen, welche in drei Ausprägungen aufzufinden sind. Zum einen existieren strukturierte Daten, welche geordnete Informationen in tabellarischer Form umfassen. Ein Beispiel dafür stellt die Kundendatenbank eines Unternehmens dar. Bei semi-strukturierten Daten ist diese Eigenschaft ebenso aufzufinden. Allerdings werden diese zusätzlich durch amorphe Daten ergänzt. Ein Exemplar für diese Form ist eine E-Mail. Dabei stellen Daten wie Absender und Empfänger strukturierte Daten dar, während der Fließtext keine Struktur aufweist. Zuletzt finden sich gänzlich unstrukturierte Daten wie beispielsweise Fotos oder Videos wieder. Diesen Medien sind maschinell keine Informationen abzugewinnen und müssen deshalb durch humane Interpretationen ausgewertet werden.5

Die Eigenschaft Velocity beschreibt die Geschwindigkeit der Datentransferierungen. Diese restringiert sich heutzutage auf ein absolutes Minimum und bietet damit Informationen in Echtzeit. Dies erzeugt vor allem Flexibilität und Aktualität, welche im prekären Wettbewerb stets an Bedeutung gewinnen.6

Unter Veracity wird die Qualität der Informationen bewertet, welche unterschiedliche Ausprägungen aufweist. Die verfügbaren Daten stammen beispielsweise von spezialisierten Unternehmen, Trackingaktivitäten oder auch von Privatpersonen. Aufgrund dessen ist die Verlässlichkeit der Informationen zu reflektieren.7

Das letzte Kriterium stellt der Value dar, welcher den von Big Data verursachten Mehrwert beschreibt. Mit Rückblick auf die beschriebenen Eigenschaften wird deutlich, dass durch Big Data umfangreicheres Wissen gewonnen werden kann. Weitere Zugewinne sind die Zeitersparnis und die Zuverlässigkeit der Analysen durch den Einbezug verschiedener Abstammungen.8

Zu berücksichtigen ist, dass die hohen Datenmengen mit ihrer Vielschichtigkeit auch Herausforderungen innerhalb der Strukturierung, Aufbereitung und Auswertung hervorrufen. Diese Tätigkeiten sind aufgrund der Komplexität kaum noch manuell zu Händeln und benötigen aufgrund dessen spezielle Technologien und Algorithmen.9

2.2 Big Data Technologien

Um die außerordentlichen Datenmassen zu domestizieren, müssen diverse Technologien assistieren. Dabei spielen vor allem Begriffe wie Business Intelligence, Machine Learning und Business Analytics eine große Rolle. Diese technologischen Innovationen übernehmen nicht nur die Aufgabe der Datensammlung, sondern sorgen vielmehr für Datenaufbereitung, -analyse und -integration in die Unternehmensprozesse.10

Mithilfe künstlicher Intelligenz und lernfähigen Systemen können die gesammelten Daten effizienter und reliabel ausgewertet werden. Durch den Einsatz selbstentwickelter Algorithmen können sogar realistische Prognosen für die zukünftige Entwicklung aufgebaut werden. Weitergehend können simple und noch manuell ausgeführte Prozesse des Unternehmens automatisiert werden und somit für eine verringerte Fehlerquote sowie einer deutlichen Einsparung von Kosten und Zeit führen.11

Obwohl die Automatisierung auf langfristige Sicht für einen enormen Einsparungsfaktor sorgt, sind die Anschaffungs- und Entwicklungskosten dieser Innovationen nicht zu unterschätzen. Der Weg zur digitalen Transformation ist mit Sicherheit ein mit hohen Investitionen verbundener Prozess, welches den Zugang zu ausreichend liquiden Mitteln sowie notwendigem Know-how erfordert.12

Big Data als solches bietet eine solide Grundlage für Unternehmen. Die erschaffenen Möglichkeiten bieten unternehmensübergreifende Informationen in Echtzeit für flexible Reaktion auf das Marktgeschehen. Der eigentliche Mehrwert jedoch wird erst durch den Einsatz spezieller Tools generiert. Diese sorgen für Datenstruktur und können Zusammenhänge erkennen, welche das menschliche Wesen aufgrund der hohen Datenmasse nicht abbilden kann. Aufgrund dessen ist die Einbindung geeigneter Innovationen für den Umgang mit Big Data unabdingbar.13

2.3 Relevanz von Big Data für die Zukunft

Durch den beschriebenen Mehrwert von Big Data können nicht nur vergangene Unternehmensergebnisse effizienter bewertet werden, sondern auch die zukünftige Unternehmensplanung flexibler und zielorientierter auf die aktuellen Geschehnisse angepasst werden. Dies sollten Unternehmen nicht nur nutzen, vielmehr werden Sie in naher Zukunft zur Erhaltung der Wettbewerbsfähigkeit dazu gezwungen sein.14

Big Data und Digitalisierung stellen nicht nur einen temporären Trend dar, sondern gelten eher als Grundsteine der vierten industriellen Revolution. Historisch betrachtet ist die derzeitige Entwicklung mit der Schöpfung der Dampfmaschine, des Fließbandsystems und der Automatisierung durch Computertechnik gleichzusetzen, da allesamt einen deutlichen industriellen Wandel zur Folge haben. Aufgrund dessen wird der aktuelle Zeitabschnitt häufig mit dem Begriff Industrie 4.0 in Verbindung gebracht.15

Experten vermuten auch für die weitere Entwicklung des Stellenwerts exponentiellen Wachstum. Dieser wird nicht nur durch die beschriebenen Mehrwerte durch Big Data erzeugt, sondern gehen zudem aus den stetig wachsenden internen Datenströmen hervor, welche langfristig nicht mehr manuell zu bewältigen sind.16

Die Vergangenheit hat gezeigt, dass kein Unternehmen von diesen Innovationen erfolgreich Abstand nehmen kann. Dies würde mit voranschreitender Entwicklung für einen deutlichen Nachteil im Wettbewerb sorgen und die Überlebensfähigkeit der Unternehmung auf ein Minimum beschränken. Langfristig gesehen ist eine Neuausrichtung der Konzeption und Unternehmungsplanung deshalb unumgänglich.17

[...]


1 Vgl. Schallmo, D. et. al., digitale Geschäftsmodelle, 2018, S. 9-10.

2 Vgl. Urbach, N., Ahlemann, F., IT im Zeitalter, 2016, S. 17-18.

3 Vgl. Wächter, B., Marktforschung, 2018 - In: König, C. et. al. (Hrsg.), Big Data, S. 18.

4 Vgl. Blum, G., Relationship, 2014 - In: Holland, H. (Hrsg.), Digital, 2014, S. 243.

5 Vgl. Fasel, D., Meier, A., NoSQL, 2016 - In: Fasel, D., Meier, A., (Hrsg.), Potenziale, 2016, S. 5-6.

6 Vgl. Pospiech, M., Informationsbereitstellung, 2019, S. 22.

7 Vgl. Fasel, D., Meier, A., NoSQL, 2016 - In: Fasel, D., Meier, A., (Hrsg.), Potenziale, 2016, S. 5-6.

8 Vgl. Pospiech, M., Informationsbereitstellung, 2019, S. 22.

9 Vgl. Wiegerling, K., Anerkennung, 2020 - In: Wiegerling, K. et. al. (Hrsg.), Datafizierung, S. 99.

10 Vgl. Schön, D., Business Intelligence, 2016, S. 226-227.

11 Vgl. Wiegerling, K., Anerkennung, 2020 - In: Wiegerling, K. et. al. (Hrsg.), Datafizierung, S. 99.

12 Vgl. Schön, D., Business Intelligence, 2016, S. 311.

13 Vgl. Gadatsch, A., Landrock, H., Entscheider, 2017, S. 12.

14 Vgl. Dorschel, J. et. al., Wirtschaft, 2015 - In: Dorschel, J. (Hrsg.), Praxis, 2015, S. 104.

15 Vgl. Gadatsch, A., Landrock, H., Entscheider, 2017, S. 9.

16 Vgl. Dorschel, J. et. al., Wirtschaft, 2015 - In: Dorschel, J. (Hrsg.), Praxis, 2015, S. 113.

17 Vgl. Seufert, A., Status Quo, 2016 - In: Fasel, D., Meier, A., (Hrsg.), Potenziale, 2016, S. 49.

Ende der Leseprobe aus 14 Seiten

Details

Titel
Big Data in der Informationstechnologie. Chancen und Risiken der IT-Branche
Hochschule
FOM Essen, Hochschule für Oekonomie & Management gemeinnützige GmbH, Hochschulleitung Essen früher Fachhochschule
Note
1,0
Autor
Jahr
2021
Seiten
14
Katalognummer
V1005090
ISBN (eBook)
9783346392572
ISBN (Buch)
9783346392589
Sprache
Deutsch
Schlagworte
Digitalisierung, Industrie 4.0, Big Data, digitaler Wandel, digitale Transformation, IT-Management, Informationstechnologie, Veränderungen, Herausforderungen, Technologien
Arbeit zitieren
Isabell Blanke (Autor:in), 2021, Big Data in der Informationstechnologie. Chancen und Risiken der IT-Branche, München, GRIN Verlag, https://www.grin.com/document/1005090

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Big Data in der Informationstechnologie. Chancen und Risiken der IT-Branche



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden