Ziel dieser Arbeit ist es, das Zusammenspiel von Big Data und dem Geschäftsprozessmanagement in Unternehmen aufzuzeigen. Zu Beginn werden die Begriffe Big Data und Prozessmanagement erarbeitet. Daraufhin wird auf die chronologische Entwicklung des Prozessmanagements und Big Data eingegangen und in den betrieblichen Zusammenhang gesetzt. Anschließend wird der aktuelle Forschungsstand aufgezeigt. Der anschließende Anwendungsfall soll zeigen, wie Big Data Geschäftsprozesse beeinflusst. Im abschließenden Fazit wird ein Ausblick gegeben und die Arbeitsergebnisse einer kritischen Reflektion unterzogen.
Die Verfügbarkeit von Daten hat sich in den vergangenen Jahren drastisch verändert. Durch den technologischen Fortschritt wird der Umfang von Speichermedien im Unternehmensumfeld immer größer. Immer neue Datenquellen, die zunehmende Verbreitung mobiler und internetfähiger Geräte tragen dazu bei, dass sich Unternehmen der Herausforderung stellen, größere Datenmengen zu erfassen, zu speichern und auszuwerten. Der Umgang mit Daten ist sowohl für Unternehmen, deren Wertschöpfung auf einem datenbasierten Geschäftsmodell beruht, als auch für Unternehmen, deren Wertschöpfung nicht datengetrieben ist, eine Herausforderung. Ein passendes Geschäftsmodell macht aus dem Datenvorrat einen potenziellen Wert. Der Bestand von Daten und Informationen wird oftmals als Big Data bezeichnet. Big Data ermöglicht es Unternehmen neue Geschäftsprozesse zu entwickeln, bestehende Prozesse zu verbessern und zu erweitern und vorhandene Potentiale auszuschöpfen. Diese Möglichkeiten müssen vom Prozessmanagement gestaltet und gesteuert werden. Das Zusammenspiel von Big Data und Prozessmanagement gilt es für Unternehmen stets zu managen.
Inhaltsverzeichnis
1 Einleitung
1.1 Ziele und Aufbau
2 Grundlagen
2.1 Big Data
2.2 Prozessmanagement
3 Big Data im Unternehmen
3.1 Historische Entwicklung von Big Data
3.2 Einsatzgebiet von Big Data
4 Prozessmanagement im Unternehmen
4.1 Historische Entwicklung des Prozessmanagements
4.2 Einsatzgebiet des Prozessmanagements
5 Betrieblicher Zusammenhang von Big Data und Prozessmanagement
5.1 Aktueller Forschungsstand
5.2 Konkreter Anwendungskontext
6 Fazit
6.1 Zusammenfassung
6.2 Reflexion
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist es, das komplexe Zusammenspiel zwischen Big Data und dem Geschäftsprozessmanagement in Unternehmen zu analysieren, um aufzuzeigen, wie datengetriebene Ansätze betriebliche Abläufe beeinflussen und optimieren können.
- Grundlagen von Big Data und Prozessmanagement
- Historische Entwicklung beider Disziplinen
- Betrieblicher Zusammenhang und Synergieeffekte
- Analyse des aktuellen Forschungsstandes
- Konkrete Anwendungsbeispiele in der Praxis
Auszug aus dem Buch
3.2 Einsatzgebiet von Big Data
Der Einsatzgebiet von Big Data ist breit gefächert. Big Data Technologien sind universell nutzbar und werden in vielen Branchen eingesetzt. Insbesondere das medizinische Umfeld hat das größte Big Data Potenzial. Man verspricht sich auf diese Weise medizinische Prozesse zu beschleunigen.17 Ein Beispiel für die Nutzung von Big Data im Gesundheitswesen ist die konstante Weiterentwicklung von Apps und Wearable. Durch diese werden Patienten die Möglichkeit geboten, sich selbst aktiv an ihrer Gesundheit und Prävention zu beteiligen. Sie können dauerhaft ihre Werte, wie Herzfrequenz, Anzahl der Schritte und Schlafgewohnheiten aufzeichnen lassen. Elektronische Patientenakten sind die wohl an der häufig verbreitetsten Form der Nutzung von Big Data Anwendungen im Gesundheitswesen. Mithilfe der Big Data
Anwendungen im Finanzsektor lassen sich Echtzeit-Analysen der Kundeninformationen durchführen. Dies ermöglicht es Banken, sofort Auskunft über die Daten des Kunden zu erlangen und die Kreditwürdigkeit zu prüfen.18
Im Bereich Industrie 4.0 gibt es viele Ansatzpunkte für Big Data Anwendungen. Diese beeinflussen vor allem die Produktionsbedingungen in Unternehmen und bewirken dort Kosteneinsparungen und Risikominimierung. Marktseitig ist die Umsatzsteigerung durch Individualisierung der Kundenansprache relevant. 19 In der Produktion 4.0 entstehen erheblich umfangreichere Datenmengen zusätzlich noch durch die Erfassung und Vernetzung von Maschinendaten. Diese sog. Machine-to-Machine Kommunikation ermöglicht es, Maschinendaten in Echtzeit zu vernetzen und in Wertschöpfungsprozesse zu integrieren.20 Der Einsatz von Big Data verändert Geschäftsmodelle und Prozesse in Unternehmen.21
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die zunehmende Bedeutung von Daten im Unternehmensumfeld ein und definiert das Ziel, das Zusammenspiel von Big Data und Prozessmanagement zu untersuchen.
2 Grundlagen: Hier werden die zentralen Begrifflichkeiten Big Data, charakterisiert durch die vier Dimensionen, und Prozessmanagement als Managementdisziplin theoretisch erläutert.
3 Big Data im Unternehmen: Dieses Kapitel behandelt die historische Entstehung des Begriffs Big Data sowie dessen vielfältige Einsatzgebiete, insbesondere in Medizin, Finanzsektor und Industrie 4.0.
4 Prozessmanagement im Unternehmen: Der Abschnitt erläutert die vier Phasen der Entwicklung des Prozessmanagements, von der klassischen Arbeitszerlegung bis hin zur modernen Digitalisierung.
5 Betrieblicher Zusammenhang von Big Data und Prozessmanagement: Hier wird der Forschungsstand beleuchtet und anhand von Praxisbeispielen (z. B. Predictive Maintenance im Aufzugsbau) verdeutlicht, wie beide Bereiche ineinandergreifen.
6 Fazit: Die Arbeit schließt mit einer Zusammenfassung der Erkenntnisse und einer kritischen Reflexion über die Herausforderungen bei der Implementierung von Big Data-Technologien ab.
Schlüsselwörter
Big Data, Prozessmanagement, Geschäftsprozesse, Datenvolumen, Industrie 4.0, Predictive Maintenance, Unternehmensstrategie, digitale Transformation, Datenanalyse, Prozessoptimierung, Unternehmensumfeld, Wettbewerbsfähigkeit, technologische Entwicklung, Geschäftsmodelle, Prozessmodellierung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Integration von Big Data in das bestehende Prozessmanagement von Unternehmen und untersucht, wie beide Disziplinen zur Optimierung betrieblicher Abläufe beitragen.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind die Definition und Dimensionen von Big Data, die historische Evolution und methodische Ausgestaltung des Prozessmanagements sowie die praktische Anwendung beider Themengebiete.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es, das Zusammenspiel von Big Data und Geschäftsprozessmanagement aufzuzeigen und zu analysieren, wie der Einsatz von Big Data Technologie Geschäftsprozesse konkret beeinflusst.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer theoretischen Fundierung durch Literaturanalyse und der Untersuchung des aktuellen Forschungsstandes, ergänzt durch Praxisbeispiele aus verschiedenen Branchen.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst die Grundlagen beider Konzepte, ihre historische Entwicklung, den aktuellen Forschungsstand zur Synergie beider Bereiche sowie spezifische Anwendungskontexte.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Big Data, Prozessmanagement, Geschäftsprozesse, Industrie 4.0, Datenanalyse, Prozessoptimierung und Predictive Maintenance.
Welche Rolle spielt die Industrie 4.0 in dieser Untersuchung?
Industrie 4.0 dient als Beispiel für den Einsatz von Big Data zur Vernetzung von Maschinendaten in Echtzeit, um Produktionsprozesse effizienter zu gestalten und Kosten zu senken.
Warum ist ein Vorgehensmodell bei Big Data Projekten wichtig?
Da die Komplexität von Big Data sehr hoch ist, unterstützt ein Vorgehensmodell Unternehmen dabei, alle Implementierungsschritte transparent und nachvollziehbar zu gestalten.
Wie kann Predictive Maintenance Geschäftsprozesse verändern?
Durch die Vorhersage von Störungen, bevor diese eintreten, können Ausfallzeiten drastisch minimiert und Prozesse sowie Geschäftsmodelle (z. B. nutzungsabhängige Abrechnung) optimiert werden.
- Arbeit zitieren
- Denitsa Trifonova (Autor:in), 2021, Big Data und Prozessmanagement im Unternehmen. Zum aktuellen Forschungsstand, München, GRIN Verlag, https://www.grin.com/document/1064532
