Die Arbeit beschäftigt sich mit der Beantwortung der folgenden Forschungsfragen: Welchen Einfluss haben Big-Data-gestützte Entscheidungsfähigkeiten auf die Entscheidungsqualität und die Seizing-Fähigkeit eines Unternehmens? Welche Rolle spielt die Intensität der Nutzung von Informations- und Kommunikationstechnologien in der Beziehung zwischen Big-Data-gestützten Entscheidungsfähigkeiten und der Entscheidungsqualität?
In der heutigen dynamischen digitalen Welt ist es wichtiger denn je, die Triebkräfte des kontinuierlichen Wandels und der Erneuerung in einem Unternehmen zu verstehen. Obwohl Konzepte wie die dynamischen Fähigkeiten dabei helfen, diese Herausforderung zu bewältigen, ist das Verständnis dafür, wie eine nachhaltige Wettbewerbsfähigkeit erreicht werden kann, häufig noch sehr oberflächlich. Diese Studie trägt in mehrfacher Hinsicht zu diesem Verständnis bei. Durch die Verknüpfung der Forschungen zu dynamischen Fähigkeiten und Big Data leistet die vorliegende Arbeit einen Beitrag zur Adressierung der Forschungslücke, wie dynamische Fähigkeiten aufgebaut und beeinflusst werden können.
Darüber hinaus werden frühere Erkenntnisse aus der Forschung zu Big Data auf ihre Verallgemeinerbarkeit geprüft und erweitert. Konkret wird in dieser Studie der Einfluss von Big-Data-gestützten Entscheidungsfähigkeiten (BDEF) auf die Entscheidungsqualität (EQ) und die Seizing-Fähigkeit, eine Dimension der dynamischen Fähigkeiten, untersucht. Darüber hinaus wird die Nutzungsintensität von Informations- und Kommunikationstechnologien (IKT) als Moderator der Beziehung zwischen BDEF und EQ einbezogen und überprüft. Die Anwendung der Partial-Least-Squares-Strukturgleichungsmodellierung ergab einen positiven Zusammenhang zwischen BDEF und EQ.
Darüber hinaus wurde festgestellt, dass die Nutzungsintensität von IKT einen positiven, wenn auch geringen, moderierenden Effekt auf diesen Zusammenhang ausübt, der auf eine Verbesserung der Faktoren Wissensaustausch, Kollaboration und Kommunikation zurückgeführt werden kann. Weiterhin wurde sowohl ein direkter als auch indirekter positiver Effekt von BDEF auf die Seizing-Fähigkeit festgestellt. Basierend auf den aufgestellten Hypothesen kann dies auf eine Verbesserung der Entscheidungsfindung durch BDEF zurückgeführt werden, welche als ein wichtiges Mikrofundament der Seizing-Fähigkeit identifiziert wurde. Der indirekte Effekt wurde durch eine partielle positive Mediation der EQ erklärt. Die Erkenntnisse der vorliegenden Arbeit bilden somit in Verbindung mit dem hier vorgeschlagenen Forschungsmodell eine solide Grundlage für die zukünftige Erforschung weiterer Einflussfaktoren dynamischer Fähigkeiten sowie für die Ableitung konkreter Handlungsempfehlungen für die Praxis und Theorie.
Inhaltsverzeichnis
1 Einleitung
2 Theoretische Grundlagen: Dynamische Fähigkeiten und Big Data
2.1 Dynamische Fähigkeiten
2.1.1 Evolution der Theorie und Definition dynamischer Fähigkeiten
2.1.2 Konzeptualisierung dynamischer Fähigkeiten
2.1.3 Seizing-Fähigkeit
2.2 Big Data
2.2.1 Definierende Merkmale von Big Data
2.2.2 Herausforderungen für das Management im Umgang mit Big Data
2.2.3 Big Data und Entscheidungsfindung
2.3 Informations- und Kommunikationstechnologien
3 Forschungsmodell und Hypothesenherleitung
3.1 Der Zusammenhang zwischen Big-Data-gestützten Entscheidungsfähigkeiten und der Entscheidungsqualität
3.2 Die moderierende Rolle der Nutzungsintensität von Informations- und Kommunikationstechnologien
3.3 Der Zusammenhang zwischen Big-Data-gestützten Entscheidungsfähigkeiten, der Entscheidungsqualität und der Seizing-Fähigkeit
4 Methodik: Quantitative Befragung
4.1 Datenerhebung und Vorgehensweise
4.2 Sample der Untersuchung
4.3 Operationalisierung der Variablen
4.4 Methode der Datenanalyse
5 Analyse und empirische Befunde: PLS-SEM
5.1 Evaluation des Messmodels
5.1.1 Evaluation des hierarchischen Konstrukts der BDEF
5.1.2 Evaluation des Gesamtmessmodells
5.2 Evaluation des Strukturmodells
5.2.1 Hypothesenprüfung
5.2.2 Güteprüfung
6 Diskussion: Beantwortung der Forschungsfragen
6.1 Kernaussagen und Interpretation der wichtigsten Ergebnisse
6.2 Limitationen und Empfehlungen für die künftige Forschung
6.3 Implikationen für die Theorie
6.4 Implikationen für die Praxis
6.5 Zusammenfassung der Ergebnisse und Fazit
Zielsetzung & Themen
Die vorliegende Masterarbeit untersucht den Einfluss von Big-Data-gestützten Entscheidungsfähigkeiten (BDEF) auf die Entscheidungsqualität und die Seizing-Fähigkeit von Unternehmen. Dabei wird erforscht, ob eine hohe Nutzungsintensität von Informations- und Kommunikationstechnologien diesen Zusammenhang positiv moderiert und inwieweit die Entscheidungsqualität als Mediator zwischen BDEF und der Seizing-Fähigkeit fungiert.
- Analyse des Einflusses von Big-Data-gestützten Entscheidungsfähigkeiten (BDEF) auf die Entscheidungsqualität (EQ).
- Untersuchung der moderierenden Rolle der Nutzungsintensität von Informations- und Kommunikationstechnologien (IKT).
- Erforschung des Zusammenhangs zwischen BDEF, EQ und der Seizing-Fähigkeit als Dimension dynamischer Fähigkeiten.
- Empirische Validierung des Forschungsmodells mittels PLS-SEM (Partial-Least-Squares-Strukturgleichungsmodellierung) in deutschen Unternehmen.
Auszug aus dem Buch
2.1.1 Evolution der Theorie und Definition dynamischer Fähigkeiten
Die Frage, wie Firmen einen Wettbewerbsvorteil erzielen und aufrechterhalten können, hat zu einem der produktivsten Literaturströme in der strategischen Managementforschung geführt. Innerhalb dieses Literaturstroms entstand in den 1980er und 1990er Jahren die Resource-based View (RBV), deren Kernaussage darin besteht, dass der Wettbewerbsvorteil eines Unternehmens auf der Grundlage einer heterogenen Ressourcenallokation erklärt werden kann (Barney, 1991). Der aktuellen Forschung zufolge stößt die RBV im heutigen dynamischen Geschäftsumfeld jedoch an ihre Grenzen und wird wegen ihrer statischen Perspektive kritisiert. Der Grund dafür ist, dass die RBV die Dynamik des Geschäftsumfelds nicht berücksichtigt und die notwendigen Veränderungen der Ressourcenbasis eines Unternehmens und der vorhandenen Fähigkeiten vernachlässigt (Eisenhardt & Martin, 2000; Teece et al., 1997; Wang & Ahmed, 2007).
Um diese Restriktion zu adressieren wurde die DCV entwickelt, welcher im Grunde eine Erweiterung der RBV ist und sowohl die Dynamik des Umfelds als auch die Entwicklung der Ressourcenbasis eines Unternehmens im Laufe der Zeit berücksichtigt. Die DCV bricht mit der restriktiven Sichtweise der RBV, stellt den Wandel in den Fokus und betont eine schwer zu imitierende Kombination funktionaler, organisatorischer und technologischer Fähigkeiten, um die sich aus den Umweltveränderungen entstehenden Potenziale nachhaltig nutzen zu können (Eisenhardt & Martin, 2000; Teece et al., 1997). Aufgrund der Bedeutung der Arbeiten von Teece und Pisano (1994) und Teece et al. (1997) für diesen Forschungsstrom konzentriert sich die vorliegende Arbeit auf die in diesen Studien vorgeschlagene Definition dynamischer Fähigkeiten. Diesen Arbeiten zufolge können dynamische Fähigkeiten als diejenigen Fähigkeiten einer Organisation definiert werden, die sie in die Lage versetzen, interne und externe Kompetenzen zu integrieren, aufzubauen oder neu zu konfigurieren, um den rapiden Veränderungen der Unternehmensumwelt gerecht zu werden (Teece et al., 1997).
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung beleuchtet die zunehmende Bedeutung von Big Data für die strategische Entscheidungsfindung und identifiziert die Forschungslücken bezüglich der Effekte von BDEF auf die Seizing-Fähigkeit im deutschen Kontext.
2 Theoretische Grundlagen: Dynamische Fähigkeiten und Big Data: Dieses Kapitel definiert die Konzepte der dynamischen Fähigkeiten, insbesondere der Seizing-Fähigkeit, sowie die definierenden Merkmale und Herausforderungen von Big Data und IKT.
3 Forschungsmodell und Hypothesenherleitung: Hier wird das theoretische Forschungsmodell entwickelt, welches die positiven Zusammenhänge zwischen BDEF, Entscheidungsqualität, moderierter IKT-Nutzung und der Seizing-Fähigkeit in vier Hypothesen formuliert.
4 Methodik: Quantitative Befragung: Dieses Kapitel beschreibt das Forschungsdesign der quantitativen Online-Befragung bei 93 Fachkräften und die Anwendung der PLS-SEM zur Datenanalyse.
5 Analyse und empirische Befunde: PLS-SEM: Der Hauptteil präsentiert die statistische Evaluation des Mess- und Strukturmodells sowie die Prüfung der aufgestellten Hypothesen mittels Bootstrapping.
6 Diskussion: Beantwortung der Forschungsfragen: Abschließend werden die Ergebnisse interpretiert, Limitationen sowie Implikationen für Theorie und Praxis aufgezeigt und ein Fazit gezogen.
Schlüsselwörter
Big Data, Big-Data-gestützte Entscheidungsfähigkeiten, BDEF, dynamische Fähigkeiten, Seizing-Fähigkeit, Entscheidungsqualität, EQ, Informations- und Kommunikationstechnologien, IKT, strategisches Management, PLS-SEM, Wettbewerbsvorteil, Entscheidungsfindung, Unternehmensführung, digitale Transformation.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, wie Unternehmen durch Big-Data-gestützte Entscheidungsfähigkeiten ihre Entscheidungsqualität verbessern und dadurch ihre sogenannte Seizing-Fähigkeit – also die Kompetenz, Geschäftschancen zu ergreifen – stärken können.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind der "Dynamic Capability View" (dynamische Fähigkeiten), Big-Data-Analytics im Management, die Qualität strategischer Entscheidungen sowie die vermittelnde Rolle von IKT.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es zu ermitteln, ob BDEF die Entscheidungsqualität positiv beeinflussen, wie IKT diesen Zusammenhang als Moderator beeinflusst und ob die Entscheidungsqualität als Mikrofundament der Seizing-Fähigkeit fungiert.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt eine quantitative Vorgehensweise mit einer Online-Befragung (N=93) und wertet die Daten mittels der Partial-Least-Squares-Strukturgleichungsmodellierung (PLS-SEM) aus.
Was wird im Hauptteil behandelt?
Im Hauptteil werden zunächst die theoretischen Grundlagen erarbeitet, Hypothesen abgeleitet, die methodische Vorgehensweise erläutert und im Anschluss die empirische Analyse sowie die Diskussion der Ergebnisse durchgeführt.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Schlagworte sind BDEF, Seizing-Fähigkeit, Entscheidungsqualität, dynamische Fähigkeiten, Big Data und PLS-SEM.
Welche Bedeutung hat die Seizing-Fähigkeit in dieser Studie?
Die Seizing-Fähigkeit stellt eine der drei Kerndimensionen dynamischer Fähigkeiten nach Teece dar und wird hier als Ergebnisgröße modelliert, die maßgeblich durch gute, datengestützte Entscheidungen positiv beeinflusst wird.
Warum spielt IKT eine moderierende Rolle?
Die Nutzung von IKT dient als Enabler, der den Wissensaustausch, die Kollaboration und die Kommunikation zwischen den Entscheidungsträgern verbessert, wodurch der positive Effekt von Datenfähigkeiten auf die Entscheidungsqualität verstärkt wird.
- Arbeit zitieren
- Lucas Moser (Autor:in), 2021, Entscheidungsfindung und Seizing im Zeitalter von Big Data, München, GRIN Verlag, https://www.grin.com/document/1326482
