Die Arbeit beschäftigt sich demnach mit den Forschungsfragen: 1.) Welchen Einfluss haben Big-Data-gestützte Entscheidungsfähigkeiten auf die Entscheidungsqualität und die Seizing-Fähigkeit eines Unternehmens? 2.) 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.
Bei dieser Publikation handelt es sich um eine Zusammenfassung der ebenfalls bei GRIN Publishing erschienenen Masterarbeit: https://www.grin.com/document/1326482
Inhaltsverzeichnis
- Einleitung
- Theoretische Grundlagen und Hypothesenherleitung
- Methoden
- Ergebnisse
- Diskussion
- Zusammenfassung und Ausblick
Zielsetzung und Themenschwerpunkte
Diese Masterarbeit befasst sich mit der Entscheidungsfindung im Kontext von Big Data und untersucht, wie Big-Data-gestützte Entscheidungsfähigkeiten (BDEF) die Entscheidungsqualität (EQ) und die Seizing-Fähigkeit von Unternehmen beeinflussen. Darüber hinaus wird untersucht, wie die Intensität der Nutzung von Informations- und Kommunikationstechnologien (IKT) die Beziehung zwischen BDEF und EQ moderiert.
- Einfluss von BDEF auf EQ und Seizing-Fähigkeit
- Rolle von IKT in der Beziehung zwischen BDEF und EQ
- Zusammenhang zwischen BDEF und den Mikrofundamenten von Seizing
- Anwendbarkeit der Dynamic Capability View (DCV) auf die Entscheidungsfindung mit Big Data
- Entwicklung eines umfassenden Konstrukts für BDEF
Zusammenfassung der Kapitel
- Einleitung: Die Einleitung stellt die Relevanz von Big Data für die Entscheidungsfindung in Unternehmen dar und erläutert die Forschungslücke, die diese Arbeit adressiert. Die Forschungsfragen werden formuliert und die Struktur der Arbeit vorgestellt.
- Theoretische Grundlagen und Hypothesenherleitung: Dieses Kapitel präsentiert die relevanten Theorien, insbesondere die Dynamic Capability View (DCV) und die Resource-based View (RBV), sowie die Definition von BDEF. Es werden die Einflussfaktoren von EQ und Seizing-Fähigkeit diskutiert und die Hypothesen aufgestellt.
- Methoden: Dieses Kapitel beschreibt die Forschungsmethodik, einschließlich der Stichprobenerhebung, Datenerhebung und Datenanalyse.
- Ergebnisse: Dieses Kapitel präsentiert die Ergebnisse der empirischen Untersuchung und testet die Hypothesen.
- Diskussion: Dieses Kapitel diskutiert die Ergebnisse der Studie und setzt sie in den Kontext der bestehenden Literatur. Es werden die theoretischen und praktischen Implikationen der Ergebnisse hervorgehoben.
- Zusammenfassung und Ausblick: Dieses Kapitel fasst die wichtigsten Ergebnisse der Arbeit zusammen und gibt einen Ausblick auf zukünftige Forschungsrichtungen.
Schlüsselwörter
Die Schlüsselwörter dieser Arbeit umfassen Big Data, Entscheidungsfindung, Entscheidungsqualität, Seizing-Fähigkeit, dynamische Fähigkeiten, Big-Data-gestützte Entscheidungsfähigkeiten (BDEF), Informations- und Kommunikationstechnologien (IKT), Dynamic Capability View (DCV), Resource-based View (RBV).
- Quote paper
- Lucas Moser (Author), 2021, Entscheidungsfindung und Seizing im Zeitalter von Big Data. Ein Kurzartikel zum Thema Big Data, Munich, GRIN Verlag, https://www.grin.com/document/1326484
