Ziel dieser Arbeit ist es, die Mehrwerte für das SCM herauszuarbeiten, welche durch den Einsatz von Big Data im Wertschöpfungsprozess geschaffen werden können. Damit dieses Ziel erreicht werden kann, muss der Begriff Big Data zunächst charakterisiert und die damit verbundenen Technologien vorgestellt werden. Darauf aufbauend muss der Wertschöpfungsprozess in einem klassischen SCM untersucht werden, um ein mögliches Einsatzszenario für Big Data zu identifizieren.
Dazu werden die Elemente des Wertschöpfungsprozesses in einer Supply Chain betrachtet, um Problemfaktoren gegenüber den sich veränderten Erfordernissen aufzuzeigen. Entlang dieses Prozesses und den identifizierten Problemfaktoren wird Big Data auf seine Einsatzmöglichkeiten untersucht. So kann eruiert werden, wie Big Data im SCM zielführend eingesetzt werden kann, um eine Verbesserung im Bereich der Problemfaktoren zu bewirken und folglich Mehrwerte für den Wertschöpfungsprozess zu schaffen.
Unternehmerische Entscheidungen werden immer häufiger auf Grundlage der Erkenntnisse aus Datenanalysen getroffen. Eine nutzbringende Erhebung und Analyse dieser Datenmengen wird für Unternehmen jedoch zunehmend schwieriger, um daraus wertschöpfende Informationen ableiten zu können. Damit aus diesen Datenmengen ein wirtschaftlicher Nutzen gewonnen werden kann, müssen bestehende Strukturen überarbeitet und die Möglichkeiten der Datenverarbeitung und Informationsgewinnung in unternehmerische Prozesse integriert werden. Diese Arbeit thematisiert die daraus resultierende Problemstellung für das Supply-Chain-Management (SCM) in Industrieunternehmen.
Eine effiziente Gestaltung des SCM entlang der Wertschöpfungskette trägt maßgeblich zum unternehmerischen Erfolg bei. Im Vergleich zu reinen Handelsunternehmen obliegt dem SCM in Industrieunternehmen zusätzlich die Steuerung der Produktion und die Abstimmung der Fertigungsmengen auf den nachgefragten Absatz. Die Erfolgsfaktoren dieses Bereiches basieren auf einer bis ins Detail abgestimmten Planung im gesamten Wertschöpfungsprozess. Diese Planung beruht auf dem Austausch von Informationen und Daten sowie der Integration und Nutzung der bereitstehenden Informationssysteme. Dennoch besteht im SCM oftmals ein erhebliches Informationsdefizit. Durch unterschiedliche Datenquellen und deren Schnelllebigkeit, wird die Menge der potentiell nutzbringenden Daten größer, komplexer und unstrukturierter.
Inhaltsverzeichnis
1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Vorgehen
2 Big Data
2.1 Charakteristika
2.2 Technologien
2.2.1 Datenhaltung
2.2.2 Datenzugriff
2.2.3 Datenanalyse
2.2.4 Datenvisualisierung
2.3 Betriebswirtschaftliche Anforderungen
3 Supply-Chain-Management
3.1 Grundlagen
3.2 Elemente in Industrieunternehmen
3.2.1 Lieferanten
3.2.2 Beschaffung
3.2.3 Produktion
3.2.4 Absatz
3.2.5 Kunden
3.3 Problemfaktoren
4 Big Data im Supply-Chain-Management
4.1 Motive zur Verbesserung
4.2 Voraussetzungen für den Einsatz
4.3 Mehrwerte
4.3.1 Lieferanten
4.3.2 Beschaffung
4.3.3 Produktion
4.3.4 Absatz
4.3.5 Kunden
4.4 Herausforderungen
5 Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht das Potenzial von Big Data zur Verbesserung des Supply-Chain-Managements (SCM) in Industrieunternehmen, mit dem Ziel, durch technologische Integrationen Mehrwerte zu schaffen und bestehende Informationsdefizite zu minimieren.
- Charakterisierung von Big Data und den damit verbundenen technologischen Anforderungen.
- Analyse des klassischen SCM und der zentralen Problemfaktoren in industriellen Wertschöpfungsnetzwerken.
- Prüfung von Big-Data-Anwendungsszenarien zur Optimierung interner und unternehmensübergreifender Prozesse.
- Ableitung konkreter Mehrwerte für die Elemente Lieferanten, Beschaffung, Produktion, Absatz und Kunden.
Auszug aus dem Buch
2.1 Charakteristika
Big Data wird als Synonym genutzt, um eine Datenmenge zu bezeichnen, dessen Volumen und Komplexität so groß sind, dass klassische relationale Datenbanksysteme, Analyse- und Visualisierungstools nicht mehr ausreichend dazu in der Lage sind diese Datenmengen zu verarbeiten. Der Begriff umfasst auch die Technologien zur Datenverarbeitung, dessen Fähigkeiten über die bisher bekannten Möglichkeiten hinausgehen. Mit diesen Technologien können nicht nur sehr viel größere Datenmengen, sondern auch komplexe Ausgangsdaten verarbeitet werden. Sie bieten die Möglichkeit Daten analysieren und verarbeiten zu können, welche nicht in einer vordefinierten, formatierten und aufbereiteten Form in einer relationalen Datenbank vorliegen.
Big Data bezieht sich demnach auf die Verarbeitung von sehr schnell anwachsenden Datenmengen aus verschiedenen Quellen, die einer extremen Veränderungsdynamik unterliegen. Die Analyse dieser Daten soll der Erlangung neuer Erkenntnisse dienen, aus denen ein wirtschaftlicher Nutzen sowie Empfehlungen für die Unternehmensstrategie abgeleitet werden können. Dabei wird Big Data durch seine spezifischen Eigenschaften charakterisiert. Obwohl die Semantik der Begrifflichkeit den Fokus auf das große Datenvolumen zu setzen scheint, geht es keinesfalls nur um die reine Datenmenge. Vielmehr muss Big Data ganzheitlich über seine Eigenschaften in den Bereichen Volume (Volumen), Velocity (Geschwindigkeit) und Variety (Vielfalt) definiert werden. Dieser als 3V-Modell bekannte Ansatz wird um zwei weitere Eigenschaften erweitert, damit der Begriff noch genauer konkretisiert werden kann. Im Folgenden werden zusätzlich noch die Eigenschaften Veracity (Zuverlässigkeit) und Value (Wert) hinzugefügt.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Relevanz datenbasierter Unternehmensentscheidungen ein und skizziert die Problematik unstrukturierter Informationsmengen im SCM sowie das strukturierte Vorgehen der Untersuchung.
2 Big Data: Hier wird das Konstrukt Big Data durch das 5V-Modell charakterisiert und das technologische Konzept sowie die Anforderungen an analyseorientierte Datenverarbeitungsprozesse dargelegt.
3 Supply-Chain-Management: Dieses Kapitel erläutert das SCM als Wertschöpfungsnetzwerk, beschreibt die relevanten Elemente in Industrieunternehmen und identifiziert die primären Schwachstellen und Informationsdefizite.
4 Big Data im Supply-Chain-Management: Das Kapitel prüft die Anwendung von Big-Data-Technologien im SCM, diskutiert notwendige Voraussetzungen wie eine Cloud-Plattform und evaluiert die resultierenden Mehrwerte für die einzelnen Wertschöpfungsstufen.
5 Fazit: Das Fazit fasst die zentralen Erkenntnisse zusammen, bestätigt die Notwendigkeit einer strategischen Integration von Big Data und betont die Bedeutung für die Wettbewerbsfähigkeit der Industrie.
Schlüsselwörter
Big Data, Supply-Chain-Management, Wertschöpfungsprozess, Cloud-Computing, NoSQL-Datenbanken, Smart Data, Datenintegration, Informationsdefizit, Prozesseffizienz, Data Warehouse, Entscheidungsunterstützung, Wettbewerbsfähigkeit, Lean Production, Bullwhip-Effekt, Industrie 4.0.
Häufig gestellte Fragen
Worum geht es in dieser Bachelorarbeit grundsätzlich?
Die Arbeit analysiert, wie moderne Big-Data-Technologien in das Supply-Chain-Management von Industrieunternehmen integriert werden können, um die Effizienz der Wertschöpfungskette zu steigern.
Welche zentralen Themenfelder behandelt die Arbeit?
Die Kerngebiete umfassen das Big-Data-Konzept (charakterisiert durch das 5V-Modell), das Supply-Chain-Management in industriellen Kontexten und die technologische Implementierung (NoSQL, Cloud, ETL/ELT) zur Entscheidungsunterstützung.
Was ist das primäre Ziel der Untersuchung?
Das Hauptziel ist es, die spezifischen Mehrwerte durch den Einsatz von Big Data im Wertschöpfungsprozess herauszuarbeiten und aufzuzeigen, wie diese zur Bewältigung von Problemfaktoren im SCM beitragen können.
Welche wissenschaftliche Methode verwendet der Autor?
Die Arbeit basiert auf einer umfassenden Literaturanalyse und einer logischen, prozessorientierten Ableitung von Einsatzmöglichkeiten der Technologien im industriellen SCM-Umfeld.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die technologische Grundlagenermittlung, die Analyse der SCM-Elemente (Lieferanten, Beschaffung, Produktion, Absatz, Kunden) und die spezifische Prüfung des Nutzens von Big-Data-Lösungen zur Lösung von Informationsdefiziten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Schlagworte sind Big Data, Supply-Chain-Management, Wertschöpfungsnetzwerk, Cloud-Integration, Entscheidungsunterstützung und Geschäftsprozessoptimierung.
Welche Rolle spielt die "Cloud" in diesem Konzept?
Die Cloud dient als zentrale Plattform zur Beseitigung chaotischer Kommunikationswege, indem sie eine einheitliche, transparente Datengrundlage schafft, auf die alle Partner des Wertschöpfungsnetzwerks zugreifen können.
Warum wird betont, dass Big Data allein ohne Strategie zu keinem Mehrwert führt?
Der Autor argumentiert, dass lediglich das Sammeln großer Datenmengen ohne klaren Anwendungsfall und strategische Ausrichtung (Value) keine ökonomischen Vorteile bietet und nur Kosten für Speicherung und Wartung verursacht.
- Citar trabajo
- Patrick Oesterwind (Autor), 2017, Big Data im Supply-Chain-Management von Industrieunternehmen, Múnich, GRIN Verlag, https://www.grin.com/document/1392655
