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
- Einleitung
- Problemstellung
- Zielsetzung
- Vorgehen
- Big Data
- Charakteristika
- Technologien
- Datenhaltung
- Datenzugriff
- Datenanalyse
- Datenvisualisierung
- Betriebswirtschaftliche Anforderungen
- Supply-Chain-Management
- Grundlagen
- Elemente in Industrieunternehmen
- Lieferanten
- Beschaffung
- Produktion
- Absatz
- Kunden
- Problemfaktoren
- Big Data im Supply-Chain-Management
- Motive zur Verbesserung
- Voraussetzungen für den Einsatz
- Mehrwerte
- Lieferanten
- Beschaffung
- Produktion
- Absatz
- Kunden
- Herausforderungen
- Fazit
Zielsetzung und Themenschwerpunkte
Die Arbeit befasst sich mit dem Einsatz von Big Data im Supply-Chain-Management von Industrieunternehmen. Ziel ist es, die Möglichkeiten und Herausforderungen aufzuzeigen, die sich durch die Nutzung von Big Data in diesem Kontext ergeben. Dabei werden die Besonderheiten von Big Data sowie die Herausforderungen der Supply-Chain-Logistik beleuchtet.
- Charakteristika und Technologien von Big Data
- Elemente und Problemfaktoren des Supply-Chain-Managements
- Potentiale von Big Data zur Optimierung von Supply Chains
- Herausforderungen bei der Implementierung von Big-Data-Lösungen
- Zukünftige Trends und Entwicklungen im Bereich Big Data und Supply-Chain-Management
Zusammenfassung der Kapitel
- Einleitung: Die Einleitung stellt das Thema Big Data im Supply-Chain-Management vor und beschreibt die Problemstellung sowie die Zielsetzung der Arbeit.
- Big Data: Dieses Kapitel erläutert die Charakteristika von Big Data und stellt wichtige Technologien zur Datenhaltung, -verarbeitung und -analyse vor. Es werden auch die betriebswirtschaftlichen Anforderungen an Big-Data-Lösungen aufgezeigt.
- Supply-Chain-Management: Dieses Kapitel beleuchtet die Grundlagen des Supply-Chain-Managements, die relevanten Elemente in Industrieunternehmen sowie die wichtigsten Problemfaktoren.
- Big Data im Supply-Chain-Management: Dieses Kapitel analysiert die Potenziale von Big Data zur Verbesserung von Supply Chains. Es werden die Motive für den Einsatz von Big Data, die Voraussetzungen für eine erfolgreiche Implementierung und die Mehrwerte in den verschiedenen Elementen der Supply Chain aufgezeigt. Zudem werden die Herausforderungen bei der Implementierung von Big-Data-Lösungen behandelt.
Schlüsselwörter
Die Arbeit fokussiert sich auf die Themen Big Data, Supply-Chain-Management, Industrieunternehmen, Datenhaltung, Datenanalyse, Datenvisualisierung, Mehrwerte, Herausforderungen und zukünftige Entwicklungen. Besonders relevant sind die Erkenntnisse aus der Analyse der Möglichkeiten und Herausforderungen von Big Data im Kontext der Supply-Chain-Logistik von Industrieunternehmen.
- Quote paper
- Patrick Oesterwind (Author), 2017, Big Data im Supply-Chain-Management von Industrieunternehmen, Munich, GRIN Verlag, https://www.grin.com/document/1392655
