Diese Arbeit stellt zunächst die theoretischen Grundlagen von Big Data dar und untersucht anschließend Techniken der Big-Data-Analyse, um deren Anwendungen im Immobilienbereich zu erläutern. Angesichts des Vorhabens einer systematischen Literaturanalyse wird der weitere Ablauf in Übereinstimmung mit den Ausführungen von Brocke et al. ausgerichtet. Daher wird zuerst die Prozedur und die Umsetzung einer reproduzierbaren Literaturrecherche in wissenschaftlichen Datenbanken dargestellt. Die Festlegung von Parametern und Selektionskriterien stellt die Grundlage für die Auswahl relevanter Literatur dar. Die im vierten Kapitel entwickelte Konzeptmatrix bietet eine Übersicht über die relevanten Themen innerhalb der Literatur und kategorisiert gleichzeitig die anschließende Literatursynthese. Auf Basis der Synthese werden die Ergebnisse und Entwicklungstrends hinsichtlich der Anwendbarkeit von Big Data im Immobilienbereich dargestellt. Im vorletzten Kapitel werden die Ergebnisse analysiert und die möglichen Forschungsaspekte für zukünftige Studien identifiziert. Gleichzeitig erfolgt eine kritische Betrachtung hinsichtlich der Limitation der systematischen Literaturanalyse. Die Arbeit schließt mit einer Zusammenfassung der Ergebnisse und einer Einschätzung hinsichtlich möglicher zukünftiger Anwendungen von Big Data im Immobilienbereich.
Immobilienunternehmen besitzen ein breites Immobilien-Portfolio, investieren erheblich in die Instandhaltung und Erhöhung des Wertes der Gebäude und verfügen dementsprechend über ein umfangreiches Datenarchiv. Diese Datensammlung umfasst unter anderem Immobilien- und Transaktionsdaten, Marktdaten, sozioökonomische Daten, Standortdaten und Nutzerverhalten.
Zur Auswertung dieser Daten ist Microsoft Excel ein gängiges Programm, erreicht bei großen Datenbeständen jedoch früher oder später eine Grenze. Die Analysen der Daten sind häufig durch gleiche Restriktionen in der Verarbeitung limitiert. Zudem besitzt die Einbindung externer Daten oftmals ein hohes Maß an Komplexität, nicht zuletzt aufgrund der Heterogenität der Daten. Diese heterogenen Daten steigen aufgrund des technologischen Fortschritts in den Bereichen Informations- und Kommunikationstechnik exponentiell an.
Inhaltsverzeichnis
1. Einleitung
2. Theoretische Fundierung
2.1. Das Phänomen Big Data
2.2. Die Big-Data-Analyse
2.3. Big Data-Anwendungen im Immobiliensektor
3. Die systematische Literaturanalyse
3.1. Grundlagen der systematischen Literaturanalyse
3.2. Aufbau der Literaturanalyse
3.3. Eingruppierung der Literaturanalyse
3.4. Suchrahmen, -begriffe und Selektionskriterien
4. Analyse und Synthese der Forschungsliteratur
4.1. Entwicklung der Konzeptmatrix
4.2. Synthese der Implementierbarkeit von Big-Data-Technologien im Immobilienbereich
4.2.1. Immobilienbewertung und -preise
4.2.2. Immobilieninformationssystem
4.2.3. Entscheidungsfindung und -unterstützung
4.2.4. Immobilienentwicklung
4.2.5. Prädiktive Analyse
4.2.6. Social-Media Analyse
4.3. Ergebnisse und Entwicklungen zur Anwendbarkeit von Big Data im Immobilienbereich
5. Forschungsbedarf zu Big Data im Immobiliensektor und Limitation der Literaturanalyse
5.1. Big Data im Immobiliensektor - Forschungsagenda
5.2. Kritische Reflexion der Methoden und Limitationen der Literaturanalyse
6. Schlussbetrachtung und Ausblick
Zielsetzung & Themen
Die vorliegende Arbeit zielt darauf ab, den wissenschaftlichen Forschungsstand zur Nutzung von Big Data im Immobiliensektor systematisch zu analysieren, relevante Erkenntnisse aus existierenden Studien abzuleiten sowie eine Forschungsagenda für zukünftige wissenschaftliche Untersuchungen zu formulieren.
- Grundlagentheorie zu Big Data und Big-Data-Analyse
- Methodische Vorgehensweise einer systematischen Literaturanalyse
- Anwendungsfelder von Big Data in der Immobilienwirtschaft (z.B. Bewertung, Preisprognose, Entscheidungsunterstützung)
- Synthese und kritische Reflexion des aktuellen Forschungsstandes
- Identifikation von Forschungslücken und zukünftigen Forschungsbedarf im Bereich Immobilienrisikomanagement
Auszug aus dem Buch
2.1. Das Phänomen Big Data
Die Entstehung von Big Data erfolgt durch verschiedene Quellen und Prozesse. Eine erhöhte Generierung von Datenmengen ergibt sich nach McAfee und Brynjolfsson (2012, S. 5) durch die Verbreitung digitaler Plattformen, sozialer Medien, mobiler Apps und E-Commerce-Websites. Jeder Klick, jede Interaktion sowie jede Transaktion im Internet kann potenziell Daten erzeugen. Zusätzlich trägt die zunehmende Verbreitung von Sensoren und IoT-Geräten dazu bei, dass immer mehr physische Objekte mit dem Internet verbunden sind und kontinuierlich Daten über ihre Umgebung generieren.
Der Begriff „Big Data“ bezieht sich folglich auf Daten, die sich durch ein hohes Volumen, ein vielseitiges Format, einschließlich unstrukturierter Daten wie Text, und einen schnellen Generierungszyklus auszeichnen und die Schwierigkeiten bei der Erfassung, Speicherung, Suche und Analyse mit sich bringen. Weiter heißt es, Big Data wird ursprünglich basierend auf der Vielfalt, dem Volumen und der Geschwindigkeit der Daten charakterisiert, die auch als die drei Vs der Daten bekannt sind. Später wird jedoch Wert und Wahrhaftigkeit zu den zuvor definierten Aspekten der Daten hinzugefügt.
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel erläutert die zunehmende Relevanz von Big Data für die Immobilienwirtschaft und definiert das Ziel der vorliegenden systematischen Literaturanalyse.
2. Theoretische Fundierung: Hier werden die zentralen Begrifflichkeiten rund um Big Data definiert sowie die Einsatzbereiche von Big-Data-Technologien in der Immobilienbranche theoretisch fundiert.
3. Die systematische Literaturanalyse: Der methodische Aufbau der Literaturrecherche, inklusive Suchkriterien und Datenbankauswahl, wird in diesem Kapitel dargelegt.
4. Analyse und Synthese der Forschungsliteratur: Dieses Kapitel präsentiert die Ergebnisse der Literaturanalyse mittels Konzeptmatrix und synthetisiert die Anwendungsmöglichkeiten von Big Data in sechs thematischen Kategorien.
5. Forschungsbedarf zu Big Data im Immobiliensektor und Limitation der Literaturanalyse: Hier werden Forschungslücken identifiziert, eine Forschungsagenda erstellt und die methodischen Grenzen der vorliegenden Arbeit kritisch reflektiert.
6. Schlussbetrachtung und Ausblick: Das Fazit fasst die wesentlichen Erkenntnisse der Analyse zusammen und gibt einen Ausblick auf die zukünftige Bedeutung datengestützter Entscheidungsfindung im Immobiliensektor.
Schlüsselwörter
Big Data, Immobilien, Literaturanalyse, Prädiktive Analyse, Immobilienbewertung, Immobilienpreisprognose, Entscheidungsunterstützung, Maschinelles Lernen, Datenintegrität, Sozial-Media Analyse, Immobilienentwicklung, Risikomanagement.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht den aktuellen Forschungsstand zum Thema Big Data im Immobiliensektor mithilfe einer systematischen Literaturanalyse.
Welche zentralen Themenfelder werden bearbeitet?
Zentrale Felder sind unter anderem Immobilienbewertung und -preise, Entscheidungsunterstützung, Immobilienentwicklung sowie prädiktive Analyse mittels maschinellem Lernen.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, die wissenschaftliche Literatur zu Big Data im Immobilienwesen aufzuarbeiten, um Erkenntnisse zu gewinnen und eine Forschungsagenda für künftige Studien zu erstellen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt eine systematische Literaturanalyse, bei der relevante Publikationen recherchiert, in einer Konzeptmatrix kategorisiert und anschließend synthetisiert werden.
Was wird schwerpunktmäßig im Hauptteil behandelt?
Der Hauptteil analysiert die Anwendbarkeit von Big-Data-Technologien, kategorisiert diese in Themenfelder wie Preisprognosen oder Informationssysteme und identifiziert Entwicklungstrends.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit fokussiert sich auf Begriffe wie Big Data, Immobilien, systematische Literaturanalyse, prädiktive Analytik und Risikomanagement.
Welche Rolle spielt maschinelles Lernen bei Big Data im Immobiliensektor?
Maschinelles Lernen wird als zentrales Werkzeug zur Automatisierung der Datenanalyse, zur Steigerung der Genauigkeit bei Preisprognosen und zur Verbesserung der Entscheidungsfindung identifiziert.
Warum ist das Risikomanagement für die Immobilienwirtschaft laut Autor wichtig?
Aufgrund der Sektor-spezifischen Volatilität und Unsicherheit ist ein datengestütztes Risikomanagement essenziell, um Investitionen zu schützen und Geschäftsprozesse zu optimieren.
- Quote paper
- Anonym (Author), 2023, Big Data im Immobiliensektor. Eine systematische Literaturanalyse, Munich, GRIN Verlag, https://www.grin.com/document/1438141
