Diese Arbeit zeigt den Gesamtzusammenhang zwischen Big Data und Geschäftsprozessmanagement auf. Hierbei wird auch die chronologische Begriffsentwicklung des „Geschäftsprozessmanagement“ betrachtet. Insbesondere der wirtschaftliche Nutzen von Big Data im Geschäftsprozessmanagement wird dabei herausgestellt. In diesem Zusammenhang wird der Frage nachgegangen, welche Unternehmensbereiche sich besonders gut für den Einsatz von Big Data eignen.
Darüber hinaus wird der aktuelle Forschungsstand zu Big Data im technologischen Kontext betrachtet. Hierbei wird der Fokus auf die wichtigsten Technologien gelegt, die bedeutend für den großen Erfolg von Big Data sind. Außerdem wurde in der Hausarbeit ein konkreter wirtschaftlicher Anwendungskontext entwickelt, durch den die Potentiale von Big Data anschaulich dargestellt werden.
Inhaltsverzeichnis
- Inhaltsverzeichnis
- Abkürzungsverzeichnis
- 1. Einleitung
- 1.1 Problemstellung und Relevanz
- 1.2 Ziel der Arbeit
- 1.3 Aufbau der Arbeit
- 2. Grundlagen zu Big Data
- 2.1 Zeichen, Daten, Information
- 2.2 Definition und Merkmale von Big Data
- 2.3 Datenquellen von Big Data
- 3. Grundlagen zu Geschäftsprozessmanagement
- 3.1 Definition und Merkmale eines Prozess
- 3.2 Aufgabe und Funktion des Geschäftsprozessmanagement
- 4. Einsatz von Big Data im Geschäftsprozessmanagement
- 4.1 Chronologische Entwicklung des Geschäftsprozessmanagement
- 4.2 Unternehmenseinsatz von Big Data
- 4.3 Big Data Analysen
- 4.3.1 Marketing und Vertrieb
- 4.3.2 Produktion
- 4.3.3 IT
- 5. Überblick zum aktuellen Forschungsstand von Big Data im technologischen Kontext
- 5.1 IT-Infrastruktur
- 5.2 Verteilte Parallelverarbeitung von großen Datenmengen
- 5.3 In-Memory-Technologien
- 5.4 Künstliche Intelligenz, Machine Learning, Deep Learning
- 6. Anwendungskontext: Proaktiver Kundensupport durch den Einsatz von Big Data-Technologien am Beispiel der Deutschen Telekom AG
- 7. Zusammenfassung und Reflexion
- 7.1 Fazit
- 7.2 Kritische Würdigung und Ausblick
- 8. Literaturverzeichnis
- 8.1 Buchquellen
- 8.2 Artikel aus dem Internet
Zielsetzung & Themen
Die vorliegende Arbeit zielt darauf ab, den umfassenden Zusammenhang zwischen Big Data und Geschäftsprozessmanagement darzustellen. Insbesondere soll der wirtschaftliche Nutzen von Big Data im Geschäftsprozessmanagement herausgearbeitet und die Frage beantwortet werden, welche Unternehmensbereiche sich besonders gut für dessen Einsatz eignen. Zudem wird der aktuelle Forschungsstand relevanter Big Data Technologien beleuchtet und ein konkreter Anwendungskontext zur Veranschaulichung der Potenziale entwickelt.
- Aufzeigen des Gesamtzusammenhangs zwischen Big Data und Geschäftsprozessmanagement.
- Darstellung der chronologischen Entwicklung des Geschäftsprozessmanagements.
- Herausarbeiten des wirtschaftlichen Nutzens und geeigneter Einsatzbereiche von Big Data im Geschäftsprozessmanagement.
- Betrachtung des aktuellen Forschungsstands zu Schlüsseltechnologien im Big Data Kontext (z.B. KI, Machine Learning).
- Entwicklung eines konkreten wirtschaftlichen Anwendungskontextes zur Veranschaulichung der Big Data-Potenziale.
Auszug aus dem Buch
2.2 Definition und Merkmale von Big Data
„Big Data bezeichnet die wirtschaftlich sinnvolle Gewinnung und Nutzung entscheidungsrelevanter Erkenntnisse aus qualitativ vielfältigen und unterschiedlich strukturierten Informationen, die einem schnellen Wandel unterliegen und in bisher ungekanntem Umfang anfallen“ (vgl. Bitkom, 2012, S.7). Big Data ist durch die vier englischen Merkmale Volume, Variety, Velocity und Veracity charakterisiert. Das erste Merkmal „Volume" (Volumen) beschreibt die große Menge an Daten, die aufgenommen und verarbeitet werden muss. Der Datenumfang steigt dabei mit der Anzahl der Quellen und der Datentiefe. (vgl. King, 2014, S.35) Hinzu kommt, dass sich durch den technologischen Fortschritt das weltweit vorhandene Datenvolumen im Schnitt alle zwei Jahre verdoppelt. Somit stehen Unternehmen immer mehr Daten zur Analyse zur Verfügung, welche Aussagen über immer neue Lebensbereiche zulassen. Das Datenvolumen allein sollte aber nicht als notwendige oder hinreichende Bedingung einer einzelnen Big Data-Anwendung verstanden werden. „Werden beispielsweise in einem Forschungsprojekt Literaturquellen, Beiträge aus fachwissenschaftlichen Foren, technische Messdaten und dergleichen maschinell verarbeitet, handelt es sich auch dann um Big Data, wenn das in Byte gemessene Datenvolumen wegen der Spezialisierung des Themas nicht allzu groß ist. Umgekehrt ist die Verwaltung strukturierter Daten in einer relationalen Datenbank als solche keine Big Data-Anwendung, auch wenn die Datenbank mehrere Petabyte umfasst." (vgl. Dorschel, 2015, S.8)
Der zweite Begriff „Variety“ (Varietät) beschreibt für Big Data, dass die Struktur der Daten stark variiert. Es handelt sich um strukturierte, semi-strukturierte oder unstrukturierte Multimedia-Daten. Hierzu zählen Texte, Grafiken, Bilder, Audiodaten und Videos (vgl. Fasel, 2016, S.6). Außerdem stammen die zu verarbeitenden Daten zunehmend aus neuen Quellen innerhalb und außerhalb von Unternehmen. (vgl. King, 2014, S.35) Eine der Kernaufgaben von Big Data ist es übergreifende Erkenntnisse aus den unterschiedlichen Quellen und Formaten zu gewinnen. (vgl. Dorschel, 2015, S.8)
Die dritte Charakteristik von Big Data lautet „Velocity“ (Schnelllebigkeit) und beschreibt die hohe Geschwindigkeit in der Daten entstehen, produziert und verändert werden müssen. Die Schnelllebigkeit wird dabei von der Anzahl der Quellen und der gesteigerten Rechenleistung der datengenerierenden Geräte beeinflusst. (vgl. King, 2014, S.35). Die Übertragung und Auswertung von sehr großen Datenmengen macht oft nur Sinn, wenn sie in nahezu Echtzeit erfolgt. Hierzu zählt beispielsweise das Kundenverhalten im Social Web oder Logdaten in der Produktion. (vgl. Gadatsch, 2017, S.3)
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel führt in die Problemstellung und Relevanz von Big Data ein, beschreibt das Ziel der Arbeit, den Gesamtzusammenhang zwischen Big Data und Geschäftsprozessmanagement aufzuzeigen, und erläutert den strukturellen Aufbau der Untersuchung.
2. Grundlagen zu Big Data: Hier werden die fundamentalen Konzepte von Zeichen, Daten und Information definiert, die Merkmale von Big Data (Volume, Variety, Velocity, Veracity) detailliert beschrieben und verschiedene Datenquellen identifiziert.
3. Grundlagen zu Geschäftsprozessmanagement: Dieses Kapitel legt die Definition und Kernmerkmale eines Prozesses dar und beleuchtet anschließend die Aufgaben und Funktionen des Geschäftsprozessmanagements im Unternehmenskontext.
4. Einsatz von Big Data im Geschäftsprozessmanagement: Der Abschnitt verfolgt die chronologische Entwicklung des Geschäftsprozessmanagements, analysiert den Unternehmenseinsatz von Big Data und spezifische Big Data Analysen in den Bereichen Marketing und Vertrieb, Produktion sowie IT.
5. Überblick zum aktuellen Forschungsstand von Big Data im technologischen Kontext: Dieses Kapitel behandelt den technologischen Forschungsstand von Big Data, inklusive IT-Infrastruktur, verteilter Parallelverarbeitung, In-Memory-Technologien sowie Künstlicher Intelligenz, Machine Learning und Deep Learning.
6. Anwendungskontext: Proaktiver Kundensupport durch den Einsatz von Big Data-Technologien am Beispiel der Deutschen Telekom AG: Es wird ein praktisches Beispiel für den Einsatz von Big Data-Technologien im proaktiven Kundensupport am Fall der Deutschen Telekom AG illustriert, insbesondere durch Social Media Monitoring.
7. Zusammenfassung und Reflexion: Das Fazit des Dokuments fasst die Erkenntnisse über die Potenziale von Big Data zur Prozessoptimierung und Innovation zusammen und bietet eine kritische Würdigung sowie einen Ausblick auf zukünftige Entwicklungen und Herausforderungen, wie den Datenschutz.
Schlüsselwörter
Big Data, Geschäftsprozessmanagement, Digitale Transformation, Datenanalyse, Künstliche Intelligenz, Machine Learning, Deep Learning, Echtzeit, Datenvolumen, Datenquellen, Cloud Computing, Prozessoptimierung, Kundenservice, Telekommunikation, Social Media Monitoring.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Diese Arbeit befasst sich mit dem Gesamtzusammenhang zwischen Big Data und Geschäftsprozessmanagement, wobei der Fokus auf dem wirtschaftlichen Nutzen von Big Data für Unternehmen liegt.
Was sind die zentralen Themenfelder?
Zentrale Themenfelder umfassen die Definition und Merkmale von Big Data, die Grundlagen und Entwicklung des Geschäftsprozessmanagements, Big Data Analysen in verschiedenen Unternehmensbereichen, den technologischen Forschungsstand (KI, Machine Learning) und ein konkretes Anwendungsbeispiel im Kundenservice.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist es, den wirtschaftlichen Nutzen von Big Data im Geschäftsprozessmanagement herauszuarbeiten, geeignete Unternehmensbereiche für dessen Einsatz zu identifizieren und die technologischen Potenziale anhand eines konkreten Anwendungskontextes aufzuzeigen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer umfassenden Literaturanalyse und beschreibt und analysiert Konzepte sowie deren Anwendung, was einer deskriptiven und analytischen Herangehensweise entspricht.
Was wird im Hauptteil behandelt?
Der Hauptteil behandelt die chronologische Entwicklung des Geschäftsprozessmanagements, den Nutzen von Big Data im Unternehmenseinsatz, Big Data Analysen in Marketing, Produktion und IT, den aktuellen Forschungsstand relevanter Technologien (wie KI, Machine Learning) und einen Anwendungsfall bei der Deutschen Telekom AG.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird charakterisiert durch Schlüsselwörter wie Big Data, Geschäftsprozessmanagement, Datenanalyse, Künstliche Intelligenz, Machine Learning, Echtzeit und Prozessoptimierung.
Wie beeinflussen die vier "V"s (Volume, Variety, Velocity, Veracity) Big Data?
Die vier "V"s beschreiben die zentralen Merkmale von Big Data: Volume (gigantische Datenmengen), Variety (vielfältige, unstrukturierte Datenformate), Velocity (hohe Geschwindigkeit der Datengenerierung und -verarbeitung) und Veracity (Richtigkeit und Verlässlichkeit der Dateninhalte, oft mit Unsicherheit behaftet).
Was ist der Unterschied zwischen überwachtem und unüberwachtem Machine Learning?
Beim überwachten Lernen werden dem Algorithmus markierte Datensätze mit bekannten korrekten Ausgaben zum Training bereitgestellt, während das unüberwachte Lernen Muster in Daten ohne vorgegebene Ausgaben identifiziert und zum Beispiel für Clustering verwendet wird.
Wie wird Big Data im Kundenservice der Deutschen Telekom AG eingesetzt?
Die Deutsche Telekom AG nutzt Big Data-Technologien in Kombination mit Social Media Monitoring, um proaktiven Kundensupport zu leisten, indem sie relevante Servicefälle aus großen Mengen öffentlich zugänglicher Social Media Daten identifiziert und schnell bearbeitet.
Welche Risiken und Herausforderungen sind mit dem Einsatz von Big Data verbunden?
Neben technischen und fachlichen Komplexitäten, Kosten und Ressourcenengpässen stellt der Datenschutz eine wesentliche Herausforderung dar, da Unternehmen gesetzliche Regeln einhalten und weitere Hürden bei der Umsetzung von Big Data Projekten überwinden müssen.
- Arbeit zitieren
- Felix Lindholm (Autor:in), 2021, Big Data und Prozessmanagement im Unternehmenseinsatz unter Berücksichtigung des aktuellen Forschungsstands, München, GRIN Verlag, https://www.grin.com/document/1499119
