Das Ziel dieser Ausarbeitung besteht darin, anhand der fiktiven Urbey Drogeriekette exemplarisch zu erarbeiten, wie Business Intelligence von Unternehmen genutzt werden kann, um Hinweise für die Entwicklung von neuen digitalen Geschäftsmodellen zu erhalten. Um das gesetzte Ziel zu erreichen, wird zunächst erläutert, was unter Geschäftsmodellen zu verstehen ist und wie sie anhand der Business Model Canvas entwickelt, visualisiert und analysiert werden können. Im nächsten Schritt erfolgt die Definition von Business Intelligence sowie die Vorstellung verschiedener Konzepte (OLAP & Data Mining) und Instrumente dieses umfassenden Bereiches. In der darauffolgenden Zusammenfassung werden die wesentlichen Erkenntnisse subsummiert, sowie die Forschungsfrage abgeleitet. Aufbauend auf die Theorie, umfasst Kapitel drei den Anwendungsteil, der zuerst das Geschäftsmodell der Urbery GmbH anhand der zuvor erläuterten Business Modell Canvas identifiziert. Anschließend werden die Anwendungsmöglichkeiten der Business-Intelligence-Verfahren im Kontext zu Urbery dargelegt.
Inhaltsverzeichnis
1. Einleitung
1.1. Urbery Drogeriemärkte
1.2. Zielsetzung
1.3. Aufbau der Ausarbeitung
2. Theoretischer Bezugsrahmen
2.1. Geschäftsmodelle
2.1.1. Definition
2.1.2. Business Model Canvas
2.2. Business Intelligence
2.2.1. Definition
2.2.2. Konzepte & Verfahren
2.3. Zusammenfassung
3. Anwendungsteil
3.1. Geschäftsmodell der Urbery GmbH
3.2. Nutzung von Business Intelligence
3.2.1. Einsatz von OLAP bei Urbery
3.2.2. Einsatz von Data Mining bei Urbery
3.2.3. Weitere Effekte und Risiken für Urbery
4. Ergebnis
5. Diskussion
6. Fazit
Zielsetzung & Themen
Diese Arbeit untersucht exemplarisch am Beispiel der (fiktiven) Urbery GmbH, wie Unternehmen Business-Intelligence-Technologien einsetzen können, um fundierte Hinweise für die Entwicklung neuer digitaler Geschäftsmodelle zu gewinnen und ihre Wettbewerbsfähigkeit in einem volatilen Marktumfeld zu sichern.
- Analyse von Geschäftsmodellen mittels Business Model Canvas
- Grundlagen und Potenziale von Business Intelligence (BI)
- Anwendung von OLAP und Data Mining in der Handelsbranche
- Herausforderungen, Risiken und Voraussetzungen bei der Einführung von BI-Systemen
Auszug aus dem Buch
Online-Analytical-Processing
Unter Online-Analytical-Processing (OLAP) ist das Management multidimensionaler Daten zu verstehen. Sogenannte OLAP-Server sorgen dafür, dass aus großen Datenmengen in multidimensionalen Datenbanken schnell detaillierte Informationen für den Nutzer visuell dargestellt werden. Neben Abfragen ermöglicht OLAP auch Analysen, sowie die Erstellung von Ad-hoc-Berichten.
Pendse und Creeth fassten die Kerneigenschaften von OLAP unter dem Akronym FASMI zusammen. Dieses steht für ‚Fast Analysis of Shared Multidimensional Information‘. Jedes Wort des Akronyms beschreibt eine Eigenschaft von OLAP-Systemen, die nachfolgend in Kürze Erläuterung finden. Das erste Wort des Akronyms steht für die Eigenschaft Geschwindigkeit (‚fast‘). Abfragen durch OLAP werden in fünf Sekunden beantwortet. Handelt es sich um komplexe Abfragen, steht innerhalb von maximal 20 Sekunden eine Antwort zur Verfügung. Das Wort Analyse (‚analysis‘) beschreibt, dass eine intuitive Analyse mit beliebigen Berechnungen angeboten wird. ‚Shared‘ steht für die Möglichkeit der Nutzung durch mehrere Personen sowie für die Existenz einer effektiven Zugangssteuerung. Weiterhin ist eine multidimensionale Sicht (‚multidimensional‘), sowie zuletzt die Skalierbarkeit der Anwendung trotz großer Datenmengen (‚information‘) als Kerneigenschaft zu verstehen.
Hervorgehoben wird in der Literatur stets die Multidimensionalität, die OLAP ermöglicht. Beispielsweise haben Informationen bezüglich des Umsatzes verschiedene Dimensionen, wie die Zeit, den Standort oder das Produkt, auf die sie zurückzuführen sind. Während in vielen Datenspeichern lediglich zwei Dimensionen zur gleichen Zeit abgedeckt werden können, bietet OLAP eine theoretisch unendliche Anzahl von Dimensionen. Dies ist durch den sogenannten ‚OLAP-Würfel‘ möglich, dessen Ebenen sich in der Praxis auf die maximal nötigen beschränken.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung stellt die Urbery GmbH als Marktführer vor, identifiziert die Herausforderungen durch das VUKA-Umfeld und leitet das Ziel der Arbeit ab, Business Intelligence zur Geschäftsmodellentwicklung zu nutzen.
2. Theoretischer Bezugsrahmen: Dieses Kapitel definiert Geschäftsmodelle unter Anwendung des Business Model Canvas und erläutert Business Intelligence mit seinen zentralen Technologien wie OLAP und Data Mining als fundierte Basis für die weitere Analyse.
3. Anwendungsteil: Es erfolgt eine detaillierte Analyse des Geschäftsmodells der Urbery GmbH sowie eine fundierte Darstellung, wie spezifische BI-Verfahren zur Transformation und Verbesserung des digitalen Angebots eingesetzt werden können.
4. Ergebnis: Das Ergebnis zeigt auf, dass der Einsatz von BI-Verfahren erhebliche Potenziale zur Geschäftsmodellentwicklung bietet, wobei insbesondere die Integration von E-Commerce und stationärem Handel mittels App und Datenanalyse hervorgehoben wird.
5. Diskussion: Dieser Abschnitt kritisiert die Implementierungsvoraussetzungen, betont die Notwendigkeit von Datenqualität und Datenschutz sowie eine sorgfältige Planung, da der Erfolg nicht allein durch das System, sondern durch dessen korrekte Anwendung garantiert wird.
6. Fazit: Das Fazit bestätigt, dass das Ziel der Arbeit erreicht wurde und Urbery bei gewissenhafter Umsetzung der BI-Strategie realistische Chancen hat, eine omni-kanal-basierte Marktposition in der VUKA-Welt zu festigen.
Schlüsselwörter
Business Intelligence, Geschäftsmodellentwicklung, Urbery GmbH, Business Model Canvas, OLAP, Data Mining, Handelsbranche, Digitale Transformation, VUKA-Welt, Kundensegmentierung, Marketinganalyse, Omni-Channel, Wettbewerbsvorteil, Datenstrategie
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Frage, wie ein Handelsunternehmen – am Beispiel der Urbery GmbH – Business-Intelligence-Verfahren nutzen kann, um bestehende Geschäftsmodelle zu analysieren und Potenziale für eine digitale Weiterentwicklung zu erschließen.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Felder umfassen die Theorie zu Geschäftsmodellen (insbesondere Business Model Canvas), die Definition von Business Intelligence sowie die praktische Anwendung von Analysemethoden wie OLAP und Data Mining.
Was ist das primäre Forschungsziel?
Das Hauptziel ist es, exemplarisch aufzuzeigen, wie BI-Konzepte dem Management als fundierte Entscheidungshilfe dienen können, um neue digitale Geschäftsmodelle zu planen und umzusetzen.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit stützt sich auf eine detaillierte Literaturrecherche, die Kontextualisierung betriebswirtschaftlicher Theorien auf ein Fallbeispiel sowie die Anwendung methodischer Analyseinstrumente wie dem Business Model Canvas und BI-Verfahren.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in eine theoretische fundierte Einleitung und den Anwendungsteil, in dem das Geschäftsmodell von Urbery genau analysiert und verschiedene BI-Instrumente zur Optimierung diskutiert werden.
Durch welche Schlüsselwörter lässt sich die Arbeit kennzeichnen?
Die Arbeit lässt sich am besten durch Begriffe wie Business Intelligence, Geschäftsmodelltransformation, Data Mining, OLAP, Kundenanalysen, digitale Strategien und Wettbewerbsfähigkeit beschreiben.
Warum ist das "VUKA"-Umfeld für Urbery so entscheidend?
Das VUKA-Umfeld, geprägt durch Volatilität, Unsicherheit, Komplexität und Ambiguität, macht es für Urbery notwendig, sich technologisch weiterzuentwickeln, um die Marktführerschaft nicht zu verlieren und flexibel auf Kundenwünsche zu reagieren.
Welche konkrete Empfehlung gibt der Autor für die digitale Strategie?
Der Autor empfiehlt unter anderem die Entwicklung einer App, um die Kundennähe zu stärken, OLAP für personalisierte Produktempfehlungen zu nutzen und Data Mining zur Identifikation von Kaufmustern und Trends einzusetzen.
Welche Risiken werden bei der Einführung von BI adressiert?
Zu den genannten Risiken zählen primär die hohen Implementierungskosten, hoher Schulungsaufwand für Personal, die Sicherstellung der Datenqualität sowie die kritische Bedeutung des Datenschutzes im Umgang mit sensiblen Kundendaten.
- Quote paper
- Anonym (Author), 2024, Geschäftsmodellentwicklung mit Business Intelligence. Digitale Transformation am Beispiel der Urbery GmbH, Munich, GRIN Verlag, https://www.grin.com/document/1561043
