Unternehmen werden im Zuge der Digitalisierung fast aller Lebensbereiche vom Datentsunami, besser unter dem Namen Big Data bekannt, nahezu vollständig überflutet. Innerhalb von 60 Sekunden werden weltweit etwa 694.445 Google Suchanfragen durchgeführt, 695.000 Status-Updates in Facebook gepostet, 168 Millionen E-Mails versandt und das Datenvolumen des Webs verdoppelt sich alle 18 Monate.
Unternehmen sind gut darin beraten, dem Überfluss an Daten mit geeigneten Methoden und Technologien entgegenzutreten, da die alt bewährten Legacy Systeme (z.B. Data Warehouses) bereits an ihre technischen Grenzen stoßen. Obwohl Big Data sicherlich eine Herausforderung für die Unternehmen darstellt, ergeben sich auch neue Möglichkeiten und Umsatzquellen. Dafür gilt es nicht nur die Daten zu sammeln, sondern sie sollten auch analysiert und entsprechend ausgewertet werden. Ein wichtiger Schritt der Analyse und Auswertung von Unternehmensdaten ist die Systematisierung dieser.
Die Seminararbeit versucht konkrete Ansätze zur Systematisierung von Unternehmensdaten vor dem Hintergrund von Big Data zu finden und diese zu evaluieren. Im Zuge der Arbeit werden hierfür Experten aus der Praxis hinzugezogen, die einerseits die theoretischen Ansätze aus einer praxisorientierten Sichtweise bewerten und andererseits auch horizonterweiterten Input zum Themenfeld Big Data und Analytics liefern.
Inhaltsverzeichnis
1 Einleitung
2 Grundlagen
2.1 Definition von Big Data sowie Business Intelligence und Business Analytics
2.2 Systematisierung von Unternehmensdaten mit Fokus auf datenspezifische Eigenschaften
2.2.1 Die 3 V’s von Big Data
2.2.2 Der Data-quality Ansatz
2.2.3 Der ressourcen-basierte Ansatz
2.3 Geschäftsmodelle und datenbasierte Geschäftsmodelle
2.3.1 Definitionen zu Geschäftsmodellen
2.3.2 Datenbasierte Geschäftsmodelle
3 Durchführung qualitativer Interviews zum Thema „Systematisierung von Unternehmensdaten“
3.1 Methodische Vorgehensweise und Forschungsmodell
3.2 Vorstellung der Interviewpartner sowie zentrale Themenfelder
3.3 Praktischer Teil des Interviews: Bewertungstool
4 Ergebnisse
4.1 Auswertung der Interviews
4.2 Auswertung des praktischen Teils des Interviews
5 Zusammenfassung und Ausblick
5.1 Zusammenfassung
5.2 Ausblick
Zielsetzung & Themen
Die Arbeit untersucht konkrete Ansätze zur Systematisierung von Unternehmensdaten vor dem Hintergrund von Big Data und evaluiert diese anhand von Experteninterviews aus der Praxis, um ein besseres Verständnis für die wertschöpfende Nutzung von Daten zu gewinnen.
- Grundlagen von Big Data, Business Intelligence und Business Analytics.
- Systematisierungsansätze für Unternehmensdaten (3 V's, Data Quality, Resource-based).
- Analyse datenbasierter Geschäftsmodelle und deren Kernelemente.
- Durchführung und Auswertung qualitativer Experteninterviews zur Praxisrelevanz.
- Einsatz eines bewertungsbasierten Tools zur kritischen Auseinandersetzung mit Systematisierungsstrategien.
Auszug aus dem Buch
Die 3 V’s von Big Data
Die 3 V’s von Big Data Volume, Velocity und Variety wurden bereits in Abschnitt 2.1 vorgestellt und erläutert. Häufig verwendet man diese drei Dimensionen, um Big Data überhaupt zu definieren. In diesem Abschnitt allerdings, werden die V’s in einem anderen Kontext dargestellt. Theoretisch ist es nicht nur möglich anhand dieser Dimensionen den Begriff zu definieren, sondern sie beschreiben auch eine gute Möglichkeit, um Unternehmensdaten anhand dieser Dimensionen zu systematisieren. Der Vorteil dieses Ansatzes ist, dass die 3 V’s in der Praxis bereits bekannt und anerkannt sind. So benutzen beispielsweise IBM, T-Systems, Oracle und viele andere Global Player diese Definition (vgl. 2.1 Definition von Big Data sowie Business Intelligence und Business Analytics).
Konkret kann man sich im Rahmen dieses Ansatzes überlegen welche Unternehmensdaten high-volume sind, wie schnell sie anfallen und in welchen Raten sowie in welcher Strukturform sie vorliegen. Diese Daten können dann den Kategorien entsprechend klassifiziert und je nach Klassifikation von den zuständigen internen Geschäftseinheiten bzw. Fachbereichen des Unternehmens bearbeitet werden. Im Folgenden wird auf die Inhalte der einzelnen Dimensionen eingegangen, um zu verstehen wie konkrete Systematisierungsstrategien aussehen könnten.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Herausforderung durch den Datentsunami ein und erläutert die Zielsetzung der Arbeit, Ansätze zur Systematisierung von Unternehmensdaten zu finden und durch Experteninterviews zu evaluieren.
2 Grundlagen: Das Kapitel bietet eine theoretische Basis, indem es Begriffe wie Big Data, Business Intelligence und Business Analytics definiert und drei Systematisierungsansätze sowie datenbasierte Geschäftsmodelle detailliert vorstellt.
3 Durchführung qualitativer Interviews zum Thema „Systematisierung von Unternehmensdaten“: Hier wird der methodische Ansatz des praktischen Teils erläutert, inklusive der Vorstellung der Experten, der Themenfelder des Interviews und des eigens programmierten Bewertungstools.
4 Ergebnisse: Dieses Kapitel präsentiert und interpretiert die Ergebnisse der Experteninterviews sowie die Auswertung des praktischen Bewertungsteils, wobei die unterschiedlichen Sichtweisen zur Daten-Systematisierung und Datenqualität gegenübergestellt werden.
5 Zusammenfassung und Ausblick: Der abschließende Teil fasst die wichtigsten Erkenntnisse zusammen und wagt einen Blick in die Zukunft, in der Daten als wesentliche Unternehmensressource weiter an Bedeutung gewinnen werden.
Schlüsselwörter
Big Data, Unternehmensdaten, Systematisierung, Data Quality, Business Intelligence, Business Analytics, Datenbasierte Geschäftsmodelle, Qualitative Interviews, Data Governance, Data Lake, Wertschöpfungsstrategie, Ressourcen, Digitalisierung, Analyse, Bewertungstool
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Seminararbeit befasst sich mit der Herausforderung, stetig wachsende Mengen an Unternehmensdaten im Kontext von Big Data sinnvoll zu systematisieren und für geschäftliche Zwecke nutzbar zu machen.
Was sind die zentralen Themenfelder?
Die zentralen Themen umfassen die Definition von Big Data, theoretische Systematisierungsansätze, Geschäftsmodell-Frameworks sowie die praktische Evaluation durch Experteninterviews und Bewertungstools.
Was ist das primäre Ziel der Forschungsfrage?
Ziel ist es, konkrete Ansätze zur Systematisierung von Unternehmensdaten zu identifizieren, deren Praxisrelevanz durch Experteninterviews zu bewerten und Erkenntnisse über deren Nutzbarkeit in Unternehmen zu gewinnen.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine qualitative Sozialforschung, bei der Experteninterviews als Einzelfallstudien genutzt werden, um praxisorientierte Erkenntnisse zu gewinnen und theoretische Ansätze kritisch zu hinterfragen.
Was wird im Hauptteil behandelt?
Der Hauptteil deckt theoretische Grundlagen wie die 3 V’s von Big Data, den Data-Quality-Ansatz und das ressourcen-basierte Modell ab und verbindet diese mit den Ergebnissen der durchgeführten Experteninterviews.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den prägenden Begriffen zählen Big Data, Systematisierung, Data Quality, Business Intelligence, datenbasierte Geschäftsmodelle und qualitative Analyse.
Welche Rolle spielt das im Rahmen der Arbeit entwickelte Tool?
Das Tool wurde entwickelt, um den Experten im Interview eine strukturierte Möglichkeit zu geben, verschiedene theoretische Systematisierungsansätze anhand spezifischer Kriterien zu bewerten und eigene Einschätzungen zu visualisieren.
Was ist die zentrale Erkenntnis bezüglich der Data-Quality-Ansätze?
Die Experten zeigten sich zwar uneins in der Detailbewertung, erkannten jedoch die hohe Relevanz von Datenqualität an, wobei sie betonten, dass die praktische Umsetzung stets mit einem Aufwand-Nutzen-Trade-off verbunden ist.
Wie stehen die Experten zum Begriff Big Data in der Zukunft?
Die Experten sind sich einig, dass der Begriff Big Data möglicherweise einem Hype unterliegt, das Phänomen der datengestützten Analyse und die Notwendigkeit des Datenmanagements jedoch als dauerhafte geschäftliche Realität bestehen bleiben.
- Quote paper
- Alexander Pilipas (Author), Michael Sack (Author), 2015, Ansätze zur Systematisierung von Unternehmensdaten vor dem Hintergrund von Big Data, Munich, GRIN Verlag, https://www.grin.com/document/343316
