Die Bewertung neuer Technologien und Werkzeuge zur Unterstützung von Management-Entscheidungen hinsichtlich ihres Einflusses auf die eigene Unternehmensentwicklung, setzt globale Unternehmen im Informationszeitalter auf Märkten mit stetig steigender Dynamik zusehends unter Druck. Treiber sind agile Startup-Unternehmen und Innovation-Leader, die den Einsatz neuer Technologien sehr viel schneller bewerten und ihr Unternehmen effektiver und individueller auf die dynamischen Marktanforderungen anpassen können. Die Big Data Technologien sind ein Beispiel für eben solche Neuerungen, da mit ihnen Daten als Basis von Informationen und Wissen zum Wettbewerbsfaktor im Sinne der Net Economy transformiert werden können.
Diese Seminararbeit verfolgt das Ziel, Erkenntnisse über die Identifikation von Big Data Business Cases zu gewinnen. Im Fokus stehen dabei das Erkennen und Bewerten des Einsatzes von Big Data und den damit verbundenen Herausforderungen.
Inhaltsverzeichnis
1 Einleitung
1.1 Relevanz und Problemstellung
1.2 Ziel der Seminararbeit
1.3 Aufbau der Seminararbeit
2 Hauptteil
2.1 Begriffliche Grundlagen
2.2 Theoretische Grundlagen
2.2.1 Erkennen von Business Cases
2.2.2 Bewerten von Business Cases
2.2.3 Wirtschaftliches Nutzenpotenzial von Big Data
2.2.4 Bewerten des Einsatzes von Big Data
2.3 Identifikation von Big Data Business Cases in der Praxis
2.3.1 Erkennen von Anwendungsfällen für Big Data
2.3.2 Bewertung von Big Data Business Cases
2.4 Grenzen und kritische Reflektion
3 Fazit und Ausblick
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist es, Erkenntnisse darüber zu gewinnen, wie globale Unternehmen Business Cases für den Einsatz von Big Data Technologien identifizieren und bewerten können, um diese als fundierte Entscheidungsgrundlage zu nutzen.
- Bedeutung von Big Data als Wettbewerbsfaktor in der Net Economy
- Theoretische Grundlagen zur Erstellung und Bewertung von Business Cases
- Unterscheidung zwischen Top-Down und Bottom-Up Ansätzen in der Praxis
- Herausforderungen bei der monetären Quantifizierung und strategischen Einordnung
- Kritische Reflexion über die Grenzen klassischer Business Case Modelle bei digitalen Transformationen
Auszug aus dem Buch
2.3.1 Erkennen von Anwendungsfällen für Big Data
Getrieben durch dynamische Wettbewerber und junge Startup-Unternehmen sehen sich global agierende Unternehmen unter Zugzwang um ihre Marktmacht zu behaupten. Das Erkennen von Anwendungsfällen (Use Cases) wird daher in der Praxis häufig erst nach der eigentlichen Entscheidung Big Data einsetzen zu wollen betrachtet. So werden bereits große Investitionen Entschieden, ohne den Return on Invest zu betrachten und/oder die Konsequenzen für die Organisation und die Unternehmenskultur einer erfolgreichen Big Data Strategie zu betrachten.15 Aber auch Unternehmen, die Big Data zunächst anwendungsfall-bezogen betrachten und die Möglichkeiten für ihr Unternehmen und der Big Data Technologie ausfindig machen stehen vor der Herausforderung, den Nutzen ihrer Daten und Informationen zu erkennen.
Diese Problematik zeigt, dass es für ein Unternehmen zunächst wichtig ist, den konkreten Nutzen von Big Data für das eigene Unternehmen zu erkennen, daraus einen Use Case abzuleiten und diesen in Business Cases zu betrachten und zu bewerten. In der Praxis werden hierzu zwei Ansätze unterschieden, zum einen der Top-Down Ansatz, welcher potenzielle Anwendungsfälle aus anderen Branchen auf die eigene Branche adaptiert betrachtet. Zum zweiten, der Buttom-Up Ansatz, welcher mittels Analysen der eigenen Daten neue Erkenntnisse und Verbesserungspotenziale aus diesen ableitet.16
Der Top-Down Ansatz zum Erkennen von Anwendungsfällen für Big Data bietet den Vorteil gegenüber dem Buttom-Up Ansatz, dass der Nutzen in anderen Branchen bereits nachweislich erfolgreich ist und so eine Betrachtung des Kosten-Nutzen-Verhältnis im Business Case erleichtert wird, da die Auswirkungen mittels Best-Practices, Whitepapers oder durch erfahrene Experten detaillierter und vollständiger betrachtet werden können.
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel erläutert die Relevanz von Informationen als Wettbewerbsfaktor und definiert die zentrale Fragestellung der Arbeit bezüglich der Identifikation von Big Data Business Cases.
2 Hauptteil: Hier werden die begrifflichen und theoretischen Grundlagen von Business Cases sowie das Nutzenpotenzial von Big Data dargelegt und Ansätze zur Identifikation und Bewertung in der Praxis diskutiert.
3 Fazit und Ausblick: Dieses Kapitel fasst die Ergebnisse zusammen und reflektiert, dass der erfolgreiche Einsatz von Big Data über eine rein finanzielle Betrachtung hinausgeht und eine Anpassung der Unternehmenskultur erfordert.
Schlüsselwörter
Big Data, Business Case, Management-Entscheidung, Kosten-Nutzen-Verhältnis, Wertschöpfung, Informationsmanagement, Wettbewerbsfaktor, Anwendungsfälle, Digitale Transformation, Top-Down Ansatz, Bottom-Up Ansatz, Investitionsentscheidung, Datenanalyse, Unternehmenskultur, Effizienzsteigerung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die Herausforderungen und Methoden zur Identifikation und Bewertung von Business Cases im Kontext von Big Data Investitionen.
Was sind die zentralen Themenfelder der Publikation?
Zu den Schwerpunkten zählen die theoretischen Grundlagen der Business-Case-Methodik, die spezifischen Anforderungen von Big Data Projekten sowie die praktischen Ansätze zur Ableitung von Anwendungsfällen.
Was ist das primäre Ziel oder die Forschungsfrage der Arbeit?
Die Forschungsfrage lautet, wie globale Unternehmen einen Business Case für Big Data identifizieren können, der als fundierte Entscheidungsgrundlage für das Kosten-Nutzen-Verhältnis dient.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine theoretische Auseinandersetzung auf Basis von Literaturstudien sowie die Analyse von Best-Practices und Anwendungsansätzen aus der betriebswirtschaftlichen Praxis.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in begriffliche und theoretische Grundlagen, die methodische Identifikation von Anwendungsfällen mittels Top-Down und Bottom-Up Ansätzen sowie eine kritische Reflexion des Business-Case-Instruments.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird maßgeblich durch Begriffe wie Big Data, Business Case, Wertschöpfung, digitale Transformation und Investitionsentscheidung charakterisiert.
Warum ist die Bewertung von Big Data Business Cases so schwierig?
Die Bewertung ist schwierig, da bei innovativen Technologien oft der Erfahrungsschatz fehlt und nicht-monetäre Aspekte wie strategische Konformität schwer quantifizierbar sind.
Welchen Stellenwert haben die Top-Down und Bottom-Up Ansätze?
Sie dienen als komplementäre Methoden, um ausgehend von branchenüblichen Best-Practices (Top-Down) oder eigenen Datenanalysen (Bottom-Up) konkrete Anwendungsfälle für das Unternehmen zu finden.
- Arbeit zitieren
- Andreas Möller (Autor:in), 2014, Identifikation von Business Cases für Big Data Einsatz, München, GRIN Verlag, https://www.grin.com/document/434836
