Ziel dieser Arbeit ist es, Anwendungsbereiche für Big Data in der Logistik zu beschreiben und Potenziale zur Verbesserung der Kundenerfahrung aufzuzeigen. Zunächst werden die theoretischen Grundlagen von Big Data erläutert. Hierfür werden grundlegenden Begriffe aus dem Big Data-Umfeld, technische Anforderungen und datenschutzrechtliche Herausforderungen geklärt. Anschließend werden aktuelle Anwendungsbereiche beschrieben. Abschließend werden zwei Bereiche angeführt, die noch offene Potenziale zur Verbesserung der Kundenakzeptanz aufzeigen.
Big Data ist das Zusammenführen und Analysieren einer großen Zahl von Datensätzen aus unterschiedlichen Quellen von unterschiedlicher Struktur und Qualität. Dies Geschieht in Echtzeit und zur Gewinnung eines Nutzens.
Betrachtet man den Hype Circle von Gartner, liegt Big Data bereits im Jahr 2013 im Mittelpunkt der Trendskala. Bis heute ist die Zahl der Logistikunternehmen, die komplexere Big Data-Technologien nutzen, sehr gering. Und das obwohl die Logistikbranche die geeigneten Grundvoraussetzungen bietet und die Potenziale vielversprechend sind.
Inhaltsverzeichnis
- Einleitung
- Relevanz des Themas
- Struktur der Arbeit
- Grundlagen
- Definition und Charakteristika von Big Data
- Datenherkunft
- Technische Vorrausetzungen
- Soziale und rechtliche Herausforderungen
- Anwendungsbereiche in der Logistik
- DHL Last Mile
- Soloplan CarLoⓇ exCHANGE
- Averitt Express
- Zusammenfassung
- Verbesserung der Kundenerfahrung durch Big Data
- Kundenbindungsmanagement
- Kontinuierliche Serviceverbesserung und Produktinnovation
- Fazit
Zielsetzung und Themenschwerpunkte
Ziel dieser Ausarbeitung ist es, Anwendungsbereiche für Big Data in der Logistik zu beschreiben und darüber hinaus noch offene Potenziale zur Verbesserung der Kundenerfahrung aufzuzeigen. Die Arbeit analysiert die Relevanz von Big Data in der Logistikbranche und untersucht die Möglichkeiten, die Big Data-Technologie bietet, um die Kundenerfahrung zu optimieren.
- Definition und Charakteristika von Big Data
- Anwendungsbereiche von Big Data in der Logistik
- Verbesserung der Kundenerfahrung durch Big Data
- Soziale und rechtliche Herausforderungen im Zusammenhang mit Big Data
- Potenziale und Herausforderungen der Big Data-Technologie in der Logistik
Zusammenfassung der Kapitel
Die Einleitung beleuchtet die Relevanz des Themas Big Data in der Logistikbranche und stellt die Struktur der Arbeit dar. Kapitel 2 definiert Big Data und erläutert die damit verbundenen technischen Voraussetzungen, Datenherkunft sowie die sozialen und rechtlichen Herausforderungen. Kapitel 3 analysiert verschiedene Anwendungsbereiche von Big Data in der Logistik anhand von Fallbeispielen wie DHL Last Mile, Soloplan CarLoⓇ exCHANGE und Averitt Express.
Schlüsselwörter
Big Data, Logistik, Kundenerfahrung, Kundenbindungsmanagement, Serviceverbesserung, Produktinnovation, Datenherkunft, technische Voraussetzungen, soziale und rechtliche Herausforderungen, Fallbeispiele.
- Citation du texte
- Alexander Ley (Auteur), 2019, Big Data in der Logistik, Munich, GRIN Verlag, https://www.grin.com/document/501696
