Advertisement

Big Data aus ökonomischer Sicht: Potenziale und Handlungsbedarf

  • Arnold Picot (†)
  • Yvonne Berchtold
  • Rahild Neuburger
Part of the Technikzukünfte, Wissenschaft und Gesellschaft / Futures of Technology, Science and Society book series (TEWG)

Zusammenfassung

Digitalisierung und Vernetzung von Menschen, Maschinen und Endgeräten ermöglichen im Verbund mit fortschrittlicher Software und Rechenleistung die Integration, Analyse und Verarbeitung einer Fülle von Daten aus diversen, heterogenen Quellen. Big Data beeinflusst Wirtschaft und Gesellschaft in tiefgreifender, noch weitgehend unergründeter Weise. Die Auseinandersetzung mit den wirtschaftlichen Implikationen von Big Data ist essenziell. Diese Studie befasst sich aus ökonomischer Sicht mit dem Einfluss von Big Data insbesondere auf Wertschöpfung, Geschäftsmodelle und Marktstrukturen und identifiziert offene, klärungsbedürftige Fragen. Im Einzelnen werden folgende sieben Schwerpunktthemen betrachtet: Big Data – Begriffsabgrenzung, Big-Data-Wertschöpfung, Big-Data-as-a-Business, Das Unternehmen im Zeitalter von Data Analytics, Wettbewerb und Regulierung, Big Data und die Gesellschaft, Übergreifende Betrachtungen – Dateneigentum und Wert von Daten. Deren Diskussionen führen zu folgenden Ergebnissen:

Neben den bekannten Charakteristika von Big Data (4 V‘s) erscheint aus ökonomischer Sicht vor allem der „Value“ entscheidend – d. h. der zusätzliche Wert, der durch den Einsatz von Big Data generiert werden kann. Daran anknüpfend stellt sich die Frage, wie Wertschöpfung mit Hilfe von Big Data entstehen kann und welche Ansätze für neue Geschäftsmodelle erkennbar sind. Je mehr datenbasierte Geschäftsmodelle existieren, desto wichtiger wird die Frage, wie sich diese in ausgewählten Branchen auswirken und welche Implikationen für den Mittelstand sowie Plattformen und Datenmärkte zu erwarten sind. Vor dem Hintergrund hier zu erkennender, unzweifelhafter Produktivitätseffekte von Big Data stellen sich durch all diese Entwicklungen ganz neue Herausforderungen an Strategie, Führung, Personal und Organisationskultur sowie die Relevanz von Kooperationen. Aus einem wettbewerbsökonomischen Blickwinkel sind Daten als mögliche Markteintrittsbarriere sowie damit zusammenhängende neue Möglichkeiten der Entstehung von Marktmacht näher zu diskutieren. Über all diese Entwicklungen hinaus kann Big Data zweifelsohne einen erheblichen gesellschaftlichen Nutzen stiften; gleichzeitig entstehen aber auch neue Risiken wie z. B. Diskriminierung oder Manipulation. Diese stellen in gesellschaftlicher und gerade auch ökonomischer Perspektive erhebliche Herausforderungen dar. Bislang weitestgehend ungeklärt ist in diesem Zusammenhang beispielsweise auch, wer unter welchen Voraussetzungen eigentlich „Eigentümer“ von Daten ist und ob bzw. welche eigentumsähnlichen Ansprüche begründet werden können. Auch die Wertbestimmung von Daten als essenzieller Vermögensgegenstand von Unternehmen und Personen ist in mancherlei Hinsicht ungeklärt.

Insgesamt ist unter ökonomischem Blickwinkel bereits eine beachtliche Vielfalt an wissenschaftlichen Auseinandersetzungen mit Big Data festzustellen. Diese schärfen das Bewusstsein für die ökonomische Bedeutung einer zunehmend datengetriebenen Wirtschaft, weisen auf wichtige Veränderungsfelder hin und verdeutlichen zugleich eine Reihe offener, klärungsbedürftiger Fragen, die durch Big Data im ökonomischen Kontext aufgeworfen werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Accenture (2014). Neue Geschäfte, neue Wettbewerber. Die Top500 vor der digitalen Herausforderung. https://www.accenture.com/_acnmedia/Accenture/Conversion-Assets/DotCom/Documents/Local/de-de/PDF_3/Accenture-Deutschlands-Top500.pdf. Zugegriffen: 13. September 2016.
  2. Acquisti, A., & Gross, R. (2006). Imagined communities: Awareness, information sharing, and privacy on the Facebook. International workshop on privacy enhancing technologies (S. 36-58). Berlin: Springer.Google Scholar
  3. Agarwal, R., & Dhar, V. (2014). Editorial – Big Data, Data Science, and Analytics: The Opportunity and Challenge for IS Research. Information Systems Research 25(3), 443-448.Google Scholar
  4. Akerkar, R. (2013). Big Data Computing. CRC Press.Google Scholar
  5. Alchian, A. A., & Demsetz, H. (1972). Production, Information Costs and Economic Organization. American Economic Review 62(5), 777-795.Google Scholar
  6. Arreola González, A., Becker, K., Cheng, C., Döricht, V., Duchon, M., Fehling, M., von Grolman, H., Hallensleben, S., Hopf, S., Ivandic, N., Klein, C., Läßle, E., Linder, J., Neuburger, R., Prehofer, C., Schätz, B., Scholdan, R., Schorp, R., Sedlmeir, J., Vittorias, I., Walckhoff, S., Wenger, M., & Zoitl, A. (2016). Digitale Transformation: Wie Informations- und Kommunikationstechnologie etablierte Branchen grundlegend verändert – Der Reifegrad von Automobilindustrie, Maschinenbau und Logistik im internationalen Vergleich. Abschlussbericht des vom Bundesministerium für Wirtschaft und Technologie geförderten Verbundvorhabens „IKT-Wandel“ (Steuerkreis: Grolman von, H., Krcmar, H., Kuhn, K.-J., Picot, A., & Schätz, B.).Google Scholar
  7. Arthur, C. (2013). Data is the new oil: Tech giants may be huge, but nothing matches big data. http://www.rawstory.com/2013/08/data-is-the-new-oil-tech-giants-may-be-hugebut-nothing-matches-big-data/. Zugegriffen: 06. Juni 2015.
  8. Aulinger, A. (2016). Die drei Säulen agiler Organisation. White Paper. https://www.steinbeis-iom.de/iom-thinktank/iom-whitepaper/. Zugegriffen: 08. Dezember 2016.
  9. Ayankoya, K., Calitz, A., & Greyling, J. (2014). Intrinsic Relations Between Data Science, Big Data, Business Analytics and Datafication. Proceedings of the Southern African Institute for Computer Scientist and Information Technologists Annual Conference on SAICSIT (S. 192-198). New York.Google Scholar
  10. Azhari, P., Faraby, N., Rossmann, A., Steimel, B., & Wichmann, K. S. (2014). Digital Transformation Report 2014. neuland GmbH & Co. KG (Hrsg.).Google Scholar
  11. Back, A., & Berghaus, S. (2014). Digital Maturity Model. http://crosswalk.ch/media/25590/digital_maturity_model_download.pdf. Zugegriffen: 01. Oktober 2016.
  12. BARC (2013). Big Data Use Cases. Getting Real on Data Monetization. http://www.sas.com/de_de/whitepapers/ba-st-barc-bigdata-use-cases-de-2359583.html. Zugegriffen: 05. April 2016.
  13. Barton, D., & Court, D. (2012). Making Advanced Analytics Work for You. Harvard Business Review 90(10), 78-83.Google Scholar
  14. BdEW (2015). Digitalisierung in der Energiewirtschaft. Bedeutung, Treiber und Handlungsempfehlungen für die IT-Architektur in den Unternehmen. https://www.bdew.de/internet.nsf/id/B62300F1678E91A9C1257E7B00509CBA/$file/Energie_Info_Digitalisierung_09_06_2015_clean_oe.pdf. Zugegriffen: 09. Januar 2016.
  15. BearingPoint (2016). Big Data und Analytics in der Automobilindustrie. http://www.bearingpoint.com/de-de/adaptive-thinking/insights/big-data-automobilindustrie/. Zugegriffen: 03. November 2016.
  16. Berchtold, Y. (2016): Business Models and Big Data (unveröffentlichte Masterarbeit). Munich School of Management, Institute of Electronic Commerce and Digital Markets, Ludwig Maximilian University, Munich.Google Scholar
  17. Berinato, S. (2015). There´s No Such Thing as Anonymous Data. https://hbr.org/2015/02/theres-no-such-thing-as-anonymous-data. Zugegriffen: 25. September 2016.
  18. Berners-Lee, T., & Shadbolt, N. (2011). There’s gold to be mined from all our data. The Times, London. http://www.thetimes.co.uk/tto/opinion/columnists/article3272618.ece. Zugegriffen: 25. Mai 2016.
  19. Bertei, M., Marchi, L., & Buonchristiani, D. (2015). Exploring Qualitative Data: the use of Big Data technology as support in strategic decision-making. The International Journal of Digital Accounting Research 15, 99-126.Google Scholar
  20. Berylls Strategy Advisors (2015). Big Data in der Automobilindustrie – Eine Managementperspektive. http://www.berylls.com/media/wissen/studien/150326_Berylls_Studie_Big_Data_short.pdf. Zugegriffen: 09. September 2015.
  21. Beyer, M. A., & Laney, D. (2012). The Importance of ‘Big Data’: A Definition. Gartner report (S. 1-9).Google Scholar
  22. Big Data Public Private Forum (2014). The Big Project. http://big-project.eu/sites/default/files/BIG_Introduction.pdf. Zugegriffen: 05. Januar 2016.
  23. Big Data Value Association (2015). European Big Data Value Strategic Research & Innovation Agenda. Big Data Value Association. http://ok-bdva.iais.fraunhofer.de/sites/default/files/europeanbigdatavaluepartnership_sria__v1_0_final.pdf. Zugegriffen: 05. Januar 2016.
  24. Birkinshaw, J. (2016). Beyond Big Data. London Business School Review 27(1), 8-11.Google Scholar
  25. BITKOM (2016). Big Data Summit. Big Data Use-Cases für die Energiewirtschaft. https://www.bitkom-bigdata.de/sites/default/files/1430-1500_Energy_Koller_enersis.pdf. Zugegriffen: 09. August 2016.
  26. BITKOM (2015). Big Data und Geschäftsmodell-Innovationen in der Praxis: 40+ Beispiele. https://www.bitkom.org/noindex/Publikationen/2015/Leitfaden/Big-Data-und-Geschaeftsmodell-Innovationen/151229-Big-Data-und-GM-Innovationen.pdf. Zugegriffen: 05. Januar 2016.
  27. Blue Yonder (2012). Big Data und Predictive Analytics – Der Nutzen von Daten für präzise Prognosen und Entscheidungen in der Zukunft. http://docplayer.org/952813-Big-data-und-predictive-analytics-der-nutzen-von-daten-fuer-praezise-prognosen-und-entscheidungen-in-der-zukunft.html. Zugegriffen: 13. November 2015.
  28. Borkar, V. R., Carey, M. J., & Li, C. (2012). Big data platforms: What’s next?. XRDS: Crossroads, The ACM Magazine for Students 19(1), 44-49.Google Scholar
  29. Boyd, D., & Crawford, K. (2012). Critical Questions for Big Data: Provocations for a Cultural, Technological, and Scholarly Phenomenon. Information, Communication & Society 15(5), 662-679.Google Scholar
  30. Brown, B., Chui, M., & Manyika, J. (2011). Are You Ready for the Era of ‘Big Data’. McKinsey Quarterly 4, 24-35.Google Scholar
  31. Brown, I. (2016). The economics of privacy, data protection and surveillance. In J. M. Bauer & M. Latzer (Hrsg.). Handbook on the Economics of the Internet (S. 247-261). Cheltenham, UK: Edward Elgar Publishing.Google Scholar
  32. Brownlow, J., Zaki, M., Neely, A., & Urmetzer, F. (2015). Data and Analytics – Data-Driven Business Models: A Blueprint for Innovation. Cambridge Service Alliance Working Paper. University of Cambridge.Google Scholar
  33. Bründl, S., Matt, C., & Hess, T. (2016). Daten als Geschäft – Rollen und Wertschöpfungsstrukturen im deutschen Markt für persönliche Daten. Wirtschaftsinformatik & Management 2016(6), 78-83.Google Scholar
  34. Buhl, H. U., Röglinger, M., Moser, F., & Heidemann, J. (2013). Big Data – Ein (ir-)relevanter Modebegriff für Wissenschaft und Praxis? Wirtschaftsinformatik & Management, 2013(2), 24-31.Google Scholar
  35. Bundeskartellamt (2016). Bundeskartellamt eröffnet Verfahren gegen Facebook wegen Verdachts auf Marktmissbrauch durch Datenschutzverstöße. http://www.bundeskartellamt.de/SharedDocs/Meldung/DE/Pressemitteilungen/2016/02_03_2016_Facebook.html. Zugegriffen: 01. Juni 2016.
  36. Burton, C., & Hoffmann, S. (2015). Personal Data, Anonymization, and Pseudoanonymization in the EU. http://www.wsgrdataadvisor.com/2015/09/personal-data-anonymization-and-pseudonymization-in-the-eu/. Zugegriffen: 13. Juli 2016.
  37. Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011). Strength in numbers: How does data-driven decisionmaking affect firm performance? https://pdfs.semanticscholar.org/dde1/9e960973068e541f634b1a7054cf30573035.pdf. Zugegriffen: 13. Juni 2015.
  38. Cachelin, J. L. (2013). BigData Mining im HRM. Wie die Transparenz der Daten bessere Entscheidungen im HRM ermöglicht. Wissensfabrik. https://www.wissensfabrik.ch/hr-big-data/. Zugegriffen: 03. Mai 2016.
  39. Capgemini (2015). Digitaler Darwinismus: Unternehmen unter Veränderungszwang. https://www.de.capgemini.com/news/wie-unternehmen-ihre-innovationskraft-starken. Zugegriffen: 03. März 2016.
  40. Capgemini & EMC2 (2015). Big & Fast Data: The Rise of Insight-Driven Business. Insights at the Point of Action will Redefine Competitiveness. https://www.capgemini.com/resource-file-access/resource/pdf/big_fast_data_the_rise_of_insight-driven_business-report.pdf. Zugegriffen: 01. März 2016.
  41. Cárdenas, A. A., Manadhata, P. K., & Rajan, S. (2013). Big Data Analytics for Security Intelligence. Cloud Security Alliance. University of Texas.Google Scholar
  42. Cassandra (2016). The Apache Cassandra Project. http://cassandra.apache.org/. Zugegriffen: 08. März 2016.
  43. Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly 36(4), 1165-1188.Google Scholar
  44. Chen, M., Mao, S., & Liu, Y. (2014): Big Data: A Survey. Mobile Networks and Applications 19(2), 171-209.Google Scholar
  45. Christl, W. & Spiekermann, S. (2016). Networks of Control. A Report on Corporate Surveillance, Digital Tracking, Big Data & Privacy. Wien, Österreich: Facultas Verlags- und Buchhandels AG.Google Scholar
  46. Chong, D., & Shi, H. (2015). Big data analytics: a literature review. Journal of Management Analytics 2(3), 175-201.Google Scholar
  47. Church, A. H. & Dutta, S. (2013). The Promise of Big Data for OD: Old Wine in New Bottles or the Next Generation of Data-Driven Methods for Change. OD Practitioner 45(4), 23-31.Google Scholar
  48. Cintellic Consulting Group (2014). Big Data im Mittelstand. Ein Interview mit Dr. Jörg Reinnarth. http://cintellic.com/Interview-Big-Data-im-Mittelstand/. Zugegriffen: 04. August 2015.
  49. CIPD (2013). Talent analytics and big data – the challenge for HR. Research report. https://www.oracle.com/assets/talent-analytics-and-big-data-2063584.pdf. Zugegriffen: 03. August 2015.
  50. Cisco Internet Business Solution Group (IBSG) (2012). Wertschöpfung in der fragmentierten Welt der -Big-Data-Analysen. Schaffung eines neuen Daten-Ökosystems durch Daten-Infomediäre. http://www.cisco.com/c/dam/global/de_de/assets/pdfs/unlocking-value-big-data-analytics.pdf. Zugegriffen: 25. April 2015.
  51. Citron, D. K., & Pasquale, F. A. (2014). The scored society: due process for automated predictions. http://digitalcommons.law.umaryland.edu/cgi/viewcontent.cgi?article=2435&-context=fac_pubs. Zugegriffen: 25. August 2015.
  52. Coase, R. H. (1960). The problem of social cost. Journal of Law and Economics 3, 1-44.Google Scholar
  53. Crawford, K., & Schultz, J. (2014). Big data and due process: Toward a framework to redress predictive privacy harms. Boston College Law Review 55(1), 93-128.Google Scholar
  54. Crisp Research (2014). Von Business Intelligence zur Data Economy. https://www.crisp-research.com/von-business-intelligence-zur-data-economy/. Zugegriffen: 23. September 2015.
  55. Dabidian, P., & Clausen, U. (2013). Big Data – Entwicklungen und Trend in der Logistik. Working Paper. http://www.itl.tu-dortmund.de/cms/Medienpool/Forschung_und_Entwicklung/Aktuelle_Forschungstrends/Working_Paper_BigData_2013.pdf. Zugegriffen: 07. November 2016.
  56. Datanomiq (2016). Big Data in der Energiewirtschaft. https://www.datanomiq.de/blog/2016/08/19/big-data-in-der-energiewirtschaft/. Zugegriffen: 05. August 2016.
  57. Davenport, T. H. (2014). Big Data at Work. Dispelling the Myths, Uncovering the Opportunities. Boston: Harvard Business School Publishing.Google Scholar
  58. Davenport, T. H., & Patil, D. (2012). Data scientist: the sexiest job of the 21st century. Harvard Business Review 90(10), 70-78.Google Scholar
  59. Davenport, T. H., Barth, P., & Bean, R. (2012). How Big Data is Different. MIT Sloan Management Review 54(1), 22-24.Google Scholar
  60. Deloitte (2014a). Big Data und Analytics in der Automobilindustrie. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/manufacturing/sonderbeilage_automobilwoche_nov_2014_final.pdf. Zugegriffen: 08. Juni 2015.
  61. Deloitte (2014b). Data Analytics im Mittelstand. Die Evolution der Entscheidungsfindung. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/Mittelstand/studie-data-analytics-im-mittelstand-deloitte-juni-2014.pdf. Zugegriffen: 25. April 2015.
  62. Deutsche Industrie- und Handelskammer (2016). Big Data – Große Chance für deutsche Unternehmen. http://www.dihk.de/ressourcen/downloads/eckpunktepapier-big-data.pdf. Zugegriffen: 11. November 2016.
  63. De Mauro, A., Greco, M., & Grimaldi, M. (2015). What is big data? A consensual definition and a review of key research topics. AIP Conference Proceedings 1644(1), 97-104.Google Scholar
  64. De Montjoye, Y. A., Hidalgo, C. A., Verleysen, M., & Blondel, V. D. (2013). Unique in the crowd: The privacy bounds of human mobility. Scientific Reports, No. 1376. http://www.nature.com/articles/srep01376?utm_source=feedburner&utm_medium=feed&utm_campaign=Feed%3A+mediaredef+jason+hirschhorn%E2%80%99s+Media+ReDEFined. Zugegriffen: 15. September 2016.
  65. Dewenter, R. (2016). „Big Data“: Eine ökonomische Perspektive. http://docplayer.org/19825409-Big-data-eine-oekonomische-perspektive-ralf-dewenter-helmut-schmidt-universitaet-hamburg.html. Zugegriffen: 23. März 2016.
  66. Dexperty (2016). Arbeitswelt 4.0 – Worauf müssen sich Unternehmen und Mitarbeiter einstellen. https://connected.messefrankfurt.com/2016/06/06/arbeitswelt-4-0-worauf-muessen-sich-unternehmen-und-mitarbeiter-einstellen/. Zugegriffen: 13.September 2015.
  67. Dhar, V., Jarke, M., & Laartz, J. (2014). Big Data. Business & Information Systems Engineering 6(5), 257-259.Google Scholar
  68. Dickson, B. (2016). How fog computing pushes IoT intelligence to the edge. https://techcrunch.com/2016/08/02/how-fog-computing-pushes-iot-intelligence-to-the-edge/. Zugegriffen: 25. September 2016.
  69. DIHK (2016). BIG DATA – Große Chance für deutsche Unternehmen. http://www.dihk.de/branchen/informations-und-kommunikationsbranche/wirtschaft-4-0. Zugegriffen: 18. September 2016.
  70. DIVSI (2015). Das Recht auf Vergessenwerden. https://www.divsi.de/wp-content/uploads/2015/01/Das-Recht-auf-Vergessenwerden.pdf. Zugegriffen: 16. April 2016.
  71. Dong, X., Li, R., He, H., Zhou, W., Xue, Z., & Wu, H. (2015). Secure sensitive data sharing on a big data platform. Tsinghua Science and Technology 20(1), 72-80.Google Scholar
  72. DPDHL & Detecon (2013). Big Data in Logistics – A DHL perspective on how to move beyond the hype. http://www.dhl.com/content/dam/downloads/g0/about_us/innovation/CSI_Studie_BIG_DATA.pdf. Zugegriffen: 07. November 2016.
  73. Driscoll, K. (2012). From Punched Cards to „Big Data“: A Social History of Database Populism. Communication +1 1(1), 1-33.Google Scholar
  74. Eberspächer, J., & Wohlmuth, O. (Hrsg.). (2012). Big Data wird neues Wissen – Vorträge der am 24. Mai 2012 in München abgehaltenen Fachkonferenz. Münchner Kreis.Google Scholar
  75. Economist Intelligence Unit (2012). The deciding factor: big data & decision making. Capgemini. https://www.es.capgemini.com/resource-file-access/resource/pdf/Big_Data__el_factor_decisivo_y_la_toma_de_decisiones__ingl__s_.pdf. Zugegriffen: 23. Januar 2016.
  76. Edwards, R., & Fenwick, T. (2016). Digital analytics in professional work and learning. Studies in Continuing Education 38(2), 213-227.Google Scholar
  77. EITO (European Information Technology Oberservatory) (2013). Big Data in Europe: Evolution AND Revolution. http://leanbi.ch/wp-content/uploads/studien/LeanBI_EITO_Big_Data_in_Europe.pdf. Zugegriffen: 06. April 2015.
  78. EMC2 & IDC (2014). The Digital Universe of Opportunities: Rich Data and the Increasing Value of the Internet of Things. http://www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm. Zugegriffen: 15. Dezember 2015.
  79. Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data Consumer Analytics and the Transformation of Marketing. Journal of Business Research 69(2), 897-904.Google Scholar
  80. Europäische Kommission (2010). Fusionskontrolle: Kommission gibt geplante Übernahme der Suchmaschinensparte von Yahoo durch Microsoft frei. Press Release. http://europa.eu/rapid/press-release_IP-10-167_de.htm. Zugegriffen: 23. November 2016.
  81. Europäisches Parlament (2016). Big data and data analytics – The potential for innovation and growth. Briefing September 2016. http://www.europarl.europa.eu/RegData/etudes/BRIE/2016/589801/EPRS_BRI(2016)589801_EN.pdf. Zugegriffen: 14. Januar 2017.
  82. Experton Group (2013). Real-Time Economy – Promise and potential of instant processes for a better future. https://www.bt.es/img/gestor/Challenges_of_the_real-time_economy.pdf. Zugegriffen: 03. Januar 2016.
  83. Experton Group (2014). Big Data Vendor Benchmark 2014. Hardware-Anbieter, Software-Anbieter und Dienstleister im Vergleich. http://www.experton-group.de/index.php?eID=dumpFile&t=f&f=743&token=1e54e8e08afe8a2f86f73b5122f49af6d3e46e33. Zugegriffen: 28. November 2015.
  84. Experton Group (2016). Big Data Vendor Benchmark 2016. Der Markt für Big Data in Deutschland. http://www.experton-group.de/research/ict-news-dach/news/big-datavendor-benchmark-2016-der-markt-fuer-big-data-in-deutschland.html. Zugegriffen: 05. September 2016.
  85. Fasel, D. (2014). Big Data – Eine Einführung. HMD Praxis der Wirtschaftsinformatik 51(4), 386-400.Google Scholar
  86. Feijóo, C., Gómez-Barroso, J., & Aggarwal, S. (2016). Economics of big data. In J. M. Bauer & M. Latzer (Hrsg.), Handbook on the Economics of the Internet (S. 510-528). Cheltenham, UK: Edward Elgar Publishing.Google Scholar
  87. Fischer, D. (2016). Der Roboter als Wahlkampfhelfer. http://www.tagesspiegel.de/medien/social-bots-im-us-wahlkampf-der-roboter-als-wahlkampfhelfer/14756570.html. Zugegriffen: 15. November 2016.
  88. Franková, P., Drahošová, M., & Balco, P. (2016). Agile Project Management Approach and its Use in Big Data Management. Procedia Computer Science 83, 576-583.Google Scholar
  89. Fraunhofer IAIS (Intelligente Analyse- und Informationssysteme) (2012). Big Data – Vorsprung durch Wissen. Innovationspotenzialanalyse. https://www.iais.fraunhofer.de/content/dam/iais/gf/bda/Downloads/Innovationspotenzialanalyse_Big-Data_FraunhoferIAIS_2012.pdf. Zugegriffen: 03. Juni 2016.
  90. Fraunhofer-Gesellschaft (2016). Industrial Data Space. Digitale Souveränität über Daten. White Paper. http://www.industrialdataspace.org/wp-content/uploads/2016/07/Industrial-Data-Space_whitepaper.pdf. Zugegriffen: 27. Juli 2016.
  91. FTC, US Federal Trade Commission (2014). Data Brokers. A Call for Transparency and Accountability. https://www.ftc.gov/system/files/documents/reports/data-brokers-call-transparency-accountability-report-federal-trade-commission-may-2014/140527databrokerreport.pdf. Zugegriffen: 01. Oktober 2016.
  92. Fujitsu (2016). A new pace of change. The Fujitsu European Financial Survey 2016. http://www.newpaceofchange.com/Fujitsu%20European%20Financial%20Services%20Survey%202016.pdf. Zugegriffen: 15. Oktober 2016.
  93. Furubotn, E. G., & Pejovich, S. (1974). Introduction: The New Property Rights Literature. In E. G. Furubotn & S. Pejovich (Hrsg.), The Economics of Property Rights (S. 1-9). Cambridge: MA: Ballinger.Google Scholar
  94. Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management 35(2), 137-144.Google Scholar
  95. Gerhardt, B., Griffin, K., & Klemann, R. (2012). Wertschöpfung in der Fragmentierten Welt der Big-Data-Big-Data-Analyse. http://www.cisco.com/web/DE/assets/executives/pdf/Unlocking_Value_in_Big_Data_Analytics.pdf. Zugegriffen: 02. März 2016.
  96. GFT (2014). Big Data – Uncovering Hidden Business Value in the Financial Services Industry. http://www.gft.com/int/en/index/discovery/thought-leadership/gft-blue-paper-big-data/. Zugegriffen: 06. Mai 2015.
  97. Govani, T., & Pashley, H. (2005). Student awareness of the privacy implications when using Facebook. Unpublished paper presented at the „Privacy Poster Fair“ at the Carnegie Mellon University School of Library and Information Science 9, 1-17.Google Scholar
  98. Gross, R., & Acquisti, A. (2005). Information revelation and privacy in online social networks. ACM, 71-80.Google Scholar
  99. Gurley, B. (2014). A Deeper Look at Uber’s Dynamic Pricing Model. http://abovethecrowd.com/2014/03/11/a-deeper-look-at-ubers-dynamic-pricing-model/. Zugegriffen: 20. April 2016.
  100. Gustafson, T., & Fink, D. (2013). Winning within the data value chain. Innosight. https://www.innosight.com/insight/winning-within-the-data-value-chain/. Zugegriffen: 24. Oktober 2015.
  101. Hannak, A., Soeller, G., Lazer, D., Mislove, A., & Wilson, C. (2014). Measuring Price Discrimination and Steering on E-commerce Web Sites. Proceedings of the 2014 Conference on Internet Measurement Conference, 305-318.Google Scholar
  102. Harhoff, D. (2016). Daten als Wirtschaftsgut. Deutsche Vereinigung für gewerblichen Rechtsschutz und Urheberrecht. Vortrag am 13. Oktober 2016.Google Scholar
  103. Hartmann, P., Zaki, M., & McFarlane, D. (2015). Capturing Value from Big Data through Data-Driven Business Models. Cambridge Service Alliance, Working Paper, University of Cambridge.Google Scholar
  104. Hashem, I. A. T., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of „big data“ on cloud computing: Review and open research issues. Information Systems 47, 98-115.Google Scholar
  105. Haucap, J. (2015a). Ordnungspolitik und Kartellrecht im Zeitalter der Digitalisierung (No. 77). DICE Ordnungspolitische Perspektiven.Google Scholar
  106. Haucap, J. (2015b). Ökonomie des Teilens – nachhaltig und innovativ? Die Chancen der Sharing Economy und ihre möglichen Risiken und Nebenwirkungen. Wirtschaftsdienst 95, 91-95.Google Scholar
  107. Haucap, J. (2016). „Ordnungspolitik und Kartellrecht im Zeitalter der Digitalisierung“. In FIW (Hrsg.), FIW Jahrbuch 2014/2015 (S. 13-30). Köln: Carl Heymanns.Google Scholar
  108. Haucap, J., & Heimeshoff, U. (2014). Google, Facebook, Amazon, eBay: Is the Internet Driving Competition or Market Monopolization? International Economics and Economic Policy 11, 49-61.Google Scholar
  109. Hayek, F. A. (1945). The use of knowledge in society. The American economic review, 519-530.Google Scholar
  110. Heinrich, L. J., Riedl, R., & Stelzer, D. (2014). Informationsmanagement: Grundlagen, Aufgaben, Methoden. Berlin: De Gruyter.Google Scholar
  111. Helbing, D., Frey, B., Gigerenzer, G., Hafen, E., Hagner, M., Hofstetter, Y., van den Hoven, J., Zicari, R., & Zwitter, A. (2016). Digitale Demokratie statt Datendiktatur. Spektrum der Wissenschaft 2016(1), 50-61.Google Scholar
  112. Heuring, W. (2014). Why Big Data has to become Smart Data. https://www.siemens.com/press/pool/de/feature/2014/corporate/heuring-factsheet-en.pdf. Zugegriffen: 24. November 2015.
  113. Höppner, T. (2015). Neutralität von Intermediären – zwischen Wettbewerb und Regulierung. Kommunikation und Recht 2015, 1. http://online.ruw.de/suche/kur/Neutralit-von-Intermediae---zwisc-Wettbew-und-Regu-7b88d7e42dc2ad33b6e0704734fe4ea4. Zugegriffen: 22. April 2016.
  114. Horey, J. L., Begoli, E., Gunasekaran, R., Lim, S. H., & Nutaro, J. J. (2012). Big Data Platforms as a Service: Challenges and Approach. HotCloud.Google Scholar
  115. Horváth & Partners (2014). Big Data als strategisches Wertschöpfungsinstrument. https://www.horvath-partners.com/fileadmin/horvath-partners.com/assets/05_Media_Center/PDFs/deutsch/140728_manager_magazin_Big_Data_Vocelka.pdf. Zugegriffen: 10. November 2016.
  116. HZ-Partner (2016). Bundeskartellamt eröffnet Missbrauchsverfahren gegen Facebook. https://hz-partner.com/bundeskartellamt-eroeffnet-missbrauchsverfahren-gegen-facebook/. Zugegriffen: 05. Mai 2016.
  117. IBM (2015). Empowering the edge. Practical insights on a dezentralized Internet of Things. https://www-935.ibm.com/services/multimedia/GBE03662USEN.pdf. Zugegriffen am 26. November 2016.
  118. Intel IT Center (2013). Predicitve Analytics 101: Next-Generation Big Data Intelligence. http://www.intel.eu/content/dam/www/public/us/en/documents/best-practices/big-data-predictive-analytics-overview.pdf. Zugegriffen: 13. November 2015.
  119. International Institute for Analytics (2016). Advanced Analytics & Big Data Adoption Report 2016. http://iianalytics.com/analytics-resources/advanced-analytics-big-data-adoption-report-2016. Zugegriffen: 05. November 2016.
  120. IW-Report (2016). Digitalisierung, Industrie 4.0, Big Data. Institut der deutschen Wirtschaft Köln, Report 24/2016. https://www.iwkoeln.de/_storage/asset/293210/storage/master/file/9963166/download/IW-Report_2016_24_Digitalisierung%20Industrie%204%200%20Big%20Data.pdf. Zugegriffen: 26. November 2016.
  121. Jain, P., Gyanchandani, M., & Khare, N. (2016). Big data privacy: a technological perspective and review. Journal of Big Data 3(1), 1-25.Google Scholar
  122. Jandt, S. (2015). Big Data und die Zukunft des Scoring. Kommunikation und Recht 2015(6, Beihefter 2), 6-8.Google Scholar
  123. Jarchow, T., & Estermann, B. (2015). Big Data: Chancen, Risiken und Handlungsbedarf des Bundes. Ergebnisse einer Studie im Auftrag des Bundesamtes für Kommunikation. https://www.bakom.admin.ch/bakom/de/home/das-bakom/medieninformationen/bakom-infomailing/bakom-infomailing-40/big-data-chancen-und-risiken.html. Zugegriffen:08. Januar 2016.
  124. Jentzsch, N. (2016). Wettbewerbspolitik in digitalen Märkten: Sollte Datenschutz eine Rolle spielen? https://www.diw.de/de/diw_01.c.530874.de/presse/diw_roundup/wettbewerbspolitik_in_digitalen_maerkten_sollte_datenschutz_eine_rolle_spielen.html. Zugegriffen: 24. Oktober 2016.
  125. Jernigan, S., Ransbotham, S., & Kiron, D. (2016). Data Sharing and Analytics Drive Success with IoT. http://sloanreview.mit.edu/projects/data-sharing-and-analytics-drive-successwith-internet-of-things/. Zugegriffen: 05. November 2016.
  126. Jung, M. (2015). Business Analytics für KMUs – Zukunftsorientierte Datenanalyse als Wettbewerbsvorteil. http://codaweb.de/wp-content/uploads/2015/08/Business_Analytics_fuer_KMUs.pdf. Zugegriffen: 04. Februar 2016.
  127. Kaiser, S., & Kraus, H. (2014). Big Data im Personalmanagement: Erste Anwendungen und ein Blick in die Zukunft. Zfo 83(6), 379-385.Google Scholar
  128. Kambatla, K., Kollias, G., Kumar, V., & Grama, A. (2014). Trends in big data analytics. Journal of Parallel and Distributed Computing 74(7), 2561-2573.Google Scholar
  129. Kamschitzki, W. (2015). Status Quo von BIG DATA in Industrieunternehmen -Entwicklung und Verifizierung eines Reifegradmodells. Masterthesis MHP.Google Scholar
  130. Kapdoskar, R., Gaonkar, S., Shelar, N., Surve, A., & Gavhane, S. (2015). Big Data Analytics. International Journal of Advanced Research in Computer and Communication Engineering 4(10), 518-520.Google Scholar
  131. Katal, A., Wazid, M., & Goudar, R. H. (2013). Big data: issues, challenges, tools and good practices. Sixth International Conference on Contemporary Computing, 404-409.Google Scholar
  132. Kerber, W. (2014). Digital Markets, Data, and Privacy: Competition Law, Consumer Law, and Data Protection. https://www.uni-marburg.de/fb02/makro/forschung/magkspapers/paper_2016/14-2016_kerber.pdf. Zugegriffen: 15. November 2015.
  133. Kerr, I., & Earle, J. (2013). Prediction, preemption, presumption: How Big Data threatens big picture privacy. Stanford Law Review Online 66.Google Scholar
  134. Kettleborough, J. (2014). Big Data. Training Journal, 17-21.Google Scholar
  135. Khan, N., Yaqoob, I., Hashem, I. A. T., Inayat, Z., Mahmoud Ali, W. K., Alam, M., & Gani, A. (2014). Big Data: Survey, Technologies, Opportunities, and Challenges. The Scientific World Journal 2014, 1-18.Google Scholar
  136. Kim, G. H., Trimi, S., & Chung, J. H. (2014). Big-data applications in the government sector. Communications of the ACM 57(3), 78-85.Google Scholar
  137. Kinni, T. (2016). Using Predictive Analytics to Enhance Your Company Culture. MIT Sloan Management Review.Google Scholar
  138. Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big Data & Society 1(1), 1-12.Google Scholar
  139. Klein, D., Tran-Gia, P., & Hartmann, M. (2013). Big Data. Informatik Spektrum 36(3), 319-323.Google Scholar
  140. Koch, R. (2016). Was uns Uber über Dynamic Pricing lehrt. http://etailment.de/news/stories/Was-uns-Uber-ueber-Dynamic-Pricing-lehrt--4348. Zugegriffen: 13. November 2016.
  141. König, A. (2013). Big Data kontra Erfahrung – Wie Manager entscheiden. http://www.cio.de/a/wie-manager-entscheiden,2914212,2. Zugegriffen: 16. November 2016.
  142. KPMG (2014). Survival of the smartest 2.0: Wer zögert, verliert. Verschlafen deutsche Unternehmen die digitale Revolution? KPMG. http://docplayer.org/13716536-Studie-survival-of-the-smartest-2-0-wer-zoegert-verliert-verschlafen-deutsche-unternehmen-die-digitale-revolution.html. Zugegriffen: 25. Mai 2015.
  143. KPMG (2016). Mit Daten Werte schaffen – Report 2016. https://home.kpmg.com/de/de/home/themen/2016/06/mit-daten-werte-schaffen.html. Zugegriffen: 03. Januar 2017.
  144. Krcmar, H. (1990). Bedeutung und Ziele von Informationssystem-Architekturen. Wirtschaftsinformatik (WI) 32(5), 395-402.Google Scholar
  145. Kucharczyk, J. (2015). Competition Authorities and Regulators should not worry too much about Data as a Barrier to Entry into Digital Markets. http://www.project-disco.org/competition/050715-competition-authorities-and-regulators-should-not-worry-too-much-about-data-as-a-barrier-to-entry-into-digital-markets/#.WCD7V_nhBeU. Zugegriffen: 07. November 2016.
  146. Kwon, O., Lee, N., & Shin, B. (2014). Data quality management, data usage experience and acquisition intention of big data analytics. International Journal of Information Management 34(3), 387-394.Google Scholar
  147. Laney, D. (2001). 3D Data Management: Controlling Data Volume, Velocity, and Variety. https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf. Zugegriffen: 08. Dezember 2015.
  148. Laney, D. (2012). Deja Vu: Others Claiming Gartner’s Construct for Big Data. http://blogs.gartner.com/doug-laney/deja-vvvue-others-claiming-gartners-volume-velocity-variety-construct-for-big-data/. Zugegriffen: 08. Dezember 2015.
  149. Leetaru, K. (2016). The Big Data Era of Mosaicked Deidentification: Can We Anonymize Data Anymore? http://www.forbes.com/sites/kalevleetaru/2016/08/24/the-big-data-era-of-mosaicked-deidentification-can-we-anonymize-data-anymore/#6499e9c48397. Zugegriffen: 15. September 2016.
  150. Linde, F. (2008). Ökonomie der Information (Bd. 1). Universitätsverlag Göttingen.Google Scholar
  151. Loebbecke, C., & Picot, A. (2015). Reflections on Societal and Business Model Transformation Arising from Digitization and Big Data Analytics: A Research Agenda. The Journal of Strategic Information Systems 24(3), 149-157.Google Scholar
  152. Lünendonk (2013). Big Data in der Energieversorgung – Spannungsfeld zwischen Regulatorien und verändertem Verbraucherverhalten. http://luenendonk-shop.de/out/pictures/0/lue_trendpapier_utilities_f140813_fl.pdf. Zugegriffen 18. Juli 2016.
  153. Lycett, M. (2013). Datafication: Making Sense of (Big) Data in a Complex World. European Journal of Information Systems 22(4), 381‐386.Google Scholar
  154. Lyon, D. (2014). Surveillance, Snowden, and big data: Capacities, consequences, critique. Big Data & Society 1(2), 1-13.Google Scholar
  155. Machlup, F. (1962). The production and distribution of knowledge in the United States (Bd. 278). Princeton university press.Google Scholar
  156. Machlup, F. (1981). Knowledge: its creation, distribution and economic significance: Knowledge and knowledge production (Bd. 1). Princeton University Press.Google Scholar
  157. Macolic, O. (2015). Big Data as a Business – Die Feuerprobe für die Deutsche Automobilindustrie. In E. Sucky, J. Werner, R. Kolke, & N. Biethahn (Hrsg.), Mobility in a Globalised World (S. 240-264). Bamberg: University of Bamberg Press.Google Scholar
  158. Mainzer, K. (2014). Die Berechnung der Welt: Von der Weltformel zu Big Data. München: C.H. Beck.Google Scholar
  159. Mallinger, M., & Stefl, M. (2015). Big Data Decision Making. Graziadio Business Review 18(2).Google Scholar
  160. Manne, G., & Sperry, B. (2015). Debunking the Myth of a Data Barrier to Entry for Online Services. https://truthonthemarket.com/2015/03/26/debunking-the-myth-of-a-databarrier-to-entry-for-online-services/. Zugegriffen: 07. November 2016.
  161. Manovich, L. (2011). Trending the Promises and the Challenges of Big Social Data. In M. K. Gold (Hrsg.), Debates in the Digital Humanities. Minneapolis, MN: The University of Minnesota Press.Google Scholar
  162. Manyika, M. C., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Byers, A. H. (2011). Big Data: The Next Frontier for Innovation, Competition, and Productivity. http://www.mckinsey.com/business-functions/business-technology/our-insights/big-data-the-next-frontier-for-innovation. Zugegriffen: 08. Dezember 2016.
  163. Marr, B. (2016). How Big Data and Analytics are Transforming Supply Chain Management. Forbes Magazine. http://www.forbes.com/sites/bernardmarr/2016/04/22/how-big-dataand-analytics-are-transforming-supply-chain-management/#69d319a54c2d. Zugegriffen: 07. November 2016.
  164. Mayer-Schönberger, V., & Cukier, K. N. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. New York: Houghton Mifflin Harcourt Publishing Company.Google Scholar
  165. McAfee, A., & Brynjolfsson, E. (2012). Big Data: The Management Revolution. Harvard Business Review 90(10), 61-67.Google Scholar
  166. McClure, S. (2014). Transform Your Culture to Realize Big Data`s Full Potential. Zugegriffen: 03. September 2015.Google Scholar
  167. McKinsey Global Institute (2013). Game changers: Five opportunities for US growth and renewal. https://www.mckinsey.com/global-themes/americas/us-game-changers. Zugegriffen: 05.10.2016.
  168. McKinsey Global Institute (2016). The Age of Analytics: Competing in a Data-Driven World. http://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/theage-of-analytics-competing-in-a-data-driven-world. Zugegriffen: 05. Dezember 2016.
  169. Meißner, M., von Bernstoff, C., & Nachtwei, J. (2014a). Big Data = Big Chance: Wie sich Datenmengen im HR-Bereich (effizient und sicher) nutzen lassen. Empirische Evaluationsmethoden Band 19 Workshop 2014, 26-76.Google Scholar
  170. Meißner, M., von Bernstoff, C., & Nachtwei, J. (2014b). Potenzialanalysen per Knopfdruck validieren – Big Data leben. Big Data – Datenverarbeitung im großen Stil. HR Performance 2014(8), 64-68.Google Scholar
  171. Mertens, P., Bodendorf, F., König, W., Schumann, M., Hess, T., & Buxmann, P. (2017). Grundzüge der Wirtschaftsinformatik. Luxemburg: Springer-Verlag.Google Scholar
  172. MetaHR (2015). Big Data im HR: Sieben praktische Gedanken über ein Trendthema. http:// blog.metahr.de/2015/02/05/big-data-im-hr-sieben-praktische-gedanken-ueber-ein-trendthema/. Zugegriffen: 24. Oktober 2015.Google Scholar
  173. Michael, K., & Miller, K. W. (2013). Big data: New opportunities and new challenges. Computer 46(6), 22-24.Google Scholar
  174. Miller, R. (2011). The Lessons of Moneyball for Big Data Analysis. http://www.datacenterknowledge.com/archives/2011/09/23/the-lessons-of-moneyball-for-big-data-analysis/. Zugegriffen: 23. November 2016.
  175. Miller, H. G., & Mork, P. (2013). From Data to Decisions: A Value Chain for Big Data. IT Professional 15(1), 57-59.Google Scholar
  176. Mithas, S., Lee, M. R., Earley, S., Murugesan, S., & Djavanshir, R. (2013). Leveraging Big Data and Business Analytics. IT professional 15(6), 18-20.Google Scholar
  177. Mittelstadt, B., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). The Ethics of Algorithms: Mapping the Debate. Big Data & Society 3(2), 1-21.Google Scholar
  178. MongoDB (2016). Big Data Explained. https://www.mongodb.com/big-data-explained. Zugegriffen: 08. März 2016.
  179. Morabito, V. (2014). Trends and Challenges in Digital Business Innovation. New York: Springer International Publishing.Google Scholar
  180. MSM Research (2016). Big Data / Smart Data – Der Schweizer Markt bis 2018. http://www.msmag.ch/shop/studie-big-data/. Zugegriffen: 23. September 2016.
  181. Müller, S. C., Böhm, M., Schröer, M., Bakhirev, A., Baiasu, B. C., Krcmar, H., & Welpe, I. M. (2016). Geschäftsmodelle in der digitalen Wirtschaft. Studien zum deutschen Innovationssystem Nr. 13-2016. Expertenkommission Forschung und Innovation (EFI).Google Scholar
  182. Muth, M. (2016). Wie Social Bots das Meinungsklima manipulieren. http://www.fluter.de/wahlkampf-mit-fake-accounts-wie-social-bots-meinungsklima-manipulieren. Zugegriffen 22. Dezember 2016.
  183. Nagel, M. (2015). Business Analytics in der Produktion. N3 Data Analysis, Software Development & Consulting GmbH & Co. KG. Presentation at Go-Visual – Visuelle Assistenz in der Produktion, Fraunhofer IGD, Berlin.Google Scholar
  184. Narayanan, A., & Shmatikov, V. (2008). Robust de-anonymization of large sparse datasets. Security and Privacy, 2008. IEEE Symposium (S. 111-125).Google Scholar
  185. Newell, S., & Marabelli, M. (2015). Strategic opportunities (and challenges) of algorithmic decision-making: A call for action on the long-term societal effects of ‘datification’. The Journal of Strategic Information Systems 24(1), 3-14.Google Scholar
  186. NewVentage Partners (2016). Big Data Executive Survey 2016 – An Update on the Adoption of Big Data in the Fortune 1000. http://newvantage.com/wp-content/uploads/2016/01/Big-Data-Executive-Survey-2016-Findings-FINAL.pdf. Zugegriffen: 03. November 2016.
  187. Niemann, A. (2016). Consumer Behavior in the Age of Digitization and Big Data – Selected Essays. Disseration. München.Google Scholar
  188. NTT Data (2015). Big Data Governance – eine Reifegrad-Analyse in Deutschland. https://emea.nttdata.com/uploads/tx_datamintsnodes/2015_DE_Factsheet_Big_Data_Governance_-_eine_Reifegrad-Analyse_in_Deutschland_Summary.pdf. Zugegriffen: 09. November 2016.
  189. OECD (2016). Stimulating Digital Innovation for Growth and Inclusiveness: The Role of Policies for the Successful Diffusion of ICT. http://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?cote=DSTI/ICCP(2015)18/FINAL&docLanguage=En. Zugegriffen: 25. August 2016.
  190. OECD (2014). Data-driven Innovation for Growth and Well-being. Interim Synthesis Report. http://www.oecd.org/sti/inno/data-driven-innovation-interim-synthesis.pdf. Zugegriffen: 11. Juni 2015.
  191. OECD (2013). Exploring the Economics of Personal Data: A Survey of Methodologies for Measuring Monetary Value. OECD Digital Economy Papers, No. 220, OECD Publishing. http://www.oecd-ilibrary.org/science-and-technology/exploring-the-economics-of-personal-data_5k486qtxldmq-en. Zugegriffen: 13. Oktober 2016.
  192. O’Hea, K. (2011). Digital Capability. How to Understand, Measure, Improve and Get Value from it. Innovation Value Institute.Google Scholar
  193. Ohm, P. (2009). Broken Promises of Privacy. Responding to the Surprising Failure of Anonymization. UCLA Law Review 57, 9-12.Google Scholar
  194. O’Neil, C. (2016). Weapons of math destruction. How big data increases inequality and threatens democracy. New York: Crown Publishing Group.Google Scholar
  195. Otto, B., Auer, S., Cirullies, J., Jürjens, J., Menz, N., Schon, J., & Wenzel, S. (2016). Industrial Data Space. Digital Sovereignity Over Data. White Paper der Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V., https://www.fraunhofer.de/de/forschung/fraunhofer-initiativen/industrial-data-space.html. Zugegriffen: 16. August 2016.
  196. Pearson, T., & Wegener, R. (2013). Big data: the organizational challenge. Bain & Company. http://www.bain.com/publications/articles/big_data_the_organizational_challenge.aspx. Zugegriffen: 08. September 2015.
  197. Peck, D. (2013). They´re Watching You at Work. http://www.theatlantic.com/magazine/archive/2013/12/theyre-watching-you-at-work/354681/. Zugegriffen: 15. Oktober 2015.
  198. Picot, A. (1981). Der Beitrag der Theorie der Verfügungsrechte zur ökonomischen Analyse von Unternehmensverfassungen. In A. Bohr (Hrsg.). Unternehmensverfassung als Problem der Betriebswirtschaftlehre (S. 153-197), Berlin: Schmidt.Google Scholar
  199. Picot, A. (1977). Prognose und Planung – Möglichkeiten und Grenzen. Der Betrieb 30, 2149-2153.Google Scholar
  200. Picot, A., & Dietl, H. (1993). Neue Institutionenökonomie und Recht. In C. Ott & H. B. Schäfer (Hrsg.), Ökonomische Analyse des Unternehmensrechts (S. 307-330). Heidelberg: Physica.Google Scholar
  201. Picot, A. & Franck, E. (1993a). Aufgabenfelder eines Informationsmanagement. Das Wirtschaftsstudium 22(5), 433-437.Google Scholar
  202. Picot, A. & Franck, E. (1993b). Aufgabenfelder eines Informationsmanagement. Das Wirtschaftsstudium 22(6), 520-526.Google Scholar
  203. Picot, A., & Hess, T. (2005). Business process management in real-time companies. In B. Kuhlin & H. Thielman (Hrsg.), The practical real time enterprise (S. 29-44).Google Scholar
  204. Picot, A., & Hopf, S. (2014). Geschäftsmodelle mit Big Data im Dienstleistungsbereich. In A. Boes (Hrsg.), Dienstleistung in der Digitalen Gesellschaft – Beiträge zur Dienstleistungstagung des Bundesministeriums für Bildung und Forschung im Wissenschaftsjahr 2014 (S. 259-272). Frankfurt/New York: Campus Verlag.Google Scholar
  205. Picot, A., & Propstmeier, J. (2013). Big Data. MedienWirtschaft – Zeitschrift für Medienmanagement und Kommunikationsökonomie 2013(1), 34-38.Google Scholar
  206. Picot, A., & Hopf, S. (2016). Crypto-Property and Trustless Peer-to-Peer Transactions: Blockchain as Disruption of Property Rights and Transaction Cost Regimes? In J. Wulfsberg, T. Redlich & M. Moritz (Hrsg.), 1. interdisziplinäre Konferenz zur Zukunft der Wertschöpfung, Hamburg, Laboratorium Fertigungstechnik (S. 159-172).Google Scholar
  207. Picot, A., & Kranz, J. (2016). Internet Business Strategies. In J. M. Bauer & M. Latzer (Hrsg.), Handbook on the Economics of the Internet (S. 365-384). Cheltenham, UK: Edward Elgar Publishing.Google Scholar
  208. Picot, A., & Reichwald, R. (1992). Informationswirtschaft. In E. Heinen (Hrsg.), Industriebetriebslehre (S. 241-393). 9. Auflage. Wiesbaden: Gabler Verlag.Google Scholar
  209. Picot, A.; Reichwald, R.; Wigand, R. T. (2003). Die Grenzenlose Unternehmung – Information, Organisation und Management: Lehrbuch zur Unternehmensführung im Informationszeitalter. 5. aktualisierte Auflage. Wiesbaden: Gabler Verlag.Google Scholar
  210. Picot, A., Theurl, T., Dammer, A., & Neuburger, R. (2007). Transparenz in Kreditmärkten – Auskunfteien und Datenschutz vor dem Hintergrund asymmetrischer Information. 1. Auflage. Frankfurt: Frankfurter Allgemeine Buch.Google Scholar
  211. Picot, A.; Reichwald, R.; Wigand, R. T. (2008). Information, Organization and Management. 1. Auflage. Berlin: Springer.Google Scholar
  212. Picot, A., Kranz, J., & Roemer, B. (2011). Unlocking the Potential of the Smart Metering Technology – How Can Regulation Level the Playing-Field for New Services in Smart Grids? 22nd European Regional ITS Conference. Budapest, Hungary.Google Scholar
  213. Picot, A., Dietl, H., Franck, E., Fiedler, M. & Royer, S. (2015). Organisation. Theorie und Praxis aus ökonomischer Sicht. 7. Auflage. Stuttgart: Schäffer-Poeschel Verlag.Google Scholar
  214. Picot, A., Eberspächer, J., Grove, N., Hipp, C., Hopf, S., Jänig, J. R., Kellerer, W., Neuburger, R., Sedlmeir, J., Weber, G., & Wiemann, B. (2014). Informations- und Kommunikationstechnologien als Treiber für die Konvergenz Intelligenter Infrastrukturen und Netze – Analyse des FuE-Bedarfs. Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie, Projekt-Nr. 39/13, Schlussbericht. http://www.bmwi.de/Redaktion/DE/Publikationen/Digitale-Welt/Intelligente-Vernetzung/informations-und-kommunikationstechnologien-als-treiber-fuer-die-konvergenz.pdf?__blob=publicationFile&v=3. Zugegriffen: 25. Juli 2016.
  215. Picot, A., van Aaken, D., & Ostermaier, A. (2017). Privatheit als Freiheit. Die ökonomische Sicht. In M. Friedewald, J. Lamla & A. Roßnagel (Hrsg.), Informationelle Selbstbestimmung im digitalen Wandel. Wiesbaden: Springer Vieweg.Google Scholar
  216. Pierre Audoin Consultants (2014). Predictive Analytics in der Fertigungsindustrie. https://www.pac-online.com/predictive-analytics-der-fertigungsindustrie. Zugegriffen: 15. August 2015.
  217. Poleto, T., de Carvalho, V. D. H., & Costa, A. P. (2015). The roles of big data in the decision-support process: an empirical investigation. International Conference on Decision Support System Technology, 10-21.Google Scholar
  218. Porat, M. (1977). The information economy: definition and measurement. Washington, DC: United States Department of Commerce.Google Scholar
  219. Porter, M. E. (1985). Competitive Advantage: Creating and Sustaining Superior Performance. New York: The Free Press: A Division of Simon & Schuster Inc.Google Scholar
  220. Posner, R. A. (1998). Economic Analysis of Law. 5. Auflage. Boston: Little, Brown & Co.Google Scholar
  221. Pospiech, M., & Felden, C. (2012). Big Data – A State-of-the-Art. Proceedings of the 18th American Conference on Information Systems (AMCIS). Seattle, WA.Google Scholar
  222. Provost, F., & Fawcett, T. (2013). Data Science and its Relationship to Big Data and Data-Driven Decision Making. Big Data 1(1), 51-59.Google Scholar
  223. PWC (2014). Revolution Big Data. https://www.pwc.de/de/publikationen/paid_pubs/pwc_revolution_big_data_2014.pdf. Zugegriffen: 08. April 2015.
  224. PWC (2015a). Big Data in der Medizin: Zusammenspiel von Mensch und Maschine. http://www.pwc.de/de/gesundheitswesen-und-pharma/big-data-in-der-medizin-zusammenspiel-von-mensch-und-maschine.html. Zugegriffen: 07. November 2016.
  225. PWC (2015b). Big Data – Ein Weg zur digitalen Wertschöpfungsstrategie. http://www.pwc.de/de/prozessoptimierung/big-data-ein-weg-zur-digitalen-wertschoepfungsstrategie.html. Zugegriffen: 10. November 2015.
  226. Ramge, T. (2016). Disruption, Plattform, Netzwerkeffekt. Die drei Zauberworte. Brand eins 04/2015. https://www.brandeins.de/archiv/2015/handel/disruption-plattform-netzwerkeffekt-die-drei-zauberworte-neue-wirtschaft/. Zugegriffen: 18. Dezember 2016.
  227. Rasmussen, T., & Ulrich, D. (2015). Learning from practice: how HR analytics avoids being a management fad. Organizational Dynamics 44(3), 236-242.Google Scholar
  228. Reddi, V. J., Lee, B. C., Chilimbi, T., & Vaid, K. (2011). Mobile Processors for Energy-Efficient Web Search. ACM Transactions on Computer Systems (TOCS) 9(4), 1-40.Google Scholar
  229. Reindl, C. U. (2016). People Analytics: Datengestützte Mitarbeiterführung als Chance für die Organisationspsychologie. Gruppe. Interaktion. Organisation. Zeitschrift für Angewandte Organisationspsychologie (GIO) 47(2), 193-197.Google Scholar
  230. Richards, N. M., & King, J. H. (2014). Big data ethics. Wake Forest Law Review 49, 393-432.Google Scholar
  231. Rotella, P. (2012). Is Data the New Oil? http://www.forbes.com/sites/perryrotella/2012/04/02/is-data-the-new-oil/#31b8da8377a9. Zugegriffen: 25. Februar 2016.
  232. Rubinstein, I., & Hartzog, W. (2016). Anonymization and Risk. Washington Law Review 91(703), 702-760.Google Scholar
  233. Russom, P. (2011). Big Data Analytics. TDWI Best Practices Report, Fourth Quarter. https://tdwi.org/research/2011/09/~/media/TDWI/TDWI/Research/BPR/2011/TDWI_BPReport_Q411_Big_Data_Analytics_Web/TDWI_BPReport_Q411_Big%20Data_Exec-Summary.ashx. Zugegriffen: 09. Februar 2016.
  234. Rust, H. (2017). Virtuelle Bilderwolke. Eine qualitative -Big-Data-Analyse der Geschmackskulturen im Internet. Wiesbaden: Springer Fachmedien.Google Scholar
  235. Saha, B., & Srivastava, D. (2014). Data quality: The other face of big data. IEEE 30th International Conference on Data Engineering, 1294-1297.Google Scholar
  236. Sahl, J. (2015). Brauchen wir ein Datenschutzrecht für Maschinendaten? Berliner Datenschutzrunde. https://berliner-datenschutzrunde.de/node/162. Zugegriffen: 05. November 2016.
  237. Schachtner, D. (2002). Die Beziehung zwischen werbungtreibendem Unternehmen und Werbeagentur – Theoretische Systematisierung und empirische Überprüfung eines Prinzipal- Agenten-Modells. Wiesbaden: Springer Fachmedien Wiesbaden GmbH.Google Scholar
  238. Scheer, A. W. (2013). Handbuch Informationsmanagement: Aufgaben—Konzepte—Praxislösungen. Luxemburg: Springer-Verlag.Google Scholar
  239. Schermann, M., Hemsen, H., Buchmüller, C., Bitter, T., Krcmar, H., Markl, V., & Hoeren, T. (2014). Big Data. Business & Information Systems Engineering 6(5), 261-266.Google Scholar
  240. Schroeck, M., Shockley, R., Smart, J., Romero-Morales, D., & Tufano, P. (2012). Analytics: The Real-World Use of Big Data: How Innovative Enterprises Extract Value from Uncertain Data. IBM Report, IBM Institute for Business Value. https://www.ibm.com/smarterplanet/global/files/se__sv_se__intelligence__Analytics_-_The_real-world_use_of_big_data.pdf. Zugegriffen: 02. März 2016.
  241. Sedayao, J., Bhardwaj, R., & Gorade, N. (2014). Making big data, privacy, and anonymization work together in the enterprise: Experiences and issues. IEEE International Congress on Big Data, 601-607.Google Scholar
  242. Shah, N., & Pathak, J. (2014). Why Health Care May Finally Be Ready For Big Data. Harvard Business Review, https://hbr.org/2014/12/why-health-care-may-finally-be-ready-for-bigdata. Zugegriffen: 07. November 2016
  243. Shah, S., Horne, A., & Cappellà, J. (2012). Good Data Won’t Guarantee Good Decisions. Harvard Business Review 4, 1-4.Google Scholar
  244. Shapiro, C. V., & Varian, H. (1998). Information Rules. A Strategic Guide to the Network Economy. Boston, Massachusetts: Harvard Business School Press.Google Scholar
  245. Shapiro, Z. (2015). Big Data, Genetics, and Re-Identification. http://blogs.harvard.edu/billofhealth/2015/09/24/big-data-genetics-and-re-identification/. Zugegriffen: 26. August 2016.
  246. Shiller, B. R. (2014). First-Degree Price Discrimination Using Big Data. https://www8.gsb.columbia.edu/faculty-research/sites/faculty-research/files/finance/Industrial/Ben%20Shiller%20--%20Nov%202014_0.pdf. Zugegriffen: 05.08.2016.
  247. Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2017). Critical analysis of Big Data challenges and analytical methods. Journal of Business Research 70, 263-286.Google Scholar
  248. Smith, T. (2013). HR Analytics: The What, Why and How. Numerical Insights LLC.Google Scholar
  249. Sondhi, S., & Arora, R. (2014). Applying Lessons from E-Discovery to Process Big Data Using HPC. Proceedings of the 2014 Annual Conference on Extreme Science and Engineering Discovery Environment.Google Scholar
  250. Spence, A. M. (1974). An economist’s view of information. Annual review of information science and technology 9(5), 142-162.Google Scholar
  251. Stange, H. (2013). Big Data in Motion. In Big Data Automotive – Eine Sonderedition von autmotiveIT. 5. Jahrgang.Google Scholar
  252. Steinebach, M., Winter, C., Halvani, O., Schäfer, M., & Yannikos, Y. (2015). Begleitpapier Bürgerdialog. Chancen durch Big Data und die Frage des Privatsphäreschutzes. https://www.sit.fraunhofer.de/fileadmin/dokumente/studien_und_technical_reports/Big-Data-Studie2015_FraunhoferSIT.pdf. Zugegriffen: 23. August 2016.
  253. Stigler, G. J. (1961). The economics of information. Journal of political economy 69(3), 213-225.Google Scholar
  254. Stiglitz, J. E. (1975). Information and Economic Analysis. Technical Report No. 155, Institute for Mathematical Studies in the Social Sciences, Stanford University.Google Scholar
  255. Strategic Polics Forum (2016). Big Data and B2B digital platforms: the next frontier for Europe`s industry and enterprises. http://www.digitaleurope.org/DesktopModules/Bring2mind/DMX/Download.aspx?Command=Core_Download&entryID=2163&language=en-US&PortalId=0&TabId=353. Zugegriffen: 08. Oktober 2016.
  256. Stricker, K., Wegener, R., & Anding, M. (2014). Big Data revolutioniert die Automobilindustrie. Bain & Company. http://www.bain.de/Images/Bain-Studie_Big%20Data%20revolutioniert%20die%20Automobilindustrie_FINAL_ES.pdf. Zugegriffen: 05. Juni 2015.
  257. Strohmeier, S., & Piazza, F. (2015). Human Resource Intelligence und Analytics. Grundlagen, Anbieter, Erfahrungen und Trends. Wiesbaden: Springer Gabler.Google Scholar
  258. Sullivan, J. (2013). How Google is Using People Analytics to Completely Reinvent HR. http://www.ceo-cf.com/wp-content/uploads/2014/06/07_How-Google-Is-Using-People-Analytics-to-Completely-Reinvent-HR.pdf. Zugegriffen: 03. November 2015.
  259. Tata Consultancy Services (2013). The Emerging Big Returns on Big Data. http://www.tcs.com/big-data-study/Pages/default.aspx. Zugegriffen: 25. August 2016.
  260. Tene, O., & Polonetsky, J. (2012). Big data for all: Privacy and user control in the age of analytics. Northwestern Journal of Technology and Intellectual Property 11(5), 237-274.Google Scholar
  261. Teradata (2016). A Business Case That Varies By Sector. http://bigdata.teradata.com/US/Big-Ideas/Industries/. Zugegriffen: 08. August 2016.
  262. Tsai, C. W., Lai, C. F., Chao, H. C., & Vasilakos, A. V. (2015). Big data analytics: a survey. Journal of Big Data 2(1).  https://doi.org/10.1186/s40537-015-0030-3.
  263. Tufekci, Z. (2008). Can you see me now? Audience and disclosure regulation in online social network sites. Bulletin of Science, Technology & Society 28(1), 20-36.Google Scholar
  264. Van den Driest, F., Sthanunath, S. & Weed, K. (2016). Building an Insights Engine. Harvard Business Review 9, 64-74.Google Scholar
  265. Veltjens, K., & Müller, U. (2013). Daten in einen Wettbewerbsvorteil verwandeln – Aus Analysen werden Vorhersagen. BI-Spektrum.Google Scholar
  266. Vodafone Institut für Gesellschaft und Kommunikation (2016). BIG DATA. Wann Menschenbereit sind, ihre Daten zu teilen. http://www.vodafone-institut.de/bigdata/links/VodafoneInstitute-Survey-BigData-Highlights-de.pdf. Zugegriffen: 18. Juli 2016.
  267. Vossen, G., Lechtenbörger, J., & Fekete, D. (2015). Big Data in kleinen und mittleren Unternehmen – eine empirische Bestandsaufnahme. https://www.uni-muenster.de/imperia/md/content/angewandteinformatik/aktivitaeten/publikationen/bigdata.pdf. Zugegriffen: 04. März 2016.
  268. Vroom, V., & Jago, A. (1974). Leadership and Decision Making. Decision Science 5, 734-755.Google Scholar
  269. Waller, M. A., & Fawcett, S. E. (2013). Data science, predictive analytics, and big data: a revolution that will transform supply chain design and management. Journal of Business Logistics 34(2), 77-84.Google Scholar
  270. Wamba, S. F., Akter, S., Edwards, A., Chopin, G., & Gnanzou, D. (2015). How ‘Big Data’ Can Make Big Impact: Findings from a Systematic Review and a Longitudinal Case Study. International Journal of Production Economics 165, 234-246.Google Scholar
  271. Ward, J. S., & Barker, A. (2013). Undefined by Data: A Survey of Big Data Definitions. University of St Andrews. http://arxiv.org/abs/1309.5821. Zugegriffen: 12. Dezember 2015.
  272. Watson, H. J. (2014). Tutorial: Big data analytics: Concepts, technologies, and applications. Communications of the Association for Information Systems 34(1), 1247-1268.Google Scholar
  273. Wegner, N. (2014). Mit Tempo in die Real – Time-Economy. Capital. Wirtschaft ist Gesellschaft. Zugegriffen: 15. November 2016.Google Scholar
  274. Wehle, H. (2015). Effizienzgewinn durch Integration und Anwendung Analytischer Verfahren im Produktionsumfeld, IBM Germany R&D – Systems & Software. Presentation at Go-Visual 2015 – Visuelle Assistenz in der Produktion. Fraunhofer IGD, Berlin.Google Scholar
  275. Wessel, M. (2016). You don’t need data – You need the right data. Harvard Business Review. https://hbr.org/2016/11/you-dont-need-big-data-you-need-the-right-data. Zugegriffen: 26. November 2016.
  276. Westerman, G., Tannou, M., Bonnet, D., Ferraris, P., & McAfee, A. (2012). The Digital Advantage: How digital leaders outperform their peers in every industry. Capgemini Consulting, MIT Center for Digital BusinessCapgemini. https://www.capgemini.com/resource-file-access/resource/pdf/The_Digital_Advantage__How_Digital_Leaders_Outperform_their_Peers_in_Every_Industry.pdf. Zugegriffen: 05. Mai 2015.
  277. Wilkinson, M., & Price, K. (2012). Big Data Analytics. Adoption and Employment Trends, 2012 – 2017. E-Skills UK. http://www.sas.com/offices/europe/uk/downloads/bigdata/eskills/eskills.pdf. Zugegriffen: 13. April 2016.
  278. White, T. (2012): Hadoop: The Definitive Guide. Sebastopol, CA: O’Reilly Media, Inc.Google Scholar
  279. Wladawsky-Berger (2013). Data-Driven Decision Making Promises and Limits. CIO Journal.Google Scholar
  280. Wong, R. (2012). Big data privacy. Journal of Information Technology & Software Engineering 2(5). http://dx.doi.org/10.4172/2165-7866.1000e114
  281. Workshop des Hamburger Forums für Medienökonomie (2016). Big Data und Privacy: Regulierungsfragen aus ökonomischer Sicht. http://www.hsu-hh.de/hfm/index_H6r8i7Kcw2YYc7K5.html. Zugegriffen: 25. November 2016.
  282. Yi, X., Liu, F., Liu, J., & Jin, H. (2014). Building a network highway for big data: architecture and challenges. IEEE Network 28(4), 5-13.Google Scholar
  283. Ylijoki, O., & Porras, J. (2016). Perspectives to definition of big data: a mapping study and discussion. Journal of Innovation Management 4(1), 69-91.Google Scholar
  284. Zeszut, J. (2013). A ‘Moneyball’ Approach to Marketing and Big Data. http://www.targetmarketingmag.com/article/a-moneyball-approach-marketing-big-data/all/. Zugegriffen: 23. November 2016.
  285. Zikopoulos, P., deRoos, D., Parasuraman, K., Deutsch, T., Corrigan, D., Giles, J., & Melnyk, R. (2012). Harness the Power of Big Data – The IBM Big Data Platform. http://www.mhebooklibrary.com/doi/abs/10.1036/9780071808187. Zugegriffen: 14. Dezember 2015.
  286. Zuboff, S. (2015). Big other: surveillance capitalism and the prospects of an information civilization. Journal of Information Technology 30(1), 75-89.Google Scholar
  287. Zyskind, G., Nathan, O., & Pentland, A. (2015a). Decentralizing Privacy: Using Blockchain to Protect Personal Data. IEEE Security and Privacy Workshops, 2015. http://web.media.mit.edu/~guyzys/data/ZNP15.pdf. Zugegriffen: 28. Juli 2016.
  288. Zyskind, G., Nathan, O., & Pentland, A. (2015b). Enigma: Decentralized Computation Platform with Guaranteed Privacy. arXiv Whitepaper. http://web.media.mit.edu/~guyzys/data/enigma_full.pdf. Zugegriffen: 28. Juli 2016.

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  • Arnold Picot (†)
    • 1
  • Yvonne Berchtold
    • 1
  • Rahild Neuburger
    • 1
  1. 1.Forschungsstelle für Information, Organisation und ManagementMunich School of Management der LMU MünchenMünchenDeutschland

Personalised recommendations