Skip to main content
SpringerLink
Log in

Digitalisierung und Business Analytics: Ausschöpfen des Innovationspotenzials der Digitalisierung für operative Entscheidungen in KMU

  • Chapter
  • First Online:
Innovationen für eine digitale Wirtschaft

Part of the book series: Business - Innovation - High Tech ((BIHT))

Zusammenfassung

Die voranschreitende Digitalisierung ist ein Enabler für Business Analytics wodurch sich wiederum ein weiteres Innovationspotenzial durch dessen Nutzung in der datengetriebenen betrieblichen Entscheidungsunterstützung ergibt. Die Herausforderung besteht nun darin, bereits bei der Planung eines Digitalisierungsprojektes das Potenzial für weitergehende Business Analytics-Anwendungen zu erkennen, um dieses auszuschöpfen. Dabei spielen weniger die Methodenspezialisten, sondern eher die Entscheider in den Fachabteilungen die zentrale Rolle.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 59.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 79.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  • Botzkowski, T. (2018): Digitale Transformation von Geschäftsmodellen im Mittelstand. Wiesbaden 2018.

    Google Scholar 

  • BMWi (2015): Industrie 4.0 und Digitale Wirtschaft – Impulse für Wachstum, Beschäftigung und Innovation. Bundesministerium für Wirtschaft und Energie. Berlin 2015.

    Google Scholar 

  • Chapman, P./Clinton, J./Kerber, R./Khabaza, T./Reinartz, T./ Shearer, C./Wirth, R. (2000). CRISP-DM 1.0: Step-by-step data mining guide. SPSS Inc USA 2000.

    Google Scholar 

  • Cleve, J./Lämmel, U. (2016): Data Mining, 2. Aufl., Berlin/Boston 2016.

    Google Scholar 

  • Fleischmann, A./Oppl, S./Schmidt, W./Stary, C. (2018): Ganzheitliche Digitalisierung von Prozessen. Perspektivenwechsel – Design Thinking – Wertegeleitete Interaktion. Wiesbaden 2018.

    Google Scholar 

  • Gluchowski, P. (2016): Business Analytics – Grundlagen, Methoden und Einsatzpotenziale. In: HMD Praxis der Wirtschaftsinformatik, Band 53, 2016, S. 273–286.

    Article  Google Scholar 

  • Herring, L./Mayhew, H./Midha, A./Puri, A. (2019): How to Train Someone to Translate Business Problems into Analytics Questions. In: Harvard Business Review Digital Articles. Feb 11, 2019. https://hbsp.harvard.edu/product/H04SI6-PDFENG? itemFindingMethod=Other (zuletzt abgefragt am 31.07.2019)

  • Larose, D. T./Larose, C. D. (2015): Data Mining and Predictive Analytics. Wiley Series on Methods and Applications in Data Mining, 2. Aufl., Hoboken, New Jersey 2015.

    Google Scholar 

  • Lübcke, M./Wannemacher, K. (2018): Vermittlung von Datenkompetenzen an den Hochschulen: Studienangebote im Bereich Data Science. Forum Hochschulentwicklung 1. Hannover 2018. https://his-he.de/fileadmin/user_upload/Publikationen/Forum_Hochschulentwicklung/Forum_HE_201801_Web.pdf (zuletzt abgefragt am 30.07.2019).

  • Nalchigar, S./Yu, E. (2017): Conceptual Modeling for Business Analytics: A Framework and Potential Benefits. In: 2017 IEEE 19th Conference on Business Informatics, Vol. 01, Thessaloniki, Greece 2017, pp. 369–378.

    Google Scholar 

  • Nalchigar, S./Yu, E. (2018): Business-driven data analytics: A conceptual modeling framework. In: Data & Knowledge Engineering, Vol. 117, 2018, pp. 359–372.

    Google Scholar 

  • Nöllke, M. (2015): Kreativitätstechniken, 7. Aufl.. Haufe-Lexware GmbH & Co. KG, Freiburg 2015.

    Google Scholar 

  • Reiter, J./Müller, A./Hartmann, U./Schatz, M.D./Greschuchna, L. (2019): Next Level Service Performance – Intelligent Order Assistants in Automotive After Market. In: Nah, F./Siau, K. L. (Eds.): HCI in Business, Government and Organizations. Information Systems and Analytics. 6th International Conference, HCIBGO 2019, Proceedings, Part II. Springer Heidelberg (LNCS 11589), pp. 114–125.

    Chapter  Google Scholar 

  • Schallmo, D. R. A. (2016): Jetzt digital transformieren, Wiesbaden 2016.

    Google Scholar 

  • Seiter, M. (2017): Business Analytics. Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung, München 2017.

    Google Scholar 

  • Seiter, M./Grünert, L./Esser, L. (2017): Organisation von Business Analytics – Formen und Entwicklungspfade. In: Krause, S./Pellens, B. (Hrsg.): Betriebswirtschaftliche Implikationen der digitalen Transformation. ZfbF-Sonderheft 72/17, Wiesbaden 2017, S. 49 - 63.

    Google Scholar 

  • Vermeulen, A. F. (2018): Practical Data Science: A Guide to Building the Technology Stack for Turning Data Lakes into Business Assets. Apress Media, California 2018.

    Chapter  Google Scholar 

  • www.stifterverband.org/data-literacy-education (zuletzt abgefragt am 11.07.2019).

Download references

Author information

Authors and Affiliations

  1. Hochschule Offenburg, Gengenbach, Deutschland

    Joachim Reiter

Authors
  1. Joachim Reiter
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Joachim Reiter .

Editor information

Editors and Affiliations

  1. Fak. BWL und Wirtschaftsingenieurwesen, Hochschule Offenburg, Gengenbach, Baden-Württemberg, Germany

    Andrea Müller

  2. Fak. BWL und Wirtschaftsingenieurwesen, Hochschule Offenburg, Gengenbach, Baden-Württemberg, Germany

    Matthias Graumann

  3. Fak. BWL und Wirtschaftsingenieurwesen, Hochschule Offenburg, Gengenbach, Baden-Württemberg, Germany

    Hans-Jörg Weiß

Rights and permissions

Reprints and permissions

Copyright information

© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Reiter, J. (2020). Digitalisierung und Business Analytics: Ausschöpfen des Innovationspotenzials der Digitalisierung für operative Entscheidungen in KMU. In: Müller, A., Graumann, M., Weiß, HJ. (eds) Innovationen für eine digitale Wirtschaft. Business - Innovation - High Tech. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29027-6_2

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-29027-6_2

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-29026-9

  • Online ISBN: 978-3-658-29027-6

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation