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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Botzkowski, T. (2018): Digitale Transformation von Geschäftsmodellen im Mittelstand. Wiesbaden 2018.
BMWi (2015): Industrie 4.0 und Digitale Wirtschaft – Impulse für Wachstum, Beschäftigung und Innovation. Bundesministerium für Wirtschaft und Energie. Berlin 2015.
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.
Cleve, J./Lämmel, U. (2016): Data Mining, 2. Aufl., Berlin/Boston 2016.
Fleischmann, A./Oppl, S./Schmidt, W./Stary, C. (2018): Ganzheitliche Digitalisierung von Prozessen. Perspektivenwechsel – Design Thinking – Wertegeleitete Interaktion. Wiesbaden 2018.
Gluchowski, P. (2016): Business Analytics – Grundlagen, Methoden und Einsatzpotenziale. In: HMD Praxis der Wirtschaftsinformatik, Band 53, 2016, S. 273–286.
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.
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.
Nalchigar, S./Yu, E. (2018): Business-driven data analytics: A conceptual modeling framework. In: Data & Knowledge Engineering, Vol. 117, 2018, pp. 359–372.
Nöllke, M. (2015): Kreativitätstechniken, 7. Aufl.. Haufe-Lexware GmbH & Co. KG, Freiburg 2015.
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.
Schallmo, D. R. A. (2016): Jetzt digital transformieren, Wiesbaden 2016.
Seiter, M. (2017): Business Analytics. Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung, München 2017.
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.
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.
www.stifterverband.org/data-literacy-education (zuletzt abgefragt am 11.07.2019).
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
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)