Menu Expand

Data Analytics in jungen Unternehmen – Ergebnisse einer aktuellen Online-Befragung

Cite JOURNAL ARTICLE

Style

Becker, W., Feichtinger, C. Data Analytics in jungen Unternehmen – Ergebnisse einer aktuellen Online-Befragung. Der Betriebswirt, 59(2), 26-31. https://doi.org/10.3790/dbw.59.2.26
Becker, Wolfgang and Feichtinger, Christoph "Data Analytics in jungen Unternehmen – Ergebnisse einer aktuellen Online-Befragung" Der Betriebswirt 59.2, , 26-31. https://doi.org/10.3790/dbw.59.2.26
Becker, Wolfgang/Feichtinger, Christoph: Data Analytics in jungen Unternehmen – Ergebnisse einer aktuellen Online-Befragung, in: Der Betriebswirt, vol. 59, iss. 2, 26-31, [online] https://doi.org/10.3790/dbw.59.2.26

Format

Data Analytics in jungen Unternehmen – Ergebnisse einer aktuellen Online-Befragung

Becker, Wolfgang | Feichtinger, Christoph

Der Betriebswirt, Vol. 59 (2018), Iss. 2 : pp. 26–31

Additional Information

Article Details

Pricing

Author Details

Prof. Dr. Dr. habil. Wolfgang Becker, Ordinarius für Betriebswirtschaftslehre und Inhaber des Lehrstuhls Unternehmensführung & Controlling an der Otto-Friedrich-Universität Bamberg.

Christoph Feichtinger ist seit 2015 wissenschaftlicher Mitarbeiter am Lehrstuhl für Unternehmensführung & Controlling an der Uni Bamberg.

References

  1. Banerjee, Arindam/Bandyopadhyay, Tathagata/Acharya, Prachi (2013)  Google Scholar
  2. Data Analytics: Hyped Up Aspirations or True Potential?, in: Vikalpa: The Journal for Decision Makers, 38. Jg., Heft 4, S. 1-11  Google Scholar
  3. BARC (2014): Big Data Analytics – Auf dem Weg zur datengetriebenen Wirtschaft, http://leanbi.ch/wp-content/uploads/studien/LeanBI_Studie_BARC-Big-Data-Analytics-2014.pdf, 04.05.2017  Google Scholar
  4. Baur, Alexander / Klein, Robert/Steinhardt, Claudius (2014): Model-based Decision Support for optimal Brochure Pricing: Applying Advanced Analytics in the Tour Operating Industry, in: Operations Research Spectrum, 36. Jg., S. 557-584  Google Scholar
  5. Becker, Wolfgang / Baltzer, Björn/Ulrich, Patrick (2014): Wertschöpfungsorientiertes Controlling: Konzeption und Umsetzung, Stuttgart  Google Scholar
  6. Becker, Wolfgang / Feichtinger, Christoph (2017): Unternehmensführung und Controlling in Startups, Bamberg  Google Scholar
  7. Becker, Wolfgang / Ulrich, Patrick / Botzkowski, Tim (2016): Data Analytics im Mittelstand, Wiesbaden  Google Scholar
  8. Becker, Wolfgang / Ulrich, Patrick / Botzkowski, Tim / Eurich, Sebastian (Becker et al. 2015) (2015): Data Analytics in Familienunternehmen – Implikationen für das Controlling, in: Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 27. Jg., S. 263-268  Google Scholar
  9. Becker, Wolfgang/Ulrich, Patrick/Ebner, Robert/Zimmermann, Lisa (Becker et al. 2012) (2012): Erfolgsfaktoren der Geschäftsmodelle junger Unternehmen, Bamberg  Google Scholar
  10. Bitkom (2014): Big-Data-Technologien – Wissen für Entscheider, https://www.bitkom.org/noindex/Publikationen/2014/Leitfaden/Big-Data-Technologien-Wissen-fuer-Entscheider/140228-Big-Data-Technologien-Wissen-fuer-Entscheider.pdf, 01.12.2017  Google Scholar
  11. Chen, Min / Mao, Shiwen / Zhang, Yin / Leung Victor C. M. (2014): Big Data: Related Technologies, Challenges and Future Prospects, Cham et al.  Google Scholar
  12. Davenport, Thomas H. (2014): Big Data at Work: Dispelling the Myths, Uncovering the Opportunities, Boston  Google Scholar
  13. Eckerson, Wayne W. (2007): Predictive Analytics: Extending the Value of Your Data Warehousing Investment, https://www.microstrategy.com/Strategy/media/downloads/products/MicroStrategy-TDWI-Best-Practices-Report-Predictive-Analytics-Data-Warehousing.pdf, 10.05.2016  Google Scholar
  14. Ebner, Katharina / Smolnik, Stefan (2015): Alles eine Frage der Daten? Eine Analyse verschiedener Big-Data-Technologiestrategien und Vorschlag eines Entscheidungsmodells, in: Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 27. Jg., S. 249-255  Google Scholar
  15. Ereth, Julian / Kemper, Hans-Georg (2016): Business Analytics und Business Intelligence – Säulen eines integrierten Ansatzes der IT-basierten Entscheidungsunterstützung, in: Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28. Jg., S. 458-464  Google Scholar
  16. Fallgatter, Michael J. (2002): Theorie des Entrepreneurship. Perspektiven zur Erforschung der Entstehung und Entwicklung junger Unternehmungen, Wiesbaden  Google Scholar
  17. Gantz, John/Reinsel, David (2011): Extracting Value from Chaos, https://www.emc.com/collateral/analyst-reports/idc-extractingvalue-from-chaos-ar.pdf, 22.03.2017  Google Scholar
  18. Graf, Joachim (2013): Big Data: Gold waschen im 21. Jahrhundert. In: Haberich, Ralf (Hg.): Future Digital Business. Wie Business Intelligence und Web Analytics Online-Marketing und Conversion verändern, Heidelberg, München, Landsberg, S. 29-47.  Google Scholar
  19. Grönke, Kai / Kirchmann, Markus / Leyk, Jörg (2014): Big Data: Auswirkungen auf Instrumente und Organisation der Unternehmenssteuerung, in: Gleich, Ronald/Grönke, Kai/Kirchmann, Markus/Leyk, Jörg (Hrsg.), Controlling und Big Data: Anforderungen, Auswirkungen, Lösungen, München, S. 63-82  Google Scholar
  20. International Business Machines (IBM) (2012): Analytics: Big Data in der Praxis, http://www-935.ibm.com/services/de/gbs/thoughtleadership/GBE03519-DEDE-00.pdf, 22.03.2017  Google Scholar
  21. Laney, Doug (2001): 3D Data Management: Controlling Data Volume, Velocity, and Variety, http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocityand-Variety.pdf, 01.12.2017  Google Scholar
  22. Lanquillon, Carsten/Mallow, Hauke (2015): Advanced Analytics mit Big Data, in: Dorschel, Joachim (Hrsg.), Praxishandbuch Big Data, Wiesbaden, S. 55-89  Google Scholar
  23. LaValle, Steve / Lesser, Eric / Shockley, Rebecca / Hopkins, Michael S. / Kruschwitz, Nina (2011): Big Data, Analytics and the Path From Insights to Value, in: Massachusetts Institute of Technology Sloan Management Review, 52. Jg., Heft 2, S. 21-31  Google Scholar
  24. Matzer, Michael (2013): Kein Hexenwerk: das moderne Orakel. Prognosen für Tests von Szenarien, In: BISpektrum, 1. Jg., H. 1, S. 18-21  Google Scholar
  25. McAfee, Andrew/Brynjolfsson, Erik (2012): Big Data: The Management Revolution, in: Harvard Business Review, 90. Jg., Heft 10, S. 60-68  Google Scholar
  26. Satzger, Gerhard / Holtmann, Carsten / Peter, Susanne (2015): Advanced Analytics im Controlling – Potenzial und Anwendung für Umsatz- und Kostenprognosen, in: Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 27. Jg., S. 229-235  Google Scholar
  27. Schön, Dietmar (2016): Planung und Reporting: Grundlagen, Business Intelligence, Mobile BI und Big-Data-Analytics, 2. Aufl., Wiesbaden  Google Scholar
  28. Töpfer, Armin (1976): Planungs- und Kontrollsysteme industrieller Unternehmungen, Berlin  Google Scholar
  29. Thompson, Wayne (2014): Data Mining Methods and the Rise of Big Data, in: Kudyba, Stephen (Hrsg.), Big Data, Mining, and Analytics: Components of Strategic Decision Making, Boca Raton, S. 71-102  Google Scholar
  30. Van Rijmenam, Mark (2014): Think bigger. Developing a successful big data strategy for your business, New York  Google Scholar
  31. Watson, Hugh J. (2014): Tutorial: Big Data Analytics: Concepts, Technologies, and Applications, in: Communications of the Association for Information Systems, 34. Jg., S. 1.247-1.268  Google Scholar
  32. Wittmann, Waldemar (1959): Unternehmung und unvollkommene Information, Köln/Opladen  Google Scholar

Abstract

Die Digitalisierung ist in aller Munde. Data Analytics soll helfen, neue Erkenntnisse durch Big Data zu generieren, um eine Verbesserung u.a. der Kundenbetreuung und von Entscheidungen zu ermöglichen. In diesem Zusammenhang werden junge Unternehmen betrachtet, da gerade diese oftmals mit innovativen und flexiblen Methoden in Verbindung gebracht werden. Dieser wissenschaftliche Beitrag bilanziert daher den aktuellen Stand der Forschung im Bereich Data Analytics und stellt die Nutzung dieser Methoden dar.

Digitalization is on everyone‘s lips. Data Analytics should help to generate new insights through big data in order to improve, i.a. to provide customer support and decision-making. In this context, nascent enterprises are considered, as they are often associated with innovative and flexible methods. This scientific paper, therefore, reviews the current state of research in the field of data analytics and illustrates the use of these methods.

Keywords: junge unternehmen, digitalisierung, big data

Table of Contents

Section Title Page Action Price
Wolfgang Becker / Christoph Feichtinger: Data Analytics in jungen Unternehmen. Ergebnisse einer Online-Befragung 1
Summary 1
1. Einleitung 1
2. Big Data und Data Analytics 1
2.1 Big Data 1
2.2 Data Analytics 2
2.3 Methoden von Data Analytics 2
Descriptive / Diagnostic Analytics-Methoden 3
Predictive Analytics-Methoden 3
Prescriptive Analytics-Methoden 3
Unterstützende Analytics-Methoden 3
3. Junge Unternehmen 3
4. Empirische Untersuchung zur Nutzung von Data Analytics in jungen Unternehmen 4
4.1 Untersuchungsrahmen 4
4.2 Verständnis von Data Analytics 4
4.3 Nutzung von Data Analytics 4
4.4 Zukünftige Nutzung von Data Analytics 5
5. Zusammenfassung und Fazit 5
Literatur 5