Skip to main content
SpringerLink
Log in
Book cover

Handbuch Medienökonomie pp 1–15Cite as

Datenbanken, Data Warehousing & Data Analytics

  • Living reference work entry
  • First Online:

Part of the book series: Springer NachschlageWissen ((SRS))

Zusammenfassung

Die anhaltende und rapide Transformation ihrer Märkte stellt Medienunternehmen vor die Herausforderung, Geschäftsmodelle weiter zu digitalisieren und nachhaltig anzupassen. Dazu gewinnt ein breiter Technologie-Stack für das Aggregieren, Speichern und Analysieren von Big Data an Bedeutung: Mittels der Big Data Value Chain werden polystrukturierte und multimodale Daten miteinander kombiniert und analytische Erkenntnisse in Stapel- und Echtzeitverarbeitung gewonnen. Dazu werden in einer generischen Lambda-Architektur verschiedene Datenbanksysteme sowie Verfahren zur Datenanalyse (Text Mining, Audio Mining und Video Mining) kombiniert. Das ermöglicht es, Nutzenpotenziale in Produktion und Distribution von Medieninhalten zu heben, wie der Artikel am Beispiel der Deutschen Presseagentur (dpa)/Deutschen Welle (DW) und Netflix skizziert.

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

Literatur

  • Abelló, A. (2015). Big data design. DOLAP’15, 23 Oct 2015, Melbourne.

    Google Scholar 

  • Amatriain, X. (2013a). Big & personal: Data and models behind netflix recommendations. BigMine’13, Aug 2013, Chicago.

    Google Scholar 

  • Amatriain, X. (2013b). Mining large streams of user data for personalized recommendations. SIGKDD Explorations, 14(2), 37–48.

    Google Scholar 

  • Amatriain, X. (2014). The recommender problem revisited. RecSys’14, 6–10 Oct 2014, Foster City: Silicon Valley. doi: 10.1145/2645710.2645775.

    Google Scholar 

  • Auer, S. (2014). Introduction to LOD2. In S. Auer, V. Bryl & S. Tramp (Hrsg.), Linked open data – Creating knowledge out of interlinked data (S. 1–17). Heidelberg: Springer.

    Google Scholar 

  • Bourque, P., & (Dick) Fairley, R. E. (Hrsg.). (2014). Guide to the software engineering body of knowledge (SWEBOK). Version 3.0. Piscataway: IEEE Computer Society.

    Google Scholar 

  • Chaudhuri, S., Dayal, U., & Narasayya, V. (2011). An overview of business intelligence technology. Communications of the ACM, 54(8), 88–98.

    Article  Google Scholar 

  • Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165–1188.

    Google Scholar 

  • Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152.

    Article  Google Scholar 

  • Davenport, T. H., & Patil, D. J. (2012). Data scientist: The sexiest job of the 21st century. Harvard Business Review, (October), 1–6. URL https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/. Zugegriffen am 30.12.2015.

  • Davenport, T. H., Barth, P., & Bean, R. (2012). How „big data“ is different. MIT Sloan Management Review, (Fall 2012), 1–6. http://sloanreview.mit.edu/article/how-big-data-is-different/. Zugegriffen am 31.12.2015.

  • Debortoli, S., Müller, O., & vom Brocke, J. (2014). Vergleich von Kompetenzanforderungen an Business-Intelligence- und Big-Data-Spezialisten. Wirtschaftsinformatik, 56(5), 315–328.

    Article  Google Scholar 

  • Dierickx, I., & Cool, K. (1989). Asset stock accumulation and sustainability of competitive advantage. Management Science, 35(12), 1504–1511.

    Article  Google Scholar 

  • Dirschl, C., Pellegrini, T., Nagy, H., Eck, K., Van Nuffelen, B., & Ermilov, I. (2014). LOD2 for media and publishing. In S. Auer, V. Bryl & S. Tramp (Hrsg.), Linked open data – Creating knowledge out of interlinked data (S. 133–154). Heidelberg: Springer.

    Google Scholar 

  • Eble, M. (2013). Medienmarken im Social Web: Wettbewerbsstrategien und Leistungsindikatoren von Online-Medien aus medienökonomischer Perspektive. Berlin.: LIT.

    Google Scholar 

  • Eble, M., & Kirch, S. (2014). Enterprise Search im Wissensmanagement: Herausforderungen für Suchmaschinen in forschungsbasierten Konzernen. In H. Krah & R. Müller-Terpitz (Hrsg.), Suchmaschinen (S. 85–106). Berlin: Logos.

    Google Scholar 

  • Eble, M., & Stein, D. (2015). Utilisation of audio mining technologies for researching public communication on multimedia platforms. In A. Maireder, J. Ausserhofer & C. Schumann (Hrsg.), Digitale Methoden in der Kommunikationswissenschaft (S. 329–345). doi: 10.17174/dcr.v2.14

    Google Scholar 

  • Eble, M., & Winkler, T. (2014). Digitale Wertketten für Social Connected TV: Wertbeiträge von Content-Technologies in der Multimedia-Produktion. In H. Rau (Hrsg.), Digitale Dämmerung. Die Entmaterialisierung der Medienwirtschaft (S. 229–239). Baden-Baden: Nomos.

    Google Scholar 

  • Eble, M., Ziegele, M., & Jürgens, P. (2014). Forschung in geschlossenen Plattformen des Social Webs. In M. Welker, M. Taddicken, J.-H. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung. Sozialwissenschaftliche Datengewinnung und -auswertung in digitalen Netzen (S. 128–154). Köln: Herbert von Halem.

    Google Scholar 

  • Eisenhardt, K. M., & Martin, J. A. (2000). Dynamic capabilities: What are they? Strategic Management Journal, 21(10–11), 1105–1121.

    Article  Google Scholar 

  • Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2015), 137–144.

    Article  Google Scholar 

  • Hu, H., Wen, Y., Chua, T.-S., & Li, X. (2014). Toward scalable systems for big data analytics: A technology tutorial. IEEE Access, 2, 652–687.

    Article  Google Scholar 

  • Kamp, G. (2015). Newsstream 3.0 – Big-Data-Infrastruktur für Journalisten. Vortrag auf dem Symposium Big Data am 18.06.15 im Haus des Rundfunks in Berlin. http://de.slideshare.net/gkamp/20150618-ardzdf. Zugegriffen am 14.02.2016

  • Kreps, J. (2014). Questioning the lambda architecture. In O’Reilly. https://www.oreilly.com/ideas/questioning-the-lambda-architecture. Zugegriffen am 31.05.2016.

  • Laney, D. (2001). 3D data management: Controlling data volume, velocity, and variety. Application Delivery Strategies, 949, 1–4.

    Google Scholar 

  • LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., & Kruschwitz, N. (2011). Big data, analytics and the path from insights to value. MIT Sloan Management Review, 52(2), 20–31.

    Google Scholar 

  • Malaka, I., & Brown, I. (2015). Challenges to the organisational adoption of big data analytics: A case study in the South African telecommunications industry. SAICSIT’15, 28–30 Sept 2015, Stellenbosch.

    Google Scholar 

  • Marz, N. (2011). How to beat the CAP theorem. http://nathanmarz.com/blog/how-to-beat-the-cap-theorem.html. Zugegriffen am 31.12.2015.

  • Marz, N. (2012). Big data lambda architecture. http://www.databasetube.com/database/big-data-lambda-architecture/. Zugegriffen am 19.12.2015.

  • Mey, S. (2015). Projekt News-Stream 3.0: Big Data-Helferlein für Redaktionen. In torial Blog. http://get.torial.com/blog/2015/09/news-stream-3-0-big-data-redaktionen/. Zugegriffen am 17.09.2015.

  • Miller, H. G., & Mork, P. (2013). From data to decisions: A value chain for big data. IT Pro, (Jan/Feb), 15(1), 57–59.

    Google Scholar 

  • Nelson, R. R. (1991). Why do firms differ, and how does it matter? Strategic Management Journal, 12(S2), 61–74.

    Article  Google Scholar 

  • Pellegrini, T. (2012). Semantic Web in Netzbasierten Unterhaltungsapplikationen – Bausteine für eine Metadatenökonomik am Beispiel BBC Music Beta. In Ökonomie, Qualität und Management von Unterhaltungsmedien – Theorie und Entwicklungen in Unterhaltungsmärkten (Reihe Medienökonomie, Bd. 1, S. 253–276). Baden-Baden: Nomos.

    Chapter  Google Scholar 

  • Pellegrini, T. (2014). Datenlizenzierung als Diversifikationstreiber in der Medienindustrie. In H. Rau (Hrsg.), Digitale Dämmerung: Die Entmaterialisierung der Medienwirtschaft (S. 267–280). Baden-Baden: Nomos.

    Google Scholar 

  • Picot, A., & Propstmeier, J. (2013). Big data. Medienwirtschaft, 1/2013, 10, 34–38.

    Google Scholar 

  • Porter, M. E., & Heppelmann, J. E. (2014). How smart, connected products are transforming competition. Harvard Business Review, (November), 9, 1–23.

    Google Scholar 

  • Prahalad, C. K., & Hamel, G. (1990). The core competence of the corporation. Harvard Business Review, (May/June), 3, 79–91.

    Google Scholar 

  • Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. mm1 Consulting & Management PartG, Bolzstr. 6, 70173, Stuttgart, Deutschland

    Michael Eble & Julian M. Hoch

Authors
  1. Michael Eble
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Julian M. Hoch
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Michael Eble .

Editor information

Editors and Affiliations

  1. FH St. Pölten Institut für Medienwirtschaft, St. Pölten, Austria

    Jan Krone

  2. Inst. f. Medienwirtschaft, Fachhochschule St. Pölten, St. Pölten, Austria

    Tassilo Pellegrini

Rights and permissions

Reprints and permissions

Copyright information

© 2016 Springer Fachmedien Wiesbaden

About this entry

Cite this entry

Eble, M., Hoch, J.M. (2016). Datenbanken, Data Warehousing & Data Analytics. In: Krone, J., Pellegrini, T. (eds) Handbuch Medienökonomie. Springer NachschlageWissen. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-09632-8_16-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-09632-8_16-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Online ISBN: 978-3-658-09632-8

  • eBook Packages: Springer Referenz Sozialwissenschaften und Recht

Publish with us

Policies and ethics

Search

Navigation