Advertisement

Controlling & Management Review

, Volume 60, Supplement 1, pp 74–82 | Cite as

Controlling und Big Data: Anforderungen an die Methodenkompetenz

  • Andreas Seufert
  • Karsten Oehler
Implikationen Informations-Management
  • 1.7k Downloads

Das Controlling orientiert sich am Leitbild des Business Partners für das Management. Big Data und die digitale Transformation der Unternehmen stellen das Controlling jedoch vor völlig neue Herausforderungen. Um dem eigenen Selbstverständnis gerecht werden zu können, erscheint daher der Aufbau zusätzlicher Methodenkompetenz zwingend.

Technologische Innovationen führen zu einer immer stärkeren Digitalisierung aller Lebensbereiche. In der Vergangenheit stand dabei vor allem der sogenannte „User Generated Content“, zum Beispiel durch Nutzung der Chat-, Foto- oder Videofunktionen, aber auch durch Aufzeichnungen von Position und Umgebungsbedingungen, beispielsweise im Rahmen von Navigationsprofilen oder Nutzung der eingebauten Sensorik (zum Beispiel Bewegungen, Temperaturen), im Vordergrund. Aktuell zeichnet sich durch die gerade beginnende massive Erfassung und Vernetzung von Sensorik-Daten zum Beispiel aus den Produktionsanlagen oder Consumer Products eine völlig neue Dimension der...

Literatur

  1. Bitkom (2015): Big Data und Geschäftsmodell — Innovationen in der Praxis.Google Scholar
  2. Debortoli, S./ Müller, O./ Brocke, J. (2014): Vergleich von Kompetenzanforderungen an Business-Intelligence- und Big-Data-Spezialisten — Eine Text-Mining-Studie auf Basis von Stellenausschreibungen, in: Wirtschaftsinformatik, 56 (5), S. 315–328.CrossRefGoogle Scholar
  3. Gänßlen, S./ Losbichler, H./ Rieder, L./ Schäffer, U./ Weber, J. (2013): The Essence of Controlling: The Perspective of the Internationaler Controller Verein (ICV) and the International Group of Controlling (ICG), in: Journal of Management Control, 23 (4), S. 311–317.CrossRefGoogle Scholar
  4. Kotu, V./ Deshpande, B. (2015): Predictive Analytics and Data Mining, Waltham.Google Scholar
  5. Krcmar, H. (2010): Informationsmanagement, 5. Auflage, Heidelberg.Google Scholar
  6. Pospiech, M./ Felden, C. (2013): Big Data — Stand der wissenschaftlichen Betrachtung — Zu viele Daten, zu wenig Wissen, in: BI-Spektrum, 8 (1), S. 7–13.Google Scholar
  7. Seufert, A./ Bernhardt, N. (2011): BI as a Service — Cloud Computing: Facetten eines neuen Trends, in: BI-Spektrum, 6 (2), S. 23–27.Google Scholar
  8. Seufert, A. (2014a): Competing on Analytics — Herausforderungen — Potentiale und Wertbeiträge von Business Intelligence und Big Data, Stuttgart, Ergebnisdarstellung für Studienteilnehmer, Stuttgart.Google Scholar
  9. Seufert, A. (2014b): Entwicklungsstand, Potentiale und zukünftige Herausforderungen von Big Data — Ergebnisse einer empirischen Studie, in: HMD-Handbuch der modernen Datenverarbeitung, Schwerpunktheft Big Data, 51 (298), S. 412–423.Google Scholar
  10. Seufert A./ Heinen, M./ Muth, A. (2014): Information Rules: Die neue Anatomie der Entscheidung, in: Controlling & Management Review, 58 (7), S. 16–25.CrossRefGoogle Scholar
  11. Seufert, A. (2016): Der Einfluss aktueller IT-Trends auf das Berichtswesen, in: Schäffer, U./ Weber, J. (Hrsg.): Entwicklungen im Berichtswesen — Best Practice, Herausforderungen und Zukunftsaussichten, in: Schriftenreihe Advanced Controlling Band 93, Weinheim.Google Scholar
  12. Weber, J./ Schäffer, U. (Hrsg.) (2013): Vom Erbsenzähler zum Business Partner: Und wie geht es weiter?, Schriftenreihe Advanced Controlling, Band 88, Weinheim.Google Scholar
  13. Wrobel, S./ Voss, H./ Köhler, J./ Beyer, U./ Auer, S. (2014): Big Data, Big Opportunities, Anwendungssituation und Forschungsbedarf des Themas Big Data in Deutschland, in: Informatik-Spektrum, 38 (5), S. 1–9.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2016

Authors and Affiliations

  1. 1.Hochschule LudwigshafenLudwigshafen am RheinDeutschland
  2. 2.pmOne AGUnterschleißheimDeutschland

Personalised recommendations