Advertisement

Controlling & Management Review

, Volume 60, Supplement 1, pp 62–67 | Cite as

Die Möglichkeiten von Big Data voll ausschöpfen

  • Andreas Gadatsch
Implikation Weiterentwicklung

Marketing und Kunden-Management nutzen Big Data längst intensiv, die Maschinendatenauswertung gewinnt zunehmend an Bedeutung. Im Controlling hingegen gibt es noch großes Potenzial. Predictive Controlling, Echtzeit-Controlling, die Auswertung unstrukturierter Daten und die Entwicklung neuer Geschäftsmodelle könnten viel stärker genutzt werden.

Seit etwa 2012 nimmt das Interesse an Big Data stetig zu (Google Trends 2015). Zu Beginn standen vor allem technische Aspekte wie zum Beispiel Speichertechnologien (Hadoop, In-Memory) und Datenbanktypen (insbesondere No-SQL-Datenbanken) im Vordergrund. Mittlerweile werden verstärkt auch betriebswirtschaftliche Anwendungsfälle wie beispielsweise die Entwicklung neuer Geschäftsmodelle und die Optimierung von Geschäftsprozessen diskutiert (vergleiche zum Beispiel Bange et al. 2015).

Doch was genau ist unter Big Data zu verstehen? Big Data ist kein klar definierter Begriff, auch die Urheberschaft ist nicht eindeutig zu klären (vergleiche Klein/Tran-Gia...

Literatur

  1. Bachmann, R./ Kemper, G./ Gerzer, T. (2014): Big Data — Fluch oder Segen? Unternehmen im Spiegel gesellschaftlichen Wandels, Heidelberg.Google Scholar
  2. Bange, C./ Grosser, T./ Janoschek, N. (2013): Big Data Survey Europe, Nutzung, Technologie und Budgets europäischer Best Practice Unternehmen, BARC Research Study, WürzburgGoogle Scholar
  3. Bange, C./ Grosser, T./ Janoschek, N. (2015): Big Data Use Cases, Getting real on data monetization, BARC Research Study, Würzburg.Google Scholar
  4. Becker, W./ Ebner, R./ Mayer, T./ Ulrich, P. (2013): Controlling-Instrumente in mittelständischen Unternehmen, Ergebnisse einer aktuellen Online-Befragung, in: Controller-Magazin, 38 (3), S. 58–62.Google Scholar
  5. Beyer, M. (2011): Gartner Says Solving „Big Data“ Challenge Involves More Than Just Managing Volumes of Data, Stamford, http://www.gartner.com/newsroom/id/1731916.Google Scholar
  6. Beyer, M. A./ Laney, D. (2012): The importance of big data, A definition, Stamford, CT.Google Scholar
  7. Blue Yonder (o. J.): White Paper Vorausschauende Wartung, Karlsruhe.Google Scholar
  8. Bitkom (2012): Big Data im Praxiseinsatz — Szenarien, Beispiele, Effekte, Berlin.Google Scholar
  9. Gadatsch, A./ Mayer, E. (2014): Masterkurs IT-Controlling, 5. Auflage, Wiesbaden.CrossRefGoogle Scholar
  10. Google Trends (2015): Schlagwortsuche „Big Data“, https://www.google.de/trends (letzter Abruf 02.11.2015).Google Scholar
  11. IBM (Hrsg.) (2015): IBM Kundenreferenzen — Big Data und Analytics, http://tinyurl.com/ibm-big-data-and-analytics (letzter Abruf: 13.08.2015).Google Scholar
  12. Klein, D./ Tran-Gia, P./ Hartmann, M. (2013): Big Data, in: Informatik-Spektrum, (36) 3, S. 319–323.Google Scholar
  13. Laney, D. (2012): Deja VVVu: Others claiming Gartner’s construct for Big Data, http://tinyurl.com/gartner-deja-vvvu, Blogeintrag (letzter Abruf: 05.12.2013).Google Scholar
  14. Loos, P. et al. (2011): In-Memory-Datenmanagement in betrieblichen Anwendungssystemen, in: Wirtschaftsinformatik, 53 (6), S. 383–390.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2016

Authors and Affiliations

  1. 1.Hochschule Bonn-Rhein-SiegSt. AugustinDeutschland

Personalised recommendations