Advertisement

Controlling & Management Review

, Volume 61, Issue 4, pp 8–17 | Cite as

Business Analytics — State of the Art

  • Peter Chamoni
  • Peter Gluchowski
Schwerpunkt Business Analytics

Business Analytics (BA) gewinnt eine immer stärkere Bedeutung für die strategische Planung und Kontrolle in Unternehmen. Doch was genau verbirgt sich hinter dem Begriff? Ein kompakter Überblick gibt Aufschluss und beleuchtet neben den unterschiedlichen Methoden und Verfahren der Datenanalyse auch Anwendungsfelder und Entwicklungstendenzen von BA. Reifegradmodelle erschließen einen ganzheitlichen Kontext und bieten einen Orientierungsrahmen für Unternehmen.

Big Data und Digitalisierung nehmen einen breiten Raum in der öffentlichen Diskussion ein. Damit rückt auch die Datenanalyse zunehmend in den Fokus und gewinnt an Bedeutung. Immer umfangreichere Datenbestände werden gesammelt und gespeichert, ihren Nutzen für Wirtschaft und Gesellschaft können Daten jedoch erst durch eine zielgerichtete Auswertung entfalten.

Unternehmen, die sich heute als datenzentriert bezeichnen, dient die Nutzbarmachung der verfügbaren Daten als wesentliche Grundlage und zentraler Erfolgsfaktor für die...

Literatur

  1. BARC (2015): Big Data Use Cases 2015. Getting Real on Data Monetization, http://www.sas.com/content/dam/SAS/bp_de/doc/studie/ba-st-barc-bigdata-use-cases-de-2359583.pdf (letzter Abruf: 06.02.2017).Google Scholar
  2. Chamoni, P./ Gluchowski, P. (2004): Integrationstrends bei Business-Intelligence-Systemen, Empirische Untersuchung auf Basis des Business Intelligence Maturity Model, in: Wirtschaftsinformatik, 46 (2), S. 119–128.CrossRefGoogle Scholar
  3. Chamoni, P./ Beekmann, F./ Bley, T. (2010): Ausgewählte Verfahren des Data Mining, in: Chamoni, P./ Gluchowski, P. (Hrsg.): Analytische Informationssysteme. Business Intelligence-Technologien und -Anwendungen, 4. Auflage, Berlin, Heidelberg, S. 329–356.Google Scholar
  4. Chapman, P. et al. (2000): CRISP-DM 1.0 Step-by-step data mining guides, ftp://ftp.software.ibm.com/software/analytics/spss/support/Modeler/Documentation/14/UserManual/CRISP-DM.pdf (letzter Abruf: 06.02.2017).Google Scholar
  5. Fayyad, U. M./ Piatetsky-Shapiro, G./ Smyth, P. (1996): From Data Mining to Knowledge Discovery in Databases: an Overview, in: Fayyad, U. M./ Piatetsky-Shapiro, G./ Uthurusamy, R. (Hrsg.): Advances in Knowledge Discovery and Data Mining, Menlo Park, S. 1–34.Google Scholar
  6. Gansor, T./ Totok, A. (2015): Von der Strategie zum Business Intelligence Competency Center (BICC), 2. Auflage, Heidelberg.Google Scholar
  7. Gluchowski, P. (2016): Business Analytics — Grundlagen, Methoden und Einsatzpotenziale, in: HMD Praxis der Wirtschaftsinformatik, 53 (3), S. 273–286. www.springerprofessional.de/link/7380394CrossRefGoogle Scholar
  8. Halper, F. (2014): Predictive Analytics for Business Advantage, https://tdwi.org/research/2013/12/best-practices-report-predictive-analytics-for-business-advantage.aspx (letzter Abruf: 06.02.2017).Google Scholar
  9. Jordan, M. (2015): Machine Learning: Trends, Perspectives, and Prospects, in: Science, 349 (6245), S. 255–260.CrossRefGoogle Scholar
  10. Küsters, U. (2001): Data Mining Methoden: Einordnung und Überblick, in: Hippner, H./ Küsters, U./ Meyer, M./ Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing — Knowledge Discovery in Marketing Databases, Braunschweig, S. 95–130.Google Scholar
  11. Lehmann, F. (2012): Predictive Analytics — Status Quo und Perspektiven in der Versicherung, in: BI-Spektrum, 7 (2), S. 10–15.Google Scholar
  12. Mehanna, W./ Tatzel, J./ Vogel, P. (2016): Business Analytics im Controlling — Fünf Anwendungsfelder, in: Controlling, 28 (8–9), S. 502–508.CrossRefGoogle Scholar
  13. Möller, K./ Federmann, F./ Knezevic, M. (2016): Predictive Analytics zur kurzfristigen Umsatzprognose — Entwicklung eines Prognosemodells auf Basis von Auftragseingängen bei der Infineon Technologies AG, in: Controlling, 28 (8–9), S. 535–536.Google Scholar
  14. Shmueli, G./ Koppius, O. (2011): Predictive Analytics in Information Systems Research, in: MIS Quarterly, 35 (3), S. 553–572.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2017

Authors and Affiliations

  1. 1.Universität Duisburg-EssenDuisburgDeutschland
  2. 2.Technischen Universität ChemnitzChemnitzDeutschland

Personalised recommendations