Advertisement

Business-Analytics im Marketing-Controlling – eine Anwendungsfallstudie für den Automobilmarkt

Chapter
First Online:
  • 6k Downloads

Zusammenfassung

Die Digitalisierung verändert Geschäftsmodelle und betriebliche Prozesse. Zugleich beeinflussen auch eine verbesserte Datenverfügbarkeit und leistungsfähige analytische Methoden das Controlling und erfordern vermehrt das Einbringen statistischer und informationstechnologischer Fertigkeiten und Kenntnisse. An einem Fallbeispiel aus dem Marketing-Controlling zeigt der Beitrag den Einsatz von Methoden der Business Analytics und thematisiert die Aufgaben des Controllings im digitalen Zeitalter.

This is a preview of subscription content, log in to check access.

Literatur

  1. Aydiner, A.S., E. Tatoglu, E. Bayraktar, S. Zaim, und D. Delen. 2019. Business analytics and firm performance: The mediating role of business process performance. Journal of Business Research 96:228–237.  https://doi.org/10.1016/j.jbusres.2018.11.028.CrossRefGoogle Scholar
  2. Backhaus, K., B. Erichson, W. Plinke, und R. Weiber. 2018. Multivariate Analysemethoden: Eine anwendungsorientierte Einführung, 15. Aufl. Berlin: Springer Gabler.CrossRefGoogle Scholar
  3. Baumeister, A., M. Ilg, und C. Werkmeister. 2015. Controlling. In Allgemeine Betriebswirtschaftslehre. Theorie und Politik des Wirtschaftens in Unternehmen, Hrsg. M. Schweitzer und A. Baumeister, Aufl. 11, 981–1029. Berlin: Schmidt.Google Scholar
  4. Bundesamt für Statistik. 2013. Erneut Rekordjahr bei den Neuzulassungen – Strassenfahrzeugbestand 2012/Medienmitteilung. Bundesamt für Statistik. https://www.bfs.admin.ch/bfs/de/home/statistiken/kataloge-datenbanken/medienmitteilungen.assetdetail.36344.html. Zugegriffen: 24. Aug. 2019.
  5. Bundesamt für Statistik. 2019. Neue Inverkehrsetzungen von Strassenfahrzeugen nach Kanton, Monat, Fahrzeuggruppe/-art, Treibstoff und Jahr. PX-Web. http://www.pxweb.bfs.admin.ch/pxweb/de/px-x-1103020200_120/-/px-x-1103020200_120.px/. Zugegriffen: 1. Sept. 2019.
  6. Dillerup, R., T. Witzemann, S. Schacht, und L. Schaller. 2019. Planung im digitalen Zeitalter. Controlling & Management Review 63 (3): 46–53.  https://doi.org/10.1007/s12176-019-0011-z.CrossRefGoogle Scholar
  7. Egle, U., und I. Keimer. 2018. Kompetenzprofil „Digitaler Controller“. Controller Magazin 5:49–53.Google Scholar
  8. Electrosuisse. 2019. Elektromobilität: Rekorde mit Potenzial. Electrosuisse Blog. https://blog.electrosuisse.ch/elektromobilitat-verkaufsrekorde-mit-potenzial. Zugegriffen: 8. Sept 2019.
  9. EMC Education Services. 2015. Data science & big data analytics: discovering, analyzing, visualizing and presenting data. (C. Long, Hrsg.). Indianapolis: Wiley. Google Scholar
  10. Faatz, A., und H.-U. Holst. 2018. Die Planungsqualität mit Statistik verbessern. Controlling & Management Review 62 (3): 34–39.  https://doi.org/10.1007/s12176-018-0007-0.CrossRefGoogle Scholar
  11. Gänßlen, S., H. Losbichler, P. Simons, N. Michels-Kim, B. Radtke, M. Schmitz, et al. 2014. Was bedeutet Business Partnering im Controlling? Controlling & Management Review 58 (2): 28–35.  https://doi.org/10.1365/s12176-014-0906-7.CrossRefGoogle Scholar
  12. Goretzki, L., und M. Messner. 2014. Business Partnering in der Praxis etablieren. Controlling & Management Review 58 (2): 7–15.  https://doi.org/10.1365/s12176-014-0903-x.CrossRefGoogle Scholar
  13. Holsapple, C., A. Lee-Post, und R. Pakath. 2014. A unified foundation for business analytics. Decision Support Systems 64:130–141.  https://doi.org/10.1016/j.dss.2014.05.013.CrossRefGoogle Scholar
  14. Homburg, C. 2007. Kundenprofitabilitätsrechnung als Aufgabe des Marketingcontrolling. In Vielfalt und Einheit in der Marketingwissenschaft: Ein Spannungsverhältnis, Hrsg. T. Bayón, A. Herrmann, und F. Huber, 397–418. Wiesbaden: Gabler.  https://doi.org/10.1007/978-3-8349-9215-4_19.
  15. Hyndman, R.J., und G. Athanasopoulos. 2018. Forecasting: Principles and practice, 2. Aufl. Melbourne: OTexts.Google Scholar
  16. IBM. 2014. IBM SPSS Modeler CRISP-DM Handbuch. ftp://public.dhe.ibm.com/software/analytics/spss/documentation/modeler/15.0/de/CRISP-DM.pdf. Zugegriffen: 31. Aug. 2019.
  17. Jannsen, N., F. Dudenhöfer, W. Canzler, A. Knie, U. Schneidewind, T. Koska, et al. 2019. Autoindustrie — Auf dem richtigen Weg? Wirtschaftsdienst 99 (7): 451–469.  https://doi.org/10.1007/s10273-019-2475-z.CrossRefGoogle Scholar
  18. Microsoft. 2017. The team data science process lifecycle. https://docs.microsoft.com/en-us/azure/machine-learning/team-data-science-process/lifecycle. Zugegriffen: 8. Nov. 2019.
  19. Möhlen, M., und M. Zerres, M. 2006. Einführung in das Marketing-Controlling. In Handbuch Marketing-Controlling, Hrsg. C. Zerres und M. P. Zerres, 1–9. Berlin: Springer.  https://doi.org/10.1007/3-540-30071-6_1.
  20. O’Grady, S. 2019. The RedMonk Programming Language Rankings: June 2019. tecosystems. https://redmonk.com/sogrady/2019/07/18/language-rankings-6-19/. Zugegriffen: 6. Sept. 2019.
  21. Pichler, R. 2013. Scrum: Agiles Projektmanagement erfolgreich einsetzen. Heidelberg: dpunkt.verlag. Google Scholar
  22. Preußig, J. 2018. Agiles Projektmanagement: Agilität und Scrum im klassischen Projektumfeld. Freiburg München Stuttgart: Haufe Lexware.CrossRefGoogle Scholar
  23. Reinecke, S. 2016. Marketingcontrolling in der Unternehmenspraxis. In Handbuch Controlling, Hrsg. W. Becker und P. Ulrich, 199–221. Wiesbaden: Springer Fachmedien Wiesbaden.  https://doi.org/10.1007/978-3-658-04741-2_17.
  24. Ruppert, D., und D.S. Matteson. 2015. Statistics and data analysis for financial engineering: With R examples, 2. Aufl. New York: Springer. https://www.springer.com/de/book/9781493926138. Zugegriffen: 6. Sept. 2019.
  25. Schäffer, U., und J. Weber. 2016. Die Digitalisierung wird das Controlling radikal verändern. Controlling & Management Review 60 (6): 6–17.  https://doi.org/10.1007/s12176-016-0093-9.CrossRefGoogle Scholar
  26. Schillhahn, S., A. Faatz, und H.-U. Holst. 2019. Mittelstand verharrt in alten Planungsmustern. Controlling & Management Review 63 (4): 46–51.  https://doi.org/10.1007/s12176-019-0015-8.CrossRefGoogle Scholar
  27. Schlittgen, R. 2015. Angewandte Zeitreihenanalyse mit R, 3. Aufl. Oldenburg: De Gruyter.Google Scholar
  28. Schoeneberg, K.-P., O. Nass, und L. Schmitt. 2017. Marketing-Analytics-Process (MAP) – Data-Driven-Marketing-Projekte erfolgreich durchführen. In Handbuch Marketing-Controlling. Grundlagen – Methoden – Umsetzung, Hrsg. C. Zerres, 4. Aufl., 15–39. Berlin: Springer Gabler.Google Scholar
  29. Seiter, M. 2017. Business Analytics: Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung. München: Vahlen.CrossRefGoogle Scholar
  30. Shumway, R.H., und D.S. Stoffer. 2017. Time series analysis and its applications: With R Examples. Heidelberg: Springer International Publishing.Google Scholar
  31. Staubach, J. 2010. Marketing-Controlling. Controlling 22 (6): 311–313.  https://doi.org/10.15358/0935-0381-2010-6-311.
  32. Stratigakis, G., und B. Kallen. 2017. Forecasting mit Big Data – Status quo und Ausblick. Controlling & Management Review 61 (9): 32–39.  https://doi.org/10.1007/s12176-017-0116-1.CrossRefGoogle Scholar
  33. The R Foundation. 2019. R: The R project for statistical computing. https://www.r-project.org/. Zugegriffen: 1. Sept. 2019.
  34. Thieme, N. 2018. R generation. Significance 15 (4): 14–19.  https://doi.org/10.1111/j.1740-9713.2018.01169.x.CrossRefGoogle Scholar
  35. Timinger, H. 2017. Modernes Projektmanagement: Mit traditionellem, agilem und hybridem Vorgehen zum Erfolg. Weinheim: Wiley-VCH.Google Scholar
  36. Troßmann, E. 2018. Controlling als Führungsfunktion: Eine Einführung in die Mechanismen betrieblicher Koordination, 2. Aufl. München: Vahlen.CrossRefGoogle Scholar
  37. Wickham, H., und G. Grolemund. 2017. R for data science. Sebastopol: O’Reilly.Google Scholar
  38. Wirth, R., und J. Hipp. 2000. CRISP-DM: Towards a standard process model for data mining. In Proceedings of the Fourth International Conference on the Practical Application of Knowledge Discovery and Data Mining (S. 29–39).Google Scholar
  39. Zuckarelli, J. 2017. Statistik mit R: Eine praxisorientierte Einführung in R. Heidelberg: O’Reilly.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.FeldkirchÖsterreich
  2. 2.SaarbrückenDeutschland

Personalised recommendations

Cite chapter

Buy options