Skip to main content
SpringerLink
Log in

Systeme der Human Resource Intelligence und Analytics

  • Chapter
  • First Online:
Human Resource Intelligence und Analytics

  • 9950 Accesses

Zusammenfassung

Das vorliegende Kapitel gibt einen systematischen und umfassenden Überblick über zentrale Anwendungssysteme zur Realisierung einer Human Resource Intelligence und Analytics-Lösung (HRIA-Lösung). Es werden eine Referenzarchitektur zur Realisierung von HRIA-Lösungen vorgestellt sowie unterschiedliche Konfigurationsvarianten diskutiert. Es folgt eine vertiefende Darstellung von Data Warehouse-, ETL-, OLAP-, Reporting-, Data Mining-, Simulations- und Portal-Systemen, die als generische domänenunabhängige Anwendungssysteme zur Realisierung einer HRIA-Lösung herangezogen werden können. Darüber hinaus werden die domänenspezifischen Funktionalitäten von HR-Systemen im Hinblick auf ihre Integration in eine HRIA-Lösung dargestellt.

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

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  • Baars, H., & Kemper, H.-G. (2008). Management support with structured and unstructured data – a business intelligence framework. Information Systems Management, 25(2), 132–148.

    Article  Google Scholar 

  • Balzert, H. (2011). Lehrbuch der Softwaretechnik: Entwurf, Implementierung, Installation und Betrieb. Heidelberg: Spektrum Akademischer Verlag.

    Book  Google Scholar 

  • Barateiro, J., & Galhardas, H. (2005). A survey of data quality tools. Datenbank-Spektrum, 14, 15–21.

    Google Scholar 

  • Bardsiri, A. K., & Hashemi, S. M. (2012). Open source business intelligence tools: a review. International Research Journal of Computer Science Engineering and Applications, 1(3), 164–168.

    Google Scholar 

  • Bauer, A., & Günzel, H. (2013). Data Warehouse Systeme – Architektur, Entwicklung, Anwendung (4. Aufl.). Heidelberg: dpunkt.verlag.

    Google Scholar 

  • Beyer, M. A., Feinberg, D., Edjlali, R., & Adrian, M. (2013). Magic quadrant for data warehouse database management systems. Gartner Report.

    Google Scholar 

  • Chaudhuri, S., Dayal, U., & Narasayya, V. (2011). An overview of business intelligence technology. Communications of the ACM, 54(8), 88. doi:10.1145/1978542.1978562.

    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 

  • Evelson, B. (2013). The Forrester Wave TM : Enterprise business intelligence platforms, Q4 2013. Forrester Research.

    Google Scholar 

  • Fayyad, U., Piatetstky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery: an overview. In U. Fayyad, G. Piatetsky-Shapiro, P. Smyth, & F. Uthurusamy (Hrsg.), Advances in knowledge discovery and data mining (S. 1–24). Cambridge: MIT Press.

    Google Scholar 

  • Freudenreich, T., Furtado, P., Koncilia, C., Thiele, M., Waas, F., & Wrembel, R. (2012). An on-demand ELT-architecture for real-time BI. In M. Castellanos, U. Dayal, & E. A. Rundensteiner (Hrsg.), Lecture notes in business information processing: volume 154. Enabling r eal-time business intelligence (S. 50–59). Berlin: Springer. doi:10.1007/978-3-642-39872-8_4.

    Google Scholar 

  • Gilbert, N., & Troitzsch, K. G. (2005). Simulation for the social scientist (2. Aufl.). Berkshire: Open University Press.

    Google Scholar 

  • Gluchowski, P., Gabriel, R., & Dittmar, C. (2008). Management support systeme und business intelligence. Berlin: Springer.

    Google Scholar 

  • Goll, J., & Dausmann, M. (2013). Architektur- und Entwurfsmuster der Softwaretechnik. Berlin: Springer.

    Book  Google Scholar 

  • Gualtieri, M. (2013). The Forrester Wave TM : Big data predictive analytics solutions, Q1 2013. Forrester Research.

    Google Scholar 

  • Gurzki, T., & Hinderer, H. (2003). Eine Referenzarchitektur für Software zur Realisierung von Unternehmensportalen. In U. Reimer, A. Abecker, S. Staab, & G. Stumme (Hrsg.), Professionelles Wissensmanagement – Erfahrungen und Visionen (S. 157–160). Bonn: Köllen.

    Google Scholar 

  • Hackathorn, R. (2002). Minimizing action distance. DM REVIEW, 12, 22–23.

    Google Scholar 

  • Humm, B., & Wietek, F. (2005). Architektur von Data Warehouses und Business Intelligence Systemen. Informatik-Spektrum, 28(1), 3–14. doi:10.1007/s00287-004-0450-5.

    Article  Google Scholar 

  • Inmon, W. H. (2005). Building the data warehouse (4. Aufl.). New York: Wiley.

    Google Scholar 

  • Inmon, W. H., Strauss, D., & Neushloss, G. (2008). DW 2.0. The architecture for the next generation of data warehousing. Amsterdam: Morgan Kaufmann.

    Google Scholar 

  • Kemper, H.-G., Baars, H., & Mehanna, W. (2010). Business Intelligence – Grundlagen und praktische Anwendungen (3. Aufl.). Wiesbaden: Vieweg + Teubner.

    Book  Google Scholar 

  • Köppen, V., Saake, G., & Sattler, K. (2012). Data Warehouse Technologien. Heidelberg: mitp.

    Google Scholar 

  • Linoff, G. S., & Berry, M. (2011). Data mining techniques for marketing, sales, and customer relationship management (3. Aufl.). New York: Wiley.

    Google Scholar 

  • Majchrzak, T. A., Jansen, T., & Kuchen, H. (2011). Efficiency evaluation of open source ETL tools. Proceedings of the 2011 ACM Symposium on Applied Computing (SAC ’11). doi:10.1145/1982185.1982251.

    Google Scholar 

  • Mertens, P., Bodendorf, F., König, W., Picot, A., Schumann, M., & Hess, T. (2012). Grundzüge der Wirtschaftsinformatik (11. Aufl.). Berlin: Springer.

    Book  Google Scholar 

  • Murphy, J., Valdes, R., Phifer, G., & Tay, G. (2013). Magic quadrant for horizontal portals. Gartner Report.

    Google Scholar 

  • Pendse, N., & Creeth, R. (1995). The OLAP report: succeeding with on-line analytical processing. Business Intelligence Ltd.

    Google Scholar 

  • Schlegel, K., Sallam, R. L., Yuen, D., & Tapadinhas, J. (2013). Magic quadrant for business intelligence and analytics platforms. Gartner Report.

    Google Scholar 

  • Schön, D. (2012). Planung und Reporting im Mittelstand. Wiesbaden: Gabler.

    Book  Google Scholar 

  • Strohmeier, S. (2008). Informationssysteme im Personalmanagement. Wiesbaden: Vieweg + Teubner.

    Google Scholar 

  • Thoo, E., Friedmann, T., & Beyer, M. (2013). Magic quadrant for data integration tools. Gartner Report.

    Google Scholar 

  • Troitzsch, K. G. (2004). Simulationsverfahren. Das Wirtschaftsstudium, 33(10), 1256–1268.

    Google Scholar 

  • Tseng, F. S. C., & Chou, A. Y. H. (2006). The concept of document warehousing for multi-dimensional modeling of textual-based business intelligence. Decision Support Systems, 42(2), 727–744. doi:10.1016/j.dss.2005.02.011.

    Article  Google Scholar 

  • Vassiliadis, P. (2009). A survey of extract-transform-load technology. International Journal of Data Warehousing & Mining, 5(3), 1–27. doi:10.4018/jdwm.2009070101.

    Article  Google Scholar 

  • Vlachakis, J., Kirchhof, A., & Gurzki, T. (2005). Marktübersicht Portalsoftware. Stuttgart: Fraunhofer Institut für Arbeitswissenschaft und Organisation.

    Google Scholar 

  • Winsemann, T., Köppen, V., & Saake, G. (2012). A layered architecture for enterprise data warehouse systems. In M. Bajec & J. Eder (Hrsg.), Lecture notes in business information processing: vol. 112. CAiSE 2012 workshops, (S. 192–199). Berlin: Springer. doi:10.1007/978-3-642-31069-0_17.

    Google Scholar 

  • Yuhanna, N. (2012). The Forrester Wave TM : Enterprise ETL, Q1 2012. Forrester Research.

    Google Scholar 

  • Yuhanna, N., & Gualtieri, M. (2013). The Forrester Wave TM : Enterprise data warehouse, Q4 2013. Forrester Research.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Universität des Saarlandes, Campus C 3.1, 66123, Saarbrücken, Deutschland

    Dr. Franca Piazza

Authors
  1. Dr. Franca Piazza
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Franca Piazza .

Editor information

Editors and Affiliations

  1. Ls für Management-Informationssysteme, Universität des Saarlandes, Saarbrücken, Germany

    Stefan Strohmeier

  2. LS für Management-Informationssysteme, Universität des Saarlandes, Saarbrücken, Germany

    Franca Piazza

Rights and permissions

Reprints and permissions

Copyright information

© 2015 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Piazza, F. (2015). Systeme der Human Resource Intelligence und Analytics. In: Strohmeier, S., Piazza, F. (eds) Human Resource Intelligence und Analytics. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-03596-9_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-03596-9_3

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-03595-2

  • Online ISBN: 978-3-658-03596-9

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation