Skip to main content
SpringerLink
Log in

Organisation und Prozesse

  • Chapter
  • First Online:
Planung und Reporting im BI-gestützten Controlling

  • 24k Accesses

Zusammenfassung

Kapitel 4 beschäftigt sich mit der organisatorischen Einbindung und der Ausgestaltung der Prozesse im Zusammenhang mit der Planung und dem Reporting. Es wird untersucht, welchen Einfluss Unternehmensverbindungen, die Aufbauorganisation und der Führungsstil auf die Planung und das Reporting haben. Hierbei werden u. a. Besonderheiten des Mittelstandes und großer Unternehmen herausgearbeitet. Zudem werden die Aufgaben und Beziehungen der beteiligten Rollen, auf der einen Seite die Adressaten bzw. Empfänger und auf der anderen Seite die Ersteller bzw. Sender und Koordinatoren, unterschieden. Für die Planung und das Reporting wurden weiterhin folgende Prozesse differenziert betrachtet: Der Einführungsprozess, der zyklische Prozess (kontinuierliche Abwicklung) und der Qualitätssicherungsprozess. Durch die systematische Einteilung der Prozessschritte werden den Unternehmen viele Anstöße gegeben, die für die praktische Umsetzung von Planungs- und Reportinglösungen wichtig sind.

Hervorzuheben sind vor allem die Hinweise zur Datenqualitätsprüfung und -sicherung im Rahmen BI-gestützter Controlling-Systeme sowie die Unterstützung der IT-Entwicklung durch den SRUM-Prozess.

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 54.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Vgl. Ossadnik et al. (2010).

  2. 2.

    Vgl. zur Studie von Simon (1992) den Beitrag von: Becker et al. (2009, S. 258).

  3. 3.

    Vgl. Becker und Ulrich (2011, S. 29). Vorgängerinstitution des EKAM war das Deloitte Mittelstandsinstitut (DMI).

  4. 4.

    Vgl. Becker et al. (2016, S. 6).

  5. 5.

    Vgl. Pfohl (2006, S. 331–355) und Rheinhardt et al. (2007).

  6. 6.

    Vgl. Schön und Müller (2010, S. 123–165).

  7. 7.

    Vgl. Schön und Müller (2010, S. 142–143).

  8. 8.

    Vgl. Reichmann (2008, S. 690; 2011, S. 7).

  9. 9.

    Vgl. Horváth (2008, S. 37).

  10. 10.

    Vgl. Weber et al. (2008, S. 27).

  11. 11.

    Vgl. Hoffjan (2008, S. 657).

  12. 12.

    Vgl. Janssen (2008, S. 89 ff.).

  13. 13.

    Vgl. Wallau (2008, S. 9 f.).

  14. 14.

    Vgl. Andreae (2007, S. 23).

  15. 15.

    Vgl. Rautenstrauch (2006, S. 1–17).

  16. 16.

    Vgl. Feldbauer‐Durstmüller und Wimmer (2008, S. 31–52).

  17. 17.

    Vgl. Schön und Diamant Software GmbH (2009, S. 4).

  18. 18.

    Vgl. Schön und Diamant Software GmbH (2009).

  19. 19.

    Vgl. hierzu Schön (2011).

  20. 20.

    Vgl. hierzu Schön (2011, S. 10).

  21. 21.

    Vgl. Schulte‐Mattler und Manns (2010, S. 83–126).

  22. 22.

    Vgl. Lerch (2008, S. 43 ff.).

  23. 23.

    Vgl. Reinemann (1999, S. 661–662).

  24. 24.

    Vgl. Coenenberg (2000, S. 567 ff.).

  25. 25.

    Der Economic Value Added (EVA) ist ein eingetragenes Warenzeichen der Stern Stewart & Co. Unternehmensberatung.

  26. 26.

    Vgl. Stiefl und von Westerholt (2007), Hüllmann (2003), Coenenberg und Salfeld (2003), Rappaport (1986) oder Copeland et al. (2002).

  27. 27.

    Vgl. Gleich und Temmel (2008, S. 84–87).

  28. 28.

    Vgl. Freese (2005, S. 445).

  29. 29.

    Vgl. Weber et al. (2001, S. 8).

  30. 30.

    Vgl. Kemper et al. (2010, S. 189 ff.).

  31. 31.

    Die Abkürzung MIND steht für den Mittelstand in Deutschland.

  32. 32.

    Vgl. IfM (2009, S. 58); Schweinsberg (2006 S. 64).

  33. 33.

    Vgl. Gräf und Nase (2008, S. 47).

  34. 34.

    Vgl. Weber et al. (2008, S. 50).

  35. 35.

    Vgl. Weber et al. (2006, S. 44).

  36. 36.

    Vgl. Bange (2014, S. 28–29).

  37. 37.

    Vgl. BARC (2017).

  38. 38.

    Vgl. Taschner (2013, S. 163 f.).

  39. 39.

    Vgl. Dittmar und Schmidt (2014, S. 24–27).

  40. 40.

    Gluchowski (2014, S. 240).

  41. 41.

    Davenport (2014, S. 88 ff.).

  42. 42.

    Vgl. Horváth und Aschenbrücker (2014, S. 47–62).

  43. 43.

    Erweitert zu Koch (1994, S. 59), Blohm (1974, S. 13 f.) und Ziegenbein (2012, S. 589).

  44. 44.

    Vgl. Strauch und Winter (2002, S. 359–378).

  45. 45.

    Vgl. Schön und Krause (1997, S. 57 f.).

  46. 46.

    Bitkom (2013, S. 30).

  47. 47.

    Vgl. Martin (2013, S. 139).

  48. 48.

    Vgl. Gluchowski (2017, S. 9–10).

  49. 49.

    Vgl. Dräther et al. (2013, S. 125 ff.).

  50. 50.

    Vgl. Foegen (2014, S. 50–51).

  51. 51.

    Vgl. Schwaber und Sutherland (2013, S. 13 ff.).

  52. 52.

    Vgl. Pichler (2009, S. 20–23).

  53. 53.

    Ein integrierter Reporting‑ und Planungskalender ist der Abb. 3.11 zu entnehmen. Eine einfache Prozessablaufbeschreibung ist z. B. bei Weber et al. (2009, S. 30) zu finden.

  54. 54.

    Vgl. Becker et al. (2013, S. 131).

  55. 55.

    Vgl. Wahls (1993, S. 83 ff.) und Schlegel (1996, S. 66).

  56. 56.

    Vgl. Weber et al. (2008, S. 22).

  57. 57.

    Vgl. zum Berichtserstellungsprozess u. a. Sanders und Schafft (2014, S. 297 f.).

  58. 58.

    Vgl. Gleich und Temmel (2008, S. 78).

  59. 59.

    RFID steht für radio‐frequency identification. Hierbei können Objekte, die mit einem Transponder markiert sind, mit Hilfe von elektromagnetischen Wellen identifiziert werden. QR‐Code steht für Quick‐Response‐Code. Es ist ein zweidimensionaler Code, der zur Identifizierung von Objekten und zugehörigen Informationen genutzt wird.

  60. 60.

    Vgl. z. B. Friedrich (2008, S. 10–11), Finucane und Mack (2011, S. 8–11) und Schön (2011, S. 1–47).

  61. 61.

    Es werden bereits spezielle Softwarelösungen für die Datenqualitätsprüfung eingesetzt (Vgl. z. B. Atacama 2011).

  62. 62.

    Vgl. Knöll et al. (2006, S. 200).

  63. 63.

    Vgl. Knöll et al. (2006, S. 201).

  64. 64.

    Vgl. Naumann (2007, S. 29).

  65. 65.

    Vgl. Würthele (2003, S. 21) und Apel et al. (2015, S. 7).

  66. 66.

    Vgl. Gebauer und Windheuser (2015, S. 88).

  67. 67.

    Vgl. Apel et al. (2015, S. 5).

  68. 68.

    Vgl. Hinrichs (2002, S. 30 f.) und Zeh (2013, S. 43 f.).

  69. 69.

    Vgl. Leser und Naumann (2007, S. 354 f.).

  70. 70.

    Vgl. Hildebrand (2015, S. 301).

  71. 71.

    Vgl. Schemm (2009, S. 20).

  72. 72.

    Vgl. Apel et al. (2015, S. 28).

  73. 73.

    In Anlehnung zu Kemper et al. (2010, S. 9).

  74. 74.

    Vgl. Apel et al. (2015, S. 41).

  75. 75.

    Vgl. Won und Choi (2003, S. 73 ff.).

  76. 76.

    Vgl. Albrecht et al. (2013, S. 506).

  77. 77.

    Vgl. Bundesdatenschutzgesetz (BDSG) vom 14. Januar 2003 (BGBl. I S. 66), zuletzt geändert durch Artikel 1 des Gesetzes vom 25. Februar 2015 (BGBl. I S. 162). Vergleiche zu den Datenrechten für Personen auch die Ableitung von Grundrechten für personenbezogene Daten: Weigend (2017a, S. 18) und Weigend (2017b).

  78. 78.

    Vgl. Bartsch et al. (2015, S. 169 f.).

  79. 79.

    Vgl. Bartsch et al. (2015, S. 194 f.).

  80. 80.

    Vgl. §§ 34f BDSG.

  81. 81.

    Vgl. Albrecht et al. (2013, S. 508 f.), Bartsch et al. (2015, S. 191 f.) und § 3 Abs. 6 BDSG.

  82. 82.

    Vgl. Bitkom (2013, S. 27).

  83. 83.

    Vgl. hierzu Otto und Legner (2016, S. 552).

  84. 84.

    Vgl. Apel et al. (2015, S. 12).

  85. 85.

    Vgl. hierzu Otto und Legner (2016, S. 553).

  86. 86.

    Vgl. Balzert (2011, S. 109–113).

Literatur

  • Albrecht, J., et al. 2013. Anwendung. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, 4. Aufl., Hrsg. A. Bauer, H. Günzel, 373–608. Heidelberg: dpunkt Verlag.

    Google Scholar 

  • Andreae, C. 2007. Familienunternehmen und Publikumsgesellschaft. Wiesbaden: Springer.

    Book  Google Scholar 

  • Apel, D., et al. 2015. Datenqualität erfolgreich steuern, 3. Aufl. Heidelberg: dpunkt Verlag.

    Google Scholar 

  • Atacama. 2011. Produkte. http://www.ataccama.de/produkte/dq-analyzer/dqa-uberblick.html. Zugegriffen: 22. Juli 2011.

    Google Scholar 

  • Balzert, H. 2011. Lehrbuch der Softwaretechnik: Entwurf, Implementierung, Installation und Betrieb, 3. Aufl. Heidelberg: Spektrum Akademischer Verlag.

    Chapter  Google Scholar 

  • Bange, C. 2014. Business Intelligence im Self-Service hat Konjunktur. IS-Report 18(8):28–29.

    Google Scholar 

  • BARC. 2017. BI-Trend Monitor 2017. http://barc.de/trend-monitor?s=s_9_550. Zugegriffen: 12. Juni 2017.

    Google Scholar 

  • Bartsch, M., et al. 2015. Recht. In Praxishandbuch Big Data: Wirtschaft – Recht – Technik, Hrsg. J. Dorschel, 167–251. Wiesbaden: Springer Gabler.

    Google Scholar 

  • Becker, W., und P. Ulrich. 2009. Mittelstand, KMU und Familienunternehmen in der Betriebswirtschaftslehre. WiSt 38(1):2–7.

    Article  Google Scholar 

  • Becker, W., und P. Ulrich. 2011. Mittelstandsforschung in Deutschland: Begriffe, Relevanz und Konsequenzen. Stuttgart: Kohlhammer.

    Google Scholar 

  • Becker, A., J. Leyk, und L. Riemer. 2013. Dynamische Unternehmenssteuerung am Beispiel von Beyer MaterialScience. In Moderne Instrumente der Planung und Budgetierung, Hrsg. R. Gleich, S. Gänßlein, M. Kappes, U. Kraus, J. Leyk, und M. Tschandl, 121–142. München: Haufe.

    Google Scholar 

  • Becker, W., M. Staffel, und P. Ulrich. 2009. Wissensmanagement als Instrument der strategischen Führung im Mittelstand – Konzepte, Modifikationen und Empfehlungen. In Management-Instrumente in kleinen und mittleren Unternehmen: Jahrbuch der KMU-Forschung und -Praxis 2009, Hrsg. J. Meyer, 257–282. Lohmar: Eul-Verlag.

    Google Scholar 

  • Becker, W., P. Ulrich, und T. Botzkowski. 2016. Data Analytics im Mittelstand. Wiesbaden: Springer Gabler.

    Book  Google Scholar 

  • Bitkom. 2013. Management von Big-Data-Projekten: Leitfaden. Berlin. https://www.bitkom.org/noindex/Publikationen/2013/Leitfaden/Managementvon-Big-Data-Projekten/130618-Management-von-Big-Data-Projekten.pdf. Zugegriffen: 15. Jan. 2017.

    Google Scholar 

  • Blohm, H. 1974. Die Gestaltung des betrieblichen Berichtswesens als Problem der Leitungsorganisation, 2. Aufl. Herne: NWB.

    Google Scholar 

  • Bundesdatenschutzgesetz (BDSG) vom 14. Januar 2003 (BGBl. I S. 66).

    Google Scholar 

  • Coenenberg, A.G. 2000. Jahresabschluss- und Jahresabschlussanalyse, 17. Aufl. Stuttgart: Moderne Industrie.

    Google Scholar 

  • Coenenberg, A.G., und R. Salfeld. 2003. Wertorientierte Unternehmensführung. Stuttgart: Moderne Industrie.

    Google Scholar 

  • Copeland, T., T. Koller, und J. Murrin. 2002. Unternehmenswert – Methoden und Strategien für eine wertorientierte Unternehmensführung, 3. Aufl. Frankfurt a. M.: Campus.

    Google Scholar 

  • Davenport, T.H. 2014. Big data at work: dispelling the myths, uncovering the opportunities. Boston: Harvard Business School.

    Google Scholar 

  • Schön, D, und Diamant Software. 2009. Moderne Anforderungen und Trends im Finanz- und Rechnungswesen sowie im Controlling – Ergebnisse der empirischen Studie. Dortmund, Bielfeld: Diamant Software GmbH.

    Google Scholar 

  • Dittmar, C., und T. Schmidt. 2014. Self-Service BI benötigt eine ganz spezielle Governance. IS-Report 18(8):24–27.

    Google Scholar 

  • Dräther, R., H. Koschek, und C. Sahling. 2013. Scrum – kurz & gut. Köln: O’Reilly.

    Google Scholar 

  • Eisele, D., und T. Doyé. 2010. Praxisorientierte Personalwirtschaftslehre. Wertschöpfungskette Personal, 7. Aufl. Stuttgart: Kohlhammer.

    Google Scholar 

  • EU Kommission. Empfehlung der Kommission vom 6. Mai 2003 (Empfehlung 2003/361/EG), die seit dem 1. Januar 2005, die bis dahin geltende Empfehlung (96/280/EG) ersetzt.

    Google Scholar 

  • Feldbauer-Durstmüller, B., und B. Wimmer. 2008. Familienunternehmen und Controlling – Ergebnisse der empirischen Studie: Familienunternehmen in Oberösterreich. In Familienunternehmen, Hrsg. B. Feldbauer-Durstmüller, H. Pernsteiner, R. Rohatschek, und M. Tumpel, 31–52. Wien: Linde.

    Google Scholar 

  • Finucane, B., und M. Mack. 2011. Business-Intelligence-Software boomt in Deutschland. In is report, Informationsplattform für Business Applications, BARC-Guide Business Intelligence, 8–11.

    Google Scholar 

  • Foegen, M. 2014. Der Ultimative Scrum Guide 2.0. Darmstadt: wibas GmbH.

    Google Scholar 

  • Freese, E. 2005. Grundlagen der Organisation, 9. Aufl. Wiesbaden: Springer Gabler.

    Book  Google Scholar 

  • Friedrich, D. 2008. Business Intelligence etabliert sich im Mittelstand, BARC-Guide Business Intelligence, S. 10–11. http://www.barc.de/fileadmin/Fachartikel/10-11_FB_BI-Guide.pdf. Zugegriffen: 19. Febr. 2011.

    Google Scholar 

  • Gebauer, M., und U. Windheuser. 2015. Strukturierte Datenanalyse, Profiling und Geschäftsregeln. In Daten- und Informationsqualität, 3. Aufl., Hrsg. K. Hildebrand, et al., 87–100. Wiesbaden: Springer Vieweg.

    Chapter  Google Scholar 

  • Gleich, R., und P. Temmel. 2008. Die Rolle der Organisation des Controllings im Management Reporting. In Management-Reporting – Grundlagen, Praxis und Perspektiven, Hrsg. P. Horváth, R. Gleich, und U. Michel, 63–91. München: Haufe.

    Google Scholar 

  • Gluchowski, P. 2014. Aktuelle Trends in der Business Intelligence. Controlling 26:235–243.

    Article  Google Scholar 

  • Gluchowski, P. 2017. Die Big-Data-Diskussion verhilft Business Intelligence zum Höhenflug. isreport. Sonderausgabe August 2017, 7–10.

    Google Scholar 

  • Gräf, J., und D. Nase. 2008. Objekte des Management Reportings im Überblick. In Management-Reporting – Grundlagen, Praxis und Perspektiven, Hrsg. P. Horváth, R. Gleich, und U. Michel, 43–61. München: Haufe.

    Google Scholar 

  • Hildebrand, K. 2015. Master Data Life Cycle – Stammdatenprozess am Beispiel Materialstamm in SAP. Wiesbaden: Vieweg+Teubner.

    Google Scholar 

  • Hinrichs, H. 2002. Datenqualitätsmanagement in Data Warehouse-Systemen. Diss. Oldenburg.

    Google Scholar 

  • Hoffjan, A. 2008. Comparative management accounting. Controlling 20:655–660.

    Article  Google Scholar 

  • Horváth, P. 2008. Grundlagen des Management-Reportings. In Management-Reporting – Grundlagen, Praxis und Perspektiven, Hrsg. P. Horváht, R. Gleich, und U. Michel, 15–42. München: Haufe.

    Google Scholar 

  • Horváth, P., und A. Aschenbrücker. 2014. Data Scientist: Konkurrenz oder Katalysator für den Controller? In Der Controlling-Berater – Controlling und Big Data, Bd. 35, Hrsg. R. Gleich, A. Klein, 47–62.

    Google Scholar 

  • Hüllmann, U. 2003. Wertorientiertes Controlling für eine Management-Holding. München: Vahlen.

    Google Scholar 

  • IfM. 2006. MIND 2006. Der Mittelstand in Deutschland: Das Rückrad der Wirtschaft – Kleine Unternehmen und Dienstleister prägen den Mittelstand – Mittelständler blicken optimistisch in die Zukunft. http://www.impulse.de/unternehmen/:Zahlen-und-Fakten--MIND-Downloads/265749.html. Zugegriffen: 5. Nov. 2009.

    Google Scholar 

  • Janssen, J. 2008. Rechnungslegung im Mittelstand, Diss. TU Dortmund.

    Google Scholar 

  • Kemper, H.G., H. Baars, und W. Mehanna. 2010. Business Intelligence – Grundlagen und praktische Anwendungen, 3. Aufl. Wiesbaden: Springer Vieweg.

    Book  Google Scholar 

  • Knöll, H.D., et al. 2006. Unternehmensführung mit SAP BI. Wiesbaden: Springer Vieweg.

    Google Scholar 

  • Koch, R. 1994. Betriebliches Berichtswesen als Informations- und Steuerungsinstrument. Frankfurt am Main: Peter Lang.

    Google Scholar 

  • Lerch, V. 2008. Konzept einer Modellfabrik für integrierte Business Intelligence im Mittelstand – Theorie und Anwendung bei einem mittelständischen Unternehmen der Fertigungsindustrie. Inauguraldissertation, Universität Mannheim.

    Google Scholar 

  • Leser, U., und F. Naumann. 2007. Informationsintegration. Heidelberg: dpunkt Verlag.

    Google Scholar 

  • Martin, W. 2013. Business Intelligence trifft Business Process Management und Big Data. http://www.wolfgang-martin-team.net/BI-BPM-SOA_dt.php. Zugegriffen: 14. Mai 2016.

  • Naumann, F. 2007. Datenqualität. Informatik-Spektrum 30(1):29.

    Article  Google Scholar 

  • Ossadnik, W., D. Barklage, und E. van Lengerich. 2010. Controlling mittelständischer Unternehmen. Berlin Heidelberg: Physica.

    Book  Google Scholar 

  • Otto, B., und C. Legner. 2016. Datenqualitätsmanagement für den Industriebetrieb. Controlling 28(10):550–557.

    Article  Google Scholar 

  • Pfohl, H.C. 2006. Abgrenzung der Klein- und Mittelbetriebe von Großbetrieben. In Betriebswirtschaftslehre der Mittel- und Kleinbetriebe, 4. Aufl., Hrsg. H.C. Pfohl, 331–355. Berlin: Erich Schmidt Verlag.

    Google Scholar 

  • Pichler, R. 2009. Scrum – Agiles Projektmanagement erfolgreich einsetzen, 20–23. Heidelberg: dpunkt Verlag.

    Google Scholar 

  • Rappaport, A. 1986. Creating shareholder value – the new standard for business performance. New York: Free Press.

    Google Scholar 

  • Rautenstrauch, T. 2005. Balanced Scorecard in mittelständischen Unternehmen: Empirische Ergebnisse und Implikationen. In Einsatz von Controllinginstrumenten im Mittelstand, Konferenz Mittelstandscontrolling 2005 – TU Kaiserslautern, 1–17, Hrsg. V. Lingnau. Köln: Eul-Verlag.

    Google Scholar 

  • Reichmann, T. 2008. Die systemgestützte Controlling-Konzeption in Theorie und Praxis. Controlling 20:689–700.

    Article  Google Scholar 

  • Reichmann, T. 2011. Controlling mit Kennzahlen. Die systemgestützte Controlling-Konzeption mit Analyse- und Reportinginstrumenten, 8. Aufl. München: Vahlen.

    Google Scholar 

  • Reinemann, H. 1999. Was ist Mittelstand? Zur Definition der kleinen und mittleren Unternehmen. WiSt 28(12):661–662.

    Google Scholar 

  • Rheinhardt, R., D. Kilian, B. Kirschner, und W. Moriel. 2007. Wettbewerbsfähigkeit kleiner und mittlerer Unternehmen in Österreich, eine empirische Studie. Innsbruck: Studia Verlag.

    Google Scholar 

  • Sanders, D., und N. Schafft. 2014. Implementierung eines globalen Berichtswesens. In Controlling in der Konsumgüterindustrie. Innovative Ansätze und Praxisbeispiele, 293–312, Hrsg. M. Buttkus, R. Eberenz. Wiesbaden: Springer Gabler.

    Google Scholar 

  • Schemm, J.W. 2009. Zwischenbetriebliches Stammdatenmanagement. Berlin, Heidelberg.

    Google Scholar 

  • Schlegel, H.B. 1996. Computergestützte Unternehmensplanung und -kontrolle. München.

    Google Scholar 

  • Schön, D. 2004. Moderne Planungskonzepte und Reportingtools. In 19. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 287–337. Dortmund: Gesellschaft für Controlling e.V.

    Google Scholar 

  • Schön, D. 2011. Ergebnisse zur empirischen Untersuchung – Business Intelligence für Reporting und Planung im Mittelstand, 1–47. http://www.fh-dortmund.de/de/studi/fb/9/personen/lehr/schdie/103020100000206873.php. Zugegriffen: 1. Juni 2011.

    Google Scholar 

  • Schön, D., und H. Krause. 1997. DV-gestütztes Krankenhaus-Controlling mit Hilfe von Standard-Software. DV-gestützte und controllinggerechte Kosten- und Leistungsrechnung mit Hilfe von Standard-Software. In Controlling im Krankenhaus. Ein Handbuch für alle Führungskräfte im Krankenhaus, Hrsg. E. Hauke, 1–70. Wien: Ueberreuter. Erg.-Lfg. 3, Abschn. 9.

    Google Scholar 

  • Schön, D., und R. Müller. 2010. Mittelstandscontrolling für Inhaber und Manager. In 25. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 123–165. Dortmund: Gesellschaft für Controlling e.V.

    Google Scholar 

  • Schulte, C. 2002. Personal-Controlling mit Kennzahlen, 2. Aufl. München: Vahlen.

    Google Scholar 

  • Schulte-Mattler, H., und T. Manns. 2010. Bedeutung des regulatorischen und ökonomischen Eigenkapitals für das Risikomanagement der Banken. In Risikomanagement und Frühwarnverfahren, Hrsg. U. Bantleon, A. Becker, 83–126. Stuttgart: Erich Schmidt Verlag.

    Google Scholar 

  • Schwaber, K., und J. Sutherland. 2013. Software in 30 Days. Heidelberg: Published Online.

    Google Scholar 

  • Schweinsberg, K., et al. 2006. Persönlichkeiten – Was macht den Mittelständler aus? In Praxishandbuch des Mittelstands – Leitfaden für das Management Mittelständischer Unternehmen, Hrsg. W. Krüger, 63–70. Wiesbaden: Gabler.

    Google Scholar 

  • Simon, H. 1992. Lessons from Germany’s midsize giants. Harvard Business Review 70:115–123.

    Google Scholar 

  • Stiefl, J., und K. von Westerholt. 2007. Wertorientiertes Management. München: Oldenbourg.

    Book  Google Scholar 

  • Strauch, B., und R. Winter. 2002. Vorgehensmodell für die Informationsbedarfsanalyse im Data Warehousing. In Vom Data Warehouse zum Corporate Knowledge Center, Hrsg. E. Maur, R. Winter, 359–378. Heidelberg: Springer.

    Chapter  Google Scholar 

  • Taschner, A. 2013. Management Reporting. Erfolgsfaktor internes Berichtswesen. Wiesbaden: Springer Gabler.

    Google Scholar 

  • Wahls, J. 1993. Unternehmensplanung mit Excel. München: Vahlen.

    Google Scholar 

  • Wallau, F. 2008. Institut für Mittelstandsforschung Bonn: Das familiengeführte Unternehmen, Expertenforum Familienunternehmen. Köln: Institut für Mittelstandsforschung Bonn.

    Google Scholar 

  • Weber, J., C. Hunold, C. Prenzler, und S. Thust. 2001. Controllerorganisation in deutschen Unternehmen. Schriftenreihe Advanced Controlling, Bd. 18, 8. Vallendar: Wiley.

    Google Scholar 

  • Weber, J., B. Hirsch, R. Rambusch, H. Schlüter, F. Sill, und A. Spatz. 2006. Controlling 2006 – Stand und Perspektiven. Valendar: Wiley.

    Google Scholar 

  • Weber, J., R. Malz, und T. Lührmann. 2008. Excellence im Management-Reporting. In Schriftenreihe Advanced Controlling, Bd. 22, 25, 50, 62, Hrsg. J. Weber. Weinheim: Wiley.

    Google Scholar 

  • Weber, J., P. Nevries, D. Breiter, et al. 2009. Operative Planung. Schriftenreihe Advanced Controlling, Bd. 71, 30. Vallendar: Wiley.

    Google Scholar 

  • Weigend, A. 2017a. Data for the people: Das implizite explizit machen! mobile Business H. 5–6:16–19.

    Google Scholar 

  • Weigend, A. 2017b. Data for the people: how to make our post-privacy economy work for you. New York. Published in the United States by Basic Books, an imprint of Perseus Books, LLC, a subsidiary of Hachette Book Group, Inc.

    Google Scholar 

  • Won, K., und B. Choi. 2003. Towards quantify data quality costs. Journal of Objects Technology 2(4):69–76.

    Article  Google Scholar 

  • Würthele, V. G. 2003. Datenqualitätsmetrik für Informationsprozesse. Diss. Zürich.

    Google Scholar 

  • Zeh, T. 2013. Datenqualität. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, 4. Aufl., Hrsg. A. Bauer, H. Günzel, 49–52. Heidelberg: dpunkt Verlag.

    Google Scholar 

  • Ziegenbein, K. 2012. Controlling. In Kompendium der praktischen Betriebswirtschaft, 10. Aufl., Hrsg. K. Ollfert. Herne: NWB.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Fachhochschule Dortmund, Dortmund, Deutschland

    Prof. Dr. Dietmar Schön

Authors
  1. Prof. Dr. Dietmar Schön
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Dietmar Schön .

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Schön, D. (2018). Organisation und Prozesse. In: Planung und Reporting im BI-gestützten Controlling. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-19963-0_4

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-19963-0_4

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-19962-3

  • Online ISBN: 978-3-658-19963-0

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation