Zusammenfassung
Die Begriffe Big Data und „data-driven“ haben sich mittlerweile zu einem Trend entwickelt. Aber was es bedeutet Daten in Entscheidungsprozesse einfließen zu lassen, Prozesse zu steuern und zu verbessern, ist vielen Organisationen und Führungskräften nicht bewusst. Anhand eines sehr praxisorientierten Modells wird das strategische Potenzial diskutiert ein Unternehmen von einer instinktiv getriebenen Unternehmenskultur hin zu einem Mindset, das auf Daten und deren Erkenntnissen basiert, zu entwickeln. Was, bedeutet es, ein Unternehmen im Zeitalter von Algorithmen und Big Data zu führen? Welche Bereiche umfasst eine solche Veränderung und wie sieht der Wandel aus ökonomischer, kultureller und sozialer Perspektive im Unternehmenskontext aus?
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Unter anderem Braun verwendet diesen Begriff und erklärt die synonyme Verwendung mit dem Vergleich, dass unstrukturierte Daten ebenso wie Rohöl, das zunächst raffiniert werden muss, auch erst strukturiert werden müssen, um als Grundlage für verschiedene Produkte verwendet werden zu können (Braun 2014).
- 2.
Strategen, Organisations- und HR-Berater beginnen, die Digitalisierung als ganzheitliche Unternehmenstransformation zu sehen und die Spannungsfelder wie Strategie, Organisation, Mensch und Kultur zusammenzuführen und als Einheit zu transformieren (Braun 2014).
- 3.
Agile Arbeitsweisen stammen aus der kollaborativen Softwareentwicklung und werden heutzutage als ein Operationssystem für flexible Abstimmungsprozesse in Organisationen und Teams verwendet (Conrad und Beyes 2018).
- 4.
Die englischen Begriffe volumen, velocity und variety hat der Analyst Doug Laney (2001, S. 2) bereits 2001 als Big-Data-Merkmale definiert, seit 2011 werden diese Begriffe verstärkt von Gartner geprägt.
- 5.
Nach eigenen Angaben besitzt Facebook 2019 bereits über 300 Petabyte Daten und generiert täglich 4 weitere Petabyte. (vgl. Smith 2019)
- 6.
Diese Technologien sind Dienste wie Infrastructure-as-a-Service (IaaS: z. B. Speicherplatz über das Internet), Platform-as-a-Service (Paas: z. B. Bereitstellung von Entwicklertools über das Internet), Software-as-a-Service (SaaS: z. B. Nutzung einer Applikation über das Internet) und Business-Process-as-a-Service (BPaaS: z. B. Auslagerung kompletter Geschäftsprozesse).
- 7.
Letztere gehören bereits zu der Künstlichen Intelligenz, wobei Machine Learning ihren Fokus auf die (Wieder-)Entdeckung von Zusammenhängen legt und Data Mining einen explorativen Ansatz darstellt, um unbekannte Zusammenhänge zu entdecken (Baumgartner & Co. 2018).
- 8.
Der Begriff wurde bereits 2013 von Mario Faria und Rogerio Panigassi geprät, die ein Buch über Data Science, Analytics und Management und wie Datenpraktiker ihre Ziele erreichen, schrieben. Mit der Entwicklung des Data Thinking Modells, prägte Klaas Bollhoefer den Begriff seit 2017 neu.
- 9.
Design Thinking ist mittlerweile mehr als nur ein kreativer Prozess. Was ursprünglich als Innovationsmethode für Produkte und Services in Stanford entwickelt wurde, avanciert heute zu einer ganz neuen Art, den Menschen in Bezug zur Arbeit zu sehen, das Konzept der Arbeit zu denken und zu fragen, wie wir im 21. Jahrhundert leben, lernen und arbeiten wollen (Conrad und Beyes 2018). Mischverhältnisse – Zur Beziehung von Medien- und Organisationstheorie. Zeitschrift für Medienwissenschaft. Bielefeld, transcript Verlag. Gesellschaft für Medienwissenschaft. 01/18.
- 10.
Die Formulierung der Ziele in Phase II, sind feste Definitionen des hier vorliegenden Models (vgl. o.V. Hoffmann 2016, S. 14).
- 11.
„Eine Person mit starken assoziativen Barrieren kommt bei der Konfrontation mit einem Problem schnell zu Schlussfolgerungen, weil ihr Denken einer klaren Richtung folgt. […] Eine Person mit geringen assoziativen Barrieren dagegen denkt möglicherweise daran, Ideen und Konzepte miteinander zu verknüpfen […]“ (Bitkom 2013)
- 12.
Dieser Ansatz ist im Wesentlichen auf einen Artikel von Birger Wernerfelt zurückzuführen. Er definiert dabei alle materiellen und immateriellen Ressourcen eines Unternehmens, wie qualifiziertes Personal, spezielle Technologien, finanzielles Kapital und Marken, als Quellen, die für einen Wettbewerbsvorteil genutzt werden können (Velez und Lord 2017).
- 13.
Die in den USA bereits bestehenden Bewegungen STEM + Art/Design = STEAM wollen verstärkt Technische Studiengänge mit kreativen Fachgebieten ergänzen, um Konvergenz zu schaffen und Kreativität nicht nur in die Innovationskultur, sondern auch in moderne Führung einfließen zu lassen.
Literatur
Auer, P. (2017). Studie: Technolgische Zukunft wird von Menschen für Menschen gestaltet. Technology Vision. Accenture. https://www.accenture.com/_acnmedia/Accenture/next-gen-4/tech-vision-2017/pdf/Accenture-TV17-Full.pdf. Zugegriffen am 25.11.2019.
Aunkofer, B. (2016). Data Driven Thinking. Data Science Blog. https://data-science-blog.com/blog/2016/06/30/data-driven-thinking-for-data-driven-business/. Zugegriffen am 25.11.2019.
Barrett, R. (2018). Everything I have learned about values. Morrisville: Lulu Publishing Service.
Baumgartner & Co. (2018). Ein innovatives Konzept für Ihre digitale Transformation. Transformations-Werkstatt. https://transformations-werkstatt.de/werkstatt/. Zugegriffen am 25.11.2019.
Becker, T. (2015). Big Data Analytics – Trends, Technologien Anwendungsbereiche und Potenziale für die Medienindustrie. IRT Symposium. Big Data. rbb Haus des Rundfunks , 17. und Donnerstag 18. Juni 2015: 1–33.
Behrendt, H., & Turber, M. (2018). New Meaning. Für einen realistischen Idealismus in einer programmierbaren Welt. http://www.newmeaninglaboratories.net/NewMeaning_ebook.pdf. Zugegriffen am 17.10.2019.
Bijker, W. E. (1997). Of bicycles, Bakelites, and bulbs: Toward a theory of sociotechnical change. Cambridge, MA: MIT Press.
Bitkom. (2013). Management von Big Data Projekten. https://www.bitkom.org/sites/default/files/file/import/130618-Management-von-Big-Data-Projekten.pdf. Zugegriffen am 17.10.2019.
Boellstorff, T., & Maurer, B. (2015). Data, now bigger and better! Social Anthropology, 24(2), S. 104.
Boyd, D., & Crawford, K. (2012). Critical questions for big data. Information, Communicationand Society, 15(5), 662–679.
Braun, B. (2014). Daten als das „Öl des 21. Jahrhunderts“. Controlling & Management Review, 4, 88–89.
Burgees, J., & Bruns, A. (2012). Twitter archives and the challenges of „Big social data“ for media and communication research. Journal of Media and Culture, 15(5). www.journal.media-culture.org.au/index.php/mcjournal/article/view/561. Zugegriffen am 10.11.2019.
Conrad, L., & Beyes, T. (2018). Mischverhältnisse – Zur Beziehung von Medien- und Organisationstheorie. Zeitschrift für Medienwissenschaft, 1. Bielefeld: transcript/Gesellschaft für Medienwissenschaft.
Dapp, T., & Slomka, L. (2014). Big Data – Die ungezähmte Macht. Deutsche Bank Research. https://www.dbresearch.de/PROD/RPS_DE-PROD/PROD0000000000444436/Big_Data_%C2%96_die_ungez%C3%A4hmte_Macht.PDF. Zugegriffen am 17.10.2019.
Dreisicke, T., et al. (2018). Organisationsstruktur. In S. Monica (Hrsg.), Business Purpose Design – Ein Leitmodell für zukunftsfähige Unternehmen (S. 55–59). Berlin: Santiago Berlin GmbH.
Frerichs, P., & Hofmann, S. (2018). Big Data richtig interpretieren: Korrelation vs. Kausalität. Supply Chain Management. https://www.mm-logistik.vogel.de/big-data-richtig-interpretieren-korrelation-vs-kausalitaet-a-716756/. Zugegriffen am 10.11.2019.
Gartner. (2013). „Big Data.“ IT Glossary. https://blogs.gartner.com/it-glossary/big-data/. Zugegriffen am 17.10.2019.
Harting, D., & Harting, P. F. W. (2015). Chancen des digitalen Zeitalters: Das Zusammenspiel zwischen Daten und Menschen. In T. Becker & C. Knop (Hrsg.), Digitales Neuland (S. 37–48). Wiesbaden: Springer Gabler.
Heuer, S. (2013). Kleine Daten, große Wirkung. Digitalkompakt LfM. Düsseldorf: Landesanstalt für Medien Nordrhein-Westfalen.
Hoffmann, A. (2016). Data Thinking: Erfolgsrezept für den digitalen Wandel. Eine Handlungsanleitung vom grundlegenden Denken zum digital souveränen Unternehmen. Whitepaper. https://blog.unbelievable-machine.com/kostenloses-data-thinking-whitepaper-erfolgsrezept-f%C3%BCr-den-digitalen-wandel. Zugegriffen am 17.10.2019.
Jadkwoski, R., & Smith, M. (2018). Der Wandel der Arbeitswelt – New Work. In S. Monica (Hrsg.), Business Purpose Design – Ein Leitmodell für zuküfttige Unternehmen (S. 49–53). Berlin: Santiago Berlin GmbH.
Klausnitzer, R. (2013). Das Ende des Zufalls: Wie Big Data uns und unser Leben vorhersagbar macht. Sazburg: Ecowin.
Laney, D. (2001). 3D Data Management: Controlling Data Volumen, Velocity and Variety. APPLICATION DELIVERY STRATEGIES. META Group Inc. https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf. Zugegriffen am 25.11.2019.
Leymann, F., & Fehling, C. (2018). Cloud computing. Revision vom 20.02.2018. Gabler Wirtschaftslexikon. https://wirtschaftslexikon.gabler.de/definition/cloud-computing-53360/version-276453. Zugegriffen am 17.10.2019.
Lovett, M. C., & Priti, S. (Hrsg.). (2007). Thinking with Data. New: Erlbaum.
von Lucke, J. (2015). Maßnahmen für den Aufbau einer Open Data-Kultur. Open Data Österreich, 1, 14.
Mahrt, M., & Scharkow, M. (2013). The value of big data in digital media research. Journal of Broadcasting & Electronic Media, 57(1), 20–33.
Mahrt, M., & Scharkow, M. (2014). Der Wert von Big Data für die Erforschung digitaler Medien. In R. Reichert (Hrsg.), Big Data: Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie (S. 221–237). Bielefeld: transcript.
Mayer-Schönberger, V., & Cukier, K. (2013). Big Data: Die Revolution, die unser Leben verändern wird. München: Redline.
o.V. (2011). Data is power: How inforamtions is driving the future. Popular Science. http://www.popsci.com/technology/article/2011-10/data-power. Zugegriffen am 13.03.2019.
o. V. (2016). Data Thinking: Erfolgsrezept für den digitalen Wandel. Eine Handlungsanleitung vom grundlegenden Denken zum digital souveränen Unternehmen. Whitepaper. https://blog.unbelievable-machine.com/kostenloses-data-thinking-whitepapererfolgsrezept-f%C3%BCr-den-digitalen-wandel. Zugegriffen am 17.10.2019.
Pinch, T. J., & Bijker, W. W. (1984). The social construction of facts and artefacts: Or how the sociology of science and the sociology of technology might benefit each other. Social Studies of Science, 14(3), 399–441.
Purps-Pardigol, S.. (o. J.). Quantensprung für den Kulturwandel: Die digitale Transformation. Whitepaper. https://sebastian-purps-pardigol.com/dateien/Whitepaper_Wie_wir_in_Zukunft_arbeiten_Randstad.pdf. Zugegriffen am 17.10.2019.
Seyfert, R. (2017). Der Mensch im algorithmischen Zeitalter. Die jüngsten Entwicklungen der Finanzmärkte. Exzellenzcluster – Kulturelle Grundlagen von Integration Universität Konstanz. https://www.exc16.uni-konstanz.de/seyfert-algorithmen-finanzmarkt.html?&L=1. Zugegriffen am 10.11.2019.
Smith, M. (2018). Business Purpose Design – Ein Leitmodell für zukunftsfähige Unternehmen. Berlin: Santiago Berlin GmbH.
Smith, M., & Richter, M. (2018). Big Data – Verhaltensforschung im Umbruch Business Purpose Design – Ein Leitmodell für zukunftsfähige Unternehmen (S. 115–121). In S. Monica (Hrsg.). Berlin: Santiago Berlin GmbH.
Smith, M. (2019). Facebook in Zahlen: 53 Interessante Statistiken. Online Trends. Brandwatch GmbH. 2019. https://research.fb.com/facebook-s-top-open-data-problems/. Zugegriffen am 19.03.2019.
Steen, P., & Liedtke, F. (2019). Diskurs der Daten: Qualitative Zugänge zu einem quantitativen Phänomen. Berlin: de Gruyer.
Velez, R., & Lord, B. (2017). Erfolgsrezept Konvergenz – gemeinsam innovativ: Wie Marketing und IT die Business Transformation vorantreiben und Kunden begeistern. Wiesbaden: Springer Gabler.
Weber, M., et al. (2013). Management von Big Data Projekte. BITKOM – Arbeitskreis Big Data.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Ludwig, L. (2020). Mythos Big Data – Klärung eines strategischen Potenzials. In: Dänzler, S., Heun, T. (eds) Marke und digitale Medien. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-27908-0_20
Download citation
DOI: https://doi.org/10.1007/978-3-658-27908-0_20
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-27907-3
Online ISBN: 978-3-658-27908-0
eBook Packages: Business and Economics (German Language)