Autor*innen mit den meisten Dokumenten
Auflistung nach:
Neueste Veröffentlichungen
- ZeitschriftenartikelDie Geister die wir riefen(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Kaufmann, Michael
- ZeitschriftenartikelData Science für Lehre, Forschung und Praxis(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Stockinger, Kurt; Stadelmann, ThiloData Science ist in aller Munde. Nicht nur wird an Konferenzen zu Big Data, Cloud Computing oder Data Warehousing darüber gesprochen: Glaubt man dem McKinsey Global Institute, so wird es alleine in den USA in den nächsten Jahren eine Lücke von bis zu 190.000 Data Scientists geben (Manyika et al. Big data: the next frontier for innovation, competition, and productivity, Report. www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation, 2011). In diesem Kapitel beleuchten wir daher zunächst die Hintergründe des Begriffs Data Science. Dann präsentieren wir typische Anwendungsfälle und Lösungsstrategien auch aus dem Big Data Umfeld. Schließlich zeigen wir am Beispiel des Diploma of Advanced Studies in Data Science der ZHAW Möglichkeiten auf, selber aktiv zu werden.
- ZeitschriftenartikelEmpirische Ergebnisse zu Big Data(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Gluchowski, PeterDer vorliegende Beitrag nähert sich dem Themenkreis Big Data auf der Basis unterschiedlicher empirischer Untersuchungen, die das Ziel verfolgen, das Themenfeld weiter auszuleuchten. Entsprechende Umfrageergebnisse liegen inzwischen in großer Vielfalt vor, was sicherlich durch dem immer noch existierenden Aufklärungsbedarf geschuldet ist, und wurden vor allem von Analysten und Produktherstellern publiziert. Die vorliegende Untersuchung konzentriert sich auf unterschiedliche unabhängige Studien zum Thema Big Data und hebt zentrale gleichartige sowie abweichende Ergebnisse in kondensierter Form hervor.
- ZeitschriftenartikelFehlende Daten beim Data-Mining(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Joenssen, Dieter William; Müllerleile, ThomasDer Beitrag zeigt, in welchem Schritt der Analyse von großen Datenmengen die Behandlung von fehlenden Daten stattfindet und warum ein angemessener Umgang mit diesen unerlässlich ist. Vorgestellt werden zudem Methoden zum Umgang mit fehlenden Werten, die sich insbesondere im Kontext von Data-Mining eignen, da hier die Komplexität der Algorithmen eine übergeordnete Rolle spielt. Abgerundet wird der Beitrag mit einer Fallstudie, in der die Verfahren auf einen Beispieldatensatz des US Census Bureau angewandt werden, der in ähnlicher Weise oft in CRM-Systemen der betrieblichen Umwelt anzutreffen ist. Thematisiert werden die Auswirkungen der Methoden sowie in der Praxis zu erwartende Herausforderungen.
- ZeitschriftenartikelDie neue Realität: Erweiterung des Data Warehouse um Hadoop, NoSQL & Co(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Müller, StefanDurch die immer starker wachsenden Datenberge stößt der klassische Data Warehouse-Ansatz an seine Grenzen, weil er in Punkto Schnelligkeit, Datenvolumen und Auswertungsmöglichkeiten nicht mehr mithalten kann. Neue Big Data-Technologien wie analytische Datenbanken, NoSQL-Datenbanken oder Hadoop versprechen Abhilfe, haben aber einige Nachteile: Während sich analytische Datenbanken nur unzureichend mit anderen Datenquellen integrieren lassen, reichen die Abfragesprachen von NoSQL-Datenbanken nicht an die Möglichkeiten von SQL heran. Die Einführung von Hadoop erfordert wiederum den aufwändigen Aufbau von Knowhow im Unternehmen. Durch eine geschickte Kombination des Data Warehouse-Konzepts mit modernen Big Data-Technologien lassen sich diese Schwierigkeiten überwinden: Die Data Marts, auf die analytische Datenbanken zugreifen, können aus dem Data Warehouse gespeist werden. Die Vorteile von NoSQL lassen sich in den Applikationsdatenbanken nutzen, während die Daten für die Analysen in das Data Warehouse geladen werden, wo die relationalen Datenbanken ihre Stärken ausspielen. Die Ergebnisse von Hadoop-Transaktionen schließlich lassen sich sehr gut in einem Data Warehouse oder in Data Marts ablegen, wo sie einfach über eine Data-Warehouse-Plattform ausgewertet werden können, während die Rohdaten weiterhin bei Hadoop verbleiben. Zudem unterstützt Hadoop auch Werkzeuge fur einen performanten SQL-Zugriff. Der Artikel beschreibt, wie aus altem Data Warehouse-Konzept und modernen Technologien die „neue Realität“ entsteht und illustriert dies an verschiedenen Einsatzszenarien.
- ZeitschriftenartikelEntwicklungsstand, Potentiale und zukünftige Herausforderungen von Big Data – Ergebnisse einer empirischen Studie(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Seufert, AndreasInformation wird immer stärker zur strategischen Ressource, deren sinnvolle Erschließung und Nutzung wettbewerbskritisch ist. Aktuellste Forschungsergebnisse lassen vermuten, dass insbesondere der richtige Umgang mit Informationen zu einem zentralen Wettbewerbsfaktor geworden ist. Vor diesem Hintergrund hat das Institut für Business Intelligence (IBI) die Studie „Competing on Analytics – Herausforderungen, Potentiale und Wertbeiträge von Business Intelligence und Big Data“ aufgesetzt. Aufbauend auf diese Studie analysiert dieser Beitrag den Status Quo von BI und Big Data im deutschsprachigen Raum. Im Fokus dabei stehen nicht einzelne Technologien, sondern Fragestellungen über den Entwicklungsstand und Anwendungspotentiale. Anhand dieser Bestandsaufnahme werden abschließend Entwicklungspotentiale eines integrativen BI/Big Data Verständnisses abgeleitet und thesenartig zusammengefasst.
- ZeitschriftenartikelBig Data als Katalysator für die Business Intelligence – Das Beispiel der informa Solutions GmbH(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Baars, Henning; Funke, Katja; Müller, Philipp A.; Olbrich, SebastianDer Bereich der integrierten IT-basierten Entscheidungsunterstützung, Business Intelligence (BI), hat sich von je her mit der Aufbereitung großer Datenmengen auseinandergesetzt. Big-Data-Technologien und -Methoden können die BI dennoch um bislang nicht befriedigend adressierte Anwendungsfelder erweitern. Dies gilt v. a., wenn unstrukturierte Daten berücksichtigt werden und Daten, deren Erzeugung von Menschen gesteuert wird. Gleichzeitig bietet es sich an, Big-Data-Anwendungen mit dem Instrumentarium der BI zu koppeln und Erfahrungen und Lösungen aus der BI fortzuschreiben. Das Beispiel der Big-Data-Lösung der informa Solutions GmbH verdeutlicht dies: Dort werden individualisierte Informationsdienstleistungen angeboten, die auf der Analyse großer und komplexer Datenbestände aufsetzen. Zum einen sind die entsprechenden Berechnungen zeitkritisch, zum anderen besteht starker Bedarf, zur weiteren Erhöhung der Prognosegüte zunehmend heterogene Datenquellen mit einzubeziehen.
- ZeitschriftenartikelBuchbesprechungen(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Meier, Andreas
- ZeitschriftenartikelProzessflexibilisierung im Dienstleistungssektor(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Krause, FelixDienstleister stehen mehr denn je unter Druck, da sie in der Lage sein müssen, flexibel auf sich verändernde Umweltbedingungen reagieren zu können. Dies erfordert Prozessflexibilität. Typische Bedarfstreiber sind z. B. schwankende Nachfragemengen, Änderungen in der Leistungserbringung oder Änderungen bei den eingebundenen Partnern. Auf diese kann mit Maßnahmen zur Flexibilitätssteigerung wie Automatisierung, Zeitarbeit, Multi-Skilling, Alternativen im Prozessmodell, Unterspezifikation, Modularisierung oder Multi-Sourcing reagiert werden. Anhand konkreter Beispiele aus Interviews mit Entscheidungsträgern aus einem Telekommunikations- und einem Versicherungsunternehmen werden Erfahrungen und Lessons Learned aus der Praxis aufgezeigt.
- ZeitschriftenartikelGestaltungsspielräume bei Cloud Computing Investitionen(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) König, ChristianIm Rahmen des IT-Portfoliomanagements soll die Gesamtheit der zur Verfügung stehenden IT-Investitionen so koordiniert werden, dass die Unternehmensziele bestmöglich erreicht werden. Durch Cloud Computing als neue Bereitstellungsform für IT-Leistungen existieren dabei verschiedene Handlungsspielräume, über die bei der Planung solcher IT-Investitionen entschieden werden muss. Je nach deren Ausgestaltung ändern sich realisierbare Potenziale von Cloud Computing, aber auch Auszahlungsstruktur und Risiken. Eine optimierte Gestaltung von Cloud Computing Investitionen ist nur möglich, wenn die Auswirkungen der jeweiligen Entscheidungen bezüglich der Handlungsspielräume bekannt sind. Diese werden untersucht, strukturiert und in einen Entscheidungsprozess zur Bewertung von Cloud Computing Investitionen eingeordnet.