Logo des Repositoriums

Auflistung nach Schlagwort "Business Analytics"

1 - 5 von 5
  • Konferenzbeitrag
    Architekturorientiertes Vorgehensmodell zur Umsetzung von Business-Analytics-Projekten
    (Projektmanagement und Vorgehensmodelle 2019 - Neue Vorgehensmodelle in Projekten - Führung, Kulturen und Infrastrukturen im Wandel, 2019) Linden, Markus; Navrade, Frank
    Die heutige IT-Landschaft eines Unternehmens zeichnet sich durch eine Vielzahl unterschiedlicher Business-Analytics-Applikationen aus, die dem Management Daten zur Entscheidungsunterstützung zur Verfügung stellen. Die damit einhergehende Herausforderung besteht darin, die Anforderungen von Business und IT auf eine Weise in Einklang zu bringen, sodass einerseits eine Erhöhung des Geschäftsnutzens und andererseits eine Reduzierung der Total Cost of Ownership ermöglicht wird. Um dieses Ziel zu erreichen, muss ein konkreter Plan verfolgt werden, der alle relevanten Architekturebenen eines Unternehmens berücksichtigt. Im vorliegenden Beitrag wird ein solcher Plan als architekturorientiertes Vorgehensmodell entwickelt, das auf Basis geeigneter Methoden insbesondere die Anforderungen von Business-Analytics-Projekten adressiert. Ausgehend von der Geschäftsmodellarchitektur eines Unternehmens und den in der Informationsarchitektur abgeleiteten Kennzahlen werden die erforderlichen Analysemöglichkeiten in der Applikationsarchitektur identifiziert. Abschließend wird im Rahmen der Gesamtsystemarchitektur die Integrationsfähigkeit auf den Prüfstand gestellt, sodass ein durchgängiges Business/IT-Alignment angestrebt und schließlich das Management mit entscheidungsrelevanten Informationen versorgt werden kann.
  • Zeitschriftenartikel
    Business Analytics – Grundlagen, Methoden und Einsatzpotenziale
    (HMD Praxis der Wirtschaftsinformatik: Vol. 53, No. 3, 2016) Gluchowski, Peter
    Nachdem sich die Business-Intelligence-Community über lange Jahre verstärkt dem Aufbau tragfähiger technologischer und organisatorischer Konzepte des Datenmanagements gewidmet hat, richtet sich der Blick in letzter Zeit zunehmend auf die Methoden und Einsatzbereiche einer fortgeschrittenen Datenanalyse. Unter der Begrifflichkeit Business Analytics werden derzeit Verfahren und Technologien diskutiert, die interessante Muster in umfangreichen Datenbeständen aufdecken und Prognosen über zukünftige Ereignisse und Gegebenheiten anstellen können. Vor diesem Hintergrund grenzt der Beitrag Business Analytics gegenüber anderen gebräuchlichen Wortgebilden wie Business Intelligence oder Big Data Analytics ab und nimmt dadurch eine thematische Einordnung vor. Den Kern von Business Analytics bilden die verwendeten analytischen Verfahren sowie die zugehörigen Algorithmen. Um hierfür ein Grundverständnis zu wecken, soll ein Überblick über die gebräuchlichen Methoden im Bereich Business Analytics gegeben und deren Funktionsweise kurz erläutert werden. Da Business Analytics dazu eingesetzt wird, um geschäftlichen Mehrwert zu generieren, sind auch die Einsatzpotenziale zu beleuchten.AbstractAfter the Business-Intelligence-community attended to set up stable technological and organizational concepts of Data Management for many years, its view recently focused mostly on methods and application areas of advanced Data-Analysis. Currently methods and technologies are discussed under the designation Business Analytics which can reveal interesting patterns in extensive mounds of data and predict upcoming events and conditions. Against that background the article establishes a differentiation between Business Analytics and other common concepts such as Business Intelligence and Big Data Analytics and therefore carries out a classification of the term. The core of Business Analytics is formed by the applied analytical methods and the corresponding algorithms. To assemble a basic understanding for this the article gives an overview of the usual methods in the field of Business Analytics and briefly illustrates their functionality. Since Business Analytics is used to generate additional commercial values, also potential fields of utilization are highlighted.
  • Zeitschriftenartikel
    Das aufstrebende Berufsbild des Data Scientist
    (HMD Praxis der Wirtschaftsinformatik: Vol. 53, No. 4, 2016) Schumann, Conny; Zschech, Patrick; Hilbert, Andreas
    Um die Vielzahl an heterogenen Datenströmen im Zeitalter von Big Data in für Unternehmen entscheidungsrelevante Informationen zu transformieren, wurden in den letzten Jahren nicht nur Business-Analytics-Ansätze entwickelt. Auch ein neues Berufsbild wurde Mittelpunkt zahlreicher Diskussionen: der Data Scientist. Die Vielzahl an Kompetenzen, die diese neue Berufsgruppe mit sich bringen sollte, wurde in verschiedenen Fachbeiträgen beschrieben und wird in diesem Artikel durch ein systematisches Literature Review zusammengefasst. Dabei werden die einzelnen, durch die Inhaltsanalyse ermittelten Kompetenzen nicht nur aufgezählt, sondern erstmalig in ein Kompetenzmodell eingeordnet. Der Data Scientist sollte zahlreiche Fachkompetenzen, wie Kenntnisse in Statistik oder den KDD-Prozess betreffende Kompetenzen zur Datenselektion-, -aufbereitung, -analyse und Interpretation, aber auch Sozialkompetenzen, wie Team- und Kommunikationsfähigkeit, sowie Selbstkompetenzen, wie Neugier oder Kreativität, mit sich bringen. Hierbei wird ersichtlich, dass ein Data Scientist allein nicht alle Kompetenzen erfüllen kann. Es bedarf vielmehr an die Aufgaben und Rollen im Unternehmen angepasste Typen von Data Scientists mit unterschiedlichen Kompetenzschwerpunkten. Folglich werden ausgehend von den Erkenntnissen der Literatur- und Inhaltsanalyse Handlungsempfehlungen zur Entwicklung von spezifischeren Anforderungsprofilen ausgesprochen.AbstractTo transform the variety of heterogeneous data streams into enterprise decision-relevant information, not just modern business analytics approaches have been developed in recent years. In addition, a new job profile called for attention within the rising era of Big Data: the Data Scientist. The variety of skills that come along with this new profession has been described in various technical papers and is now summarized in this article through a systematic literature review. For this purpose, the identified competences are not only enumerated, but also classified within a competency model using a content analysis. The result of this examination is that according to the literature a Data Scientist should provide an extensive skill set – including professional skills such as statistics or KDD-relevant skills for the selection, preprocessing, analysis and interpretation of data, but also social skills such as teamwork and communication, as well as personal skills such as curiosity or creativity. Here it becomes evident that a Data Scientist alone cannot meet all these competencies. Rather, it requires individual types of Data Scientists with different major focus depending on the roles and duties within the enterprise. For this purpose the article provides recommendations for the development of specific Data Scientist profiles based on the results of the literature and content analysis.
  • Zeitschriftenartikel
    Digital Analytics – Strategien im digitalen Geschäft umsetzen und mit KPIs überprüfen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 53, No. 3, 2016) Zumstein, Darius; Gächter, Ingo
    Das digitale Geschäft hat den entscheidenden Vorteil, dass sämtliche Interaktionen und Transaktionen von Kunden auf Websites und Apps automatisiert und umfassend getrackt werden können. Daher fallen im Digital Analytics eine Großzahl an Informationen an, die im Digital Business gezielt genutzt werden können. Die Ableitung und Messung von Key Performance Indicators (KPIs) und die datenbasierte Steuerung von Unternehmen werden dabei zunehmend wichtiger und komplexer. Dieser Beitrag zeigt auf, was unter (Digital) Business Analytics zu verstehen ist und mit welchen Daten und Instrumenten des Digital Business die Nutzung und der Erfolg von verschiedenen digitalen Informations-, Kommunikations- und Transaktionskanälen wie Websites, Online Shops und Apps gemessen werden können. Hierzu werden aus Praxissicht des (Digital) Analytics 22 Kategorien an Metriken systematisch hergeleitet und ein bunter Blumenstrauß an KPIs ausführlich diskutiert.AbstractDigital business has the advantage that all interactions and transactions of customers on websites and apps are tracked automatically. In Digital Analytics, a large amount of data and information can be analysed and used specifically for running digital businesses. The measurement and analysis of Key Performance Indicators (KPIs) and data-driven management of digital businesses are becoming increasingly important and complex. This contribution defines and exemplifies (Digital) Business Analytics. It shows how usage and performance of digital channels of information, communication and transaction (e.g. websites, online shops and apps) can be analysed. For this purpose, 22 categories of digital metrics and KPIs are systematically derived and discussed from a practical point of view.
  • Konferenzbeitrag
    Modeling the Enterprise Digital Twin: Towards an Open Platform for Analytics & Compliance Operations
    (Modellierung 2022, 2022) Frerichs, Marc; Nüttgens, Markus
    With its origins in the manufacturing and production sector, the concept of the Digital Twin has now become firmly established. Companies are increasingly relying on the potential advantages of operating a digital representation of their corporate structure with the Digital Twin of an Organization. This is done by incorporating relevant dynamic and operational data on the slower-changing structural data of traditional business. This paper deals with the question of how a digital twin can be designed and actually implemented, particularly taking into account data and processes extracted from business information systems. A real, implemented use case is used to show how operational decision-making can be supported by a digital twin and what role the concept of Hybrid Intelligence plays in this context. The findings of this work are the basis for an open platform for business analytics and resulting (semi-)automated actions, e.g., for implementation of compliance operations such as double payment analysis.