Logo des Repositoriums

Auflistung nach Schlagwort "Latent semantic analysis"

1 - 2 von 2
  • Zeitschriftenartikel
    The Role of Gender in Business Process Management Competence Supply
    (Business & Information Systems Engineering: Vol. 58, No. 3, 2016) Gorbacheva, Elena; Stein, Armin; Schmiedel, Theresa; Müller, Oliver
    While Business Process Management (BPM) was originally focused on Information Technology as a key factor driving the efficiency and effectiveness of organizational processes, there is now a growing consensus among practitioners and academics that BPM represents a holistic management approach that also takes such factors as corporate governance, human capital, and organizational culture into account. Studies show that the BPM practice faces a shortage of competence supply that stems from a shortage of qualified BPM professionals. At the same time, there is a distinct underrepresentation of women in technology-related fields; it has been suggested that gender stereotypes are one of the reasons for this underrepresentation. The goal of this research paper is, thus, to better understand the role of gender in the BPM competences supply. In this study 10,405 LinkedIn profiles of BPM professionals were analyzed using a text mining technique called Latent Semantic Analysis. Twelve distinct categories of supplied BPM competences were identified and it was investigated how far gender biases exist among BPM professionals. The nature of BPM-related competences is discussed, together with the differences in their presentation by male and female professionals, which indicate potential existence of gender stereotypes. Further, it is discussed how the apparent underrepresentation of women among BPM professionals can be addressed to close the competence gap in the field. The study contributes to both the call for research on human capital in the BPM field, and the calls for research on gender and gender stereotypes in technology-related fields.
  • Zeitschriftenartikel
    Vergleich von Kompetenzanforderungen an Business-Intelligence- und Big-Data-Spezialisten
    (Wirtschaftsinformatik: Vol. 56, No. 5, 2014) Debortoli, Stefan; Müller, Oliver; Brocke, Jan vom
    Während sich die meisten wissenschaftlichen Studien zum Thema „Big Data“ mit den technischen Möglichkeiten zur Bewältigung von riesigen Datenmengen beschäftigen, sind empirische Untersuchungen in Bezug auf die von Fachleuten verlangten Kompetenzen für das Management and die Analyse von Big Data bislang noch nicht durchgeführt worden. Gleichzeitig diskutiert man in Wissenschaft und Praxis heftig über die Unterschiede und Gemeinsamkeiten von Big Data (BD) einerseits und „traditionellem“ Business Intelligence (BI) andererseits. Der vorliegende Artikel beschreibt die Durchführung einer Latenten Semantischen Analyse (LSA) von Stellenanzeigen auf dem Online-Portal monster.com, um Informationen darüber zu gewinnen, welche Anforderungen Unternehmen an Fachkräfte in den Bereichen BD und BI stellen. Auf Basis einer Analyse und Interpretation der statistischen Ergebnisse der LSA wird eine Taxonomie von Kompetenzanforderungen für BD bzw. BI entwickelt. Die wichtigsten Ergebnisse der Untersuchung lauten: (1) für beide Bereiche, BD und BI, ist Businesswissen genauso wichtig wie technisches Wissen; (2) kompetent sein im Bereich BI bezieht sich vorwiegend auf Wissen und Fähigkeiten in Bezug auf die Produkte der großen kommerziellen Softwareanbieter, während im Bereich BD eher Wissen und die Fähigkeiten in Bezug auf die Entwicklung von Individualsoftware und die Anwendung statistischer Methoden im Vordergrund steht; (3) die Nachfrage nach Kompetenz im Bereich BI ist immer noch weitaus größer als die Nachfrage nach Kompetenz im Bereich BD; und (4) BD-Projekte sind gegenwärtig wesentlich humankapital-intensiver als BI-Projekte. Die Ergebnisse und Erkenntnisse der Studie können Praktikern, Unternehmen und wissenschaftlichen Einrichtungen dabei helfen, ihre BD- bzw. BI-Kompetenz zu bewerten und zu erweitern.AbstractWhile many studies on big data analytics describe the data deluge and potential applications for such analytics, the required skill set for dealing with big data has not yet been studied empirically. The difference between big data (BD) and traditional business intelligence (BI) is also heavily discussed among practitioners and scholars. We conduct a latent semantic analysis (LSA) on job advertisements harvested from the online employment platform monster.com to extract information about the knowledge and skill requirements for BD and BI professionals. By analyzing and interpreting the statistical results of the LSA, we develop a competency taxonomy for big data and business intelligence. Our major findings are that (1) business knowledge is as important as technical skills for working successfully on BI and BD initiatives; (2) BI competency is characterized by skills related to commercial products of large software vendors, whereas BD jobs ask for strong software development and statistical skills; (3) the demand for BI competencies is still far bigger than the demand for BD competencies; and (4) BD initiatives are currently much more human-capital-intensive than BI projects are. Our findings can guide individual professionals, organizations, and academic institutions in assessing and advancing their BD and BI competencies.