Autor*innen mit den meisten Dokumenten
Auflistung nach:
Neueste Veröffentlichungen
- 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.
- 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.
- 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.
- 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 Geister die wir riefen(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Kaufmann, Michael
- ZeitschriftenartikelSocial Media Monitoring mit Big Data Technologien(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) König, Gerd; Gügi, ChristianDer Artikel beschreibt, wie mit Hilfe der Big Data Technologien Hadoop, HBase und Solr eine skalierbare Architektur zur Online Medienüberwachung definiert und realisiert wird. Ausgangspunkt ist das bereits vorhandene Medienüberwachungstool eines Kunden. Dessen Analyse und dabei entdeckte Schwachstellen führen zu einem Re-Design des kompletten Systems. Sowohl dieser Design-, als auch der darauf folgende Entwicklungsprozess werden durchgängig erläutert. Das Hadoop Framework, das den Kern der Lösung bildet, wird zusammen mit weiteren Werkzeugen aus dem Hadoop Ökosystem vorgestellt und die Implementierungen zur Erfüllung der einzelnen Teilanforderungen werden detailliert aufgezeigt. Die Systemarchitektur, technologische Innovationen, sowie die wichtigsten Softwareprodukte werden genannt. Das abschliessende Kapitel beschreibt die aus diesen Prozessen gewonnenen Learnings.
- ZeitschriftenartikelBig Data – Eine Einführung(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Fasel, DanielVerfolgt man die Diskussionen in der europäischen Wirtschaft, erkennt man, dass der Begriff Big Data in der Praxis nicht klar definiert ist. Er ist zwar in aller Munde, doch nur wenige haben eine klare Antwort auf die Frage, was Big Data ist und wo es sich von klassischen Daten einer Unternehmung unterscheidet. Dieser Beitrag gibt eine Einführung in Big Data. Anhand von Volume, Velocity und Variety werden grundlegende Merkmale von Big Data erläutert. Um Big Data wertschöpfend in einer Firma einzusetzen braucht es neue Technologien und neue Fähigkeiten, damit mit solchen Daten besser umgegangen werden kann. In diesem Beitrag werden die Hauptgruppen und einige Vertreter von solchen neuen Technologien kurz erläutert. Letztlich werden die Chancen und Risiken von Big Data in Unternehmen betrachtet.
- ZeitschriftenartikelDatenschutz in Zeiten von Big Data(HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Heuberger-Götsch, Olivier; Burkhalter, ThomasDer rasante technologische Fortschritt ermöglicht es sowohl Unternehmen als auch Behörden seit geraumer Zeit auf personenbezogene Daten in noch nie dagewesenem Umfang zurückzugreifen und auszuwerten. Das aktuelle Datenschutzgesetz bedarf einer Reform, damit auch in Zukunft die Rechte der Privatpersonen und die Interessen der Unternehmen und Behörden ausgewogen wahrgenommen werden können. Zur Diskussion steht namentlich die Überarbeitung der Datenschutzgrundsätze, wie der Einwilligung, der Erkennbarkeit oder der Zweckmäßigkeit der Datenbearbeitung sowie der Einführung neuer Rechtsfiguren, wie das Recht auf Vergessen, Produktestandards oder Sanktionsmöglichkeiten bei Datenmissbrauch.
- 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.
- 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.