Zusammenfassung
Zeit ist Geld und Wissen ist Macht. Diese altbekannte Weisheit ist heute relevanter denn je. Mit der voranschreitenden Digitalisierung kommen immer schneller größere Datenmengen mit größeren, vielfältigeren Daten in Umlauf. Diese Datenflut stellt insbesondere Unternehmen und deren Führungspersonal vor neue Herausforderungen, an die sich anpassen müssen. Vor allem Manager benötigen die richtigen Informationen zur richtigen Zeit am richtigen Ort, um die richtigen Entscheidungen treffen zu können. Daher ist es für Unternehmen zwingend notwendig, Daten zu nutzen, um informierte Geschäftsentscheidungen zu treffen und somit konkurrenzfähig zu bleiben. Diese Herausforderungen bieten jedoch auch neue Potentiale und Möglichkeiten. So können mittels Daten und datengetriebenen Methoden Wettbewerbsvorteile erzielt werden. Datengetriebene Kundenanalysen, Optimierungen von Geschäftsprozessen und Anwendungen zur Vorhersage von Ereignissen oder Entwicklungen sind hierbei nur einige beispielhafte Anwendungsfelder.
In diesem Kapitel werden die Grundlagen von Daten, der Organisation und Verwaltung von Daten, sowie Methoden und Konzepte zur Analyse von Daten vorgestellt. Zunächst werden die Grundlagen der Datenorganisation und des Datenbankenansatzes vermittelt. Im weiteren Verlauf werden dann Methoden zur Transformation von Daten zu Informationen und Wissen vorgestellt, u. a. Big Data, Business Analytics und Intelligence sowie Machine-Learning-Methoden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Ein weiterer Einsatzbereich dieser Hardware sind unter anderem Kryptowährungen wie Bitcoin.
Literaturverzeichnis
Chen PP-S (1976) The entity-relationship model – toward a unified view of data. ACM Trans Database Syst 1(1):9–36. https://doi.org/10.1145/320434.320440
Codd EF (1970) A relational model of data for large shared data banks. In: Communications of the ACM, Bd 13, 6. Aufl. Association for Computing Machinery, NY, S 337–387
Codd EF (1982) The 1981 ACM turing award lecture: a practical foundation for productivity. Commun ACM 25:109–117
Codd EF, Codd SB, Salley CT (1993) Providing OLAP (On-line analytical processing) to user-analysts: an IT mandate. Mich, Codd & Associates, Ann Arbor
Davenport T (2006) Competing on analytics. Harv Bus Rev 84:98–107, 134
Dippold R (2005) Unternehmensweites Datenmanagement. Von der Datenbankadministration bis zum Informationsmanagement; mit 19 Tabellen, 4., überarb. u. erw. Aufl. Vieweg (Zielorientiertes Business-Computing), Braunschweig
Firdaus S, Uddin MA (2015) A survey on clustering algorithms and complexity analysis. Int J Comput Sci Issues 12(2):62–85
Glaser F, Bezzenberger L (2015) Beyond cryptocurrencies – a taxonomy of decentralized consensus systems. In: European conference on information systems (ECIS). https://doi.org/10.18151/7217326
Krallmann H, Schönherr M, Dietrich J, Offermann P (2007) B2B-Modellierungssprachen und -methodologien im Kontext der Konzeption und Implementierung Service Orientierter Architekturen. In: Loos P (Hrsg) Architekturen und Prozesse. Strukturen und Dynamik in Forschung und Unternehmen; mit 11 Tabellen. Springer, Berlin u. a., S 13–31
Lusti M (2003) Dateien und Datenbanken. Eine anwendungsorientierte Einführung, 4., überarb. u. erw. Aufl. Springer (Springer-Lehrbuch), Berlin
Pernul G, Unland R (2003) Datenbanken im Unternehmen: Analyse, Modellbildung und Einsatz. Lehrbücher Wirtschaftsinformatik, Oldenbourg
ScaleGrid (2019) 2019 Database Trends – SQL vs. NoSQL, Top Databases, Single vs. Multiple Database Use. In: ScaleGrid, 04.03.2019. https://scalegrid.io/blog/2019-database-trends-sql-vs-nosql-top-databases-single-vs-multiple-database-use/. Zugegriffen am 31.12.2020
Senko ME, Altman EB, Astrahan MM, Fehder PL (1973) Data structures and accessing in data-base systems, I: Evolution of information systems. IBM Syst J 12(1):30–44. https://doi.org/10.1147/sj.121.0030
Sharda R, Delen D, Turban E (2014) In: Global (Hrsg) Business intelligence and analytics. Systems for decision support, 10. Aufl. Pearson (Always learning), Boston
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2021 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Leimeister, J.M. (2021). Daten, Datenmanagement und Datenauswertung. In: Einführung in die Wirtschaftsinformatik. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-63560-5_3
Download citation
DOI: https://doi.org/10.1007/978-3-662-63560-5_3
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-662-63559-9
Online ISBN: 978-3-662-63560-5
eBook Packages: Business and Economics (German Language)