Skip to main content
Erschienen in: HMD Praxis der Wirtschaftsinformatik 3/2016

27.01.2016

Business Analytics – Grundlagen, Methoden und Einsatzpotenziale

verfasst von: Peter Gluchowski

Erschienen in: HMD Praxis der Wirtschaftsinformatik | Ausgabe 3/2016

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

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.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Weitere Produktempfehlungen anzeigen
Literatur
Zurück zum Zitat Backhaus K, Erichson B, Plinke W, Weiber R (2010) Multivariate Analysemethoden, Eine anwendungsorientierte Einführung. Springer, BerlinMATH Backhaus K, Erichson B, Plinke W, Weiber R (2010) Multivariate Analysemethoden, Eine anwendungsorientierte Einführung. Springer, BerlinMATH
Zurück zum Zitat Bankhofer U (2004) Data Mining und seine betriebswirtschaftliche Relevanz. Betriebswirtsch Forschung Prax (BFuP) 4:395–412 Bankhofer U (2004) Data Mining und seine betriebswirtschaftliche Relevanz. Betriebswirtsch Forschung Prax (BFuP) 4:395–412
Zurück zum Zitat Bissantz N, Hagedorn J (1993) Data Mining (Datenmustererkennung). Wirtschaftsinformatik 35:481–487 Bissantz N, Hagedorn J (1993) Data Mining (Datenmustererkennung). Wirtschaftsinformatik 35:481–487
Zurück zum Zitat Chamoni P, Beekmann F, Bley T (2010) Ausgewählte Verfahren des Data Mining. In: Chamoni P, Gluchowski P (Hrsg) Analytische Informationssysteme: Business Intelligence-Technologien und –Anwendungen. Springer, Berlin, S 329–356CrossRef Chamoni P, Beekmann F, Bley T (2010) Ausgewählte Verfahren des Data Mining. In: Chamoni P, Gluchowski P (Hrsg) Analytische Informationssysteme: Business Intelligence-Technologien und –Anwendungen. Springer, Berlin, S 329–356CrossRef
Zurück zum Zitat Dittmar C, Oßendoth V, Schulze K-D (2013) Business intelligence: Status Quo in Europa. Europäische biMA-Studie 2013, o. O Dittmar C, Oßendoth V, Schulze K-D (2013) Business intelligence: Status Quo in Europa. Europäische biMA-Studie 2013, o. O
Zurück zum Zitat Eaton C, Deroos D, Deutsch T, Lapis G, Zikopoulos P (2012) Understanding big data, analytics for enterprise class hadoop and streaming data. McGraw-Hill, New York Eaton C, Deroos D, Deutsch T, Lapis G, Zikopoulos P (2012) Understanding big data, analytics for enterprise class hadoop and streaming data. McGraw-Hill, New York
Zurück zum Zitat Fayyad UM, Piatetsky-Shapiro G, Smyth P (1996) From data mining to knowledge discovery in databases: an overview. In: Fayyad UM, Piatetsky-Shapiro G, Uthurusamy R (Hrsg) Advances in knowledge discovery and data mining. Mit Press, Menlo Park, S. 1–34 Fayyad UM, Piatetsky-Shapiro G, Smyth P (1996) From data mining to knowledge discovery in databases: an overview. In: Fayyad UM, Piatetsky-Shapiro G, Uthurusamy R (Hrsg) Advances in knowledge discovery and data mining. Mit Press, Menlo Park, S. 1–34
Zurück zum Zitat Gluchowski P (2001) Business Intelligence: Konzepte, Technologien und Einsatzbereiche. HMD 222:5–15 Gluchowski P (2001) Business Intelligence: Konzepte, Technologien und Einsatzbereiche. HMD 222:5–15
Zurück zum Zitat Gluchowski P, Kemper H-G (2006) Quo Vadis Business Intelligence? Aktuelle Konzepte und Entwicklungstrends. BI-Spektrum 1:12–19 Gluchowski P, Kemper H-G (2006) Quo Vadis Business Intelligence? Aktuelle Konzepte und Entwicklungstrends. BI-Spektrum 1:12–19
Zurück zum Zitat Gluchowski P, Gabriel R, Dittmar C (2008) Management Support Systeme – Computergestützte Informationssysteme für Führungskräfte und Entscheidungsträger, 2. Aufl. Springer, Berlin Gluchowski P, Gabriel R, Dittmar C (2008) Management Support Systeme – Computergestützte Informationssysteme für Führungskräfte und Entscheidungsträger, 2. Aufl. Springer, Berlin
Zurück zum Zitat Hahn D, Laßmann G (1986) Produktionswirtschaft – Controlling industrieller Produktion, Bd. 1 und 2. Physika, HeidelbergCrossRef Hahn D, Laßmann G (1986) Produktionswirtschaft – Controlling industrieller Produktion, Bd. 1 und 2. Physika, HeidelbergCrossRef
Zurück zum Zitat Halper F (2014) Predictive Analytics for Business Advantage, TDWI Report, Renton Halper F (2014) Predictive Analytics for Business Advantage, TDWI Report, Renton
Zurück zum Zitat Hilbert A (2014) Business Analysis using Regression Analysis, Data Warehousing (DW) Konferenz 2014, Zürich, 17.-18. November 2014 Hilbert A (2014) Business Analysis using Regression Analysis, Data Warehousing (DW) Konferenz 2014, Zürich, 17.-18. November 2014
Zurück zum Zitat Huber F, Meyer F, Nachtigall C (2009) Guerilla-Marketing als kreative Werbeform: eine empirische Analyse am Beispiel der Marke Mini. Josef Eul Verlag, Lohmar Huber F, Meyer F, Nachtigall C (2009) Guerilla-Marketing als kreative Werbeform: eine empirische Analyse am Beispiel der Marke Mini. Josef Eul Verlag, Lohmar
Zurück zum Zitat Küsters U (2001) Data Mining Methoden: Einordnung und Überblick. In: Hippner H, Küsters U, Meyer M, Wilde K (Hrsg) Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases. Vieweg, Braunschweig, S 95–130 Küsters U (2001) Data Mining Methoden: Einordnung und Überblick. In: Hippner H, Küsters U, Meyer M, Wilde K (Hrsg) Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases. Vieweg, Braunschweig, S 95–130
Zurück zum Zitat Larose DT (2005) Discovering knowledge in data: an introduction to data mining. Wiley, HobokenMATH Larose DT (2005) Discovering knowledge in data: an introduction to data mining. Wiley, HobokenMATH
Zurück zum Zitat Lusti M (2002) Data warehousing und data mining, 2. Aufl. Springer, BerlinCrossRef Lusti M (2002) Data warehousing und data mining, 2. Aufl. Springer, BerlinCrossRef
Zurück zum Zitat Meyer M (2002) Einsatz von Klassifikation und Prognose im Web Mining. In: Hippner H, Merzenich M, Wilde K (Hrsg) Handbuch Web Mining im Marketing: Konzepte, Systeme, Fallstudien. Vieweg, Braunschweig, S 192–216 Meyer M (2002) Einsatz von Klassifikation und Prognose im Web Mining. In: Hippner H, Merzenich M, Wilde K (Hrsg) Handbuch Web Mining im Marketing: Konzepte, Systeme, Fallstudien. Vieweg, Braunschweig, S 192–216
Zurück zum Zitat Russom P (2013) Managing Big Data, TDWI Best Practice Report, Renton Russom P (2013) Managing Big Data, TDWI Best Practice Report, Renton
Zurück zum Zitat Schroeck M, Shockley R, Smart J, Romero-Morales D, Tufano P (2012) Analytics: the real-world use of big data – How innovative enterprises extract value from uncertain data (Executive Report No. GBE03519-USEN-00). New York: IBM Institute for Business Value Schroeck M, Shockley R, Smart J, Romero-Morales D, Tufano P (2012) Analytics: the real-world use of big data – How innovative enterprises extract value from uncertain data (Executive Report No. GBE03519-USEN-00). New York: IBM Institute for Business Value
Metadaten
Titel
Business Analytics – Grundlagen, Methoden und Einsatzpotenziale
verfasst von
Peter Gluchowski
Publikationsdatum
27.01.2016
Verlag
Springer Fachmedien Wiesbaden
Erschienen in
HMD Praxis der Wirtschaftsinformatik / Ausgabe 3/2016
Print ISSN: 1436-3011
Elektronische ISSN: 2198-2775
DOI
https://doi.org/10.1365/s40702-015-0206-5

Weitere Artikel der Ausgabe 3/2016

HMD Praxis der Wirtschaftsinformatik 3/2016 Zur Ausgabe

EditorialNotes

Editorial