Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top

2024 | Book

Einleitung Read chapter Read first chapter

Data Management

Der Weg zum datengetriebenen Unternehmen

Author: Klaus-Dieter Gronwald

Publisher: Springer Berlin Heidelberg

Part of: Springer Professional "Wirtschaft+Technik" , Springer Professional "Technik" , Springer Professional "Wirtschaft"

Login to get access
insite
SEARCH

About this book

Dieses Lehrbuch betrachtet Data Management als interdisziplinäres Konzept mit Fokus auf den Zielen datengetriebener Unternehmen. Im Zentrum steht die interaktive Entwicklung eines Unternehmensdatenmodells für ein virtuelles Unternehmen mit Unterstützung eines online Learning Games unter Einbeziehung der Aufgaben, Ziele und Grundsätze des Data Managements, typischer Data-Management-Komponenten und Frameworks wie Datenmodellierung und Design, Metadaten Management, Data Architecture, und Data Governance, und verknüpft diese mit datengetriebenen Anwendungen wie Business Warehousing, Big Data, In-Memory Data Management, und Machine Learning im Data Management Kontext.

Das Buch dient als Lehrbuch für Studierende der Informatik, der Wirtschaft und der Wirtschaftsinformatik an Universitäten, Hochschulen und Fachschulen und zur industriellen Aus- und Weiterbildung.

Table of Contents

Frontmatter
Kapitel 1. Einleitung
Zusammenfassung
Dieses Lehrbuch betrachtet Data Management als multidimensionales Konzept mit Fokus auf den Zielen datengetriebener Unternehmen. Im Zentrum steht die interaktive Entwicklung eines Unternehmensdatenmodells für ein virtuelles Unternehmen mit Unterstützung eines online Learning Games. Ein interdisziplinärer Ansatz verknüpft Aufgaben, Ziele und Grundsätze des Data Managements, typische Data-Management-Komponenten und Frameworks mit datengetriebenen Anwendungen wie Business Warehousing, Big Data, Big Data Analytics, In-Memory Data Management, und Machine Learning im Data-Management-Kontext.
Klaus-Dieter Gronwald

Data Management Konzepte und Theorie

Frontmatter
Kapitel 2. Data Management: Einführung
Zusammenfassung
Data Management befasst sich hauptsächlich damit, wie wir mit Daten umgehen, wie wir sie verwalten, schützen, speichern und wann wir welche Daten löschen können oder müssen, indem wir Regeln aufstellen und Organisationen schaffen, um diese Regeln umzusetzen und einzuhalten. Voraussetzung ist ein grundlegendes Verständnis dafür, was Daten sind und wie Zeichen, Daten, Informationen und ihre Interpretation zusammenhängen. Datenethik und Grundsätze des Datenschutzes ergänzen die Aufgaben und Ziele unter Verwendung geeigneter Frameworks.
Klaus-Dieter Gronwald
Kapitel 3. Datengetriebene Anwendungen
Zusammenfassung
Zu den Business Drivers für die Entwicklung datengesteuerter Unternehmen gehören Analytics, Data Science und Big Data. Um die Vorteile von Big Data zu nutzen, muss sich die Art und Weise des Data Managements ändern. Das Datenvolumen und die Geschwindigkeit schaffen Herausforderungen, die verschiedene Ansätze für die Verwaltung kritischer Aspekte des Data Managements erfordern, wie z. B. Integration, Metadatenverwaltung und Datenqualitätsbewertung.
Klaus-Dieter Gronwald
Kapitel 4. Datenmodellierung und Design
Zusammenfassung
Datenmodellierung ist der Prozess der Erforschung, Analyse und der Bestimmung des Umfangs von Datenanforderungen. Der Umfang der Datenanforderungen wird in einem Datenmodell dargestellt und kommuniziert. Dieser Prozess ist iterativ und umfasst konzeptionelle, logische und physische Modelle.
Klaus-Dieter Gronwald
Kapitel 5. Datenbankmanagement
Zusammenfassung
Datenspeicherung und -betrieb umfasst die Konzeption, Implementierung und Unterstützung gespeicherter Daten, um deren Wert während ihres gesamten Lebenszyklus – von der Erstellung/Erfassung bis zur Entsorgung – zu maximieren. Die Datenbankunterstützung konzentriert sich auf Aktivitäten im Zusammenhang mit dem Lebenszyklus von Daten, von der anfänglichen Implementierung einer Datenbankumgebung bis hin zur Beschaffung, Sicherung und Löschung von Daten.
Klaus-Dieter Gronwald
Kapitel 6. Machine Learning, Deep Learning und Artificial Intelligence
Zusammenfassung
Die Trennung von Artificial Intelligence, Machine Learning und Deep Learning als unabhängige Techniken ist eine Voraussetzung für das Data Management. Die Geschichte der künstlichen Intelligenz ist wichtig, um sie in Bezug auf das Data Management zu positionieren. Theoretische Grundlagen von Machine Learning und Deep Learning werden an praktischen Beispielen so weit behandelt, wie sie für ein grundlegendes Verständnis der beiden Methoden, ihrer Unterschiede und Anforderungen an Data Governance, Datenethik und Datenqualität im Kontext des Data Managements notwendig sind.
Klaus-Dieter Gronwald
Kapitel 7. Datensicherheit
Zusammenfassung
Datensicherheit ist der Schutz digitaler Informationen während ihres gesamten Lebenszyklus vor unbefugtem Zugriff, Beschädigung oder Diebstahl. Das umfasst die Planung, Entwicklung und Ausführung von Sicherheitsrichtlinien und -verfahren, um eine ordnungsgemäße Authentifizierung, Autorisierung und Prüfung von Daten und Informationsbeständen sowie einen ordnungsgemäßen Zugriff darauf zu gewährleisten. Die Richtlinien für Datensicherheit (z. B. welche Daten geschützt werden müssen) unterscheiden sich je nach Branche und Land.
Klaus-Dieter Gronwald
Kapitel 8. Datenintegration und Interoperabilität
Zusammenfassung
Datenintegration und Interoperabilität beschreibt Prozesse im Zusammenhang mit der Bewegung und Konsolidierung von Daten innerhalb und zwischen Datenspeichern, Anwendungen und Organisationen. Integration konsolidiert Daten in konsistenten Formen, entweder physisch oder virtuell. Dateninteroperabilität ist die Fähigkeit, dass mehrere Systeme miteinander kommunizieren können.
Klaus-Dieter Gronwald
Kapitel 9. Datenqualität
Zusammenfassung
Datenqualität beschreibt den Zustand von Daten unter anderem im Hinblick auf Vollständigkeit, Genauigkeit, Zuverlässigkeit, Aktualität und Konsistenz. Die Messung der Datenqualität hilft Unternehmen, Datenfehler zu identifizieren, die behoben werden müssen, und zu beurteilen, ob die Daten in ihren IT-Systemen ihren Zweck erfüllen.
Klaus-Dieter Gronwald
Kapitel 10. Datenarchitektur
Zusammenfassung
Datenarchitektur ist ein Standardisierungsprozess, der definiert, wie ein Unternehmen Daten sammelt, speichert, umwandelt, verteilt und nutzt. Das Ziel besteht darin, denjenigen, die sie benötigen, relevante Daten genau dann zur Verfügung zu stellen, wenn sie sie benötigen, und ihnen dabei zu helfen, sie sinnvoll zu nutzen.
Klaus-Dieter Gronwald
Kapitel 11. Data Governance
Zusammenfassung
Unter Data Governance versteht man eine Reihe von Prozessen, Rollen, Richtlinien, Standards und Praktiken, die die effektive Nutzung von Informationen ermöglichen und Organisationen dabei helfen, ihre Ziele zu erreichen. Data Governance umfasst Prozesse und Verantwortlichkeiten im Zusammenhang mit der Qualität und Sicherheit der in einem Unternehmen oder einer Organisation verwendeten Daten.
Klaus-Dieter Gronwald

Data Management Das Projekt

Frontmatter
Zusammenfassung
Die SISY AG hat eine Reihe struktureller, organisatorischer und technischer Probleme. Aufgrund eines rapiden Wachstums und eines nicht mit gewachsenen unzureichenden Informatikeinsatzes ist die Kombination von Einzel-, Massen- und Projektfertigung eine permanente Herausforderung an das Produktionsmanagement. Die Studierenden analysieren die Unternehmensstruktur und erstellen daraus ein Unternehmensdatenmodell in sechs Phasen sowie einen Lösungsvorschlag für die Beseitigung der Schwachstellen mit Hilfe der in den Kap. 2–12 beschriebenen Data Management Methoden.
Klaus-Dieter Gronwald
Kapitel 13. Unternehmensdatenmodell –
Zusammenfassung
Der folgende Kurs für die Entwicklung eines Unternehmensdatenmodells dient als Vorlage für die Entwicklung eigener Kurspläne. Die einzelnen Projektphasen sind nur skizziert, um den Lehrenden möglichst viel Gestaltungsfreiheit zu lassen. In den Phasenskizzen werden unterschiedliche Vorgehensweisen und Lösungsansätze erwähnt und diskutiert. Ebenso gibt es Hinweise, wo die entsprechenden Informationen im Buch zu finden sind und wie sie jeweils eingesetzt werden können. Musterlösungen für die Phasen 1–6 gibt es direkt im Online-Kurs. Der Zugang zu den Musterlösungen hängt von der Erreichung der Quiz-Performance von mindestens 80 % für die entsprechenden Quiz ab.
Klaus-Dieter Gronwald
Kapitel 14. Anhang
Zusammenfassung
Der Anhang enthält Produktbeschreibungen mit detaillierten Markt- und Wettbewerbsinformationen für jedes Produkt. Umfassende Finanzdaten der Unternehmen (Bilanz, Erfolgsrechnung bzw. Gewinn- und Verlustrechnung, Cash-flow und Marktanteile) sind online in einer Datenbank über den SQL-Editor aus Kapitel 4 zugänglich.
Klaus-Dieter Gronwald
Backmatter
Metadata
Title
Data Management
Author
Klaus-Dieter Gronwald
Copyright Year
2024
Publisher
Springer Berlin Heidelberg
Electronic ISBN
978-3-662-68668-3
Print ISBN
978-3-662-68667-6
DOI
https://doi.org/10.1007/978-3-662-68668-3

Premium Partner

    Image Credits