Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Einleitung – Digitalisierungs- und Informationsmanagement für produzierende Unternehmen Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

9. Smart-Data-Management

Durch datenbasierte Anwendungen vorausschauende Entscheidungen treffen

verfasst von : Justus Benning, Lucas Wenger

Erschienen in: Digitalisierungs- und Informationsmanagement

Verlag: Springer Berlin Heidelberg

Einloggen

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

search-config
loading …

Zusammenfassung

Durch die vernetzte Digitalisierung stehen Unternehmen mehr Daten zur Verfügung als je zuvor. Die Tendenz ist dabei steigend und ein Ende der Entwicklung nicht abzusehen. Gleichzeitig wirken höhere Kundenanforderungen und ein globalisiertes Wettbewerbsumfeld spürbar auf die produzierende Industrie ein. Kompetenzen wie individualisierte Produktentwicklung, nachhaltige Kundenbindung und ein einzigartiges Wertversprechen gewinnen zunehmend an Relevanz. In diesem Spannungsfeld stellt sich die Frage, wie das Potenzial der stetig wachsenden Rohdatenmengen genutzt werden kann, um sich auf dem Markt von Mitstreitern abzusetzen.
Die Inhalte des Kapitels ‚Smart-Data-Management‘ sollen dazu dienen, produzierende Unternehmen zu befähigen, durch datenbasierte Anwendungen produktive und vorausschauende Entscheidungen zu treffen. Dabei kann der Mehrwert in einer gesteigerten Reaktionsgeschwindigkeit in Bezug auf externe Effekte liegen, aus der Verbesserung bestehender Unternehmensprozesse hervorgehen oder sich in neuen, durch Künstliche Intelligenz (KI) erschlossenen Geschäftsfeldern zeigen.
Dieses Kapitel schließt sich an die Themenstellungen der Informationslogistik (Kap. 8) und des Projektmanagements (Kap. 10) an und fokussiert die notwendigen Schritte zur erfolgreichen Umsetzung von datenbasierter Wertschöpfung. Es werden Trendthemen wie Big Data, KI und Maschinelles Lernen aufgegriffen und im Zuge dessen ein Projektvorgehensmodell vorgestellt, das auf das Management von Smart Data zugeschnitten ist.

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!

Jetzt informieren

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!

Jetzt informieren

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!

Jetzt informieren
Vorheriges Kapitel Informationslogistikmanagement
Nächstes Kapitel Projektmanagement
Fußnoten
1
Die Begriffe eines Online- und Offline-Datensatzes stammen aus der theoretischen Informatik und sind von dem Vorhandensein einer Internetverbindung, sprich dem Online-Sein, abzugrenzen.
 
Literatur
1.
2.
3.
4.
van der Aalst W (2016) Process mining. Data science in action, 2. Aufl. Springer, BerlinCrossRef
5.
Aasheim C, Rutner P (2015) Data analytics vs. data science: a study of similarities and differences in undergraduate programs based on course descriptions. J Inf Syst Educ 26(2):103–115
6.
Russell SJ, Norvig P (2009) Artificial intelligence. A modern approach, 3. Aufl. Prentice Hall, Upper Saddle RiverMATH
7.
Akerkar R (Hrsg) (2019) Artificial intelligence for business. Springer, Cham
8.
9.
Lin N (2015) Applied business analytics. Integrating business process, big data, and advanced analytics. Pearson, Upper Saddle River
10.
Rich E, Knight K, Nair S (2009) Artificial intelligence, 3. Aufl. Tata McGraw-Hill, New Delhi
11.
Burgess A (2018) The executive guide to artificial intelligence. Springer, ChamCrossRef
12.
Fasel D, Meier A (Hrsg) (2016) Big Data. Grundlagen, Systeme und NutzungsPotentiale. Springer Vieweg, Wiesbaden
13.
John Walker S (2014) Big data: a revolution that will transform how we live, work, and think. Taylor & Francis, London
14.
Mayer-Schönberger V, Cukier K (2014) Big data: a revolution that will transform how we live, work, and think. Taylor & Francis, London
15.
16.
Jähnichen S (2015) Von Big Data zu Smart Data – Herausforderungen für die Wirtschaft. Smart-Data-Newsletter, 01.08.2015 (Nr. 1):1–12. https://​www.​digitale-technologien.​de/​DT/​Redaktion/​DE/​Downloads/​Publikation/​SmartData_​NL1.pdf%3F__blob%3DpublicationFile%26v%3D5https://​plattform-digitale-netze.​de/​app/​uploads/​2016/​06/​151103_​PF1_​007_​FG2_​Smart_​Data_​fuer_​IM_​kurz.​pdf.​ Zugegriffen am 12.10.2020
17.
Laney D (2001) 3D data management: controlling data volume, velocity, and variety. Gartner. META Group Research Note, 6
18.
19.
20.
21.
22.
23.
Müller S (2016) Erweiterung des Data Warehouse um Hadoop, NoSQL & Co. In: Fasel D, Meier A (Hrsg) Big Data: Grundlagen, Systeme und NutzungsPotentiale. Springer, Wiesbaden, S 139–158CrossRef
24.
Dean J, Ghemawat S (2008) MapReduce: simplified data processing on large clusters. Commun ACM 51(1):107–113CrossRef
25.
26.
Corea F (2019) An introduction to data. Everything you need to know about AI, big data and data science. Studies in big data, Bd 50. Springer, Cham
27.
Bracht U, Geckler D, Wenzel S (2011) Digitale Fabrik. Methoden und Praxisbeispiele. Springer, BerlinCrossRef
28.
Abolhassan F (2016) Was treibt die Digitalisierung? Springer, WiesbadenCrossRef
29.
Shearer C (2000) The CRISP-DM model: the new blueprint for data mining. J Data Warehous 5(4):13–22
30.
31.
32.
Granville V (2014) Developing analytic talent. Becoming a data scientist. Wiley, Indianapolis
33.
34.
Domingos P (1999) The role of Occam’s razor in knowledge discovery. Data Min Knowl Disc 3(4):409–425CrossRef
35.
36.
Haider M (2016) Getting started with data science. Making sense of data with analytics. IBM Press/Pearson, Boston
37.
38.
Fayyad UM, Piatetsky-Shapiro G, Smyth P, Uthurusamy R (1996) Advances in knowledge discovery and data mining. MIT Press, Boston
39.
40.
41.
Becker W, Eierle B, Fliaster A, Ivens B, Leischnig A, Pflaum A, Sucky E (Hrsg) (2019) Geschäftsmodelle in der digitalen Welt. Strategien, Prozesse und Praxiserfahrungen. Springer, Wiesbaden. Zugegriffen am 12.10.2020
42.
Hoffmann J (2018) Informationssystem-Architekturen produzierender Unternehmen bei software-definierten Plattformen. Schriftenreihe Rationalisierung, Bd 158. Apprimus, Aachen. – Zugl.: Aachen, Techn. Hochsch., Diss., 2018
43.
44.
Osterwalder A, Pigneur Y, Bernarda G, Smith A, Papadakos P (2014) Value proposition design. How to create products and services customers. Wiley, Hoboken
45.
46.
Brown DG, Samuelson FW (2019) 7. Pitfalls and opportunities in the development and evaluation of artificial intelligence systems. In: Kozma R, Alippi C, Choe Y, Morabito F (Hrsg) Artificial intelligence in the age of neural networks and brain computing. Elsevier, London, S 139–159CrossRef
47.
48.
Johanning V (2014) IT-Strategie. Optimale Ausrichtung der IT an das Business in 7 Schritten. Springer Vieweg, Wiesbaden
49.
50.
Zikopoulos P (2012) Understanding big data. Analytics for enterprise class Hadoop and streaming data. McGraw-Hill, New York
Metadaten
Titel
Smart-Data-Management
verfasst von
Justus Benning
Lucas Wenger
Copyright-Jahr
2022
Verlag
Springer Berlin Heidelberg
Buch
Digitalisierungs- und Informationsmanagement

Print ISBN: 978-3-662-63757-9

Electronic ISBN: 978-3-662-63758-6

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-662-63758-6_9

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise