249Sachverzeichnis

A

Aktualität 50

Akzeptanz 72

Analytics-Lab 84, 96

Analytics-Plattformen 85

Analytics-Problem 24

API 7

Äquidistanz 150

Area under the Curve 149

Assoziationsanalyse 114

Assoziationsregeln 114

Attribut 27

Aufbauorganisation 94

Ausreißer 120

Ausreißeranalyse 120

Autokorrelation 136

B

Batch Layer 83

Benchmarking 51

Benchmarkingvarianten 53

Betriebswirtschaftliches Problem 23, 24

Betweenness Centrality 133

Big Data 71

Binning 150

Brute Force 116

Business Analytics 18

Business Intelligence 21

Business Model Canvas 42

C

Centroide 110

Closeness Centrality 133

Cloud Computing 78

Cluster 108

Clusteralgorithmen 112

Clusteranalyse 108, 126

Clusteranzahl 110

Community Detection 130

Core Data Warehouse 83

D

Dashboard 85

Data Aquisition Layer 82

Data Governance 95

Data Lake 81

Data Marts 83

Data Mining 22

Data Reservoir 82

Data Science 21

Data Scientist 86

Data Steward 87

Data Virtualization 84

Data Warehouse 82

Daten 67

Datenbewertung 88

Datenhaltung 88

Datenmärkte 88

Datenmatrix 27

Datenqualität 71

Datenquellen 5

Datenschutz-Grundverordnung 92

Datenverfügbarkeit 5

Deep Learning 147

Degree Centrality 132

Dendrogramm 203

Descriptive Analytics 25, 54, 107

Deskriptive Statistik 107

Digitale Transformation 2

Digitalisierung 5

Distanzmaß 109

Dummy-Variablen 136

250E

Ellbogen-Kriterium 111

Ensemble Learnings 144

Entropie 142

Enumeration Tree 117

Equity-Theorie 173

Evidenz 69

F

Fairness 72

Fallstudien 217

Feature 27

Flow Map 194

G

Geschäftsmodell 5

Gestaltgesetz 187

H

Hadoop-Cluster 82

Heatmap 205

Hidden Layer 146

Holdout 147

Homoskedastizität 136

Hotsax-Algorithmus 123

Human Resource-Analytics 13

I

Industrie 4.0 6

Information 68

Informationsasymmetrie 176

Informationsgewinn 142

Infrastructure as a Service 79

Instanzen 27

IT-Architektur 77, 80

J

Jaccard Koeffizient 131

K

Klärung der Mechanismen 171

Klassifikation

Klassifikationsanalyse 140

k-means-Algorithmus 126

KNIME 37, 161

Kompetenzen 14

Konfidenz 115

Konstrukt 46, 172

Korrelationskoeffizient 118

Korrespondenzregeln 172

Kundendaten 7

L

Lambda-Architektur 83

Lattice 117

Lernen 22, 23

Likert-Skala 136

Link Prediction 131

Lösungsidee 24

M

Machine Learning 22

Manufacturing-Analytics 9

Marketing-Analytics 12

Messmodell 46

Modellgrenzen 153

Model Tree 137

N

Neuronale Netze 145

O

Operational Analytics 33

Operationalisierung 46

Optimierung 153

Organisation

Outlier-Score 120

Overfitting 137, 143, 166

P

Perzeptron 145

Platform as a Service 79

Plattformen 44

Portersche Wertkette 43

Präattentive Merkmale 186

Predictive Analytics 25, 55, 134

Preparation 170

Prescriptive Analytics 26, 55, 153

Prestige 132

Pruning 143

R

Random Forrests 144

R&D-Analytics 12

Reaktanztheorie 174

Regressionsanalyse 134

Robotic Process Automation 90

251ROC-Kurve 148

Roh-Evidenz 69, 161, 162, 164, 210, 214

Rollen 87

S

Sandbox 83

Sensitivitätsanalyse 156

Sentiment-Analyse 126

Service-Analytics 10

Serving Layer 83

Signifikanzniveau 139

Simplex-Algorithmus 156

Simulation 154

Slope Chart 192

Social Influence 132

Social Media 7

Social Network-Analysen 128

Software as a Service 79

Sparkline 191

Speed Layer 83

Star Graph 198

Storytelling 187

Sunburst-Diagramm 200

Supply Chain-Analytics 11

Support 114

System Dynamics 157

T

Text Mining 124

Theorien

Topic Modeling 127

Trainingsdaten 31

Treemap 204

U

Überwachtes Lernen 22

Underfitting 137, 166

Unüberwachtes Lernen 23

V

Validität 48

Virtualisierung 83

Visualisierung 182

Visualisierungsform

W

Wirtschaftlichkeit 51

Wissen 68

Word Cloud 190

Worthäufigkeiten 126

Z

Zeitreihe 70, 149

Zeitreihenanalyse 149

Zeitreihenkomponenten 151

Zentralisierungsgrad 94

Zentralität 132

Zielsetzungstheorie 175

Cover

Impressum

 

www.beck.de

 

ISBN Print: 978 3 8006 5871 8
ISBN E-Book: 978 3 8006 5872 5

 

© 2019 Verlag Franz Vahlen GmbH
Wilhelmstr. 9, 80801 München
Satz: Fotosatz Buck
Zweikirchener Str. 7, 84036 Kumhausen
Druck und Bindung: Friedrich Pustet GmbH & Co. KG
Gutenbergstr. 8, 93051 Regensburg
Umschlaggestaltung: Ralph Zimmermann – Bureau Parapluie
Bildnachweis: © Ostapius – depositphotos.com

eBook Datagroup int. SRL, 300665 Timisoara, România

Gedruckt auf säurefreiem, alterungsbeständigem Papier
(hergestellt aus chlorfrei gebleichtem Zellstoff)

VIIInhaltsverzeichnis

Business Analytics ist weit mehr als das ­Beherrschen von Algorithmen!

Kapitel 1: ­Grundlagen

1.1 Relevanz von Business Analytics

1.2 Business Analytics und dessen Verhältnis zu verwandten Begriffen

1.3 Entwicklung des Business Analytics-Prozesses

» Teilprozess Framing

» Teilprozess Allocation

» Teilprozess Analytics

» Teilprozess Preparation

1.4 Aufbau des Buches

Weiterführende Literatur

Kapitel 2: ­Teilprozess Framing

2.1 Kapitelüberblick

2.2 Identifikation des betriebswirtschaftlichen Problems

2.3 Operationalisierung des Problems und Relevanznachweis

2.4 Ableitung des Analytics-Problems

2.5 Fallstudie Ausrüster GmbH

» Problem Serviceverträge

» Problem Auftragspriorisierung

» Problem Kundenzufriedenheit

Weiterführende Literatur

Kapitel 3: Teilprozess Allocation

3.1 Kapitelüberblick

3.2 Daten

» Datentypen

»Datenqualität

3.3 Informationstechnologie

» Komponenten einer IT-Architektur

» Business Analytics-spezifische IT-Architektur

3.4 Personal

» Rollen

» Aufbauorganisation

3.5 Fallstudie Ausrüster GmbH

» Daten

» Informationstechnologie

» Personal

Weiterführende Literatur

VIIIKapitel 4: Teilprozess Analytics

4.1 Kapitelüberblick

4.2 Descriptive Analytics

» Clusteranalysen

» Assoziationsanalysen

» Ausreißeranalysen

» Text Mining

» Social Network-Analysen

4.3 Predictive Analytics

» Regressionsanalysen

» Klassifikationsanalysen

» Zeitreihenanalysen

4.4 Prescriptive Analytics

4.5 Fallstudie Ausrüster GmbH

» Roh-Evidenzen der Assoziationsanalyse

» Roh-Evidenzen der Klassifikationsanalyse

» Roh-Evidenzen der Regressionsanalyse

Weiterführende Literatur

Kapitel 5: Teilprozess Preparation

5.1 Kapitelüberblick

5.2 Klärung der Mechanismen

5.3 Feststellung der Gültigkeitsgrenzen

5.4 Visualisierung

5.5 Fallstudie Ausrüster GmbH

» Klassifikationsanalyse

» Evidenzen der Klassifikation

» Evidenzen der Regressionsanalyse

Weiterführende Literatur

6 Fallstudien

6.1 Fallstudie Bodenbelag GmbH – Optimierter Vertrieb durch ­Prognose zukünftiger Fokuskunden

6.2 Fallstudie BrainMine GmbH – Identifikation von Technologietrends durch Patendatenanalyse

6.3 Fallstudie InnoMA GmbH – Automatisierte Investitionsentscheidungen durch Robotic Process Automation

6.4 Fallstudie Raumklima GmbH – Auf dem Weg zu Predictive ­Maintenance

Weiterführende Literatur

Literaturverzeichnis

Sachverzeichnis

BUSINESS
ANALYTICS

Wie Sie Daten für die Steuerung
von Unternehmen nutzen


von
Prof. Dr. Mischa Seiter

2., komplett überarbeitete und erweiterte Auflage

 

 

 

 

Verlag Franz Vahlen München

Zum Inhalt:

Business Analytics ist weit mehr als die Beherrschung von Algorithmen!

„Für Führungskräfte, die ihr Verständnis von Datenanalyse erweitern und Analytics-Prozesse überblicken, planen und steuern wollen, ist das Buch ... ein Muss.“
getabstract zur 1. Auflage

Warum schöpfen manche Unternehmen das Potenzial von Business Analytics voll aus und andere dagegen nicht? Der Grund hierfür ist nicht etwa eine mangelnde Kompetenz bei der Anwendung von Algorithmen. Vielmehr werden andere Aspekte von Business Analytics nicht ausreichend beachtet! Dazu gehören die Interpretation und Visualisierung der Ergebnisse der Algorithmen, aber auch die organisatorische Verortung der Analytics-Funktion.

Dieses Buch vermittelt Führungskräften alle wesentlichen Aspekte von Business Analytics in kompakter Form. Den Rahmen dazu bilden vier Grundfragen:

1. Für welche betriebswirtschaftlichen Probleme sollen die knappen Analytics-Ressourcen eingesetzt werden?

2. Welche Ressourcen, also Daten, IT und Personal, sind zur Lösung der Probleme notwendig?

3. Mit welchen Algorithmen können die Probleme gelöst werden?

4. Wie müssen die Ergebnisse der Algorithmen interpretiert und visualisiert werden, damit Führungskräfte sie korrekt einsetzen können?

Eine Besonderheit dieses Buches sind die zahlreichen Praxisbeispiele. In diesen realen Beispielen werden sämtliche Aspekte von Business Analytics verdeutlicht. Durch eine Mischung unterschiedlicher Branchen und Größenklassen werden tiefgehende Einsichten für den Leser möglich.

Zum Autor:

Dr. Mischa Seiter ist Professor für Wertschöpfungs- und Netzwerkmanagement am Institut für Technologie- und Prozessmanagement der Universität Ulm und wissenschaftlicher Leiter des International Performance Research Institute. Er ist für den berufsbegleitenden Ulmer Master-Studiengang „Business Analytics“ verantwortlich. Außerdem ist Mischa Seiter zusammen mit Péter Horváth und Ronald Gleich Autor des Standardwerks „Controlling“.

VBusiness Analytics ist weit mehr als das ­Beherrschen von Algorithmen!

Mittlerweile stellt sich nicht mehr die Frage, ob in Unternehmen Business Analytics implementiert wird, sondern in welcher Form. Zwar unterscheiden sich Business Analytics in unterschiedlichen Branchen mittlerweile stark, allen gemein ist aber, dass der Implementierungserfolg sehr unterschiedlich ist. Warum aber wird das Potenzial von Business Analytics in manchen Unternehmen ausgeschöpft und in anderen nicht? Der Grund hierfür ist nicht etwa die mangelnde Beherrschung der Algorithmen. Vielmehr werden andere Aspekte von Business Analytics nicht ausreichend beachtet! Dazu gehören die Interpretation und Visualisierung der Ergebnisse der Algorithmen, aber auch die organisatorische Verortung der Analytics-Funktion. Denn es ist nicht zu erwarten, dass die Ergebnisse genutzt werden, wenn sie für den Nutzer missverständlich aufbereitet werden. Und es ist ebenfalls nicht verwunderlich, dass eine unpassende Organisation der Analytics-Funktion zu Problemen führt.

Business Analytics wird in diesem Buch interpretiert als die notwendige Reaktion auf eine deutliche Untergewichtung betriebswirtschaftlicher Aspekte in den Bemühungen zur digitalen Transformation. Welche Facette auch diskutiert wird – von digitalen Geschäftsmodellen, über Smart Products, bis zu digitalen Plattformen –, nahezu immer werden technische Aspekte überbetont. Es ist aber genauso wichtig, wie die betriebswirtschaftliche Steuerung von Unternehmen weiterentwickelt werden muss, um den neuen Bedingungen gerecht zu werden.

Aktuellen und zukünftigen Führungskräften werden in diesem Buch die wesentlichen Aspekte von Business Analytics vermittelt. Den Rahmen dazu bilden vier Grundfragen:

1. Für welche betriebswirtschaftlichen Probleme sollen die knappen Analytics-Ressourcen eingesetzt werden?

2. Welche Ressourcen, also Daten, IT und Personal, sind zur Lösung der Probleme notwendig?

3. Mit welchen Algorithmen können die Probleme gelöst werden?

4. Und wie müssen die Ergebnisse der Algorithmen interpretiert und visualisiert werden, damit Führungskräfte sie korrekt einsetzen können?

Das vorliegende Werk ist also weit mehr als ein Methodenbuch. Es werden zwar auch Algorithmen vorgestellt, aber sie sind nur ein Punkt von vielen. Vielmehr geht es um den gesamten Business Analytics-Prozess. Dies entspricht dem Verständnis, dass Business Analytics eben gerade nicht nur die Anwendung von Methoden der Statistik, des Data Mining oder Machine Learning ist.

Eine Besonderheit des Buches sind die zahlreichen Praxisbeispiele. In diesen realen Beispielen werden sämtliche Aspekte von Business Analytics verdeutlicht. Durch eine Mischung unterschiedlicher Branchen und Größenklassen werden tiefgehende Einsichten für den Leser möglich.

VIAbschließend gilt mein Dank den zahlreichen Vertretern der Unternehmen, die Beispiele für dieses Buch beigesteuert haben. Darüber hinaus meinen Kollegen an der Universität Ulm und dem International Performance Research Institute, die das Manuskript kritisch geprüft haben. Insbesondere sind dies Philip Autenrieth, Christoph Bayrle, Felicitas Heering, Marcus Jung, Sebastian Kasselmann, Sebastian Künkele, Frank Liepe, Benjamin Richter, Maria Seiter und Oliver Treusch. Ebenso gilt mein Dank den zahlreichen Teilnehmern des berufsbegleitenden Master-Studiengangs „Business Analytics“ der Universität Ulm für ihre Hinweise.

 

Prof. Dr. Mischa Seiter im Juli 2019