Narrow Search
Last searches

Results for *

Displaying results 1 to 4 of 4.

  1. The Goal-oriented Business Intelligence Architectures Method
    A Process-based Approach to Combine Traditional and Novel Analytical Technologies
    Published: 2020
    Publisher:  readbox unipress in der readbox publishing GmbH, Dortmund ; Universitäts- und Landesbibliothek Münster, Münster

    Export to reference management software   RIS file
      BibTeX file
    Source: Union catalogues
    Contributor: Vossen, Gottfried (Akademischer Betreuer)
    Language: English
    Media type: Dissertation
    Format: Online
    Other identifier:
    Series: Wissenschaftliche Schriften der WWU Münster / Reihe IV ; 18
    Subjects: Business Intelligence; Big Data; Unternehmensarchitektur; Datenanalyse; Business intelligence; Betriebliches Informationssystem; Unternehmensarchitektur; Big Data; Engineering Data Management
    Other subjects: (stw)Betriebliches Informationssystem; (stw)Unternehmensarchitektur; (stw)Big Data; (stw)Data Analytics; Array; Array; (BISAC Subject Heading)COM000000; business intelligence; architectures; goal-oriented; big data; technology selection; analytics; Architekturen; ziel-orientiert; Technologieauswahl; Graue Literatur
    Scope: Online-Ressource
    Notes:

    In: Wissenschaftliche Schriften der WWU Münster / Reihe IV

    Dissertation, Universität Münster, 2018

  2. Big Data in kleinen und mittleren Unternehmen
    eine empirische Bestandsaufnahme
    Published: 2015
    Publisher:  Inst. für Wirtschaftsinformatik, Münster

    Dieser Bericht untersucht das Potential von Big Data in und für kleine und mittlere Unternehmen (KMU). Dafür werden mittels einer Umfrage, Fokus-Interviews und zusätzlichen Recherchen die Potentiale und Herausforderungen bei Big Data untersucht,... more

    Technische Informationsbibliothek (TIB) / Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek
    No inter-library loan
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    DS 367 (135)
    No inter-library loan

     

    Dieser Bericht untersucht das Potential von Big Data in und für kleine und mittlere Unternehmen (KMU). Dafür werden mittels einer Umfrage, Fokus-Interviews und zusätzlichen Recherchen die Potentiale und Herausforderungen bei Big Data untersucht, welche für KMU zu Tragen kommen. Der Begriff Big Data selbst wird genauer betrachtet und es wird erklärt, welche Dimensionen abseits schierer Größe ebenfalls dazu zählen, wie etwa Vielfalt oder Schnelligkeit der Daten. Weiter wird mit eingängigen Praxisbeispielen, etwa von der US-Restaurant-Kette The Cheessecake Factory, die Nutzung von Big Data illustriert und die Anwendbarkeit hiervon auf KMU besprochen. Die Potentiale und Herausforderungen für KMU werden in technische, organisatorische sowie wirtschaftliche und rechtliche Aspekte unterteilt und untersucht. Ein zusammenführendes Fazit für KMU wird im Anschluss gebildet und diskutiert. Insgesamt soll der Bericht helfen zu klären, ob und wie KMU sich dem Thema Big Data stellen sollten und weshalb das Thema Big Data bei KMU bisher zögerlich angenommen wird. Es stellt sich heraus, dass es für KMUs grundsätzlich sinnvoll ist, den Blick in die Richtung von Big Data zu lenken, denn die Entwicklungen in Bereichen wie Internet of Things, Industrie 4.0, Smart Car, Smart Home oder Smart City lassen heute bereits klar erkennen, dass die Digitalisierung unserer Welt weiter fortschreiten wird. Damit werden die anfallenden Datenbestände ständig und immer schneller wachsen und neue Formen von Interaktion, Kollaboration, Kooperation, Marketing, Vertrieb und Kundenorientierung ermöglichen.

     

    Export to reference management software   RIS file
      BibTeX file
    Content information
    Source: Union catalogues
    Language: German
    Media type: Book
    Format: Online
    Other identifier:
    hdl: 10419/112719
    Series: Arbeitsberichte des Instituts für Wirtschaftsinformatik ; 135
    Subjects: Betriebliches Informationssystem; Informationsmanagement; Datenerhebung; KMU
    Scope: Online-Ressource (IV, 61 S.), graph. Darst.
  3. Technology selection for big data and analytical applications
    Published: 2016
    Publisher:  ERCIS - European Research Center for Information Systems, Münster

    The term Big Data has become pervasive in recent years as smart phones, televisions, washing machines, refrigerators, smart meters, diverse sensors, eyeglasses and even clothes connect to the Internet. However, their generated data is worthless... more

    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    DS 365 (27)
    No inter-library loan

     

    The term Big Data has become pervasive in recent years as smart phones, televisions, washing machines, refrigerators, smart meters, diverse sensors, eyeglasses and even clothes connect to the Internet. However, their generated data is worthless without information retrieval through data analytics. As Big Data is too big for a single person to investigate, appropriate technologies are being used. Unfortunately, there is not one solution but a large variety of different tools, each of them with other functionalities, properties and characteristics. Especially small and midsized companies have a hard time to keep track as this requires time, skills, money, and specific knowledge which result in high entrance barriers for Big Data utilization. This papers aims to reduce these barriers by explaining and structuring different classes of technologies and basic criteria for proper technology selection. It proposes a framework that guides especially small and mid-sized companies through a suitable selection process that can serve as a basis for further advances.

     

    Export to reference management software   RIS file
      BibTeX file
    Content information
    Source: Union catalogues
    Language: English
    Media type: Book
    Format: Online
    Other identifier:
    hdl: 10419/156084
    Series: Working papers / ERCIS - European Research Center for Information Systems ; no. 27
    Scope: 1 Online-Ressource (circa 39 Seiten), Illustrationen
  4. The Goal-oriented Business Intelligence Architectures method
    a process-based approach to combine traditional and novel analytical technologies
    Published: 2020
    Publisher:  readbox unipress in der readbox publishing GmbH, Dortmund ; Universitäts- und Landesbibliothek Münster, Münster

    An abundance of new analytics technologies emerged since the advent of the Big Data trend and enabled new Business Intelligence (BI) use cases, which were not possible with traditional technologies. While Data Warehouses were the primary choice for... more

    Universitätsbibliothek Braunschweig
    No inter-library loan
    Staats- und Universitätsbibliothek Bremen
    No inter-library loan
    Fachhochschule Erfurt, Hochschulbibliothek
    No inter-library loan
    Niedersächsische Staats- und Universitätsbibliothek Göttingen
    No inter-library loan
    HafenCity Universität Hamburg, Bibliothek
    No inter-library loan
    Helmut-Schmidt-Universität, Universität der Bundeswehr Hamburg, Universitätsbibliothek
    No inter-library loan
    Staats- und Universitätsbibliothek Hamburg Carl von Ossietzky
    No inter-library loan
    Technische Universität Hamburg, Universitätsbibliothek
    No inter-library loan
    Bibliothek der Hochschule Hannover
    No inter-library loan
    Bibliothek im Kurt-Schwitters-Forum
    No inter-library loan
    Technische Informationsbibliothek (TIB) / Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek
    No inter-library loan
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    DS 837
    No inter-library loan
    Zentrale Hochschulbibliothek Lübeck
    No inter-library loan
    Leuphana Universität Lüneburg, Medien- und Informationszentrum, Universitätsbibliothek
    No inter-library loan
    Hochschule Osnabrück, Bibliothek Campus Westerberg
    No inter-library loan
    UB Weimar
    No inter-library loan

     

    An abundance of new analytics technologies emerged since the advent of the Big Data trend and enabled new Business Intelligence (BI) use cases, which were not possible with traditional technologies. While Data Warehouses were the primary choice for traditional BI architectures, the technology selection and architectural patterns when constructing a customized BI architecture nowadays are less clear due the many new technological possibilities. To address this situation, design science research was conducted to outline key determinants for technology selection in BI architectures and examine architectural usage patterns including Big Data technologies. Based on this, the Goal-oriented Business Intelligence Architectures (GOBIA) method was constructed and evaluated. The GOBIA method includes a BI reference architecture, which covers both traditional and novel as well as functional and technological components. Using this, a development process supports the construction of a customized BI architecture by guiding the technology selection for a specifc use case and its goals. Beginnend mit dem "Big Data"-Trend wurde eine Vielzahl neuer Technologien zur Datenanalyse veröffentlicht, die gänzlich neue Anwendungsfälle für Business Intelligence (BI) ermöglicht haben, die mit bestehenden Technologien nicht umsetzbar waren. Früher stellten Data Warehouses den Kern von BI-Architekturen dar. Heutzutage ist die Auswahl aus den vielen Technologien und deren Kombination für die eigene BI-Architekturen nicht mehr so eindeutig. Um diese Lücke zu adressieren, wurden nach einer "design science"-Forschungsmethode zunächst Auswahlfaktoren für Technologien in BI-Architekturen sowie neue Big-Data-Anwendungsmuster herausgestellt. Als Ergebnis wurde daraus die GOBIA-Methode (Goal-oriented Business Intelligence Architectures method) konstruiert und evaluiert. Diese beinhaltet eine BI-Referenzarchitektur, die sowohl traditionelle und neue als auch funktionale und technologische Komponenten abbildet. Aus dieser begleitet ein Entwicklungsprozess die Entwicklung eigener BI-Architekturen, indem die Technologieauswahl anwendungsfall- bzw. zielgetrieben unterstützt wird.

     

    Export to reference management software   RIS file
      BibTeX file
    Source: Union catalogues
    Contributor: Vossen, Gottfried (AkademischeR BetreuerIn)
    Language: English
    Media type: Dissertation
    Format: Online
    Other identifier:
    Series: Array ; Band 18
    Subjects: Betriebliches Informationssystem; Unternehmensarchitektur; Big Data; Data Analytics
    Scope: 1 Online-Ressource (circa 554 Seiten), Illustrationen
    Notes:

    Dissertation, Universität Münster, 2018