QUIZ - Texte Kapitel 1 PDF

WAS IST DATENMANAGEMENT? Im Vergleich zu traditionellen Managementdisziplinen wie Produktionsmanagement, Marketingmanagement, Personalmanagement oder Finanzmanagement stellt das **Datenmanagement** eine relativ neue Fachrichtung dar. Doch obwohl der Begriff \'Datenmanagement\' neu sein mag, ist de...

WAS IST DATENMANAGEMENT? Im Vergleich zu traditionellen Managementdisziplinen wie Produktionsmanagement, Marketingmanagement, Personalmanagement oder Finanzmanagement stellt das **Datenmanagement** eine relativ neue Fachrichtung dar. Doch obwohl der Begriff \'Datenmanagement\' neu sein mag, ist der strategische Umgang mit Daten schon seit den Anfängen des Geschäftslebens im antiken Mesopotamien ein kritischer Erfolgsfaktor gewesen. Aber was konkret ist \'Datenmanagement\'? Das Datenmanagement umfasst [eine Reihe von Aufgaben, die darauf abzielen, dass Daten effizient gesammelt, gespeichert, verwaltet und genutzt werden können]. Diese Aufgaben umfassen: **1. DATENERFASSUNG** Datenerfassung bezieht sich auf das Sammeln von Informationen aus unter-schiedlichen Quellen, wie Sensoren, Umfragen oder Transaktionssystemen. *Zum Beispiel könnte ein Einzelhandels-unternehmen Daten über Verkaufs-transaktionen sammeln, um Kunden-präferenzen besser zu verstehen.* **2. DATENSPEICHERUNG** Nach der Erfassung müssen Daten sicher in Systemen wie Datenbanken oder Cloud-Speichern abgelegt werden. *Zum Beispiel könnte ein Unternehmen Kundendaten in einer Cloud-Datenbank speichern, um von überall Zugriff darauf zu haben.* **3. DATENQUALITÄTSSICHERUNG** Um Fehlentscheidungen zu vermeiden, ise es essentiell, dass die Daten Ihrer Organisation inhaltlich richtig und vollständig sind. Das muss mittels regelmäßiger Qualitätssicherungsmaßnah-men (z.B. Datenbereinigung) sichergestellt werden. *Ein Versicherungsunternehmen könnte beispielsweise regelmäßig die eigenen Daten prüfen, um sicherzustellen, dass keine fehlerhaften Risikobewertungen aufgrund von falschen Daten erfolgen.* **4. DATENINTEGRATION** Die Daten einer Organisation entstehen aus verschiedenen Quellen. Damit sie für die Organisation am Nützlichsten sind, müssen sie aber zusammengeführt werden. Erst dann ermöglichen sie eine einheitliche Sicht. *Ein Beispiel wäre, wenn ein Unternehmen in einer zentralen Datenbank sowohl Kundendaten aus **(a)** Online-Transaktionen als auch **(b)** auf Basis von physischen Geschäften integriert.* **5. DATENZUGRIFF UND -SICHERHEIT** Nicht jede(r) Mitarbeitende(r) sollte Zugriff auf alle Unternehmensdaten haben: sowohl aus Gründen des Datenschutzes als auch aus Gründen der Effizienz. Ein wesentlicher Aspekt des Daten-managements ist d.h. die Entscheidung, WER auf WELCHE Daten Zugriff haben soll. Darüber hinaus muss gewährleistet sein, dass nur autorisierte Personen Zugriff auf ihre jeweiligen Daten haben. *Ein Krankenhaus könnte Zugriffsrechte zum Beispiel so verwalten, dass nur relevante medizinische Fachkräfte auf Patienten-daten zugreifen können.* **6. DATENANALYSE** Das Herzstück des Datenmanagements ist die Datenanalyse. Letztendlich geht es darum, anhand der erfassten und gespeicherten Daten wertvolle Einblicke gewonnen werden, die zur Optimierung von Geschäftsprozessen beitragen. *Zum Beispiel könnte ein Marketing-Team Verkaufsdaten analysieren, um effektive Werbekampagnen zu entwickeln.* **7. DATENARCHIVIERUNG** Die Datenarchivierung ist ein begrenzt 'glamouröser', aber dennoch enorm wichtiger Aspekt des Datenmanagements. Nicht ständig benötigte Daten werden so aufbewahrt, dass sie den operativen Betrieb nicht stören, aber dennoch langfristig zugänglich bleiben. *Zum Beispiel könnte ein Finanzinstitut Transaktionsdaten für mindestens zehn Jahre archivieren, um gesetzliche Anforderungen zu erfüllen.* **8. DATENWIEDERHERSTELLUNG** Im Falle eines Datenverlusts müssen Daten schnell wiederhergestellt werden können. Das Datenmanagement muss sich bereits im Vorfeld Strategien überlegen, wie mit dem Risiko des Datenverlusts umzugehen ist. *Nach einem Serverausfall könnte zum Beispiel ein IT-Team die Daten aus einem Backup wiederherstellen, um den Betrieb schnellstmöglich fortzusetzen.* **9. DATENLEBENSZYKLUS-MANAGEMENT** Beim Datenlebenszyklsumanagement geht es darum, Daten von ihrer Entstehung bis zu ihrer endgültigen Löschung zu begleiten. *Um Beispiel könnte ein Unternehmen regelmäßig alte Kundenakten löschen, wenn sie nicht mehr benötigt werden, um Datenschutzbestimmungen einzuhalten.* **10. COMPLIANCE UND DATENSCHUTZ** Unternehmen müssen sicherstellen, dass sie alle rechtlichen Anforderungen bezüglich Datenschutz einhalten. *Ein Beispiel hierfür ist die Einhaltung der Datenschutz-Grundverordnung (DSGVO) in der EU, die strenge Richtlinien zum Umgang mit personenbezogenen Daten vorschreibt.* **WAS SIND DATEN UND WELCHE DATENTYPEN GIBT ES?** **\"Daten sind das neue Öl\".** - Clive Humby Jedes Mal, wenn Sie Ihre Kreditkarte nutzen, in sozialen Netzwerken posten oder online suchen, speisen Sie ein Datenmeer, auf das Unternehmen zurückgreifen, um Kundenverhalten zu analysieren, Bedürfnisse vorher-zusehen und strategische Entscheidungen zu treffen. **Daten** sind überall um uns herum, aber was bedeuten sie eigentlich? Einfach ausgedrückt, Daten sind [Fakten, die in einer formellen Form gespeichert und verarbeitet werden können]. Sie sind die grundlegenden Bausteine der Information und bilden das Rückgrat der modernen Geschäftswelt. Jede Interaktion, jeder Prozess oder jedes Geschäftsergebnis kann in Daten umgewandelt und analysiert werden. In der Betriebswirtschaftslehre dienen Daten als Kernressource, um Entscheidungen zu treffen, Trends zu analysieren und strategische Pläne zu entwickeln. Durch den gezielten Einsatz von Daten können Unternehmen Wettbewerbsvorteile erzielen und Innovationen vorantreiben. Um verschiedene Informationsarten gut darstellen zu können, benützen wir\ unterschiedliche **Datentypen** wie zum Beispiel: **BOOLESCHE DATEN** Der boolesche Datentyp repräsentiert logische Werte. Er kann nur zwei Werte annehmen, „true" oder „false". Boolesche Daten werden häufig in der Programmierung verwendet. **GANZZAHLEN (bzw. 'INTEGERS')** Der Datentyp Integer repräsentiert ganze Zahlen (positiv, negativ oder null), die keinen Bruchteil (d.h. keine Dezimalstellen) haben. **GLEITKOMMAZAHLEN (bzw. 'FLOATS')** Der Datentyp Float repräsentiert Zahlen mit einem Bruchteil (d.h. Dezimalstellen). Gleitkommazahlen werden für Berechnungen verwendet, die eine höhere Präzision als Ganzzahlen erfordern. **DATUMS-/UHRZEITDATEN** Der Datentyp 'Datum/Uhrzeit' repräsentiert einen spezifischen Zeitpunkt, einschließlich eines Datums und einer Uhrzeit. **ZEICHENKETTEN (bzw. 'STRINGS')** Der Datentyp 'String' repräsentiert eine Sequenz von Zeichen, wie Buchstaben, Zahlen und Symbole. **BILDER (bzw. 'IMAGES')** Der Datentyp 'Bild' repräsentiert visuelle Informationen wie Bilder, Grafiken\ oder Diagramme. **AUDIO-DATEN** Der Datentyp 'Audio' repräsentiert Ton- oder Audioinformationen, wie\ Musik oder Sprache. **VIDEO-DATEN** Der Datentyp 'Video' repräsentiert eine Serie von visuellen Bildern, die,\ wenn sie in einer Sequenz abgespielt werden, die Illusion einer Bewegung erzeugen. **WELCHE DATEN ERHEBEN UNTERNEHMEN?** Theoretisch ist das Datenspektrum, das Unternehmen sammeln können, grenzenlos. Praktisch liegt der Fokus der meisten Organisationen aber auf Schlüsselkategorien wie den Folgenden: **KUNDENDATEN** - Persönliche und Kontaktinformationen - Demografische Details - Kaufhistorie und Bestelldetails - Zahlungsinformationen - Kundenpräferenzen und Interessen - Daten zum Treueprogramm - Kommunikationshistorie - Online-Verhaltensweisen - Interaktionen mit dem Kundenservice - Abonnement-InformationenVerweisungsdaten - Kundenstatus (z.B. aktiv, inaktiv) - Anmeldedatum - Letzter Kontakt **MITARBEITERDATEN** - Persönliche und Kontaktinformationen - Notfallkontakte - Aktuelle Position und Abteilungszugehörigkeit - Arbeitszeitmodell - Vergütungsdetails - Bankverbindung - Urlaubsdaten - Berufliche Laufbahn - Anwesenheitsaufzeichnungen - Leistungsbeurteilungen - Kennzahlen zur Mitarbeiterleistung (KPIs) - Qualifikationen und Zertifikate - Disziplinarische Maßnahmen **LIEFERANTENDATEN** - Name des Unternehmens - Kontaktdetails - Ansprechpartner - Steuer-ID - Bankverbindung für Überweisungen - Historie der Geschäftsbeziehungen - Zahlungskonditionen - Preisvereinbarungen - Angebotene Produkte oder Dienstleistungen - Lieferzeiten - Vertragsklauseln und -bedingungen - Zertifikate und Lizenzen - Dokumentation zur Regelkonformität **PRODUKTDATEN** - Produkbezeichnung - Spezifikationen des Produkts - SKU (Lagerhaltungsnummer) - Produktbeschreibung - Markenname - Maße - Gewicht - UPC oder Barcode - Preisinformationen - Lagerbestände - Produktvarianten - Produktfotos **MARKETINGDATEN** - Marketingkampagnendaten - Konversionsquoten - Kundensegmentierungsdaten - Performance der Marketingkanäle - Marketing-Return-on-Investment (ROI) - Budget für Werbemaßnahmen - Webseiten-Analytik - Social Media Engagement-Daten - Email-Marketing-Statistiken - Lead-Generierungsdaten - Klickrate (CTR) - Impressions - Kosten pro Klick (CPC) - Kosten pro Akquisition (CPA) **LAGERDATEN** - Artikelnummer - Artikelbezeichnung - Lagerort - Menge auf Lager - Mindestbestand - Sicherheitsbestand - Einstandspreis - Herstellungsdatum - Verfallsdatum - Chargennummer - Lieferant - Eingangsdatum - Ausgangsdatum - Durchschnittliche Lagerdauer - Bestellstatus - Reservierungen - Barcodes/NFC-Tags - Transportbedingungen - Daten zur Qualitätskontrolle - Versand- und Logistikdaten - Rückgabe- und Umtauschdaten **FINANZDATEN** - Gewinn/Verlust - Umsatzerlöse - Budgets - Finanzkennzahlen - Gewinn- und Verlustrechnungen - Kapitalflussrechnungen - Bilanzen - Aufzeichnungen über Investitionsausgaben - Anlagespiegel - Debitoren - Verbindlichkeiten aus Lieferungen und Leistungen - Kreditverträge - Steuerunterlagen - Hauptbuch - Audit-Berichte **COMPLIANCE DATEN** - Gesetzeskennung - Regelwerksbezeichnung - Geltungsbereich - Verantwortlicher für Compliance - Überprüfungsintervalle - Datum der letzten Überprüfung - Ergebnisse der letzten Auditierung - Berichterstattung an Behörden - Fälligkeitsdatum für nächste Überprüfung - Risikobewertung - Dokumentierte Verfahren und Richtlinien - Schulungsdaten der Mitarbeiter - Nachweise der Schulungsteilnahme - Verstöße und deren Behandlung - Umweltverträglichkeitsprüfungen - Dokumentation zur Geldwäschebekämpfung **MARKTFORSCHUNGSDATEN** - Kundensegmentierung - Zielgruppenbeschreibung - Marktvolumen - Marktwachstum - Marktanteil - Wettbewerbsanalyse - Preisgestaltung der Konkurrenz - Verbraucherverhalten - Kaufmotive - Trends und Entwicklungen - Produktbewertungen - Kundenzufriedenheit - Markenwahrnehmung - Vertriebskanalanalyse - Werbewirksamkeit - Online-Nutzungsverhalten **SOCIAL MEDIA-DATEN** - Engagement-Metriken - Klickraten - Konversionsraten - Reichweite und Eindrücke - Erwähnungen in den sozialen Medien - Hashtag-Leistung - Kennzahlen zur Kampagnenleistung - Demografische Merkmale des Publikums - Uhrzeit und Datum der Beiträge - Beiträge und Kommentare - Likes, Retweets und Shares - Benutzerprofile - Präferenzen für die Anzeigenausrichtung **WEBSITE- UND APP-DATEN** - Benutzerprofile - Anmeldedaten - Kundenpräferenzen - Einkaufshistorie - Daten über abgebrochene Einkaufsvorgänge - Datenerfassung durch Formulare - Seitenaufrufe - Klickraten - Konversionsraten - Bounce Rate - Session-Dauer - Heatmap-Daten - Tracking des Nutzerverhaltens - Ergebnisse der A/B-Tests - Fehlerprotokolle **KUNDENDIENSTDATEN** - Kundenanfragen - Ticketinformationen - Kontaktinformationen für Kunden - Interaktionen mit dem Kundendienst - Kaufhistorik des Kunden - Kundenpräferenzen - Kunden-Feedback - Eskalationsprotokolle - Lösungszeit - Kundenzufriedenheitsbewertung - Einhaltung von Service Level Agreements (SLAs) - Artikel der Wissensdatenbank - Schulungsunterlagen - Performance-Kennzahlen für Kundendienstmitarbeiter - Umfragen zum Kundenservice **CSR-DATEN** - Daten zu Umweltauswirkungen von Unternehmensaktivitäten - Angaben zu Energieverbrauch - Abfallmanagementdaten - Daten zu Wasserverbrauch - Daten zu Kohlenstoffemissionen - Daten zu ethischem Einkauf - Daten zu Arbeitsbedingungen, Gesundheit und Sicherheit am Arbeitsplatz - Daten zu Diversität und Inklusion - Daten zur Nachhaltigkeit und Ethik der Lieferkette - Daten zu gemeinnützigen Initiativen und Spenden des Unternehmens **HUMAN RESOURCES-DATEN** - Mitarbeiterprofile - Beruflicher Werdegang der Mitarbeitenden - Arbeitsverträge - Daten zu Vergütung\ und Anreizen - Leistungsbewertungen - Beförderungen und\ Laufbahnentwicklung - Zeit- und Anwesenheits-\ aufzeichnungen - Aufzeichnungen über\ Urlaub und Ferien - Daten zur Personalplanung - Stellenbeschreibungen - Daten zur Nachfolgeplanung - Bewerbungsunterlagen - Schulungsunterlagen - Aufzeichnungen über Gesundheit\ und Sicherheit - Umfragen zur Mitarbeitermotivation - Disziplinarakten - Beschwerden von Arbeitnehmern - Kennzahlen zu Diversität und Inklusion - Daten zu Exit Interviews **WENN'S MAL WIEDER KOMPLEXER WIRD: DATENSTRUKTUREN** Nachdem wir uns diese vielen Daten angesehen haben, stellt sich die Frage, wie wir einzelne Daten miteinander verbinden können. Das ist eine Herausforderung, vor der auch Programmierer stehen. Einzelne Daten sind zwar die Grundbausteine des Datenmanagements, in der Regel entfalten sie aber erst in Kombination mit anderen 'verwandten' Daten ihre volle Bedeutung. *Nehmen wir zum Beispiel Kundendaten in einem Online-Shop: Isoliert betrachtet sagt ein einzelner Kauf wenig aus. Werden jedoch Kaufhistorie, Suchverhalten und Kundenfeedback zusammengeführt, entsteht ein aussagekräftiges Bild des Kundenverhaltens und --bedürfnisses.* Um einem Computercode mitzuteilen, dass bestimmte Daten miteinander zusammenhängen, verbinden Programmierer diese Daten innerhalb von sogenannte \"**Datenstrukturen**\". Sie können sich Datenstrukturen ein wenig wie einen Lade in einem Schreibtisch vorstellen. Die Papiere, Stifte, und Rechnungen, die Sie in der Lade finden, stehen zwar jede noch für sich. Trotzdem weiß man von vornherein, dass sie in Verbindung zu einander stehen. Außer natürlich, Sie sind sehr schlampig. Wenn eine Programmiererin in einem Computercode eine Datenstruktur erstellt, teilt sie dem Computer im Grunde mit: „Liebe Maschine, alle Daten, die ich jetzt in diese Datenstruktur 'hineinlege', gehören zusammen. Deshalb möchte ich später, wenn ich eines dieser Daten brauche, einfach den Namen der Datenstruktur aufrufen und DORTnachsehen -- anstatt stundenlang den gesamten Datenberg meiner Firma durchsuchen zu müssen." **Im Prinzip 'baut' sich die Programmiererin mit der Datenstruktur eine virtuelle Schublade bzw. einen virtuellen Ordner.** Als Nicht-IT-Experten ist es nicht nötig, dass Sie Datenstrukturen bis ins letzte Detail verstehen. Dennoch ist es ratsam, einen Grundüberblick über die vorhandenen Möglichkeiten zu haben. Nachstehend finden Sie einige Beispiele: **ARRAY** Ein Array ist eine Sammlung von Elementen, die [alle denselben Daten-typ haben] und in einer [festgelegten Reihenfolge] angeordnet sind. Arrays eignen sich gut für Situationen, in denen man einen schnellen Zugriff auf Elemente über einen Index möchte. Stellen Sie sich zum Beispiel ein Array vor, das die Temperaturen der letzten 30 Tage speichert. Mit einem Array können Sie schnell die Temperatur eines bestimmten Tages abrufen. Beispiel:\ temperaturen = \[22, 18, 20, 19, 23\]; Wenn ich nach der dritten Indexstelle dieser Array frage, erhalte ich "20". **LISTE** Listen sind einer der flexibelsten Typen von Datenstrukturen. Im Gegensatz zu Arrays können Listen [Elemente unterschiedlicher Datentypen] enthal-ten und ihre [Größe dynamisch anpassen]. Das bedeutet, das ich nicht von Anfang an festlegen muss, wie viele Werte es in der Liste geben wird. Ein Beispiel wäre einer To-do-Liste: toDoListe = \[\"E-Mails beantworten\", \"Meeting vorbereiten\", \"Projektbericht aktualisieren\",\"Kundentelefonat führen\",\]; Benutzer können später Aufgaben hinzufügen und entfernen, ohne sich um die Größe der Liste sorgen zu müssen. **STAPEL (bzw. 'STACK')** Stacks sind spezielle Arten von Listen, die dem Prinzip \"Last In, First Out\" (LIFO) folgen, was bedeutet, dass\ [das zuletzt hinzugefügte Element automatisch als erstes entfernt wird]. Ein praktisches Beispiel ist die Rückgängig-Funktion in Texteditoren (z.B. "MS Word"), bei der die zuletzt gemachten Änderungen immer zuerst rückgängig gemacht werden. **HASH-TABELLE** Hash-Tabellen bieten eine besonders schnelle Datenabfrage durch eine [Schlüssel-Wert-Zuordnung]. Ein häufiges Beispiel ist ein Wörter-buch, bei dem Sie den Definition eines Wortes schnell finden können, indem Sie einfach nach dem Wort selbst (dem Schlüssel) suchen. Beispiel: **\|Index\| \|Schlüssel\| \|Wert\|**\ \|0\| \|Apfel\| \|eine süße, essbare Frucht\|\ \|1\| \|Banane\| \|eine lange, gelbe Frucht \|\ \|2\| \|Zitrone\| \|eine saure, gelbe Frucht \| **BAUM** Bäume werden benutzt, um [komplexe Hierarchien] darstellen. An der \"Wurzel\" des Baums befindet sich das grundlegendste Element der gesam-ten Struktur. Von dieser Wurzel aus verzweigen sich dann [Unterordner], die spezifischere Kategorien enthalten. In einem Computerdateisystem wäre die Wurzel z.B. das Hauptverzeichnis (auf einem Windows-Computer das Laufwerk \"C:\\\"). Von dieser Wurzel aus verzweigen sich dann Unterordner (z.B. \"Dokumente\", \"Bilder\", \"Musik\" und \"Videos\"). Innerhalb von \"Dokumente\" könnten weitere Unterordner wie \"Arbeit\", \"Schule\" und \"Finanzen\" existieren, bis hinunter zu spezifischen Dateien. **WARTESCHLANGE\ (bzw. QUEUE')** Queus sind spezielle Arten von Listen, die dem Prinzip \"First In, First Out\" (FIFO) folgen, was bedeutet, dass\ [das zuerst hinzugefügte Element automatisch als erstes entfernt wird]. Ein praktisches Beispiel ist die Druckwarteschlange in Ihrer Drucksoftware. Dokumente werden automatisch in der Reihenfolge gedruckt, in der sie gesendet wurden. **BIG DATA -- DEZENTRALE DATENMASSEN AUS ALLER WELT** Mehr als 75 % der von *Statista* befragten Unternehmen gaben an, Big Data zu nutzen, um Innovationen voranzutreiben. **Big Data** bezieht sich auf [massive, hochvolumige oder sehr unterschiedliche Informationsmengen, die traditionelle Systeme nur schwer verarbeiten können] (Wiener et al., 2020). Jeder Sektor, vom Finanzwesen bis zum Gesundheitswesen, generiert immense Datenmengen, die, wenn sie richtig genutzt werden, Trends, Einblicke und Möglichkeiten für Innovationen aufzeigen können. Der Umgang mit Big Data erfordert jedoch fortschrittliche Tools, die in der Lage sind, den Umfang und die Komplexität dieser Daten zu bewältigen. Hier kommen Technologien wie **Cloud Computing** und **Künstliche Inteilligenz (KI)** ins Spiel. Cloud-Dienste stellen die Speicherkapazität bereit, die für die Speicherung umfangreicher Datensätze erforderlich ist. KI ermöglicht es Unternehmen, diese Datenströme in Echtzeit zu analysieren und bisher verborgene Erkenntnisse zu gewinnen. Die Beziehung zwischen dem **Internet of Things (IoT)**, Big Data, Cloud Computing und KI ist symbiotisch; zusammen ermöglichen sie es Unternehmen, Daten zu speichern, zu verarbeiten und zu analysieren, um die Entscheidungsfindung zu verbessern und kontinuierliche Innovationen voranzutreiben. **Internet of Things (IOT)** Vernetzung physischer Geräte zur Datensammlung und -kommunikation über Internet. **Big Data** Große, komplexe Datenmengen, die zur Mustererkennung und Entscheidungs-findung benutzt werden. **Cloud Computing** Bereitstellung von Server-ressourcen und Services über das Internet. **Künstliche Intelligenz (KI)** Computersysteme, die Aufgaben ausführen, die normalerweise menschliche Intelligenz erfordern. **1.** Das IoT generiert kontinuierlich riesige Mengen an Daten aus einer Vielzahl von Geräten und Sensoren (d.h. Big Data). **2.** Diese gewaltige Menge an Daten trägt zum aktuellen Boom des Cloud Computing bei, da skalierbare, durch das Internet sofort erreichbare, Speicherplattformen benötigt werden. **3.** Big Data und Cloud Computing dienen als Rückgrat für die KI: - - **4.** Die KI verbessert die Effizienz von IoT, indem sie die Entscheidungs-findung der verbundenen Geräte automatisiert. **POTENZIALE VON BIG DATA: KONKRETE ANWENDUNGEN** **Nachstehend finden Sie konkrete Anwendungsfälle von Big Data:** **Echtzeit-Verkehrsmanagement\ **Städte nutzen Big Data, um Verkehrsflüsse zu optimieren und Staus zu reduzieren. **Optimierte Lieferketten\ **Unternehmen analysieren riesige Datenmengen, um Lieferzeiten zu verkürzen und Kosten zu senken. **Smart Farming\ **Landwirte nutzen Daten über Wetter, Bodenbeschaffenheit und Pflanzengesundheit, um Erträge zu maximieren. **Prädiktive Wartung\ in der Industrie\ **Durch die Analyse von Maschinendaten können Ausfälle vorhergesehen und verhindert werden. **Betrugserkennung in Echtzeit\ **Finanzinstitutionen nutzen Big Data, um ungewöhnliche Muster zu erkennen und Betrug sofort zu stoppen. **Personalisierte Medizin\ **Behandlungen können durch Big Data auf den genetischen Code des Einzelnen abgestimmt werden. **Energieverbrauchsoptimierung\ **Stromunternehmen nutzen Verbrauchsdaten, um die Energieproduktion effizienter zu gestalten. **Verbesserung von Sportleistungen\ **Teams setzen Datenanalyse ein, um Spielerleistungen zu verbessern und Strategien zu optimieren. **Erhöhung der Lebensmittelsicherheit\ **Durch Analyse von Produktions-daten können Kontaminationen schneller erkannt und Rückrufe effizienter durchgeführt werden. **Optimierung von Film- und Serienproduktionen\ **Streaming-Dienste analysieren Zuschauerdaten, um zu entscheiden, welche Inhalte zu produzieren oder kaufen. **Kundenbindung durch Personalisierung\ **Einzelhändler erstellen aus Kaufverhaltensdaten personalisierte Angebote. **Verbesserung der Flugsicherheit\ **Fluggesellschaften analysieren Flugdaten, um Muster zu erkennen und Sicherheits-protokolle zu verbessern. **Vorhersagen im Einzelhandel\ **Geschäfte analysieren Käuferverhalten, um Produktplatzierungen und Lagerbestände zu optimieren. **Maßgeschneiderte Bildungspläne\ **Schulen und Universitäten verwenden Leistungsdaten der Studierenden, um individuelle Lernpläne zu erstellen. **Optimierung von Städtebau und Infrastruktur\ **Städteplaner verwenden Daten über Bevölkerungswachstum und -bewegung, um nachhaltige Projekte zu entwickeln. **Risikomanagement in der Versicherungsbranche\ **Versicherer bewerten Risiken basierend auf umfangreichen Datensätzen genauer. **Automatisierte Kundenbetreuung\ **Durch die Analyse von Kundendaten werden Chatbots und KI-Kundensupport entwickelt. **Klimawandel-Analyse\ **Wissenschaftler nutzen Umwelt-daten, um Klimamodelle zu verbessern und die Auswirkungen genauer vorherzusagen. **FIKTIVES BEISPIEL 1: DATENMANAGEMENT BEI EINEM GROßEN MULTINATIONALEN UNTERNEHMEN** Die Einzelhandelsgruppe Kierbacher Global ist in 30 Ländern tätig und bedient täglich Millionen von Kunden. Das Unternehmen hat ein hochintegriertes Datenverwaltungssystem aufgebaut, damit alles reibungslos läuft. **Datenerhebung:** Kundeneinkäufe, Lieferkettenlogistik und Mitarbeiterdaten fließen aus allen Regionen ein. Automatisierte Tools wie IoT-Sensoren verfolgen den Bestand in Echtzeit, während Online-Transaktionen direkt in das CRM einfließen. Jede Filiale und jedes regionale Büro verwendet standardisierte Methoden zur Datenerfassung, um weltweit konsistente und hochwertige Informationen zu gewährleisten. **Organisation der Daten:** Das Unternehmen organisiert die Daten in einem zentralen Data Warehouse, wo sie strukturiert und nach Typ gekennzeichnet werden (z. B. Umsatz, Bestand, Kundenfeedback). Kundenfeedback aus sozialen Medien und Umfragen wird zum Beispiel in einem Data Lake für Sentiment-Analysen gespeichert, während strukturierte Daten wie Verkaufszahlen in relationalen Datenbanken abgelegt werden. Tools zur Datenklassifizierung gewährleisten einen schnellen Zugriff für abteilungsübergreifende Teams, die z. B. Lagerbestände prüfen oder Kundentrends analysieren müssen. **Datenschutz:** Kierbacher Global sichert seine Daten durch grundlegende Verschlüsselung, Zugangskontrolle und regelmäßige Backups. Das IT-Team, das oft mehrere Aufgaben wahrnimmt, überwacht den Datenschutz und sorgt für die Einhaltung von Branchenvorschriften wie PCI-DSS für den Umgang mit Zahlungsinformationen. Es gibt zwar kein spezielles Sicherheitsteam, aber es führt regelmäßige Kontrollen durch und arbeitet gelegentlich mit externen Prüfern zusammen, um eine sichere Einrichtung zu gewährleisten. **Datenspeicherung:** Das Unternehmen verlässt sich hauptsächlich auf Cloud-Speicher, der genügend Skalierbarkeit für seine Bedürfnisse bietet, ohne dass die Kosten für eine umfangreiche Infrastruktur vor Ort anfallen. Sensible Kundendaten werden jedoch auf einem lokalen Server gespeichert, um sie in der Nähe des Betriebs zu halten und die Abhängigkeit vom Internetzugang für wichtige Aufgaben zu verringern. **Gemeinsame Nutzung von Daten:** Mitarbeiter greifen über sichere Cloud-Laufwerke auf gemeinsame Daten zu, und die Zusammenarbeit wird durch Tools wie Google Workspace oder Microsoft Teams erleichtert. So haben beispielsweise Marketing- und Vertriebsteams gemeinsamen Zugriff auf Kundendaten und Verkaufsmetriken, um ihre Strategien abzustimmen. Die Richtlinien für die gemeinsame Nutzung von Daten sind informell, aber klar, so dass die Mitarbeiter wissen, wie sie mit sensiblen Informationen umgehen sollen, ohne die Teamarbeit zu beeinträchtigen. **FIKTIVES BEISPIEL 2: DATENMANAGEMENT BEI EINEM MITTELSTÄNDISCHEN UNTERNEHMEN** Betrachten wir nun das regionale E-Commerce-Unternehmen Hellmich Elektronik mit fünf Niederlassungen und rund 300 Mitarbeitern. In diesem Fall liegt der Schwerpunkt der Datenverwaltung auf Einfachheit, und Effizienz. **Datenerhebung:** Kundenaufträge, Website-Aktivitäten und Bestandsaktualisierungen fließen in die CRM- und Bestandsverwaltungssoftware des Unternehmens ein. Im Gegensatz zu einem größeren Unternehmen werden die Daten mit einer Mischung aus manuellen Eingaben und automatisierten Prozessen wie Webformularen erfasst, die in das CRM einfließen. Die Mitarbeiter des Kundensupports protokollieren auch direktes Feedback, was zur Personalisierung des Kundenservices beiträgt. **Organisation der Daten:** Die Daten werden in einer einfachen relationalen Datenbank organisiert, in der Schlüsselinformationen wie Verkaufsverlauf, Kundenprofile und Bestandszahlen gespeichert werden. Außerdem wird ein kleines Data Warehouse für die monatliche und vierteljährliche Berichterstattung verwendet, in dem Verkaufsdaten aus verschiedenen Kanälen (z. B. Website, Drittanbieter) zentralisiert werden. Dank der schlanken Struktur ist die Organisation einfach, und die Teams können auf die benötigten Daten zugreifen, ohne sich durch ein komplexes System bewegen zu müssen. **Datenschutz:** Angesichts des Umfangs und der Sensibilität der Daten hat bei Hellmich Elektronik die Sicherheit oberste Priorität. Verschlüsselung, Multi-Faktor-Authentifizierung und regelmäßige Audits sind Standard. Jede Region hält sich an lokale und internationale Datenschutzgesetze wie die GDPR, um Kundeninformationen zu schützen. Strenge Richtlinien zur Datenaufbewahrung legen fest, wie lange Daten gespeichert werden, wobei ältere Daten entsprechend den Compliance-Anforderungen sicher archiviert oder gelöscht werden. **Datenspeicherung:** Das Unternehmen nutzt ein hybrides Cloud-Modell - Cloud-Speicher für Skalierbarkeit und lokale Server für kritische Daten, die schnellen Zugriff benötigen. Diese Konfiguration bietet Flexibilität und ermöglicht es, den Speicher je nach Bedarf zu vergrößern oder zu verkleinern und sicherzustellen, dass die Daten immer zugänglich sind, unabhängig davon, wo sie benötigt werden. **Gemeinsame Nutzung von Daten:** Teams in verschiedenen Ländern benötigen Zugang zu gemeinsamen Daten, von Bestandsstatistiken bis hin zu Kundenpräferenzen. Das Unternehmen nutzt sichere APIs und File-Sharing-Systeme, um sicherzustellen, dass nur autorisierte Mitarbeiter auf bestimmte Datensätze zugreifen können. So können beispielsweise Marketingteams in verschiedenen Regionen gemeinsam an Kampagnen arbeiten und dabei zentralisierte Kundeninformationen nutzen, ohne dass die Sicherheit und Compliance beeinträchtigt werden. \-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-- Daten zyklus Wie das Sprichwort sagt: \"Daten sind das neue Öl\". Lassen Sie uns also untersuchen, wie diese wertvolle Ressource durch Unternehmen fließt. Im Kern sind Daten eine Sammlung von Fakten, Zahlen und Informationen. Jeden Moment erzeugen unsere Spezies und ihre Erfindungen milliarden von Datenpunkten, während unzählige vernetzte Geräte diese Daten sammeln, analysieren und verwerten. Daten werden für ein Unternehmen dann wertvoll, wenn sie zu Geschäftsentscheidungen und -abläufen beitragen. Aus diesem Grund müssen Unternehmen ihre Daten sorgfältig verwalten, um den größtmöglichen Nutzen daraus ziehen zu können. Um zu verstehen, wie Daten innerhalb einer Organisation verwaltet werden, müssen wir uns den Lebenszyklus von Daten ansehen. Hier sehen Sie, wie Daten typischerweise durch eine Organisation fließen: - - - - - - - Dieser Lebenszyklus kann sich mehrfach wiederholen, wobei ständig Daten gesammelt, gespeichert, geändert und verteilt werden. Oft verwenden Unternehmen spezielle Software oder Systeme, um diesen Prozess zu verwalten. Unternehmen sammeln, verwenden, ändern und speichern unzählige Arten von Daten in verschiedenen Datenkategorien. Im weiteren Verlauf des Kurses werden wir uns Beispiele für typische Daten ansehen, die in jeder dieser Kategorien erfasst werden. Wie jede wertvolle Ressource, stellen auch Daten Herausforderungen für Organisationen dar. Zu diesen gehören: - - - - Große Unternehmen haben täglich mit Millionen von Datenpunkten zu tun. Somit müssen diese Unternehmen entscheiden welche dieser Datenpunkte für sie überhaupt relevant sind. Daher kann der Umfang und Typ der Daten, die ein Unternehmen sammelt und bearbeitet, variieren: - - - Bei dieser Entscheidung sind wir der Meinung, dass für ein Unternehmen der Filter die [Geschäftsprozesse] sein sollten. Alle Daten, die zur ordnungsgemäßen Durchführung dieser Geschäftsprozesse erforderlich sind, sollten als relevant betrachtet werden - nicht mehr und nicht weniger. Die Fähigkeit Daten effektiv zu sammeln, zu verarbeiten, zu speichern und zu nutzen, ist das, was erfolgreiche Unternehmen von anderen unterscheidet. Daten sind nicht nur das neue Öl - sie sind der Treibstoff der Innovation und des Erfolges in modernen Unternehmen. Zum Schluß schauen wir uns noch eine wichtige Unterscheidung bei Datentypen an: - - In Organistionen liegen die meisten Daten in digitaler Form vor und können sowohl diskrete als auch kontinuierliche Informationen darstellen. Dies liegt daran, dass analoge Daten leicht in digitale Form umgewandelt werden können, um eine effektivere Speicherung und Analyse zu ermöglichen. \-\-\-\-\-\-\-- Kerngeschäft Wenn man mir als Studierender oder junge Führungskraft im Fortbildungsplan ein Seminar zum „Datenmanagement" reingeschrieben hätte, dann wären meine ersten zwei Fragen gewesen: \"Wann ist die Prüfung?\" und \"Wieso tut\'s mir das an?\" Machen wir uns nichts vor: für die überwältigende Mehrheit ist ein Seminar zum „Datenmanagement" nicht nicht gerade das, was man unter \'Spaß\' im Wörterbuch findet. Deshalb gehen wir jetzt ins Gasthaus. Draußen fällt der Schnee in dichten Flocken. Drinnen knistert der Kachelofen, Die Holztische sind mit roten Decken bedeckt. Auf jedem Tisch flackert eine Kerze und der Geruch von Glühwein liegt in der Luft. Stellen wir uns zwei Szenarien vor. Szenario eins: die Geschäftsführung des Gasthauses ist eine Person, die Betriebswirtschaft studiert hat und AUSSERDEM noch eine fundierte Kochausbildung hinter sich hat. Sie kennt alle Aspekte der Küchenarbeit, jeden Handgriff: von der Auswahl der Zutaten über die Zubereitung der Speisen bis hin zur Präsentation und dem Service. Szenario ZWEI: unsere Geschäftsführung hat ebenfalls BWL studiert, aber wenig-bis-gar-keine praktische Erfahrung in der Gastronomie. Sie ist im Marketing bewandert, kann Budgets aufstellen, ist im Prozessmanagement versiert - ihr fehlt aber JEGLICHES Verständnis dafür, was da in der Küche eigentlich abläuft. Sie kennt das KERNgeschäft nicht und es interessiert sie auch nicht wirklich. Welcher der beiden Personen trauen Sie eher zu, das Gasthaus langfristig erfolgreich in die Zukunft zu führen? Ich auch. Um eine gute Führungskraft zu sein, müssen Sie naTÜRLICH die klassischen Hard Skills und Soft Skills beherrschen, die man mit Management assoziiert. Das ist *conditio sine qua non*-- also Mindestvoraussetzung. Sie müssen darüber hinaus aber AUCH das Kerngeschäft des Unternehmens verstehen, in dem Sie arbeiten. Sonst wird das auf Dauer nix. Dass in den letzten Jahrzehnten die Digitalisierung ausnahmslos JEDES Geschäftsmodell der DACH-Region auf den Kopf gestellt hat, ist eine Binsenweisheit. Was sich viele Menschen aber nicht bewusst sind, ist dass diese digitale Revolution nicht ABGEschlossen ist, sondern erst ziemlich am Beginn steht. Big Data in Zusammenhang mit dem Internet of Things, Cloud Computing und künstlicher Intelligenz wird dazu führen, dass sich die Abläufe in Organisationen und auch die EntSCHEIDUNGSprozesse ständig ändern. Und zwar auf Basis neuer DATEN. Damit zählen DATEN neben Arbeitskräften, Maschinen, Werkzeugen, Rohstoffen und Arbeitsfläche zu den wichtigsten Ressourcen einer jeden Organisation. Nicht ohne Grund wird so häufig der Satz „Daten sind das neue Öl" zitiert. Daten sind -- ob es sich um Strategie-, Beschaffungs-, Logistik-. Produktions-, Vertriebs-, Finance- oder um HR-Vorgänge handelt -- LÄNGST fundamentaler Bestandteil eines jeden Kerngeschäfts. Und damit schließt sich der Kreis zu unserem Gasthaus-Beispiel. Führungskräfte müssen das KERNgeschäft Ihrer Organisation verstehen -- sonst tun sie der Organisation nichts Gutes. Genauso, wie Sie als Führungskraft in der Lage sein müssen, Menschen zu führen, Lieferanten auszuwählen, Computer zu benutzen, Produktions- und Dienstleistungsbläufe zu steuern, etcetera, müssen Sie im 21. Jahrhundert AUCH in der Lage sein, die Ressource „Daten" klug zu managen. Sonst stiften Sie auf der Führungsebene genauso viel Mehrwert wie die Person in Szenario 2 unseres Gasthausbeispiels. Sie sind dann zwar AUCH irgendwie dabei, verstehen aber nicht, worum's im Kern heutzutage geht. DARUM geht es in diesem Seminar. Uns ist beiden klar, dass Sie voraussichtlich nie SELBST eine Datenbank anlegen werden, oder SELBST die Daten Ihrer Organisation bereinigen werden. Sie werden die Business Intelligence-Tools in Ihrer Organisation nicht SELBST konfigurieren und die Cybersecurity-Strategie entwickeln Sie wahrscheinlich auch nicht selber. Nur: irgendwer aus der IT wird das SCHON tun. Und wenn wir meinen, dass Datenmanagement zähle inzwischen zum Kerngeschäft, dann müssen SIE als BWL-Führungskraft mit der IT auf Augenhöhe kommunizieren können. Sie müssen verstehen, was die ABLÄUFE sind, was Ihre IT-Gegenüber da gerade machen, was sie von Ihnen brauchen, wozu sie in der Lage sind und wozu nicht. Und damit's das KÖNNEN, damit SIE bei solchen Begegnungen nicht letztendlich als hilfloses Hascherl dastehen - müssen Sie eben auch einmal lernen, wie eine Datenbank tickt, wie man Daten bereinigt und wie Business Intelligence funktioniert. Es geht darum, Sie als Leader zu erMÄCHTIGEN, auch wenn ich Sie zunächst bestimmt an manchen Stellen langweilen werde. In diesem Sinne: Willkommen beim Datenmanagement. Ich bin der Gerhard und wir gehen das jetzt gemeinsam an. \-\-\-\-\-\-\-\-\-- Megatrends **DAS ZUSAMMENSPIEL DER MEGATRENDS DER DIGITALISIERUNG** Vier Phänomene der Jetztzeit sind „Internet of Things", „Cloud Computing", „Big Data" und „Künstliche Intelligenz". Diese vier Technologien sind -- jede für sich -- revolutionär. Was aber ebenso wichtig ist: sie bedingen einander. Beginnen wir mit dem Internet of Things. IoT bezieht sich auf die Anbingung von physischen Geräten mit dem Internet. Das beginnt bei Ihrer Smartwatch und reicht vom Thermostat bis hin zu industriellen Maschinen. Diese physischen Geräte sammeln LAUFEND Daten über ihre Nutzung und ihre Umgebung. Wenn wir nur das Beispiel des Thermostats hernehmen, sind das zumindest einmal „Raumtemperatur", „Solltemperatur", „Luftfeuchtigkeit", „Zeitpunkte von Temperaturänderungen", „Energieverbrauch", „Tages- oder Wochenzeit" und vielleicht sogar „externe Wetterdaten". Diese Daten werden -- no na -- nicht nur ein einziges Mal gesammelt, sondern anDAUERND. Das heißt, aufgrund des Internet of Things haben wir es plötzlich mit Milliarden an zusätzlichen Daten zu tun. Wo speichern wir diese riesigen Datenmengen? Der schnuckelige Lenovo-Server hinter der Betriebskantine zieht da bald die Notbremse. Nein, nein, was wir zur Speicherung einer so großen Datenmenge brauchen, ist eine Cloud. Und nicht NUR, aber sehr wohl AUCH deshalb, weil das Internet of Things exponentiell wächst, wächst auch das Cloud Computing. Anstatt Daten auf lokalen Computern oder Servern zu speichern, werden sie in die Cloud hochgeladen, wo sie sicher aufbewahrt werden, jederzeit und überall ZUgänglich sind, und sowohl ein kosteneffizienteres als auch ein SKALIERbareres Dasein pflegen, als auf einem physischen Server. Mit „SkaLIERbar" meine ich übrigens, dass der Speicherplatz, der mir in der Cloud zur Verfügung steht, je nach akutellem Bedarf angepasst werden kann. Die Kombination aus Internet of Things und Cloud Computing ist der KatalysATOR für das, was wir „Big Data" nennen. Mit ‚Big Data' meinen wir extrem große Datenmengen, die aus verschiedensten Quellen stammen und mit traditionellen Methoden der Datenverarbeitung nicht mehr bewältigt werden können. Wenn man als Unternehmen Teilmenge dieser Big Data aber analysiert, bekommt man wesentlich genauere Einblicke in Dinge wie Verbraucherverhalten, Markttrends, Produktleistung, Sicherheitsrisiken, oder Betriebseffizienz, als das in der Vergangenheit je möglich war. Diese Einblicke wollen wir natürlich, weil wir als Organisation dadurch treffsichere Entscheidungen treffen können. Darüber hinaus spielt Big Data aber auch die zentrale Rolle schlechthin bei der Entwicklung der Künstlichen Intelligenz. KI-Systeme benötigen große Mengen an Daten, um zu LERNEN und sich zu verbessern. Das heißt, der aktuelle KI-Boom wäre ohne Big Data völlig undenkbar gewesen. Zusammenfassend lässt sich also sagen: die vier Mega-Trends der Digitalisierung -- Internet of Things, Cloud Computing, Big Data und Künstliche Intelligenz -- darf man nicht isoliert voneinander betrachten. Das, was aus dem ZuSAMMENSpiel dieser vier Phänomene entsteht, übertrifft um ein VIELfaches die Summe der vier Einzelteile.