Durch die immer größeren Datenmengen wird es zunehmend schwieriger für Unternehmen, rechtzeitig auf die benötigten Daten zuzugreifen und deren Quantität zu managen. Im vorliegenden Assignment werden die Grundlagen des Big Data und des Lieferantenmanagements erläutert und in einen gemeinsamen Kontext gesetzt. Der aktuelle Forschungsstand wird zugrunde gelegt. Anschließend sollen Chancen und Risiken bei der Einführung und die Nutzung von Big Data im Lieferantenmanagement aufgezeigt werden. Ein spezielles Augen-merk liegt hierbei auf der datenbasierten Bewertung und Auswahl von Zulieferern. Abschließend sollen aus den Ergebnissen potenzielle Steigerungen der Unternehmenseffizienz abgeleitet werden und es wird ein Fazit gezogen.
Durch die Sammlung und Auswertung personenbezogener Daten und Informationen sind Unternehmen imstande wichtige Wettbewerbsvorteile zu erhalten. Aufgrund der Flut an Datenmengen wurde der Begriff Big Data geprägt. Solche Mengen an Daten boten Unternehmen die Chance ihre Prozesse wirtschaftlicher zu gestalten, insbesondere lässt sich die Produktivität erhöhen. Somit können effektiv eingesetzte und effizient ausgewertete Big Data ein wichtiger Faktor sein, um sich stark von der Konkurrenz abzusetzen. Deshalb werden Daten und Informationen heute neben den traditionellen drei Produktionsfaktoren – Arbeit, Boden und Kapital – als vierter Produktionsfaktor hinzugezählt.
Inhaltsverzeichnis
- Einleitung
- Problemstellung
- Aufbau
- Konzeptionelle Grundlagen
- Big Data
- Lieferantenmanagement
- Prozess des Lieferantenmanagements
- Digitalisierung im Lieferantenmanagement
- Aktueller Forschungsstand
- Data Lakes
- Big Data Analysen
- Chancen und Risiken bei der Einführung von Big Data im Lieferantenmanagement
- Chancen
- Risiken
- Datenbasierte Bewertung und Auswahl von Zulieferern – Risk Monitoring
- Potentielle Steigerung der Unternehmenseffizienz
- Zusammenfassung und kritische Reflexion
Zielsetzung und Themenschwerpunkte
Das Assignment befasst sich mit der Implementierung von Big Data im Lieferantenmanagement. Es werden die Grundlagen von Big Data und Lieferantenmanagement erläutert, der aktuelle Forschungsstand beleuchtet und Chancen sowie Risiken der Integration von Big Data im Lieferantenmanagement aufgezeigt. Im Fokus steht dabei die datenbasierte Bewertung und Auswahl von Zulieferern sowie die potenzielle Steigerung der Unternehmenseffizienz.
- Grundlagen des Big Data und des Lieferantenmanagements
- Aktueller Forschungsstand zum Einsatz von Big Data im Lieferantenmanagement
- Chancen und Risiken der Implementierung von Big Data im Lieferantenmanagement
- Datenbasierte Bewertung und Auswahl von Zulieferern
- Potentielle Steigerung der Unternehmenseffizienz durch Big Data im Lieferantenmanagement
Zusammenfassung der Kapitel
- Einleitung: Die Einleitung stellt die Problemstellung der zunehmenden Datenmengen und die Bedeutung von Big Data im 21. Jahrhundert dar. Sie beschreibt den Aufbau des Assignments und die wichtigsten Themenbereiche.
- Konzeptionelle Grundlagen: Dieses Kapitel erläutert die Grundlagen des Big Data und des Lieferantenmanagements. Es beleuchtet die Definition und Bedeutung von Big Data sowie den Prozess des Lieferantenmanagements und die Digitalisierung in diesem Bereich.
- Aktueller Forschungsstand: Das Kapitel beleuchtet den aktuellen Stand der Forschung zu Big Data im Lieferantenmanagement, insbesondere zu Data Lakes und Big Data Analysen.
- Chancen und Risiken bei der Einführung von Big Data im Lieferantenmanagement: Dieses Kapitel befasst sich mit den Chancen und Risiken, die sich aus der Einführung von Big Data im Lieferantenmanagement ergeben. Es werden die Vorteile und Nachteile der Datenbasierten Bewertung und Auswahl von Zulieferern sowie die potenzielle Steigerung der Unternehmenseffizienz diskutiert.
Schlüsselwörter
Big Data, Lieferantenmanagement, Digitalisierung, Datenanalyse, Data Lakes, Chancen, Risiken, Bewertung, Auswahl, Zulieferer, Unternehmenseffizienz, Risk Monitoring
- Quote paper
- Robert Schneider (Author), 2021, Implementierung von Big Data im Lieferantenmanagement, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/1394567
