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
1. Einleitung
1.1 Problemstellung
1.2 Aufbau
2. Konzeptionelle Grundlagen
2.1 Big Data
2.2 Lieferantenmanagement
2.2.1 Prozess des Lieferantenmanagements
2.2.2 Digitalisierung im Lieferantenmanagement
3. Aktueller Forschungsstand
3.1 Data Lakes
3.2 Big Data Analysen
4. Chancen und Risiken bei der Einführung von Big Data im Lieferantenmanagement
4.1 Chancen
4.2 Risiken
4.3 Datenbasierte Bewertung und Auswahl von Zulieferern – Risk Monitoring
4.4 Potentielle Steigerung der Unternehmenseffizienz
5. Zusammenfassung und kritische Reflexion
Zielsetzung & Themen
Ziel dieser Arbeit ist die Erläuterung der Grundlagen von Big Data und des Lieferantenmanagements sowie die Untersuchung ihres Zusammenspiels. Dabei wird erforscht, wie die Einführung von Big Data-Lösungen in der Beschaffung genutzt werden kann, um Risiken effektiver zu managen und die Unternehmenseffizienz zu steigern, wobei insbesondere die datenbasierte Auswahl von Zulieferern fokussiert wird.
- Grundlegende Konzepte von Big Data und Lieferantenmanagement
- Analyse des aktuellen Forschungsstands zu Data Lakes und Big Data-Analysen
- Identifikation von Chancen und Risiken bei der Implementierung digitaler Ansätze
- Modellhafte Lösungsansätze für das Supply Chain Risk Monitoring
- Potenziale zur Steigerung der Unternehmenseffizienz durch datengestützte Entscheidungsfindung
Auszug aus dem Buch
3.1 Data Lakes
Bei dem Begriff Data Lake handelt es sich um eine Methode zur Speicherung von großen Datenmengen, die aus verschiedenen Quellen stammen können und in ihrer Rohform abgespeichert werden. Dabei sind die heterogenen Daten vor dem Ladeprozess weder gesäubert noch transformiert worden. Nach Abschluss des Ladevorgangs liegen somit die Daten nun in einem einzigen System vor. Es können in einem Data Lake sowohl strukturierte Daten als auch semi-strukturierte (CSV, Logs, XML), unstrukturierte (E-Mails, Dokumente) und binäre Daten (Video, Audio, Bilder) gespeichert und verwaltet werden.
Die Zielstellung dabei ist es, sämtliche Unternehmensdaten an einem definierten Ort zu sammeln, um somit schnell auf den gesamten Datenbestand zugreifen zu können. Anwender sollen aus den Daten unmittelbar Visualisierungen, Reports und Analysen erstellen können. Die größte Herausforderung besteht in der Verarbeitung der unstrukturierten und heterogene Daten.
Zusammenfassung der Kapitel
1. Einleitung: Beleuchtet die wachsende Bedeutung von Daten als Produktionsfaktor und skizziert die Zielsetzung der Arbeit, Big Data in den Kontext des Lieferantenmanagements zu setzen.
2. Konzeptionelle Grundlagen: Definiert die Begriffe Big Data und Lieferantenmanagement und erläutert die verschiedenen Prozessschritte sowie die Bedeutung der zunehmenden Digitalisierung.
3. Aktueller Forschungsstand: Erörtert technische Methoden wie Data Lakes zur Speicherung heterogener Daten sowie den Nutzen von Big Data-Analysen für Unternehmen.
4. Chancen und Risiken bei der Einführung von Big Data im Lieferantenmanagement: Analysiert das Potenzial zur Transparenzsteigerung und Risikominimierung sowie die Herausforderungen der Implementierung, wie den Umgang mit Datenqualität und neuen Rollenbildern.
5. Zusammenfassung und kritische Reflexion: Fasst die Ergebnisse zusammen, betont die Abhängigkeit des Erfolgs von individuellen Unternehmenskonfigurationen und reflektiert die Grenzen der durchgeführten Untersuchung.
Schlüsselwörter
Big Data, Lieferantenmanagement, Beschaffung, Digitalisierung, Data Lake, Risikomanagement, Supply Chain, Unternehmenseffizienz, Datenanalyse, Datenqualität, Strategischer Einkauf, Unternehmenssteuerung, KI, Wertschöpfungskette, Prozessoptimierung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, wie Unternehmen durch Big Data-Technologien ihre Prozesse im Lieferantenmanagement optimieren und Wettbewerbsvorteile erzielen können.
Welche Themenfelder stehen im Zentrum?
Das Hauptaugenmerk liegt auf der Anwendung von Big Data in der Beschaffung, dem modernen Risikomanagement in Lieferketten sowie der datenbasierten Steigerung der Effizienz.
Was ist das primäre Ziel der Untersuchung?
Es soll aufgezeigt werden, wie Big Data-Lösungen eingesetzt werden, um Lieferanten besser zu bewerten, Entscheidungen unter Unsicherheit zu treffen und die Supply Chain transparenter zu gestalten.
Welche wissenschaftliche Methode wurde verwendet?
Die Arbeit basiert auf einer Literaturanalyse und der Untersuchung bestehender Frameworks aus Forschung und Praxis, um Chancen und Risiken systemisch einzuordnen.
Was wird im Hauptteil behandelt?
Nach konzeptionellen Grundlagen werden aktuelle Forschungsansätze wie Data Lakes und Analysetechniken diskutiert, gefolgt von einer detaillierten Chancen-Risiken-Analyse für die Beschaffung.
Durch welche Schlüsselbegriffe wird die Arbeit charakterisiert?
Die Arbeit lässt sich primär über die Begriffe Big Data, Lieferantenmanagement, Supply Chain Risikomanagement und Unternehmenseffizienz definieren.
Warum ist das Risiko eines "Datensumpfes" ein wichtiges Thema?
Da Daten in einem Data Lake oft in Rohform ohne vorherige Bereinigung gespeichert werden, ist ohne Metadaten und eine klare Struktur die Qualitätssicherung gefährdet, was die Analyse massiv erschwert.
Wie kann Big Data zur Risikominimierung genutzt werden?
Durch den Einsatz etwaiger Frameworks und Echtzeitanalysen können Risiken frühzeitig erkannt und durch automatisiertes Maßnahmenmanagement im Wertschöpfungsnetzwerk proaktiv abgewendet werden.
- Arbeit zitieren
- Robert Schneider (Autor:in), 2021, Implementierung von Big Data im Lieferantenmanagement, München, GRIN Verlag, https://www.hausarbeiten.de/document/1394567
