Data-Mining-Verfahren: Anwendung im Beschaffungscontrolling / 7 Literaturhinweise

Achajya/Kauser, A Survey on Big Data Analytics: Challenges, Open Research Issues and Tools, in International Journal of Advanced Computer Science and Applications, 2016, H. 7, S. 511–518.

Alpaydn, Maschinelles Lernen, 2. Aufl. 2019.

Arnold, Beschaffungsmanagement, 2. Aufl. 1997.

Backhaus et al., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, 15., 2018.

Becker, Predicting Bacoutcomes for big data projects: Big Data Project Dynamics (BDPD): Research in progress, in 2017

IEEE International Conference on Big Data (Big Data), 2017, S. 2320–2330.

Bogaschewsky, Historische Entwicklung des Beschaffungsmanagements, in Bogaschewsky/Götze (Hrsg.) Management und Controlling von Einkauf und Logistik, 2003, S. 13–42.

Cleve/Lämmel, Data Mining, 2. Aufl. 2016.

Colas et al., Cracking the Data Conundrum: How Successful Companies Make Big Data Operational, 2014, https://www.capgemini.com/consulting/wp-content/uploads/sites/30/2017/07/big_data_pov_03-02-15.pdf, Abrufdatum 4.4.2023.

Gröner, Daten analysieren, Einsparpotential heben, Wettbewerbsvorteile sichern – Was die Industrie von Amazon & Co. lernen kann, in Beschaffung aktuell, 2022, H. 11-12, S. 26–28.

Grün/Brunner, Beschaffung, in Kummer/Grün et al. (Hrsg.), Grundzüge der Beschaffung, Produktion und Logistik, 2019, S. 133–225.

Hilbig, Zukunftsmanagement für den Mittelstand – Was Sie tun können und was Sie besser lassen sollten, um auch morgen noch im Geschäft zu sein, 2018.

Langmann, Digitalisierung im Controlling, 2019.

Large, Strategisches Beschaffungsmanagement – Eine praxisorientierte Einführung mit Fallstudien, 4. Aufl. 2009.

Mariscal et al., A survey of data mining and knowledge discovery process models and methodologies, in The Knowledge Engineering Review 25 , 2010, H. 2, S. 137–166.

Ng/Soo, Data Science – was ist das eigentlich?! – Algorithmen des maschinellen Lernens verständlich erklärt, 2018.

Piontek, Beschaffungscontrolling, 2022.

Provost/Fawcett, Data Science für Unternehmen – Data Mining und datenanalytisches Denken praktisch anwenden, 1. Auflage. 2017, https://ebookcentral.proquest.com/lib/gbv/detail.action?docID=5123640, Abrufdatum 14.7.2023.

Runkler, Data Mining – Methoden und Algorithmen intelligenter Datenanalyse, 2010.

Schäfer, Einkaufscontrolling: Strukturen und Prozesse für realistische Ergebnisse von Planung und Forecasting im Einkauf gestalten, in Klein/Schentler (Hrsg.) Einkaufscontrolling. Instrumente und Kennzahlen für einen höheren Wertbeitrag des Einkaufs. 1. Auf. 2016, S. 155–170.

Seiter et al., Business Analytics im Mittelstand, in FuS – Zeitschrift für Familienunternehmen und Strategie, 2018, H. 2, S. 15–20.

Simitsis/Vassiliadis, Extraction, Transformation, and Loading, in Liu/Özsu (Hrsg.) Encyclopedia of database systems. 2. Auflage, 2018, S. 1432–1440.

Statistisches Bundesamt, Statistisches Jahrbuch Deutschland 2019, 1. Aufl. 2019.

van Weele/Eßig, Strategische Beschaffung – Grundlagen, Planung und Umsetzung eines integrierten Supply Management, 2017.

Zeisel, Big Data und Data Science in der Strategischen Beschaffung – Grundlagen – Voraussetzungen – Anwendungschancen, 2020.