Fachbeiträge & Kommentare zu Big Data

Rz. 17 Nach § 26 Abs. 1 S. 1 Var.1 BDSG ist die Verarbeitung personenbezogener Daten zulässig, wenn dies für die Entscheidung über die Begründung des Beschäftigungsverhältnisses erforderlich ist. Die Regelung entspricht insoweit § 32 Abs. 1 S. 1 BDSG a.F., den sie fortführen soll, sodass auch auf die dazu ergangene Rechtsprechung Bezug genommen werden kann. Vor Begründung des...mehr

Rz. 1 Neue digitale Technologien und der Einsatz von Künstlicher Intelligenz ermöglichen immer neue Überwachungsmaßnahmen bzw. Leistungskontrollsysteme durch sog. Big Data-Analysen. Die nahezu unbegrenzten technischen Möglichkeiten kollidieren dabei mit dem Schutz des Persönlichkeitsrechts, der seinen Ausdruck im Beschäftigtendatenschutz findet. Die Rechtsprechung hat sich i...mehr

Rz. 10 Die arbeitsgerichtliche Rechtsprechung hatte in den letzten Jahren mehrfach Gelegenheit, sich mit verschiedenen Systemen der digitalen Überwachung auseinanderzusetzen (BAG v. 27.7.2017 – 2 AZR 681/16, NZA 2017, 1327, "Keylogger"; BAG v. 29.6.2017 – 2 AZR 597/16, NZA 2017, 1179 und BAG v. 20.10.2016 – 2 AZR 395/15, NZA 2017, 443 "verdeckte Videoüberwachung"; BAG v. 25....mehr

Rz. 168 Zwar gibt es auch derzeit noch keine umfassende höchstrichterliche Rechtsprechung zur Zulässigkeit einer Datenerhebung nach § 26 Abs. 1 BDSG . Es bestehen jedoch keine Anhaltspunkte dafür, dass sich die Grundsätze, die das BAG anhand des § 32 BDSG a.F. entwickelt hat, unter Geltung der DSGVO und des aktuellen BDSG signifikant ändern werden (im Ergebnis auch Kort, NZA ...mehr

Atabaki/Biemann, Potenziale der Datenanalyse für HR (People Analytics), in: Petry/Jäger (Hrsg.), Digital HR. Smarte und agile Systeme, Prozesse und Strukturen im Personalmanagement, 2018, S. 125-136. Becker/Huselid/Ulrich, The HR scorecard. Linking people, strategy, and performance, Harvard Business Press, 2001. Betriebsverfassungsgesetz (BetrVG), 2023, https://www.gesetze-im-...mehr

Mithilfe von künstlicher Intelligenz (KI) und Big Data können Unternehmen nachhaltiger werden, indem sie umfassende Datenanalysen durchführen und dadurch Erkenntnisse gewinnen, die zur Verbesserung der Ressourceneffizienz und zur Abfallreduzierung beitragen. Beispielsweise können Unternehmen KI-Modelle einsetzen, um ihre Lieferketten zu optimieren und den Energieverbrauch zu...mehr

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. Bec...mehr

Planung und Reporting im Controlling erhielt durch Business Intelligence einen deutlichen Schub für die Steuerungsqualität und -geschwindigkeit. Durch die vermehrte Diskussion von Künstlicher Intelligenz (KI) im Zusammenhang mit Machine Learning, Deep Learning, Data Mining, Predictive Analytics und Chatbots stellt sich die Frage, inwieweit diese modernen technologischen Entw...mehr

In den 1980er bis in die 2000er wurde die Fertigungstiefe in Unternehmen teilweise erheblich reduziert. Dies geschah durch eine Konzentration auf die unternehmenseigenen Kernkompetenzen. Im Gegenzug führte dies dazu, dass Lieferanten nun einen sehr hohen Anteil der Wertschöpfung am Endprodukt erbringen. Beispielsweise beträgt der Wertschöpfungsanteil der Lieferanten in der A...mehr

Bliznak, SAP Analytics Cloud und SAP Digital Boardroom: Machine Learning und intelligente Assistenten erleichtern Echtzeitsteuerung, in: Klein/Gräf (Hrsg.), Reporting und Business Analytics, 2020, S. 153–173. Chamoni/Gluchowski, Integrationstrends bei Business-Intelligence-Systemen, in Wirtschaftsinformatik, 46. Jg., 2004, Nr. 2, S. 119128. Davenport/ Kirby, Just how smart are...mehr

Im BI-gestützten Controlling ist zwischen einem traditionellen Business-Intelligence-Ansatz und einem explorativen Business-Intelligence-Ansatz zu unterscheiden (vgl. Abb. 1). Abb. 1: Traditionelle und explorative BI aus technischer Sicht[1] Bei der traditionellen Datenbewirtschaftung mit einem Data Warehouse (DWH) werden auf der ersten Ebene die Daten der internen und externe...mehr

Business-Intelligence-gestützte Controllingsysteme bzw. in Kurzform BI-gestützte Controllingsysteme sind auf die Analysepfade des Managements ausgerichtet und liefern transparente, performante und qualitätsgesicherte Informationen. BI-gestützte Controllingsysteme helfen bei der integrierten Datenaufbereitung aus internen und externen Datenquellen. Somit führen sie zu einem (l...mehr

Unbestritten ist, dass Business Intelligence ein sehr populärer Begriff ist, der sowohl in der Wissenschaft als auch bei Softwareherstellern und anderen Unternehmen in der Praxis Anwendung findet. Recherchiert man diesen Begriff im Internet, erhält man eine sehr große Menge an Treffern. Für den Begriff Business Intelligence gibt es allerdings bis heute keine allgemein akzept...mehr

Unternehmen, die sich für den Einsatz von BI-Lösungen im Controlling interessieren, sollten dieses Vorhaben gründlich planen. Um Business-Intelligence-Tools nachhaltig im Unternehmen zu implementieren, braucht es zunächst ein betriebswirtschaftlich sinnvolles Konzept, das zur Unternehmensstrategie und den Geschäftsprozessen passt. Schließlich kann jedes Reporting nur so nütz...mehr

Durch die digitale Revolution ist die Menge an verfügbaren Daten exponentiell gestiegen. Die technischen Gegebenheiten digitaler Systeme ermöglichen es, Daten in riesigen Mengen zu speichern und detaillierter zu strukturieren. Die Zeiträume für den Bezug der Daten können wesentlich verkürzt werden, also z. B. nicht mehr der Umsatz pro Tag, sondern der Umsatz pro Stunde oder M...mehr

Die Ergebnisse der Arbeit im Controlling werden über das Berichtswesen an die Informationsempfänger verteilt. Trotz des bereits weit verbreiteten Einsatzes digitaler Anwendungen wie BI-Systeme, Tabellenkalkulationen oder Präsentationssoftware gibt es in Zukunft weiteres Potenzial, das durch Digitalisierung gehoben wird. Zeitpunkt: Traditionell liefert das Berichtswesen die In...mehr

In Zukunft werden digitale Anwendungen im Controlling, gleichgültig, ob für die Planung, die Analyse oder das Berichtswesen, neue Eigenschaften und Möglichkeiten aufweisen. Damit kann die Arbeit im Controlling neu strukturiert werden. Die wichtigsten Merkmale sind im Folgenden kurz beschrieben: Mobiles Arbeiten: Digitale Anwendungen der Zukunft werden auch im Controlling das ...mehr

Um Arbeiten 4.0 besser zu verstehen, sollen die häufigsten in diesem Zusammenhang verwendeten Begriffe erläutert werden. Die Definitionen entstammen dem Glossar des "Grünbuchs: Arbeiten 4.0" des Bundesministeriums für Arbeit und Soziales.[1] Das "Grünbuch" wirft einen Blick in die Arbeitswelt von heute und morgen und initiierte 2015 eine grundlegende Diskussion über das Arbe...mehr

Mit der Entwicklung von Big Data Analytics eröffnen sich derzeit völlig neue Möglichkeiten für ein evidenzbasiertes Personalmanagement. Einerseits ist von ungeahnten Möglichkeiten die Rede, andererseits vom Verlust der Privatsphäre. Big Data birgt das Potenzial, die Art und Weise, wie wir denken, leben, arbeiten und wirtschaften, zu revolutionieren. Daten sind der Rohstoff de...mehr

Zusammenfassung Überblick Die Komplexität, Virtualisierung und Digitalisierung unserer Wirtschaftssysteme und Organisationen nimmt weiter zu. Plug-and-Play-Personalkonzepte und die im 20. Jahrhundert entwickelten Managementkonzepte werden bald an ihre Grenzen stoßen und durch neue, differenziertere Konzepte abgelöst. Viele Ansätze einer daten- und faktenbasierten Personalarbe...mehr

mehr

"Data Scientist: The Sexiest Job of the 21st Century", so titeln Davenport und Patil ihren Beitrag (Harvard Business Review, October 2012) über die Suche nach den seltenen Spezialisten, die die Big Data Unternehmen so dringend benötigen. Sie beschreiben den Data Scientist als einen Hybrid aus Datenhacker, Analyst, Kommunikator und vertrauensvollem Berater. Pearson und Wegene...mehr

Überblick Die Komplexität, Virtualisierung und Digitalisierung unserer Wirtschaftssysteme und Organisationen nimmt weiter zu. Plug-and-Play-Personalkonzepte und die im 20. Jahrhundert entwickelten Managementkonzepte werden bald an ihre Grenzen stoßen und durch neue, differenziertere Konzepte abgelöst. Viele Ansätze einer daten- und faktenbasierten Personalarbeit sind nicht n...mehr

Während einige Unternehmen dem Chef der Datenwissenschaftler und Analysten bereits einen Platz in der C-Suite angeboten und dafür neue Titel geschaffen haben (Chief Science Officer, Chief Data Officer, Chief Digital Officer, Chief Analytics Officer), rücken die Themen Big Data und Workforce Analytics in Deutschland erst langsam auf die Agenda der Personalentscheider – die Gr...mehr

Mit der Frage nach der Gestaltung effektiver Organisationen und wirksamer Personalarbeit beschäftigen sich Wissenschaftler und Praktiker seit über 100 Jahren. Dabei ging es immer auch um die Erhebung und Analyse von HR-Kennzahlen und Identifikation von Wirkzusammenhängen. Mit dem Einzug von Big Data und Workforce Analytics in die Personalbereiche eröffnen sich völlig neue Po...mehr

Zunächst noch völlig unbeeinflusst von der aktuellen Diskussion um Big Data Analytics hält seit einigen Jahren der Ansatz des "Evidence-Based Human Resources Management" Einzug in die personalwirtschaftliche Literatur und Praxis. Zielsetzung des evidenzbasierten Personalmanagement quantitative Verknüpfung von Personalmaßnahmen mit Unternehmenserfolgskennzahlen, Heranziehen von ...mehr

Das Thema Personal steht auf Rang 1 der CEO-Agenda, noch vor Kundenbeziehungen, Innovationen und operativer Exzellenz – so die weltweite Studie "CEO Challenge 2014" von The Conference Board. Schlaflose Nächte bereiten vor allem Big Data Analytics, die wirtschaftliche Depression in Europa und die noch unzureichende Diversität in den Führungsreihen. Von ihren Führungskräften er...mehr

Aus Sicht der Managementberatung Horváth sind die Themenfelder eine modernen CFO Financial Governance, Data Production, Data Science und Business Partnering. Eine primäre Forderung ist die Fokussierung auf Themen, die für das Unternehmen Wert schaffen. Der frühere Fokus auf viele unterschiedliche Planungs- und Berichtsinhalte sowie -formate für unterschiedliche Gremien und A...mehr

Wie oben bereits beschrieben, gibt es das Big Data Projekt nicht. Stattdessen wird die Big Data Architektur individuell und im Sinne der gewählten Big Data Strategie modelliert. Die Big Data Architektur ist somit die technische Umsetzung der Big Data Strategie, wobei der Architekturstil und die einzelnen Komponenten vom jeweiligen Use Case abhängen. Typischerweise beginnt di...mehr

Unter Big Data Analytics wird eine Form der zielorientierten Auswertung von Daten verstanden, wobei Big Data als Ausgangsbasis besonders umfangreiche, heterogene und komplexe Datenmengen umfasst (vgl. Abschnitt 1.2.3). Die Möglichkeiten für Big Data Analytics und der daraus realisierbare ökonomische Nutzen haben sich aufgrund der Weiterentwicklung relevanter Technologien, in...mehr

Für den Begriff Big Data existiert in der Literatur keine einheitliche Definition. Im Kern besteht ein wesentlicher Unterschied von Big Data zu der bisher üblichen Art der Datennutzung darin, dass nicht nur erheblich größere Datenmengen analysiert werden, sondern diese regelmäßig aus unterschiedlichen Quellen stammen, unterschiedliche Qualität aufweisen und ggf. auch abweich...mehr

Vor dem Beginn eines Big Data Projekts ist dessen Zielsetzung zu definieren; hierbei leiten sich die Handlungsoptionen aus dem bestehenden Geschäftsmodell ab, d.h. soll das bestehende Geschäftsmodell optimiert oder neue synergistische unabhängige Geschäftsfelder erschlossen werden? Nachfolgend wird typisierend und im Sinne einer groben Übersicht der Ablauf von Datenanalysepro...mehr

Die Erhebung, Kombination und Analyse großer Datenmengen im Sinne der in Kapitel 1 dieser Beitragsreihe enthaltenen Big Data-Definition (s. Abschnitt 1.2.3) kann als Big Data Life Cycle vereinfacht wie folgt dargestellt werden:[1] Abb. 1: Big Data Life Cycle Erheben und Erfassen Im ersten Schritt erfolgt die Rohdatengewinnung, z.B. über online-Plattformen, Sensoren, Datenkatalo...mehr

2.1.1 Geschäftsmodell als Ausgangspunkt Mit Big Data Projekten lassen sich verschiedene Zwecke verfolgen. So facettenreich Geschäftsmodelle sind, so vielfältig sind auch die Einsatzgebiete von Big Data. Dabei kann Big Data ein Teil des Geschäftsmodells sein oder aber das eigentliche Geschäftsmodell bilden. Zu denken ist etwa an ein Produktionsunternehmen, welches Maschinendat...mehr

1.2.1 Definition von Daten Eine allgemeine Datendefinition gibt es nicht – vielmehr kommt es auf den jeweiligen Anwendungsbereich an. Nach der Definition der im Bereich der Informationstechnik standardgebenden Internationalen Standardisierungs-Organisation (ISO) sowie der Internationalen Elektrotechnischen Kommission (IECD) z.B. sind Daten definiert als "eine Darstellung von ...mehr

2.2.1 Wechselwirkung zwischen Daten und Analytik Der Begriff "Big Data" weckt bei vielen Personen die euphorische Vorstellung, es handle sich hierbei um den Schlüssel zum garantierten Erfolg. Viele sehen in Big Data Big Business. Dem ist aber nicht immer so. Obschon viele Unternehmen an einem Datenüberfluss leiden, sind nur etwa 20 % der Daten- und KI-Projekte erfolgreich.[1]...mehr

a) Begriff Wörtlich übersetzt und bildlich gesprochen ist ein Data Lake ein Datensee. Im Unterschied zum Data Warehouse werden die Daten im Data Lake in ihrer Ursprungsform gespeichert. Im Data Lake können sich somit unstrukturierte, semi-strukturierte oder strukturierte Daten in ihrer Rohform befinden. Ebenfalls kann ein Data Lake neben Text- oder Zahlendaten auch Bilder, Vi...mehr

Werden die Ansätze des Data Warehouse und des Data Lake komponiert, entsteht ein Data Lakehouse.[1] Wie ein Data Lake speichert auch ein Data Lakehouse sämtliche Daten in ihrer Rohfassung. Die Speicherebene ist somit ein Data Lake, sodass sich auch das Data Lakehouse durch eine große Flexibilität hinsichtlich der Datenstruktur als auch in der künftigen Datenverwendung auszei...mehr

a) Begriff Der Begriff Data Warehouse beschreibt ein Informationssystem, welches darauf ausgerichtet ist, große Datenmengen für die analytische Weiterverwendung zu verarbeiten und zu verwalten. Genauer gesagt, handelt es sich hierbei um ein System bestehend aus einer oder mehreren Datenbanken, welche Daten aus verschiedenen Quellen integriert und diese dem Anwender zu Auswert...mehr

Mittels einer Data Pipeline gelangen die Daten vom jeweiligen Quellsystem zum jeweiligen Zielsystem. Als Quellsysteme werden gemeinhin die Datenquellen verstanden, aus denen die Primärdaten hervorgehen.[1] Dies können etwa CRM-Systeme (CRM steht für Customer Relationship Management) oder ERP-Systeme (ERP steht für Enterprise Resource Planning) sein. Bei den Zielsystemen hand...mehr

Mit Big Data Projekten lassen sich verschiedene Zwecke verfolgen. So facettenreich Geschäftsmodelle sind, so vielfältig sind auch die Einsatzgebiete von Big Data. Dabei kann Big Data ein Teil des Geschäftsmodells sein oder aber das eigentliche Geschäftsmodell bilden. Zu denken ist etwa an ein Produktionsunternehmen, welches Maschinendaten analysiert, um Fertigungsprozesse zw...mehr

Die Frage, wem welche Rolle innerhalb eines Unternehmens zukommt und wo (bzw. durch welche Gruppengesellschaften) die jeweiligen Tätigkeiten ausgeübt werden, dürfte den Steuerberater namentlich dann interessieren, wenn es Fragen rund um die personelle Substanz sowie die Funktionsanalyse für die Zwecke des Transfer Pricings zu beurteilen gilt. Da Daten unter bestimmten Voraus...mehr

Ein Verständnis über die (technische) Infrastruktur ist namentlich dann relevant, wenn es allfällige Betriebsstättenrisiken zu analysieren gilt.[1] Mit einer herkömmlichen IT-Infrastruktur lassen sich keine unstrukturierten Datenbestände in der Größenordnung von Big Data auswerten. Big Data Projekte verlangen somit unternehmensweite Infrastrukturkonzepte, deren Rechner, Serve...mehr

Begriffe wie Big Data, Data Analytics, Data Science, Machine Learning, Artifical Intelligence, Predictive Maintenance, etc. sind in aller Munde. Auch dass Daten zuerst zu Informationen verarbeitet werden müssen, bevor sie als Entscheidungsgrundlage herangezogen werden können, scheint für viele eine Selbstverständlichkeit zu sein. Sobald es jedoch um den technischen Prozess u...mehr

In der Praxis ist oftmals anzutreffen, dass die rechtlichen Rahmenbedingungen erst analysiert werden, wenn die Big Data Architektur bereits steht. Technisch gesehen mag die Big Data Strategie einwandfrei funktionieren, doch nützt es einem Unternehmen wenig, wenn eine durch Datenverwertung hervorgerufene Effizienzsteigerung an einem anderen Ende wieder verloren geht. Dass die...mehr

Die grafische Aufbereitung von ausgewerteten Daten kann zwar als das Ergebnis (bzw. Arbeitsprodukt) eines Analyseprozesses bezeichnet werden, doch bedeutet dies nicht, dass über die Visualisierungstechniken erst am Schluss zu befinden ist. Idealerweise ist die Big Data Architektur so aufgebaut, dass sie die angestrebte Visualisierungslösung von Beginn weg unterstützt. Dabei ...mehr

Der Begriff "Big Data" weckt bei vielen Personen die euphorische Vorstellung, es handle sich hierbei um den Schlüssel zum garantierten Erfolg. Viele sehen in Big Data Big Business. Dem ist aber nicht immer so. Obschon viele Unternehmen an einem Datenüberfluss leiden, sind nur etwa 20 % der Daten- und KI-Projekte erfolgreich.[1] Woran liegt das? Die Antwort liegt oftmals in de...mehr

Die Verwendung von Grafiken, Tabellen, Diagrammen, Histogrammen, Karten, Scatter Plots oder Treemaps gehören zu den gängigen Techniken, wie Informationen in einen visuellen Kontext gesetzt werden können. Im Zusammenhang mit Big Data ist oftmals von Dashboard die Rede. Wörtlich aus dem Englischen übersetzt, bedeutet Dashboard Armaturenbrett. Im Kontext von Big Data Analytics ...mehr

Der Erfolg eines Big Data Projekts hängt primär von der Datengrundlage ab. Bevor die Datenarchitektur erstellt werden kann, bedarf es zunächst somit einer Analyse, welche Daten dem Unternehmen zur Verfügung stehen und/oder wie die fehlenden Daten beschafft werden können.mehr

Gilt es die Big Data Architektur steuerrechtlich einzuordnen, sind folgende Fragestellungen von Bedeutung: In welcher Jurisdiktion gibt es welche steuerrechtliche Anknüpfungspunkte? Wo finden welche Wertschöpfungsaktivitäten statt? Wie sind der Datenaustausch und die damit zusammenhängenden Leistungen der Datenanalyse zwischen Gruppengesellschaften innerhalb eines Konzerns steu...mehr