Document Actions

Citation and metadata

Back to the article.

Recommended citation

Brüggenolte M, Stute M, Besenfelder C (2018). Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement. Logistics Journal : nicht referierte Veröffentlichungen, Vol. 2018. (urn:nbn:de:0009-14-47327)

Download Citation

Endnote

%0 Journal Article
%T Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement
%A Brüggenolte, Matthias
%A Stute, Markus
%A Besenfelder, Christoph
%J Logistics Journal : nicht referierte Veröffentlichungen
%D 2018
%V 2018
%N 11
%@ 1860-5923
%F brüggenolte2018
%X Die volatilen Geschäftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierfür ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage für letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen für den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient.
%L 620
%K Bestandsmanagement
%K Big Data
%K Business Analytics
%K Reifegradmodell
%K Vorgehensmodell
%R 10.2195/lj_NotRev_brueggenolte_de_201811_01
%U http://nbn-resolving.de/urn:nbn:de:0009-14-47327
%U http://dx.doi.org/10.2195/lj_NotRev_brueggenolte_de_201811_01
Download

Bibtex

@Article{brüggenolte2018,
  author = 	"Br{\"u}ggenolte, Matthias
		and Stute, Markus
		and Besenfelder, Christoph",
  title = 	"Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement",
  journal = 	"Logistics Journal : nicht referierte Ver{\"o}ffentlichungen",
  year = 	"2018",
  volume = 	"2018",
  number = 	"11",
  keywords = 	"Bestandsmanagement; Big Data; Business Analytics; Reifegradmodell; Vorgehensmodell",
  abstract = 	"Die volatilen Gesch{\"a}ftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierf{\"u}r ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage f{\"u}r letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen f{\"u}r den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient.",
  issn = 	"1860-5923",
  doi = 	"10.2195/lj_NotRev_brueggenolte_de_201811_01",
  url = 	"http://nbn-resolving.de/urn:nbn:de:0009-14-47327"
}
Download

RIS

TY  - JOUR
AU  - Brüggenolte, Matthias
AU  - Stute, Markus
AU  - Besenfelder, Christoph
PY  - 2018
DA  - 2018//
TI  - Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement
JO  - Logistics Journal : nicht referierte Veröffentlichungen
VL  - 2018
IS  - 11
KW  - Bestandsmanagement
KW  - Big Data
KW  - Business Analytics
KW  - Reifegradmodell
KW  - Vorgehensmodell
AB  - Die volatilen Geschäftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierfür ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage für letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen für den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient.
SN  - 1860-5923
UR  - http://nbn-resolving.de/urn:nbn:de:0009-14-47327
DO  - 10.2195/lj_NotRev_brueggenolte_de_201811_01
ID  - brüggenolte2018
ER  -
Download

Wordbib

<?xml version="1.0" encoding="UTF-8"?>
<b:Sources SelectedStyle="" xmlns:b="http://schemas.openxmlformats.org/officeDocument/2006/bibliography"  xmlns="http://schemas.openxmlformats.org/officeDocument/2006/bibliography" >
<b:Source>
<b:Tag>brüggenolte2018</b:Tag>
<b:SourceType>ArticleInAPeriodical</b:SourceType>
<b:Year>2018</b:Year>
<b:PeriodicalTitle>Logistics Journal : nicht referierte Veröffentlichungen</b:PeriodicalTitle>
<b:Volume>2018</b:Volume>
<b:Issue>11</b:Issue>
<b:Url>http://nbn-resolving.de/urn:nbn:de:0009-14-47327</b:Url>
<b:Url>http://dx.doi.org/10.2195/lj_NotRev_brueggenolte_de_201811_01</b:Url>
<b:Author>
<b:Author><b:NameList>
<b:Person><b:Last>Brüggenolte</b:Last><b:First>Matthias</b:First></b:Person>
<b:Person><b:Last>Stute</b:Last><b:First>Markus</b:First></b:Person>
<b:Person><b:Last>Besenfelder</b:Last><b:First>Christoph</b:First></b:Person>
</b:NameList></b:Author>
</b:Author>
<b:Title>Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement</b:Title>
<b:Comments>Die volatilen Geschäftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierfür ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage für letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen für den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient.</b:Comments>
</b:Source>
</b:Sources>
Download

ISI

PT Journal
AU Brüggenolte, M
   Stute, M
   Besenfelder, C
TI Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement
SO Logistics Journal : nicht referierte Veröffentlichungen
PY 2018
VL 2018
IS 11
DI 10.2195/lj_NotRev_brueggenolte_de_201811_01
DE Bestandsmanagement; Big Data; Business Analytics; Reifegradmodell; Vorgehensmodell
AB Die volatilen Geschäftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierfür ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage für letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen für den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient.
ER
Download

Mods

<mods>
  <titleInfo>
    <title>Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement</title>
  </titleInfo>
  <name type="personal">
    <namePart type="family">Brüggenolte</namePart>
    <namePart type="given">Matthias</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Stute</namePart>
    <namePart type="given">Markus</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Besenfelder</namePart>
    <namePart type="given">Christoph</namePart>
  </name>
  <abstract>Die volatilen Geschäftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierfür ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage für letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen für den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient.</abstract>
  <subject>
    <topic>Bestandsmanagement</topic>
    <topic>Big Data</topic>
    <topic>Business Analytics</topic>
    <topic>Reifegradmodell</topic>
    <topic>Vorgehensmodell</topic>
  </subject>
  <classification authority="ddc">620</classification>
  <relatedItem type="host">
    <genre authority="marcgt">periodical</genre>
    <genre>academic journal</genre>
    <titleInfo>
      <title>Logistics Journal : nicht referierte Veröffentlichungen</title>
    </titleInfo>
    <part>
      <detail type="volume">
        <number>2018</number>
      </detail>
      <detail type="issue">
        <number>11</number>
      </detail>
      <date>2018</date>
    </part>
  </relatedItem>
  <identifier type="issn">1860-5923</identifier>
  <identifier type="urn">urn:nbn:de:0009-14-47327</identifier>
  <identifier type="doi">10.2195/lj_NotRev_brueggenolte_de_201811_01</identifier>
  <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-14-47327</identifier>
  <identifier type="citekey">brüggenolte2018</identifier>
</mods>
Download

Full Metadata

Bibliographic Citation Logistics Journal : referierte Veröffentlichungen, Vol. 2018, Iss. 11
Title

Entwurf eines Reifegradmodells zur Integration von Business Analytics im Bestandsmanagement (ger)
Author Matthias Brüggenolte, Markus Stute, Christoph Besenfelder
Language ger
Abstract Die volatilen Geschäftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierfür ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage für letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen für den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient. The volatile business environments of manufacturing companies demand special requirements for the inventory management and require flexible and fast decisions of the companies. The application of Big Data and Business Analytics for analysis and forecasting purposes and to derive automated and ultimately autonomous decisions is essential for this task. This paper presents a maturity model based on important technological, personnel and process requirements for the application of Business Analytics and serves manufacturing companies to evaluate and improve their inventory management using Business Analytics.
Subject Bestandsmanagement, Big Data, Business Analytics, Reifegradmodell, Vorgehensmodell
DDC 620
Rights DPPL
URN: urn:nbn:de:0009-14-47327
DOI https://doi.org/10.2195/lj_NotRev_brueggenolte_de_201811_01