Datenmanagement in österreichischen Industrieunternehmen: Umsetzung, Trends und Hindernisse

Research output: ThesisMaster's Thesis

Bibtex - Download

@mastersthesis{442636d398bd4cf39a9ad34079b8b89c,
title = "Datenmanagement in {\"o}sterreichischen Industrieunternehmen: Umsetzung, Trends und Hindernisse",
abstract = "In der heutigen Wirtschaftswelt sind Daten eine der wichtigsten Ressourcen die Unternehmen zur Verf{\"u}gung stehen. Zun{\"a}chst wurden in dieser Masterarbeit die wichtigsten Konzepte in Bezug auf Daten und das Datenmanagement in der Theorie erkl{\"a}rt. Au{\ss}erdem wird auf die derzeit verf{\"u}gbaren Datenanalysemethoden eingegangen und jene statistischen Instrumente aufgezeigt auf welchen diese beruhen. Im zweiten Teil der Arbeit wurde untersucht ob in {\"o}sterreichischen Industrieunternehmen auch die notwendigen Schritte eingeleitet wurden, um einen effektiven und effizienten Umgang mit Daten zu bewerkstelligen. Dazu wurde ein Fragebogen an {\"o}sterreichische Industrieunternehmen ausgeschickt, welcher 141 beantwortet wurde. Nach der Auswertung der Ergebnisse konnten u.a. folgende Trends aufgezeigt werden: •Wenige Industrieunternehmen in {\"O}sterreich haben eigens definierte Stellen f{\"u}r den Umgang mit Daten definiert. •Ein Gro{\ss}teil der Unternehmen hat zumindest in einigen Fachabteilungen ein Datenmanagement implementiert. •In den meisten Industrieunternehmen erfolgt bereits eine Standardisierung der Auswerteperspektiven und KPIs. •Big Data Projekte welche komplexere Datenanalyseverfahren erlauben, werden von weniger als 50% der befragten Unternehmen durchgef{\"u}hrt. Auch in Zukunft wird angegeben, dass dies nur ein Kernthema unter vielen IT-Schwerpunkten ist. •Die Unternehmen sehen selbst, dass sie in vielen Bereichen des Datenmanagements Aufholbedarf haben. •Es besteht ein klarer Zusammenhang zwischen dem Umsatz eines Unternehmens und der Implementierung eines unternehmensweiten Datenmanagements. •Trotz eines eigens definierten Datenverantwortlichen stellt Kommunikation weiterhin eines der Hauptprobleme im Umgang mit Daten dar. •Wenige Industrieunternehmen in {\"O}sterreich setzen auf moderne Datenarchitekturen oder fortgeschrittene Datenanalyseverfahren. •{\"O}sterreichische Industrieunternehmen sind sich bewusst, dass in den n{\"a}chsten Jahren zukunftsbezogene Analysemethoden vorherrschend sein werden. Die Masterarbeit gibt somit einen guten {\"U}berblick {\"u}ber die aktuelle Lage des Datenmanagements in {\"O}sterreich und zeigt auf bei welchen Punkten die {\"o}sterreichische Industrie gut aufgestellt ist und wo noch Aufholbedarf herrscht. Diese Ergebnisse werden in weiterer Folge auch mit anderen Studien verglichen, um Unterschiede zu verschiedenen Gebieten aufzeigen zu k{\"o}nnen.",
keywords = "Data Management, Big Data, Data, Industry, Data evaluation, Data sources, Data Mining, Internet of Things, Databases, Machine Learning, Predictive Maintenance, Diagnostic Analysis, Prescriptive Analysis, Descriptive Analysis, Datenmanagement, Big Data, Datenanalyse, Industrie, Datenauswertung, Datenquellen, Datengewinnung, Internet der Dinge, Datenbanken, Maschinelles Lernen, Vorausschauende Instandhaltung, Diagnostische Analyse, Pr{\"a}skriptive Analyse, Deskriptive Analyse",
author = "Martin Wallner",
note = "nicht gesperrt",
year = "2019",
language = "Deutsch",
school = "Montanuniversit{\"a}t Leoben (000)",

}

RIS (suitable for import to EndNote) - Download

TY - THES

T1 - Datenmanagement in österreichischen Industrieunternehmen

T2 - Umsetzung, Trends und Hindernisse

AU - Wallner, Martin

N1 - nicht gesperrt

PY - 2019

Y1 - 2019

N2 - In der heutigen Wirtschaftswelt sind Daten eine der wichtigsten Ressourcen die Unternehmen zur Verfügung stehen. Zunächst wurden in dieser Masterarbeit die wichtigsten Konzepte in Bezug auf Daten und das Datenmanagement in der Theorie erklärt. Außerdem wird auf die derzeit verfügbaren Datenanalysemethoden eingegangen und jene statistischen Instrumente aufgezeigt auf welchen diese beruhen. Im zweiten Teil der Arbeit wurde untersucht ob in österreichischen Industrieunternehmen auch die notwendigen Schritte eingeleitet wurden, um einen effektiven und effizienten Umgang mit Daten zu bewerkstelligen. Dazu wurde ein Fragebogen an österreichische Industrieunternehmen ausgeschickt, welcher 141 beantwortet wurde. Nach der Auswertung der Ergebnisse konnten u.a. folgende Trends aufgezeigt werden: •Wenige Industrieunternehmen in Österreich haben eigens definierte Stellen für den Umgang mit Daten definiert. •Ein Großteil der Unternehmen hat zumindest in einigen Fachabteilungen ein Datenmanagement implementiert. •In den meisten Industrieunternehmen erfolgt bereits eine Standardisierung der Auswerteperspektiven und KPIs. •Big Data Projekte welche komplexere Datenanalyseverfahren erlauben, werden von weniger als 50% der befragten Unternehmen durchgeführt. Auch in Zukunft wird angegeben, dass dies nur ein Kernthema unter vielen IT-Schwerpunkten ist. •Die Unternehmen sehen selbst, dass sie in vielen Bereichen des Datenmanagements Aufholbedarf haben. •Es besteht ein klarer Zusammenhang zwischen dem Umsatz eines Unternehmens und der Implementierung eines unternehmensweiten Datenmanagements. •Trotz eines eigens definierten Datenverantwortlichen stellt Kommunikation weiterhin eines der Hauptprobleme im Umgang mit Daten dar. •Wenige Industrieunternehmen in Österreich setzen auf moderne Datenarchitekturen oder fortgeschrittene Datenanalyseverfahren. •Österreichische Industrieunternehmen sind sich bewusst, dass in den nächsten Jahren zukunftsbezogene Analysemethoden vorherrschend sein werden. Die Masterarbeit gibt somit einen guten Überblick über die aktuelle Lage des Datenmanagements in Österreich und zeigt auf bei welchen Punkten die österreichische Industrie gut aufgestellt ist und wo noch Aufholbedarf herrscht. Diese Ergebnisse werden in weiterer Folge auch mit anderen Studien verglichen, um Unterschiede zu verschiedenen Gebieten aufzeigen zu können.

AB - In der heutigen Wirtschaftswelt sind Daten eine der wichtigsten Ressourcen die Unternehmen zur Verfügung stehen. Zunächst wurden in dieser Masterarbeit die wichtigsten Konzepte in Bezug auf Daten und das Datenmanagement in der Theorie erklärt. Außerdem wird auf die derzeit verfügbaren Datenanalysemethoden eingegangen und jene statistischen Instrumente aufgezeigt auf welchen diese beruhen. Im zweiten Teil der Arbeit wurde untersucht ob in österreichischen Industrieunternehmen auch die notwendigen Schritte eingeleitet wurden, um einen effektiven und effizienten Umgang mit Daten zu bewerkstelligen. Dazu wurde ein Fragebogen an österreichische Industrieunternehmen ausgeschickt, welcher 141 beantwortet wurde. Nach der Auswertung der Ergebnisse konnten u.a. folgende Trends aufgezeigt werden: •Wenige Industrieunternehmen in Österreich haben eigens definierte Stellen für den Umgang mit Daten definiert. •Ein Großteil der Unternehmen hat zumindest in einigen Fachabteilungen ein Datenmanagement implementiert. •In den meisten Industrieunternehmen erfolgt bereits eine Standardisierung der Auswerteperspektiven und KPIs. •Big Data Projekte welche komplexere Datenanalyseverfahren erlauben, werden von weniger als 50% der befragten Unternehmen durchgeführt. Auch in Zukunft wird angegeben, dass dies nur ein Kernthema unter vielen IT-Schwerpunkten ist. •Die Unternehmen sehen selbst, dass sie in vielen Bereichen des Datenmanagements Aufholbedarf haben. •Es besteht ein klarer Zusammenhang zwischen dem Umsatz eines Unternehmens und der Implementierung eines unternehmensweiten Datenmanagements. •Trotz eines eigens definierten Datenverantwortlichen stellt Kommunikation weiterhin eines der Hauptprobleme im Umgang mit Daten dar. •Wenige Industrieunternehmen in Österreich setzen auf moderne Datenarchitekturen oder fortgeschrittene Datenanalyseverfahren. •Österreichische Industrieunternehmen sind sich bewusst, dass in den nächsten Jahren zukunftsbezogene Analysemethoden vorherrschend sein werden. Die Masterarbeit gibt somit einen guten Überblick über die aktuelle Lage des Datenmanagements in Österreich und zeigt auf bei welchen Punkten die österreichische Industrie gut aufgestellt ist und wo noch Aufholbedarf herrscht. Diese Ergebnisse werden in weiterer Folge auch mit anderen Studien verglichen, um Unterschiede zu verschiedenen Gebieten aufzeigen zu können.

KW - Data Management

KW - Big Data

KW - Data

KW - Industry

KW - Data evaluation

KW - Data sources

KW - Data Mining

KW - Internet of Things

KW - Databases

KW - Machine Learning

KW - Predictive Maintenance

KW - Diagnostic Analysis

KW - Prescriptive Analysis

KW - Descriptive Analysis

KW - Datenmanagement

KW - Big Data

KW - Datenanalyse

KW - Industrie

KW - Datenauswertung

KW - Datenquellen

KW - Datengewinnung

KW - Internet der Dinge

KW - Datenbanken

KW - Maschinelles Lernen

KW - Vorausschauende Instandhaltung

KW - Diagnostische Analyse

KW - Präskriptive Analyse

KW - Deskriptive Analyse

M3 - Masterarbeit

ER -