Entscheidungsfindung und Seizing im Zeitalter von Big Data

Inhaltsverzeichnis

1 Einleitung

2 Theoretische Grundlagen: Dynamische Fähigkeiten und Big Data

2.1 Dynamische Fähigkeiten

2.1.1 Evolution der Theorie und Definition dynamischer Fähigkeiten

2.1.2 Konzeptualisierung dynamischer Fähigkeiten

2.1.3 Seizing-Fähigkeit

2.2 Big Data

2.2.1 Definierende Merkmale von Big Data

2.2.2 Herausforderungen für das Management im Umgang mit Big Data

2.2.3 Big Data und Entscheidungsfindung

2.3 Informations- und Kommunikationstechnologien

3 Forschungsmodell und Hypothesenherleitung

3.1 Der Zusammenhang zwischen Big-Data-gestützten Entscheidungsfähigkeiten und der Entscheidungsqualität

3.2 Die moderierende Rolle der Nutzungsintensität von Informations- und Kommunikationstechnologien

3.3 Der Zusammenhang zwischen Big-Data-gestützten Entscheidungsfähigkeiten, der Entscheidungsqualität und der Seizing-Fähigkeit

4 Methodik: Quantitative Befragung

4.1 Datenerhebung und Vorgehensweise

4.2 Sample der Untersuchung

4.3 Operationalisierung der Variablen

4.4 Methode der Datenanalyse

5 Analyse und empirische Befunde: PLS-SEM

5.1 Evaluation des Messmodels

5.1.1 Evaluation des hierarchischen Konstrukts der BDEF

5.1.2 Evaluation des Gesamtmessmodells

5.2 Evaluation des Strukturmodells

5.2.1 Hypothesenprüfung

5.2.2 Güteprüfung

6 Diskussion: Beantwortung der Forschungsfragen

6.1 Kernaussagen und Interpretation der wichtigsten Ergebnisse

6.2 Limitationen und Empfehlungen für die künftige Forschung

6.3 Implikationen für die Theorie

6.4 Implikationen für die Praxis

6.5 Zusammenfassung der Ergebnisse und Fazit

Zielsetzung & Themen

Die vorliegende Masterarbeit untersucht den Einfluss von Big-Data-gestützten Entscheidungsfähigkeiten (BDEF) auf die Entscheidungsqualität und die Seizing-Fähigkeit von Unternehmen. Dabei wird erforscht, ob eine hohe Nutzungsintensität von Informations- und Kommunikationstechnologien diesen Zusammenhang positiv moderiert und inwieweit die Entscheidungsqualität als Mediator zwischen BDEF und der Seizing-Fähigkeit fungiert.

• Analyse des Einflusses von Big-Data-gestützten Entscheidungsfähigkeiten (BDEF) auf die Entscheidungsqualität (EQ).
• Untersuchung der moderierenden Rolle der Nutzungsintensität von Informations- und Kommunikationstechnologien (IKT).
• Erforschung des Zusammenhangs zwischen BDEF, EQ und der Seizing-Fähigkeit als Dimension dynamischer Fähigkeiten.
• Empirische Validierung des Forschungsmodells mittels PLS-SEM (Partial-Least-Squares-Strukturgleichungsmodellierung) in deutschen Unternehmen.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Die Einleitung beleuchtet die zunehmende Bedeutung von Big Data für die strategische Entscheidungsfindung und identifiziert die Forschungslücken bezüglich der Effekte von BDEF auf die Seizing-Fähigkeit im deutschen Kontext.

2 Theoretische Grundlagen: Dynamische Fähigkeiten und Big Data: Dieses Kapitel definiert die Konzepte der dynamischen Fähigkeiten, insbesondere der Seizing-Fähigkeit, sowie die definierenden Merkmale und Herausforderungen von Big Data und IKT.

3 Forschungsmodell und Hypothesenherleitung: Hier wird das theoretische Forschungsmodell entwickelt, welches die positiven Zusammenhänge zwischen BDEF, Entscheidungsqualität, moderierter IKT-Nutzung und der Seizing-Fähigkeit in vier Hypothesen formuliert.

4 Methodik: Quantitative Befragung: Dieses Kapitel beschreibt das Forschungsdesign der quantitativen Online-Befragung bei 93 Fachkräften und die Anwendung der PLS-SEM zur Datenanalyse.

5 Analyse und empirische Befunde: PLS-SEM: Der Hauptteil präsentiert die statistische Evaluation des Mess- und Strukturmodells sowie die Prüfung der aufgestellten Hypothesen mittels Bootstrapping.

6 Diskussion: Beantwortung der Forschungsfragen: Abschließend werden die Ergebnisse interpretiert, Limitationen sowie Implikationen für Theorie und Praxis aufgezeigt und ein Fazit gezogen.

Schlüsselwörter

Big Data, Big-Data-gestützte Entscheidungsfähigkeiten, BDEF, dynamische Fähigkeiten, Seizing-Fähigkeit, Entscheidungsqualität, EQ, Informations- und Kommunikationstechnologien, IKT, strategisches Management, PLS-SEM, Wettbewerbsvorteil, Entscheidungsfindung, Unternehmensführung, digitale Transformation.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht, wie Unternehmen durch Big-Data-gestützte Entscheidungsfähigkeiten ihre Entscheidungsqualität verbessern und dadurch ihre sogenannte Seizing-Fähigkeit – also die Kompetenz, Geschäftschancen zu ergreifen – stärken können.

Was sind die zentralen Themenfelder?

Die zentralen Themen sind der "Dynamic Capability View" (dynamische Fähigkeiten), Big-Data-Analytics im Management, die Qualität strategischer Entscheidungen sowie die vermittelnde Rolle von IKT.

Was ist das primäre Ziel oder die Forschungsfrage?

Das Ziel ist es zu ermitteln, ob BDEF die Entscheidungsqualität positiv beeinflussen, wie IKT diesen Zusammenhang als Moderator beeinflusst und ob die Entscheidungsqualität als Mikrofundament der Seizing-Fähigkeit fungiert.

Welche wissenschaftliche Methode wird verwendet?

Die Arbeit nutzt eine quantitative Vorgehensweise mit einer Online-Befragung (N=93) und wertet die Daten mittels der Partial-Least-Squares-Strukturgleichungsmodellierung (PLS-SEM) aus.

Was wird im Hauptteil behandelt?

Im Hauptteil werden zunächst die theoretischen Grundlagen erarbeitet, Hypothesen abgeleitet, die methodische Vorgehensweise erläutert und im Anschluss die empirische Analyse sowie die Diskussion der Ergebnisse durchgeführt.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die wichtigsten Schlagworte sind BDEF, Seizing-Fähigkeit, Entscheidungsqualität, dynamische Fähigkeiten, Big Data und PLS-SEM.

Welche Bedeutung hat die Seizing-Fähigkeit in dieser Studie?

Die Seizing-Fähigkeit stellt eine der drei Kerndimensionen dynamischer Fähigkeiten nach Teece dar und wird hier als Ergebnisgröße modelliert, die maßgeblich durch gute, datengestützte Entscheidungen positiv beeinflusst wird.

Warum spielt IKT eine moderierende Rolle?

Die Nutzung von IKT dient als Enabler, der den Wissensaustausch, die Kollaboration und die Kommunikation zwischen den Entscheidungsträgern verbessert, wodurch der positive Effekt von Datenfähigkeiten auf die Entscheidungsqualität verstärkt wird.