Von Big Open Data zu Big Company Value

Inhaltsverzeichnis

1 Open Data als Ressource im digitalen Zeitalter

1.1 Wirtschaftliches Potential von Open Data

1.2 Zielsetzung der Arbeit

1.3 Aufbau und Vorgehensweise

2 Grundlagen zu „Big Open Data“ und „Big Company Value“

2.1 Definition zentraler Begriffe anhand einer Literaturanalyse

2.2 Abgrenzung von Open Data zu Big Data

2.3 Arten, Quellen und Anwendungsbereiche von Open Data

2.4 Einsatzbeispiele aus der Praxis

2.5 Marktanalyse von Open Data-Anbietern

3 Erstellung eines Analyserahmens zur Einordnung von Anwendungsfällen

3.1 Vorgehen bei der Entwicklung des Analyserahmens

3.2 MECE-Bäume zur Problemstrukturierung

3.3 Skalenentwicklung und Gewichtung der Indikatoren

3.4 Achsenwertberechnung mit Beschreibung der Extrema

3.5 Entwicklung und Einordnung beispielhafter Anwendungsfälle

4 Evaluierung des Analyserahmens mit Hilfe einer Expertenbefragung

4.1 Vorgehen und Durchführung der Befragung

4.2 Auswertung der Erkenntnisse

5 Kritische Bewertung von Open Data

5.1 Unternehmerische und akademische Relevanz

5.2 Herausforderungen und Probleme zu Open Data

5.3 Staat, Gesellschaft und Bürger als Gewinner

Zielsetzung & Themen

Die vorliegende Arbeit zielt darauf ab, einen umfassenden Einblick in das Thema Open Data zu vermitteln und ein praktisches Instrument zur Kundenakquise für das Software-Startup ‚One Logic‘ zu entwickeln. Dabei steht die Erstellung eines Analyserahmens im Mittelpunkt, der es ermöglicht, das Potenzial öffentlich zugänglicher Datensätze für spezifische unternehmerische Anwendungsfälle zu bewerten und einzuordnen.

• Grundlagen und Definitionen von Open Data sowie Abgrenzung zu Big Data.
• Entwicklung eines Analyserahmens mittels MECE-Strukturbäumen zur Bewertung der Open Data Verwendbarkeit und des Business Value.
• Untersuchung von Mehrwertpotenzialen (BVdOD) durch datengestützte Analysen und Prozessoptimierung.
• Validierung des Analyserahmens durch eine Expertenbefragung innerhalb eines datenverarbeitenden Unternehmens.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Open Data als Ressource im digitalen Zeitalter: Einführung in die Bedeutung von Daten als wirtschaftliche Schlüsselressource und Vorstellung der Zielsetzung der Arbeit.

2 Grundlagen zu „Big Open Data“ und „Big Company Value“: Detaillierte Definition der Fachbegriffe sowie Abgrenzung der Konzepte Open Data und Big Data anhand ihrer Merkmale.

3 Erstellung eines Analyserahmens zur Einordnung von Anwendungsfällen: Entwicklung einer methodischen Taxonomie zur Bewertung von Datenanwendungsfällen basierend auf MECE-Prinzipien.

4 Evaluierung des Analyserahmens mit Hilfe einer Expertenbefragung: Qualitative Untersuchung und Validierung des entwickelten Schemas durch Experten aus der Praxis.

5 Kritische Bewertung von Open Data: Zusammenfassende Betrachtung der unternehmerischen Relevanz, der Herausforderungen sowie des gesellschaftlichen Nutzens von Open Data.

Schlüsselwörter

Open Data, Big Data, Analyserahmen, Business Value, Datenverarbeitung, Datenanalyse, Expertenbefragung, Entscheidungsfindung, Prozessoptimierung, Unternehmensperformance, Datensätze, Innovationsfähigkeit, Wissenstransfer, Wirtschaftsinformatik, Public Sector Information.

Häufig gestellte Fragen

Worum geht es in dieser Bachelorarbeit grundsätzlich?

Die Arbeit befasst sich mit der Nutzung von Open Data als wirtschaftliche Ressource für Unternehmen und entwickelt einen Analyserahmen, um das Potenzial solcher Daten für konkrete betriebliche Anwendungsfälle messbar zu machen.

Was sind die zentralen Themenfelder der Arbeit?

Die zentralen Themen sind Open Data, Big Data, die Generierung von Business Value aus Daten (BVdOD) sowie die methodische Strukturierung und Bewertung von Datenanwendungsfällen.

Was ist das primäre Ziel oder die Forschungsfrage?

Ziel ist es, ein hilfreiches Instrument zu schaffen, das datenverarbeitende Unternehmen bei der Kundenakquise unterstützt, indem es den potenziellen Mehrwert öffentlich zugänglicher Datensätze für Kunden transparent und anschaulich darstellt.

Welche wissenschaftliche Methode wurde verwendet?

Die Autorin verwendet eine Literaturanalyse zur Begriffsklärung, das MECE-Prinzip (Mutually Exclusive Collectively Exhaustive) zur Strukturierung des Analyserahmens sowie eine qualitative Expertenbefragung zur Evaluierung der Ergebnisse.

Was wird im Hauptteil behandelt?

Im Hauptteil werden nach einer theoretischen Fundierung der Begriffe ein Analyserahmen konstruiert, Skalen zur Gewichtung der Indikatoren definiert und beispielhafte Anwendungsfälle (Use Cases) in das Modell eingeordnet.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die wichtigsten Begriffe sind Open Data, Big Data, Business Value, Datenanalyse, Analyserahmen, Innovationsfähigkeit und Expertenbefragung.

Wie wurde die Gewichtung der Indikatoren im Modell vorgenommen?

Die Gewichtung erfolgte nach dem Bottom-Up-Ansatz, wobei untergeordnete Aspekte innerhalb der MECE-Strukturbäume in Abhängigkeit von ihrer Relevanz für das jeweilige übergeordnete Ziel gewichtet wurden.

Welche Erkenntnisse lieferte die Expertenbefragung?

Die Befragung bestätigte die Eignung des Analyserahmens für Kundengespräche, zeigte jedoch, dass die subjektive Einschätzung bei der Gewichtung variieren kann und dass der Aufwand der Datenaufbereitung eine zentrale Herausforderung darstellt.