Big Data in der heutigen Geschäftswelt: Informationen verwalten
Big Data bietet den Mitgliedern der globalen Geschäftswelt eine Fülle von Möglichkeiten, um die verfügbaren Ressourcen sinnvoll zuzuweisen und die vorhandenen Möglichkeiten im Prozess der Entscheidungsfindung zu identifizieren (Chen, Chiang und Storey 1166), verursacht aber auch zahlreiche Probleme. Insbesondere die Anwendung der Big-Data-Analyse zur Lösung von Problemen im Zusammenhang mit der Verbesserung von Supply-Chain-Management (SCM)-Prozessen (Annamalai und Romani 2321) muss in Angriff genommen werden. Obwohl davon ausgegangen wird, dass die Anwendung des Themas auf die vorgesehene Umgebung zur Verbesserung der SCM-Prozesse beiträgt, kann sie auch die Sicherheit der Datenübertragung schwächen, was die Entwicklung eines ausgeklügelten Big-Data-Managementmodells erfordert.
Das oben beschriebene Problem ist für mich von großem Interesse, da seine Beseitigung es ermöglichen wird, die den SCM-Prozessen in der heutigen globalen Wirtschaft auferlegten Beschränkungen zu verringern. Infolgedessen kann die Schaffung eines sichereren Umfelds für die Übertragung von Big Data zu einer Möglichkeit werden, da die Zahl der Bedrohungen für die Sicherheit der Datenübertragung sowie für ihre weitere Interpretation und Nutzung abnimmt. Das derzeitige Konzept von Big Data ist daher nicht ausreichend analysiert und bedarf weiterer Studien. Insbesondere müssen die bestehenden Modelle der Big-Data-Analyse identifiziert werden, damit ein geeigneter Rahmen geschaffen werden kann (Robak, Franczyk und Robak 246).
Die Bedeutung des oben genannten Problems ist für die Unternehmen ziemlich groß. Im Umfeld der globalen Wirtschaft entscheidet die Fähigkeit, die Biog-Daten zu nutzen, über den Erfolg der SCM-Strategie. Letztere wiederum dient als Mittel zur Steigerung der Qualität der Dienstleistungen und Produkte, die dem Endkunden durch die Verbesserung des Wissensmanagementansatzes bereitgestellt werden. Insbesondere wird erwartet, dass Verzögerungen, Fehleinschätzungen, Mängel im Produktionsprozess usw. vermieden werden können. Schließlich wird eine bessere Analyse der Kunden und ihrer Bedürfnisse erwartet.
Es wird vorgeschlagen, das oben genannte Problem durch die Entwicklung eines qualitätsorientierten Modells zu lösen (Hartmann, Zaki, Feldmann und Neely 3). Der genannte Ansatz ermöglicht die Einbeziehung eines TQM-Konzepts (Liedtke 2), das zur Lösung der oben genannten Qualitätsprobleme beitragen wird. Die Bereitstellung der oben genannten Lösung wird wahrscheinlich die Sicherheit und Effizienz des Big-Data-Managements durch die Einführung der CSR-Grundsätze verbessern (Rehman, Baloch und Sethi 101).
Zitierte Werke
Annamalai, Cindy, und Anne V. Romani. “Critical Success Factors (CSFs) of ServiceOriented Architecture (SOA) in BIG DATA Systems.” International Journal of Research in Management, Science & Technology 3.3 (2015): 23-27. Print.
Chen, Hsinchun, Roger H. L. Chiang, und Veda C. Storey. “Business Intelligence und Analytik: From Big Data to Big impact”. MIS Quarterly 36.4 (2012): 1165-1168. Print.
Hartmann, Phillip, Mohammed Zaki, Niels Feldmann, und Andy Neely. A Taxonomy of Data-driven Business Models used by Start-up Firms. Cambridge, UK: University of Cambridge, 2014. Drucken.
Liedtke, Charles 2015, Qualität, Analyse und Big Data. Web.
Rehman, Alam, Quadar Bakshish Balochh, und Sonia Sethi. “Understanding the relationship between Corporate Social Responsibility’s Company’s and Financial Performance: Empirical Analysis”. Abasyn Journal of Social Sciences 8.1 (2012): 98-107. Print.
Robak, Silva, Bogdan Franczyk, und Marcyn Robak. “Research Problems Associated with Big Data Utilization in Logistics and Supply Chains Design and Management.” Computer Science and Information Systems 3 (2014): 245-249. Print.