IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-33480-2_9.html
   My bibliography  Save this book chapter

Data-Analytics-Projekte in der Beschaffung erfolgreich umsetzen

In: Logistik in Wissenschaft und Praxis

Author

Listed:
  • Marcel Graf

    (Hochschule für Technik, Wirtschaft und Kultur Leipzig)

  • Holger Müller

    (Hochschule für Technik, Wirtschaft und Kultur Leipzig)

Abstract

Zusammenfassung Der vorliegende Beitrag schließt eine Lücke zwischen der Fachliteratur zur Beschreibung von statistischen Verfahren für Big Data Analytics und den Beiträgen zu allgemeinen Potenzialbeschreibungen der Digitalisierung in der Beschaffung. Durch die Verknüpfung der wichtigsten Gruppen von Analyseverfahren mit Beispielen aus der Beschaffung soll ein wissenschaftlich fundierter und gleichzeitig praxisnaher Einstieg in das Themenfeld Big Data Analytics gegeben werden. Zu diesem Zweck wird zunächst das Wissenschaftsfeld der Data Science und das Berufsbild des Data Scientist umrissen. Danach wird ein strukturierter Ablauf vorgestellt, um Data-Mining-Projekte im Unternehmen umzusetzen. Der Cross Industry Standard Process for Data Mining (CRISP-DM) basiert auf sechs Teilschritten, deren Abfolge und Inhalte im Detail beschrieben werden. Neben Hinweisen zur Umsetzung – insbesondere dem Zusammenspiel zwischen Beschaffung und dem Data Scientist – liegt das Hauptaugenmerk dabei auf der Erläuterung der verschiedenen Verfahrenstypen für Data Mining. Dieses Grundverständnis ist essenziell, um mögliche Aufgabenstellungen in der Beschaffung zu formulieren, die durch Big Data Analytics gelöst werden können, und deren Ergebnisqualität hinsichtlich des Beitrags zur Entscheidungsfindung beurteilen zu können.

Suggested Citation

  • Marcel Graf & Holger Müller, 2021. "Data-Analytics-Projekte in der Beschaffung erfolgreich umsetzen," Springer Books, in: Roy Fritzsche & Stefan Winter & Jacob Lohmer (ed.), Logistik in Wissenschaft und Praxis, pages 211-239, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-33480-2_9
    DOI: 10.1007/978-3-658-33480-2_9
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-33480-2_9. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.