Datenmanagement - Versionsgeschichte

Rene.walser am 1. Oktober 2022 um 13:52 Uhr

2022-10-01T13:52:33Z

← Nächstältere Version		Version vom 1. Oktober 2022, 15:52 Uhr
Zeile 1:		Zeile 1:
			{{Geprueft\|+}}

	Datenmanagement ist derjenige Prozess, der am meisten von der digitalen Transformation beeinflusst wird (Gleich & Tschandl, 2018, S. 73). Dies führt dazu, dass die bestehenden Produktionsfaktoren um den zusätzlichen Faktor Information/Wissen ergänzt werden (Biesel & Hame, 2018, S. 24). Am Ursprung des zusätzlichen Produktionsfaktors stehen [[Big Data]], welche aufgrund von sozialen Netzwerken und [[Internet of Things\|Internet der Dinge]] exponentiell anwachsen (Göbel, 2018, S. 20).		Datenmanagement ist derjenige Prozess, der am meisten von der digitalen Transformation beeinflusst wird (Gleich & Tschandl, 2018, S. 73). Dies führt dazu, dass die bestehenden Produktionsfaktoren um den zusätzlichen Faktor Information/Wissen ergänzt werden (Biesel & Hame, 2018, S. 24). Am Ursprung des zusätzlichen Produktionsfaktors stehen [[Big Data]], welche aufgrund von sozialen Netzwerken und [[Internet of Things\|Internet der Dinge]] exponentiell anwachsen (Göbel, 2018, S. 20).

Salis.Matteo am 19. August 2021 um 07:35 Uhr

2021-08-19T07:35:10Z

← Nächstältere Version		Version vom 19. August 2021, 09:35 Uhr
Zeile 121:		Zeile 121:
	Merve Köse, Michael Kronenberg, Patrick Lötscher, Valentin Leipold		Merve Köse, Michael Kronenberg, Patrick Lötscher, Valentin Leipold
	[[Kategorie:Datenmanagement]]		[[Kategorie:Datenmanagement]]
			[[Kategorie:Digital Controlling]]

Viviane.trachsel: /* Definition von Datenmanagement */

2021-08-11T09:41:44Z

Definition von Datenmanagement

← Nächstältere Version		Version vom 11. August 2021, 11:41 Uhr
Zeile 5:		Zeile 5:
	Vereinfacht steht das Datenmanagement für die Handhabung von unternehmensrelevanten Stamm- und Bewegungsdaten (Langmann, 2019, S. 32). Dabei gibt es viele Daten wie beispielsweise Produkt- oder Kundendaten, die aus internen Systemen gewonnen werden. Auf der anderen Seite liefern die [[Big Data]] eine enorme Vielfalt an strukturierten und nicht strukturierten externen Daten (Ereth & Kemper, 2016, S. 458). Weil die Daten sich schnell verändern können, ist es wichtig, diese fortlaufend zu beschaffen, aufzubereiten und zu bereinigen. Nur so kann eine gute Qualität gewährleistet werden. Dieser Prozess wird als Datenmanagement bezeichnet (Langmann, 2019, S. 8).		Vereinfacht steht das Datenmanagement für die Handhabung von unternehmensrelevanten Stamm- und Bewegungsdaten (Langmann, 2019, S. 32). Dabei gibt es viele Daten wie beispielsweise Produkt- oder Kundendaten, die aus internen Systemen gewonnen werden. Auf der anderen Seite liefern die [[Big Data]] eine enorme Vielfalt an strukturierten und nicht strukturierten externen Daten (Ereth & Kemper, 2016, S. 458). Weil die Daten sich schnell verändern können, ist es wichtig, diese fortlaufend zu beschaffen, aufzubereiten und zu bereinigen. Nur so kann eine gute Qualität gewährleistet werden. Dieser Prozess wird als Datenmanagement bezeichnet (Langmann, 2019, S. 8).
	=== Ziele ===		=== Ziele ===
	Übergeordnetes Ziel des Datenmanagement für das Controlling ist es, dem Management die für die Unternehmenssteuerung relevanten Informationen in hoher Qualität und inhaltlich korrekt bereitzustellten (Gleich & Tschandl, 2018, S. 80). Daher muss der [[Digitaler Controller\|digitale Controller]] verstehen, wie die Daten im Unternehmen erfasst, aggregiert und abgelegt werden, damit die ~~Daten-aufbereitung~~ möglichst produktiv verläuft (Egle & Keimer, 2018, S. 53). Ein optimales Datenmanagement kommt jedoch nicht nur den Controlling-Prozessen zugute, sondern wirkt sich letztlich durch eine verbesserte Entscheidungsgrundlage auf die gesamte Unternehmenssteuerung aus (Gleich & Tschandl, 2018, S. 80-81). Mit einem sinnvoll gestaltetem Datenmanagement lassen sich geforderte Ziele auf Unternehmensebene erreichen. Planungsvorgänge werden optimiert und unterstützen eine schnelle und sichere Entscheidungsfindung (Gondring & Wagner, 2018, S. 404-405).		Übergeordnetes Ziel des Datenmanagement für das Controlling ist es, dem Management die für die Unternehmenssteuerung relevanten Informationen in hoher Qualität und inhaltlich korrekt bereitzustellten (Gleich & Tschandl, 2018, S. 80). Daher muss der [[Digitaler Controller\|digitale Controller]] verstehen, wie die Daten im Unternehmen erfasst, aggregiert und abgelegt werden, damit die Datenaufbereitung möglichst produktiv verläuft (Egle & Keimer, 2018, S. 53). Ein optimales Datenmanagement kommt jedoch nicht nur den Controlling-Prozessen zugute, sondern wirkt sich letztlich durch eine verbesserte Entscheidungsgrundlage auf die gesamte Unternehmenssteuerung aus (Gleich & Tschandl, 2018, S. 80-81). Mit einem sinnvoll gestaltetem Datenmanagement lassen sich geforderte Ziele auf Unternehmensebene erreichen. Planungsvorgänge werden optimiert und unterstützen eine schnelle und sichere Entscheidungsfindung (Gondring & Wagner, 2018, S. 404-405).
	=== Herausforderungen ===		=== Herausforderungen ===
	Fakt ist, dass die zur Verfügung stehenden Daten exponentiell anwachsen, weshalb das Datenmanagement einerseits von grosser Bedeutung ist, andererseits aber auch vor grosse Herausforderungen gestellt wird (Gleich & Tschandl, 2018, S. 81). Die folgenden fünf Faktoren sind für Unternehmen die relevantesten Herausforderungen im Bereich Datenmanagement (Otto & Österle, 2016, S. 17-19):		Fakt ist, dass die zur Verfügung stehenden Daten exponentiell anwachsen, weshalb das Datenmanagement einerseits von grosser Bedeutung ist, andererseits aber auch vor grosse Herausforderungen gestellt wird (Gleich & Tschandl, 2018, S. 81). Die folgenden fünf Faktoren sind für Unternehmen die relevantesten Herausforderungen im Bereich Datenmanagement (Otto & Österle, 2016, S. 17-19):

Viviane.trachsel: /* Definition von Datenmanagement */

2021-08-11T09:40:02Z

Definition von Datenmanagement

← Nächstältere Version		Version vom 11. August 2021, 11:40 Uhr
Zeile 3:		Zeile 3:
	Das Datenmanagement umfasst eine grosse Bandbreite von Themen und damit verbundenen Aktivitäten. Im weiteren Sinne sind darin Begriffe wie [[Data Warehouse]], [[Business Intelligence]], [[Business Analytics]] oder [[Data Mining]] enthalten. Wird die Definition enger eingegrenzt, ist das Datenmanagement die Schnittstelle zwischen der Datenerhebung und der Datenverwendung. Wichtig in diesem Zusammenhang sind die [[#Datenqualität\|Datenqualität]], die [[#Single Version of Truth\|Single Version of Truth]] sowie die Begriffe [[#Datenschutz und Datensicherheit\|Datenschutz und Datensicherheit]] (Langmann, 2019, S. 8).		Das Datenmanagement umfasst eine grosse Bandbreite von Themen und damit verbundenen Aktivitäten. Im weiteren Sinne sind darin Begriffe wie [[Data Warehouse]], [[Business Intelligence]], [[Business Analytics]] oder [[Data Mining]] enthalten. Wird die Definition enger eingegrenzt, ist das Datenmanagement die Schnittstelle zwischen der Datenerhebung und der Datenverwendung. Wichtig in diesem Zusammenhang sind die [[#Datenqualität\|Datenqualität]], die [[#Single Version of Truth\|Single Version of Truth]] sowie die Begriffe [[#Datenschutz und Datensicherheit\|Datenschutz und Datensicherheit]] (Langmann, 2019, S. 8).
	== Definition von Datenmanagement ==		== Definition von Datenmanagement ==
	Vereinfacht steht das Datenmanagement für die Handhabung von unternehmensrelevanten Stamm- und Bewegungsdaten (Langmann, 2019, S. 32). Dabei gibt es viele Daten wie beispielsweise Produkt- oder Kundendaten, die aus internen Systemen gewonnen werden. Auf der anderen Seite liefern die [[Big Data]] eine enorme Vielfalt an strukturierten und nicht strukturierten, externen Daten (Ereth & Kemper, 2016, S. 458). Weil die Daten sich schnell verändern können, ist es wichtig, diese fortlaufend zu beschaffen, aufzubereiten und zu bereinigen. Nur so kann eine gute Qualität gewährleistet werden. Dieser Prozess wird als Datenmanagement bezeichnet (Langmann, 2019, S. 8).		Vereinfacht steht das Datenmanagement für die Handhabung von unternehmensrelevanten Stamm- und Bewegungsdaten (Langmann, 2019, S. 32). Dabei gibt es viele Daten wie beispielsweise Produkt- oder Kundendaten, die aus internen Systemen gewonnen werden. Auf der anderen Seite liefern die [[Big Data]] eine enorme Vielfalt an strukturierten und nicht strukturierten externen Daten (Ereth & Kemper, 2016, S. 458). Weil die Daten sich schnell verändern können, ist es wichtig, diese fortlaufend zu beschaffen, aufzubereiten und zu bereinigen. Nur so kann eine gute Qualität gewährleistet werden. Dieser Prozess wird als Datenmanagement bezeichnet (Langmann, 2019, S. 8).
	=== Ziele ===		=== Ziele ===
	Übergeordnetes Ziel des Datenmanagement für das Controlling ist es, dem Management die für die Unternehmenssteuerung relevanten Informationen in hoher Qualität und inhaltlich korrekt bereitzustellten (Gleich & Tschandl, 2018, S. 80). Daher muss der [[Digitaler Controller\|digitale Controller]] verstehen, wie die Daten im Unternehmen erfasst, aggregiert und abgelegt werden, damit die Daten-aufbereitung möglichst produktiv verläuft (Egle & Keimer, 2018, S. 53). Ein optimales Datenmanagement kommt jedoch nicht nur den Controlling-Prozessen zugute, sondern wirkt sich letztlich durch eine verbesserte Entscheidungsgrundlage auf die gesamte Unternehmenssteuerung aus (Gleich & Tschandl, 2018, S. 80-81). Mit einem sinnvoll gestaltetem Datenmanagement lassen sich geforderte Ziele auf Unternehmensebene erreichen. Planungsvorgänge werden optimiert und unterstützen eine schnelle und sichere Entscheidungsfindung (Gondring & Wagner, 2018, S. 404-405).		Übergeordnetes Ziel des Datenmanagement für das Controlling ist es, dem Management die für die Unternehmenssteuerung relevanten Informationen in hoher Qualität und inhaltlich korrekt bereitzustellten (Gleich & Tschandl, 2018, S. 80). Daher muss der [[Digitaler Controller\|digitale Controller]] verstehen, wie die Daten im Unternehmen erfasst, aggregiert und abgelegt werden, damit die Daten-aufbereitung möglichst produktiv verläuft (Egle & Keimer, 2018, S. 53). Ein optimales Datenmanagement kommt jedoch nicht nur den Controlling-Prozessen zugute, sondern wirkt sich letztlich durch eine verbesserte Entscheidungsgrundlage auf die gesamte Unternehmenssteuerung aus (Gleich & Tschandl, 2018, S. 80-81). Mit einem sinnvoll gestaltetem Datenmanagement lassen sich geforderte Ziele auf Unternehmensebene erreichen. Planungsvorgänge werden optimiert und unterstützen eine schnelle und sichere Entscheidungsfindung (Gondring & Wagner, 2018, S. 404-405).
Zeile 13:		Zeile 13:
	* Manuelle Datenpflege		* Manuelle Datenpflege
	* Limitationen zentraler Datenarchitekturen		* Limitationen zentraler Datenarchitekturen

	== Umsetzung und Nutzen ==		== Umsetzung und Nutzen ==
	Bei der immensen Datenmenge ist es wichtig, Transparenz im Datenbestand und in den Datenquellen zu wahren. Damit ein effektives Arbeiten mit Daten möglich ist, müssen klare Prozesse und Verantwortlichkeiten festgelegt werden. Das [[Data Warehouse]] dient als zentrale Stelle, wo die gesammelten und bereinigten Daten hinterlegt sind (Biesel & Hame, 2018, S. 27). Von hier aus werden die Daten auf verschiedene Art und Weise eingesetzt und miteinander in Verbindung gebracht. Häufig steht die Datennutzung im Zusammenhang mit Business Intelligence und Business Analytics. [[Business Intelligence]] beschreibt dabei Aktivitäten zur Integration, Transformation und qualitativen Verbesserung sowie statischen Analysen der Daten (Müller & Lenz, 2013, S. 3). [[Business Analytics]] ist ergänzend zu Business Intelligence, um Zukunftsvoraussagen und Handlungsempfehlungen zu generieren (Derwisch et al., 2016, S. 480). Die Abbildung 1 zeigt den Zusammenhang von den Rohdaten, über das Data Warehouse und Datenmanagement bis zu Business Intelligence und Business Analytics.		Bei der immensen Datenmenge ist es wichtig, Transparenz im Datenbestand und in den Datenquellen zu wahren. Damit ein effektives Arbeiten mit Daten möglich ist, müssen klare Prozesse und Verantwortlichkeiten festgelegt werden. Das [[Data Warehouse]] dient als zentrale Stelle, wo die gesammelten und bereinigten Daten hinterlegt sind (Biesel & Hame, 2018, S. 27). Von hier aus werden die Daten auf verschiedene Art und Weise eingesetzt und miteinander in Verbindung gebracht. Häufig steht die Datennutzung im Zusammenhang mit Business Intelligence und Business Analytics. [[Business Intelligence]] beschreibt dabei Aktivitäten zur Integration, Transformation und qualitativen Verbesserung sowie statischen Analysen der Daten (Müller & Lenz, 2013, S. 3). [[Business Analytics]] ist ergänzend zu Business Intelligence, um Zukunftsvoraussagen und Handlungsempfehlungen zu generieren (Derwisch et al., 2016, S. 480). Die Abbildung 1 zeigt den Zusammenhang von den Rohdaten, über das Data Warehouse und Datenmanagement bis zu Business Intelligence und Business Analytics.

Viviane.trachsel am 10. August 2021 um 11:53 Uhr

2021-08-10T11:53:09Z

← Nächstältere Version		Version vom 10. August 2021, 13:53 Uhr
Zeile 1:		Zeile 1:
	Datenmanagement ist derjenige Prozess, der am meisten von der digitalen Transformation beeinflusst wird (Gleich & Tschandl, 2018, S. 73). Dies führt dazu, dass die bestehenden Produktionsfaktoren ~~Kapital, Arbeit und Ressourcen laufend mit dem~~ zusätzlichen Faktor Information/Wissen ergänzt werden (Biesel & Hame, 2018, S. 24). Am Ursprung des zusätzlichen Produktionsfaktors stehen [[Big Data]], welche aufgrund von sozialen Netzwerken und [[Internet of Things\|Internet der Dinge]] exponentiell ~~Anwachsen~~ (Göbel, 2018, S. 20).		Datenmanagement ist derjenige Prozess, der am meisten von der digitalen Transformation beeinflusst wird (Gleich & Tschandl, 2018, S. 73). Dies führt dazu, dass die bestehenden Produktionsfaktoren um den zusätzlichen Faktor Information/Wissen ergänzt werden (Biesel & Hame, 2018, S. 24). Am Ursprung des zusätzlichen Produktionsfaktors stehen [[Big Data]], welche aufgrund von sozialen Netzwerken und [[Internet of Things\|Internet der Dinge]] exponentiell anwachsen (Göbel, 2018, S. 20).

	Das Datenmanagement umfasst eine grosse Bandbreite von Themen und damit verbundenen Aktivitäten. Im weiteren Sinne sind darin Begriffe wie [[Data Warehouse]], [[Business Intelligence]], [[Business Analytics]] oder [[Data Mining]] enthalten. Wird die Definition enger eingegrenzt, ist das Datenmanagement die Schnittstelle zwischen der Datenerhebung und der Datenverwendung. Wichtig in diesem Zusammenhang sind die [[#Datenqualität\|Datenqualität]], die [[#Single Version of Truth\|Single Version of Truth]] sowie die Begriffe [[#Datenschutz und Datensicherheit\|Datenschutz und Datensicherheit]] (Langmann, 2019, S. 8).		Das Datenmanagement umfasst eine grosse Bandbreite von Themen und damit verbundenen Aktivitäten. Im weiteren Sinne sind darin Begriffe wie [[Data Warehouse]], [[Business Intelligence]], [[Business Analytics]] oder [[Data Mining]] enthalten. Wird die Definition enger eingegrenzt, ist das Datenmanagement die Schnittstelle zwischen der Datenerhebung und der Datenverwendung. Wichtig in diesem Zusammenhang sind die [[#Datenqualität\|Datenqualität]], die [[#Single Version of Truth\|Single Version of Truth]] sowie die Begriffe [[#Datenschutz und Datensicherheit\|Datenschutz und Datensicherheit]] (Langmann, 2019, S. 8).

Köse.Merve: /* Quellen */

2021-05-26T08:54:42Z

Quellen

Köse.Merve: /* Weiterführende Literatur */

2021-05-21T15:07:15Z

Weiterführende Literatur

← Nächstältere Version		Version vom 21. Mai 2021, 17:07 Uhr
Zeile 112:		Zeile 112:
	=== Weiterführende Literatur ===		=== Weiterführende Literatur ===
	*Eckert, C., Fallenbeck, N. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992990_download&client_id=hslu Industrie 4.0 meets IT-Sicherheit: eine Herausforderung!]. Informatik Spektrum (38), 217–223.		*Eckert, C., Fallenbeck, N. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992990_download&client_id=hslu Industrie 4.0 meets IT-Sicherheit: eine Herausforderung!]. Informatik Spektrum (38), 217–223.
	*Fürber, C., & Sobota, J. (2011). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992991_download&client_id=hslu Eine Datenqualitätsstrategie für große Organisationen am Beispiel der Bundeswehr]. HMD Praxis der Wirtschaftsinformatik, 48(3), 36–45.		*Fürber, C. & Sobota, J. (2011). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992991_download&client_id=hslu Eine Datenqualitätsstrategie für große Organisationen am Beispiel der Bundeswehr]. HMD Praxis der Wirtschaftsinformatik, 48(3), 36–45.
	*Hinrichs, H. (2002). Datenqualitätsmanagement in Data-Warehouse-Systemen [Dissertation]. Universität Oldenburg Schäffer, U. (2018). Wenn die Leute sich ihre Fakten selbst besorgen – super! Controlling & Management Review(62), 32-37.		*Hinrichs, H. (2002). Datenqualitätsmanagement in Data-Warehouse-Systemen [Dissertation]. Universität Oldenburg Schäffer, U. (2018). Wenn die Leute sich ihre Fakten selbst besorgen – super! Controlling & Management Review(62), 32-37.
	*Weber, K., Otto, B., & Österle, H. (2009). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992989_download&client_id=hslu Data Governance: Organisationskonzept für das konzernweite Datenqualitätsmanagement].		*Weber, K., Otto, B. & Österle, H. (2009). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992989_download&client_id=hslu Data Governance: Organisationskonzept für das konzernweite Datenqualitätsmanagement].
	*Zwirner, M. (2018). Datenbereinigung zielgerichtet eingesetzt zur permanenten Datenqualitätssteigerung. In K. Hildebrand, M. Gebauer, H. Hinrichs, & M. Mielke (Hrsg.), [https://elearning.hslu.ch/ilias/goto.php?target=file_4992992_download&client_id=hslu Daten- und Informationsqualität: Auf dem Weg zur Information Excellence] (S. 101–120). Springer Fachmedien.		*Zwirner, M. (2018). Datenbereinigung zielgerichtet eingesetzt zur permanenten Datenqualitätssteigerung. In K. Hildebrand, M. Gebauer, H. Hinrichs, & M. Mielke (Hrsg.), [https://elearning.hslu.ch/ilias/goto.php?target=file_4992992_download&client_id=hslu Daten- und Informationsqualität: Auf dem Weg zur Information Excellence] (S. 101–120). Springer Fachmedien.

Leipold.Valentin: /* Literaturverzeichnis */

2021-05-21T12:29:16Z

Literaturverzeichnis

← Nächstältere Version		Version vom 21. Mai 2021, 14:29 Uhr
Zeile 106:		Zeile 106:
	* Möller, K. & Illich-Edlinger, S. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977876_download&client_id=hslu IGC Controlling-Prozessmodell 2.0]. International Group of Controlling (Hrsg.) Controlling, 30(2), 55-58.		* Möller, K. & Illich-Edlinger, S. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977876_download&client_id=hslu IGC Controlling-Prozessmodell 2.0]. International Group of Controlling (Hrsg.) Controlling, 30(2), 55-58.
	* Müller, R. M. & Lenz, H.-J. (2013). [https://link.springer.com/book/10.1007%2F978-3-642-35560-8 Business Intelligence (1st ed. 2013.).] Springer Vieweg.		* Müller, R. M. & Lenz, H.-J. (2013). [https://link.springer.com/book/10.1007%2F978-3-642-35560-8 Business Intelligence (1st ed. 2013.).] Springer Vieweg.
	* Otto, B., & Legner, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977878_download&client_id=hslu Datenqualitätsmanagement für den Industriebetrieb]. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung (28), 550-557.		* Otto, B. & Legner, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977878_download&client_id=hslu Datenqualitätsmanagement für den Industriebetrieb]. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung (28), 550-557.
	* Otto, B. & Österle, H. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977880_download&client_id=hslu Corporate Data Quality]. Voraussetzung erfolgreicher Geschäftsmodelle. (2016). Springer.		* Otto, B. & Österle, H. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977880_download&client_id=hslu Corporate Data Quality]. Voraussetzung erfolgreicher Geschäftsmodelle. (2016). Springer.
	* Possekel, M. & Schiemann, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977879_download&client_id=hslu Risiko Datenschutz]. Controlling & Management Review, 61(8), 58–61.		* Possekel, M. & Schiemann, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977879_download&client_id=hslu Risiko Datenschutz]. Controlling & Management Review, 61(8), 58–61.

Leipold.Valentin: /* Literaturverzeichnis */

2021-05-21T12:27:49Z

Literaturverzeichnis

Leipold.Valentin: /* Literaturverzeichnis */

2021-05-17T13:06:57Z

Literaturverzeichnis

← Nächstältere Version		Version vom 17. Mai 2021, 15:06 Uhr
Zeile 96:		Zeile 96:
	* Derwisch, S., Iffert, L., Fuchs, C., & Bange, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977884_download&client_id=hslu Business Analytics-Software für das Controlling] – eine Marktübersicht. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung(28), S. 480-487.		* Derwisch, S., Iffert, L., Fuchs, C., & Bange, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977884_download&client_id=hslu Business Analytics-Software für das Controlling] – eine Marktübersicht. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung(28), S. 480-487.
	* Egle, U., & Keimer, I. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977885_download&client_id=hslu Kompetenzprofil "Digitaler Controller"]. Controller Magazin, 43(5), 49-53.		* Egle, U., & Keimer, I. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977885_download&client_id=hslu Kompetenzprofil "Digitaler Controller"]. Controller Magazin, 43(5), 49-53.
	* Ereth, J., & Kemper, H.-G. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977886_download&client_id=hslu Business Analytics und BusinessIntelligence]: Säulen eines integrierten Ansatzes der IT-basiertenEntscheidungsunterstützung. Controlling(8-9), S. 458- 464.		* Ereth, J., & Kemper, H.-G. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977886_download&client_id=hslu Business Analytics und BusinessIntelligence]: Säulen eines integrierten Ansatzes der IT-basiertenEntscheidungsunterstützung. Controlling(8-9), 458- 464.
	* Gleich, R. & Tschandl, M. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977887_download&client_id=hslu Digitalisierung & Controlling]. Technologien, Instrumente, Praxisbeispiele (1 Ausg.). Haufe.		* Gleich, R. & Tschandl, M. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977887_download&client_id=hslu Digitalisierung & Controlling]. Technologien, Instrumente, Praxisbeispiele (1 Ausg.). Haufe.
	* Göbel, U. (2018). Von Big zu Smart Data. Next Industry, (02), 20-24.		* Göbel, U. (2018). Von Big zu Smart Data. Next Industry, (02), 20-24.

← Nächstältere Version		Version vom 26. Mai 2021, 10:54 Uhr
Zeile 100:		Zeile 100:
	* Göbel, U. (2018). Von Big zu Smart Data. Next Industry, (02), 20-24.		* Göbel, U. (2018). Von Big zu Smart Data. Next Industry, (02), 20-24.
	* Gondring, H. & Wagner, T. (2018). [https://www.beck-elibrary.de/10.15358/9783800655915/facility-management Facility Management. Handbuch für Studium und Praxis (3. Aufl.).] Vahlen.		* Gondring, H. & Wagner, T. (2018). [https://www.beck-elibrary.de/10.15358/9783800655915/facility-management Facility Management. Handbuch für Studium und Praxis (3. Aufl.).] Vahlen.
	* Kemper, H.-G., Baars, H. & Mehanna, W. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977890_download&client_id=hslu Business Intelligence – Grundlagen und praktische Anwendungen]: Eine Einführung in die IT-basierte Managementunterstützung (3 Ausg.). Vieweg+Teubner ~~Verlag~~.		* Kemper, H.-G., Baars, H. & Mehanna, W. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977890_download&client_id=hslu Business Intelligence – Grundlagen und praktische Anwendungen]: Eine Einführung in die IT-basierte Managementunterstützung (3 Ausg.). Vieweg+Teubner.
	* Klier, M. & Heinrich, B. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977891_download&client_id=hslu Datenqualität als Erfolgsfaktor im Business Analytics]. Controlling- Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8-9), 488-494.		* Klier, M. & Heinrich, B. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977891_download&client_id=hslu Datenqualität als Erfolgsfaktor im Business Analytics]. Controlling- Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8-9), 488-494.
	* Langmann, C. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-25017-1 Digitalisierung im Controlling (1 Ausg.).] Springer Gabler.		* Langmann, C. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-25017-1 Digitalisierung im Controlling (1 Ausg.).] Springer Gabler.
	* Leyk, J., Kirchmann, M. & Tobias, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977877_download&client_id=hslu Planung, Forecast und Reporting der digitalen Welt]. In Digitalisierung der Unternehmenssteuerung: Prozessautomatisierung, Business Analytics, Big Data, SAP S/4HANA, Anwendungsbeispiele (S. 1–184). Schäffer-Poeschel ~~Verlag~~.		* Leyk, J., Kirchmann, M. & Tobias, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977877_download&client_id=hslu Planung, Forecast und Reporting der digitalen Welt]. In Digitalisierung der Unternehmenssteuerung: Prozessautomatisierung, Business Analytics, Big Data, SAP S/4HANA, Anwendungsbeispiele (S. 1–184). Schäffer-Poeschel.
	* Möller, K. & Illich-Edlinger, S. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977876_download&client_id=hslu IGC Controlling-Prozessmodell 2.0]. International Group of Controlling (Hrsg.) Controlling, 30(2), 55-58.		* Möller, K. & Illich-Edlinger, S. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977876_download&client_id=hslu IGC Controlling-Prozessmodell 2.0]. International Group of Controlling (Hrsg.) Controlling, 30(2), 55-58.
	* Müller, R. M. & Lenz, H.-J. (2013). [https://link.springer.com/book/10.1007%2F978-3-642-35560-8 Business Intelligence (1st ed. 2013.).] Springer Vieweg.		* Müller, R. M. & Lenz, H.-J. (2013). [https://link.springer.com/book/10.1007%2F978-3-642-35560-8 Business Intelligence (1st ed. 2013.).] Springer Vieweg.
Zeile 111:		Zeile 111:

	=== Weiterführende Literatur ===		=== Weiterführende Literatur ===
	*Eckert, C., Fallenbeck, N. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992990_download&client_id=hslu Industrie 4.0 meets IT-Sicherheit: eine Herausforderung!]. Informatik Spektrum (38), 217–223.		*Eckert, C. & Fallenbeck, N. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992990_download&client_id=hslu Industrie 4.0 meets IT-Sicherheit: eine Herausforderung!]. Informatik Spektrum (38), 217–223.
	*Fürber, C. & Sobota, J. (2011). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992991_download&client_id=hslu Eine Datenqualitätsstrategie für große Organisationen am Beispiel der Bundeswehr]. HMD Praxis der Wirtschaftsinformatik, 48(3), 36–45.		*Fürber, C. & Sobota, J. (2011). [https://elearning.hslu.ch/ilias/goto.php?target=file_4992991_download&client_id=hslu Eine Datenqualitätsstrategie für große Organisationen am Beispiel der Bundeswehr]. HMD Praxis der Wirtschaftsinformatik, 48(3), 36–45.
	*Hinrichs, H. (2002). Datenqualitätsmanagement in Data-Warehouse-Systemen [Dissertation]. Universität Oldenburg Schäffer, U. (2018). Wenn die Leute sich ihre Fakten selbst besorgen – super! Controlling & Management Review(62), 32-37.		*Hinrichs, H. (2002). Datenqualitätsmanagement in Data-Warehouse-Systemen [Dissertation]. Universität Oldenburg Schäffer, U. (2018). Wenn die Leute sich ihre Fakten selbst besorgen – super! Controlling & Management Review(62), 32-37.

← Nächstältere Version		Version vom 21. Mai 2021, 14:27 Uhr
Zeile 90:		Zeile 90:
	=== Literaturverzeichnis ===		=== Literaturverzeichnis ===
	* Adam, U. (1995). Einführung in die Datensicherheit. Vogel.		* Adam, U. (1995). Einführung in die Datensicherheit. Vogel.
	* Baumöl, U., & Meschke, M. (2009). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977882_download&client_id=hslu Das Management von Datenqualität]: Transfer. Controlling & Management, 53(1), 62–65.		* Baumöl, U. & Meschke, M. (2009). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977882_download&client_id=hslu Das Management von Datenqualität]: Transfer. Controlling & Management, 53(1), 62–65.
	* Biesel, H., & Hame, H. (2018). [https://link.springer.com/book/10.1007/978-3-658-17532-0 Vertrieb und Marketing in der digitalen Welt : So schaffen Unternehmen die Business Transformation in der Praxis (1 Ausg.).] Springer Gabler.		* Biesel, H. & Hame, H. (2018). [https://link.springer.com/book/10.1007/978-3-658-17532-0 Vertrieb und Marketing in der digitalen Welt : So schaffen Unternehmen die Business Transformation in der Praxis (1 Ausg.).] Springer Gabler.
	* Bühler, P., Schlaich, P. & Sinner, D. (2019). [https://link.springer.com/book/10.1007/978-3-662-55507-1 Datenmanagement Daten – Datenbanken – Datensicherheit.] Springer Vieweg.		* Bühler, P., Schlaich, P. & Sinner, D. (2019). [https://link.springer.com/book/10.1007/978-3-662-55507-1 Datenmanagement Daten – Datenbanken – Datensicherheit.] Springer Vieweg.
	* Bundi, M., & Keimer, I. (2019). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977883_download&client_id=hslu Das digitale Potenzial der Daten besser nutzen]. Controlling & Management Review, 63(8), 62–67.		* Bundi, M. & Keimer, I. (2019). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977883_download&client_id=hslu Das digitale Potenzial der Daten besser nutzen]. Controlling & Management Review, 63(8), 62–67.
	* Derwisch, S., Iffert, L., Fuchs, C., & Bange, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977884_download&client_id=hslu Business Analytics-Software für das Controlling] – eine Marktübersicht. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung(28), S. 480-487.		* Derwisch, S., Iffert, L., Fuchs, C., & Bange, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977884_download&client_id=hslu Business Analytics-Software für das Controlling] – eine Marktübersicht. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung(28), S. 480-487.
	* Egle, U., & Keimer, I. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977885_download&client_id=hslu Kompetenzprofil "Digitaler Controller"]. Controller Magazin, 43(5), 49-53.		* Egle, U. & Keimer, I. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977885_download&client_id=hslu Kompetenzprofil "Digitaler Controller"]. Controller Magazin, 43(5), 49-53.
	* Ereth, J., & Kemper, H.-G. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977886_download&client_id=hslu Business Analytics und BusinessIntelligence]: Säulen eines integrierten Ansatzes der IT-basiertenEntscheidungsunterstützung. Controlling(8-9), 458- 464.		* Ereth, J. & Kemper, H.-G. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977886_download&client_id=hslu Business Analytics und BusinessIntelligence]: Säulen eines integrierten Ansatzes der IT-basiertenEntscheidungsunterstützung. Controlling(8-9), 458- 464.
	* Gleich, R. & Tschandl, M. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977887_download&client_id=hslu Digitalisierung & Controlling]. Technologien, Instrumente, Praxisbeispiele (1 Ausg.). Haufe.		* Gleich, R. & Tschandl, M. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977887_download&client_id=hslu Digitalisierung & Controlling]. Technologien, Instrumente, Praxisbeispiele (1 Ausg.). Haufe.
	* Göbel, U. (2018). Von Big zu Smart Data. Next Industry, (02), 20-24.		* Göbel, U. (2018). Von Big zu Smart Data. Next Industry, (02), 20-24.
	* Gondring, H. & Wagner, T. (2018). [https://www.beck-elibrary.de/10.15358/9783800655915/facility-management Facility Management. Handbuch für Studium und Praxis (3. Aufl.).] Vahlen.		* Gondring, H. & Wagner, T. (2018). [https://www.beck-elibrary.de/10.15358/9783800655915/facility-management Facility Management. Handbuch für Studium und Praxis (3. Aufl.).] Vahlen.
	* Kemper, H.-G., Baars, H., & Mehanna, W. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977890_download&client_id=hslu Business Intelligence – Grundlagen und praktische Anwendungen]: Eine Einführung in die IT-basierte Managementunterstützung (3 Ausg.). Vieweg+Teubner Verlag.		* Kemper, H.-G., Baars, H. & Mehanna, W. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977890_download&client_id=hslu Business Intelligence – Grundlagen und praktische Anwendungen]: Eine Einführung in die IT-basierte Managementunterstützung (3 Ausg.). Vieweg+Teubner Verlag.
	* Klier, M. & Heinrich, B. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977891_download&client_id=hslu Datenqualität als Erfolgsfaktor im Business Analytics]. Controlling- Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8-9), 488-494.		* Klier, M. & Heinrich, B. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977891_download&client_id=hslu Datenqualität als Erfolgsfaktor im Business Analytics]. Controlling- Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8-9), 488-494.
	* Langmann, C. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-25017-1 Digitalisierung im Controlling (1 Ausg.).] Springer Gabler.		* Langmann, C. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-25017-1 Digitalisierung im Controlling (1 Ausg.).] Springer Gabler.
	* Leyk, J., Kirchmann, M., & Tobias, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977877_download&client_id=hslu Planung, Forecast und Reporting der digitalen Welt]. In Digitalisierung der Unternehmenssteuerung: Prozessautomatisierung, Business Analytics, Big Data, SAP S/4HANA, Anwendungsbeispiele (S. 1–184). Schäffer-Poeschel Verlag.		* Leyk, J., Kirchmann, M. & Tobias, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977877_download&client_id=hslu Planung, Forecast und Reporting der digitalen Welt]. In Digitalisierung der Unternehmenssteuerung: Prozessautomatisierung, Business Analytics, Big Data, SAP S/4HANA, Anwendungsbeispiele (S. 1–184). Schäffer-Poeschel Verlag.
	* Möller, K., & Illich-Edlinger, S. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977876_download&client_id=hslu IGC Controlling-Prozessmodell 2.0]. International Group of Controlling (Hrsg.) Controlling, 30(2), 55-58.		* Möller, K. & Illich-Edlinger, S. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977876_download&client_id=hslu IGC Controlling-Prozessmodell 2.0]. International Group of Controlling (Hrsg.) Controlling, 30(2), 55-58.
	* Müller, R. M., & Lenz, H.-J. (2013). [https://link.springer.com/book/10.1007%2F978-3-642-35560-8 Business Intelligence (1st ed. 2013.).] Springer Vieweg.		* Müller, R. M. & Lenz, H.-J. (2013). [https://link.springer.com/book/10.1007%2F978-3-642-35560-8 Business Intelligence (1st ed. 2013.).] Springer Vieweg.
	* Otto, B., & Legner, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977878_download&client_id=hslu Datenqualitätsmanagement für den Industriebetrieb]. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung (28), 550-557.		* Otto, B., & Legner, C. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977878_download&client_id=hslu Datenqualitätsmanagement für den Industriebetrieb]. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung (28), 550-557.
	* Otto, B. & Österle, H. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977880_download&client_id=hslu Corporate Data Quality]. Voraussetzung erfolgreicher Geschäftsmodelle. (2016). Springer.		* Otto, B. & Österle, H. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977880_download&client_id=hslu Corporate Data Quality]. Voraussetzung erfolgreicher Geschäftsmodelle. (2016). Springer.
	* Possekel, M., & Schiemann, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977879_download&client_id=hslu Risiko Datenschutz]. Controlling & Management Review, 61(8), 58–61.		* Possekel, M. & Schiemann, S. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977879_download&client_id=hslu Risiko Datenschutz]. Controlling & Management Review, 61(8), 58–61.

	=== Weiterführende Literatur ===		=== Weiterführende Literatur ===