Fachbeiträge & Kommentare zu Big Data

Dillerup/Witzemann/Schacht/Schaller, Planung im digitalen Zeitalter, in Controlling & Management Review, 63. Jg., H. 3, 2019, S. 46–53. Erpenbeck/v. Rosenstiel, Handbuch Kompetenzmessung: erkennen, verstehen und bewerten von Kompetenzen in der betrieblichen, pädagogischen und psychologischen Praxis, 2003. Gleich/Lauber, Ein aktuelles Kompetenzmodell für Controller, in Controll...mehr

Unter Predictive Analytics (PA) versteht man Prozesse, Konzepte und Methoden, mit denen auf Basis von strukturierten (Vergangenheits-)Daten und mithilfe von klassischer Statistik und/oder maschinellem Lernen (Machine Learning), Vorhersagen von Ereignissen gemacht werden können. Vereinfacht geht es darum eine Vorhersage zu machen, welche Entwicklung sich auf Basis einer vorli...mehr

Die Einsatzgebiete für ein datengetriebenes RC lassen sich entlang des operativen RM-Prozesses konkretisieren.[1]mehr

Ein datengetriebenes RC führt in der Praxis zu mehreren Herausforderungen: Zunächst liegen zwar viele, aber längst nicht alle Informationen digital vor oder sind digital verarbeitbar. Ein vollständig digitales RC wird daher nicht immer möglich sein. Selbst wenn viele Daten digital vorliegen, kann die Heterogenität von IT-Systemen es verhindern oder erschweren, sie zusammenzu...mehr

Um es vorweg zu sagen – die Beziehung des Nachhaltigkeitsmanagements mit der Kommunikation kann man so beschreiben: Es ist kompliziert. Warum ist das so? Anders als bei der Marketingkommunikation, die mehr oder weniger auf den Absatz von Waren und Dienstleistungen ausgerichtet ist, hat die Nachhaltigkeitskommunikation keine klare Zielrichtung. Statt über Zielgruppen, spricht ...mehr

Adam, Investitionscontrolling, 3. Aufl. 1999. Brauchle/Hanisch, Big Data und Analytics in der Unternehmenssteuerung – Anwendungsbeispiele aus dem Finanzbereich eines Automobilherstellers, in Kieninger (Hrsg.), Digitalisierung der Unternehmenssteuerung, 2017. Bürgel, Controlling von Forschung und Entwicklung, 1989. Coenenberg/Fischer/Günther, Kostenrechnung und Kostenanalyse, 7....mehr

Ein ganzheitliches Entscheidungssystem besteht aus einer Vielzahl an aufeinander aufbauenden Komponenten (siehe Abb. 1), die letztlich das Steuerungssystem des Unternehmens bilden (siehe Abb. 2). Abb. 1: Bestandteile eines ganzheitlichen Entscheidungssystems. A Werkzeuge zur systematischen Erfassung von Daten bzw. Informationen als Basis für zu treffende Entscheidungen "Daten s...mehr

Die Rechnungswesen- und Controllinginstrumente wachsen mit der Größe des Unternehmens und somit mit der Vielfalt an Entscheidungssituationen. Nicht alle in Abbildung 3 aufgelisteten Controlling- und Entscheidungswerkzeuge sind von Beginn an in jedem Unternehmen nötig. Die Kosten in Kostenarten (1) zu unterscheiden, bildet immer den Anfang. Mit wachsender Mitarbeiterzahl ist ...mehr

Die "digitale Transformation" berührt die Unternehmen in vielerlei Hinsicht. Es ist sicherlich sehr anspruchsvoll, die Optimierung und Umsetzung in einem überschaubaren Zeitfenster zu realisieren. Die Schnelllebigkeit der digitalen Möglichkeiten aufgrund von Big Data, Künstliche Intelligenz, Automatisierung, etc. begründet einen stetigen und immer fortlaufenden Prozess in de...mehr

Beiser, R. (2008), Verrechnungspreise im Gemeinschaftsrecht, IStR 2008, Heft 16, S. 587 ff. Bernhardt, L. (Hrsg.) (2017), Verrechnungspreise, Boorberg Verlag, 2. Auflage, 2017. Blakemore, B., Starbucks, Amazon & Google – are they tax avoiders? MP's seem to think so, Aufzeichnungen, https://www.youtube.com/watch?v=db4TlUY_1gI, 2012. Bölscher, A. (2004), Leistungsverträge/Service...mehr

Seit Ende 2015 ist viel geschehen. Die Welt ist kaum mehr wiederzuerkennen. Auch die Umsatzsteuer-Welt ändert sich dramatisch, High-Tech und Big Data halten selbst in unserem Land nach und nach Einzug. Im Gegensatz dazu kann der Beobachter den Eindruck gewinnen, dass hinsichtlich der Besteuerung der öffentlichen Hand eine gewisse Gemütlichkeit vorherrscht. Jedenfalls bei der...mehr

Der Begriff "Big Data" steht synonym für die großen Datenmengen, mit denen Unternehmen heutzutage konfrontiert werden. Treiber der Digitalisierung Ein wesentlicher Treiber der Datenmenge ist die Digitalisierung. Rund um die wachsende Datenmenge haben sich neue Methoden und Technologien etabliert, die sehr schnell beliebig erweiterbare Volumina unterschiedlich strukturierter Da...mehr

Mit dem Einzug von Big Data und Künstlicher Intelligenz in den Berufsalltag, gewinnt auch das Thema Predictive Analytics an Bedeutung. Darunter versteht man grundsätzlich die Vorhersage zukünftiger Ereignisse durch Auswertung vorhandener Daten. Verfahrensweise Mithilfe von Algorithmen, Statistiken und Wahrscheinlichkeiten wird mit dieser Analyse-Lösungen versucht, aus komplexe...mehr

Rz. 157 [Autor/Zitation] Die Norm benennt zunächst enumerativ Beispiele für selbst geschaffene immaterielle Vermögensgegenstände (Marken, Drucktitel, Verlagsrechte, Kundenlisten) und fingiert für diese eine mangelnde Abgrenzung zum Geschäfts- oder Firmenwert (vgl. van Hall/Kessler in Kessler/Leinen/Strickmann, Handbuch BilMoG2, 179; Andrä, Bilanzierung von Immaterialgüterrech...mehr

Die nötigen Grundlagen für die Erstellung effektiver Prompts sind verhältnismäßig einfach zu erlernen. Zugleich gibt es im Bereich des Prompt-Engineerings viele fortgeschrittene Techniken, die es ermöglichen, die Ausgaben generativer Sprachmodelle weiter zu verfeinern und zu optimieren. Einige dieser Techniken basieren auf der Idee, das Modell mit unterschiedlichen Mengen an ...mehr

Asenkerschbaumer/Kallweit, Vom Green Controlling zur ganzheitlichen Steuerung von Nachhaltigkeit im Unternehmen, in: Zeitschrift für erfolgsorientierte Unternehmensführung, 34, 2022, 3, S. 4-10. Baltzer, Integration von Nachhaltigkeit in finanzdominierte Steuerungssysteme: Ausgangssituation, Faktoren und Möglichkeiten, in: Klein/Kämmler-Burrak (Hrsg.), Nachhaltigkeitscontroll...mehr

Eine besondere Bedeutung bei der Analyse von Daten im Controlling hat die Möglichkeit, Daten aus der Vergangenheit einzubeziehen. Auch hier lässt sich im analog arbeitenden Controlling feststellen, dass der notwendige zeitliche Aufwand für die Berücksichtigung großer Zeitreihen die gewünschte Untersuchung einschränkt. Und es fehlen in vielen Fällen wieder die Daten. Digitale...mehr

Beim Design der für das Unternehmen passenden Data Governance-Organisation sind bewährte Prinzipien zu Grunde zu legen. Es sollte zunächst entschieden werden, ob eine zentrale oder dezentrale Organisationsform das Zielbild darstellt. Beide Varianten haben ihre Vor- und Nachteile, wobei Faktoren wie Grad der Kontrolle und Integration einerseits, Nähe zum Business und fachspez...mehr

Rz. 17 Nach § 26 Abs. 1 S. 1 Var.1 BDSG ist die Verarbeitung personenbezogener Daten zulässig, wenn dies für die Entscheidung über die Begründung des Beschäftigungsverhältnisses erforderlich ist. Die Regelung entspricht insoweit § 32 Abs. 1 S. 1 BDSG a.F., den sie fortführen soll, sodass auch auf die dazu ergangene Rechtsprechung Bezug genommen werden kann. Vor Begründung des...mehr

Rz. 1 Neue digitale Technologien und der Einsatz von Künstlicher Intelligenz ermöglichen immer neue Überwachungsmaßnahmen bzw. Leistungskontrollsysteme durch sog. Big Data-Analysen. Die nahezu unbegrenzten technischen Möglichkeiten kollidieren dabei mit dem Schutz des Persönlichkeitsrechts, der seinen Ausdruck im Beschäftigtendatenschutz findet. Die Rechtsprechung hat sich i...mehr

Rz. 10 Die arbeitsgerichtliche Rechtsprechung hatte in den letzten Jahren mehrfach Gelegenheit, sich mit verschiedenen Systemen der digitalen Überwachung auseinanderzusetzen (BAG v. 27.7.2017 – 2 AZR 681/16, NZA 2017, 1327, "Keylogger"; BAG v. 29.6.2017 – 2 AZR 597/16, NZA 2017, 1179 und BAG v. 20.10.2016 – 2 AZR 395/15, NZA 2017, 443 "verdeckte Videoüberwachung"; BAG v. 25....mehr

Rz. 168 Zwar gibt es auch derzeit noch keine umfassende höchstrichterliche Rechtsprechung zur Zulässigkeit einer Datenerhebung nach § 26 Abs. 1 BDSG . Es bestehen jedoch keine Anhaltspunkte dafür, dass sich die Grundsätze, die das BAG anhand des § 32 BDSG a.F. entwickelt hat, unter Geltung der DSGVO und des aktuellen BDSG signifikant ändern werden (im Ergebnis auch Kort, NZA ...mehr

Mithilfe von künstlicher Intelligenz (KI) und Big Data können Unternehmen nachhaltiger werden, indem sie umfassende Datenanalysen durchführen und dadurch Erkenntnisse gewinnen, die zur Verbesserung der Ressourceneffizienz und zur Abfallreduzierung beitragen. Beispielsweise können Unternehmen KI-Modelle einsetzen, um ihre Lieferketten zu optimieren und den Energieverbrauch zu...mehr

Durch die digitale Revolution ist die Menge an verfügbaren Daten exponentiell gestiegen. Die technischen Gegebenheiten digitaler Systeme ermöglichen es, Daten in riesigen Mengen zu speichern und detaillierter zu strukturieren. Die Zeiträume für den Bezug der Daten können wesentlich verkürzt werden, also z. B. nicht mehr der Umsatz pro Tag, sondern der Umsatz pro Stunde oder M...mehr

In Zukunft werden digitale Anwendungen im Controlling, gleichgültig, ob für die Planung, die Analyse oder das Berichtswesen, neue Eigenschaften und Möglichkeiten aufweisen. Damit kann die Arbeit im Controlling neu strukturiert werden. Die wichtigsten Merkmale sind im Folgenden kurz beschrieben: Mobiles Arbeiten: Digitale Anwendungen der Zukunft werden auch im Controlling das ...mehr

Die Ergebnisse der Arbeit im Controlling werden über das Berichtswesen an die Informationsempfänger verteilt. Trotz des bereits weit verbreiteten Einsatzes digitaler Anwendungen wie BI-Systeme, Tabellenkalkulationen oder Präsentationssoftware gibt es in Zukunft weiteres Potenzial, das durch Digitalisierung gehoben wird. Zeitpunkt: Traditionell liefert das Berichtswesen die In...mehr

Um Arbeiten 4.0 besser zu verstehen, sollen die häufigsten in diesem Zusammenhang verwendeten Begriffe erläutert werden. Die Definitionen entstammen dem Glossar des "Grünbuchs: Arbeiten 4.0" des Bundesministeriums für Arbeit und Soziales.[1] Das "Grünbuch" wirft einen Blick in die Arbeitswelt von heute und morgen und initiierte 2015 eine grundlegende Diskussion über das Arbe...mehr

Aus Sicht der Managementberatung Horváth sind die Themenfelder eine modernen CFO Financial Governance, Data Production, Data Science und Business Partnering. Eine primäre Forderung ist die Fokussierung auf Themen, die für das Unternehmen Wert schaffen. Der frühere Fokus auf viele unterschiedliche Planungs- und Berichtsinhalte sowie -formate für unterschiedliche Gremien und A...mehr

Wie oben bereits beschrieben, gibt es das Big Data Projekt nicht. Stattdessen wird die Big Data Architektur individuell und im Sinne der gewählten Big Data Strategie modelliert. Die Big Data Architektur ist somit die technische Umsetzung der Big Data Strategie, wobei der Architekturstil und die einzelnen Komponenten vom jeweiligen Use Case abhängen. Typischerweise beginnt di...mehr

Unter Big Data Analytics wird eine Form der zielorientierten Auswertung von Daten verstanden, wobei Big Data als Ausgangsbasis besonders umfangreiche, heterogene und komplexe Datenmengen umfasst (vgl. Abschnitt 1.2.3). Die Möglichkeiten für Big Data Analytics und der daraus realisierbare ökonomische Nutzen haben sich aufgrund der Weiterentwicklung relevanter Technologien, in...mehr

Für den Begriff Big Data existiert in der Literatur keine einheitliche Definition. Im Kern besteht ein wesentlicher Unterschied von Big Data zu der bisher üblichen Art der Datennutzung darin, dass nicht nur erheblich größere Datenmengen analysiert werden, sondern diese regelmäßig aus unterschiedlichen Quellen stammen, unterschiedliche Qualität aufweisen und ggf. auch abweich...mehr

Vor dem Beginn eines Big Data Projekts ist dessen Zielsetzung zu definieren; hierbei leiten sich die Handlungsoptionen aus dem bestehenden Geschäftsmodell ab, d.h. soll das bestehende Geschäftsmodell optimiert oder neue synergistische unabhängige Geschäftsfelder erschlossen werden? Nachfolgend wird typisierend und im Sinne einer groben Übersicht der Ablauf von Datenanalysepro...mehr

Die Erhebung, Kombination und Analyse großer Datenmengen im Sinne der in Kapitel 1 dieser Beitragsreihe enthaltenen Big Data-Definition (s. Abschnitt 1.2.3) kann als Big Data Life Cycle vereinfacht wie folgt dargestellt werden:[1] Abb. 1: Big Data Life Cycle Erheben und Erfassen Im ersten Schritt erfolgt die Rohdatengewinnung, z.B. über online-Plattformen, Sensoren, Datenkatalo...mehr

1.2.1 Definition von Daten Eine allgemeine Datendefinition gibt es nicht – vielmehr kommt es auf den jeweiligen Anwendungsbereich an. Nach der Definition der im Bereich der Informationstechnik standardgebenden Internationalen Standardisierungs-Organisation (ISO) sowie der Internationalen Elektrotechnischen Kommission (IECD) z.B. sind Daten definiert als "eine Darstellung von ...mehr

2.2.1 Wechselwirkung zwischen Daten und Analytik Der Begriff "Big Data" weckt bei vielen Personen die euphorische Vorstellung, es handle sich hierbei um den Schlüssel zum garantierten Erfolg. Viele sehen in Big Data Big Business. Dem ist aber nicht immer so. Obschon viele Unternehmen an einem Datenüberfluss leiden, sind nur etwa 20 % der Daten- und KI-Projekte erfolgreich.[1]...mehr

2.1.1 Geschäftsmodell als Ausgangspunkt Mit Big Data Projekten lassen sich verschiedene Zwecke verfolgen. So facettenreich Geschäftsmodelle sind, so vielfältig sind auch die Einsatzgebiete von Big Data. Dabei kann Big Data ein Teil des Geschäftsmodells sein oder aber das eigentliche Geschäftsmodell bilden. Zu denken ist etwa an ein Produktionsunternehmen, welches Maschinendat...mehr

a) Begriff Wörtlich übersetzt und bildlich gesprochen ist ein Data Lake ein Datensee. Im Unterschied zum Data Warehouse werden die Daten im Data Lake in ihrer Ursprungsform gespeichert. Im Data Lake können sich somit unstrukturierte, semi-strukturierte oder strukturierte Daten in ihrer Rohform befinden. Ebenfalls kann ein Data Lake neben Text- oder Zahlendaten auch Bilder, Vi...mehr

Werden die Ansätze des Data Warehouse und des Data Lake komponiert, entsteht ein Data Lakehouse.[1] Wie ein Data Lake speichert auch ein Data Lakehouse sämtliche Daten in ihrer Rohfassung. Die Speicherebene ist somit ein Data Lake, sodass sich auch das Data Lakehouse durch eine große Flexibilität hinsichtlich der Datenstruktur als auch in der künftigen Datenverwendung auszei...mehr

a) Begriff Der Begriff Data Warehouse beschreibt ein Informationssystem, welches darauf ausgerichtet ist, große Datenmengen für die analytische Weiterverwendung zu verarbeiten und zu verwalten. Genauer gesagt, handelt es sich hierbei um ein System bestehend aus einer oder mehreren Datenbanken, welche Daten aus verschiedenen Quellen integriert und diese dem Anwender zu Auswert...mehr

Mittels einer Data Pipeline gelangen die Daten vom jeweiligen Quellsystem zum jeweiligen Zielsystem. Als Quellsysteme werden gemeinhin die Datenquellen verstanden, aus denen die Primärdaten hervorgehen.[1] Dies können etwa CRM-Systeme (CRM steht für Customer Relationship Management) oder ERP-Systeme (ERP steht für Enterprise Resource Planning) sein. Bei den Zielsystemen hand...mehr

Mit Big Data Projekten lassen sich verschiedene Zwecke verfolgen. So facettenreich Geschäftsmodelle sind, so vielfältig sind auch die Einsatzgebiete von Big Data. Dabei kann Big Data ein Teil des Geschäftsmodells sein oder aber das eigentliche Geschäftsmodell bilden. Zu denken ist etwa an ein Produktionsunternehmen, welches Maschinendaten analysiert, um Fertigungsprozesse zw...mehr

Die Frage, wem welche Rolle innerhalb eines Unternehmens zukommt und wo (bzw. durch welche Gruppengesellschaften) die jeweiligen Tätigkeiten ausgeübt werden, dürfte den Steuerberater namentlich dann interessieren, wenn es Fragen rund um die personelle Substanz sowie die Funktionsanalyse für die Zwecke des Transfer Pricings zu beurteilen gilt. Da Daten unter bestimmten Voraus...mehr

Ein Verständnis über die (technische) Infrastruktur ist namentlich dann relevant, wenn es allfällige Betriebsstättenrisiken zu analysieren gilt.[1] Mit einer herkömmlichen IT-Infrastruktur lassen sich keine unstrukturierten Datenbestände in der Größenordnung von Big Data auswerten. Big Data Projekte verlangen somit unternehmensweite Infrastrukturkonzepte, deren Rechner, Serve...mehr

Begriffe wie Big Data, Data Analytics, Data Science, Machine Learning, Artifical Intelligence, Predictive Maintenance, etc. sind in aller Munde. Auch dass Daten zuerst zu Informationen verarbeitet werden müssen, bevor sie als Entscheidungsgrundlage herangezogen werden können, scheint für viele eine Selbstverständlichkeit zu sein. Sobald es jedoch um den technischen Prozess u...mehr

In der Praxis ist oftmals anzutreffen, dass die rechtlichen Rahmenbedingungen erst analysiert werden, wenn die Big Data Architektur bereits steht. Technisch gesehen mag die Big Data Strategie einwandfrei funktionieren, doch nützt es einem Unternehmen wenig, wenn eine durch Datenverwertung hervorgerufene Effizienzsteigerung an einem anderen Ende wieder verloren geht. Dass die...mehr

Die grafische Aufbereitung von ausgewerteten Daten kann zwar als das Ergebnis (bzw. Arbeitsprodukt) eines Analyseprozesses bezeichnet werden, doch bedeutet dies nicht, dass über die Visualisierungstechniken erst am Schluss zu befinden ist. Idealerweise ist die Big Data Architektur so aufgebaut, dass sie die angestrebte Visualisierungslösung von Beginn weg unterstützt. Dabei ...mehr

Der Begriff "Big Data" weckt bei vielen Personen die euphorische Vorstellung, es handle sich hierbei um den Schlüssel zum garantierten Erfolg. Viele sehen in Big Data Big Business. Dem ist aber nicht immer so. Obschon viele Unternehmen an einem Datenüberfluss leiden, sind nur etwa 20 % der Daten- und KI-Projekte erfolgreich.[1] Woran liegt das? Die Antwort liegt oftmals in de...mehr

Die Verwendung von Grafiken, Tabellen, Diagrammen, Histogrammen, Karten, Scatter Plots oder Treemaps gehören zu den gängigen Techniken, wie Informationen in einen visuellen Kontext gesetzt werden können. Im Zusammenhang mit Big Data ist oftmals von Dashboard die Rede. Wörtlich aus dem Englischen übersetzt, bedeutet Dashboard Armaturenbrett. Im Kontext von Big Data Analytics ...mehr

Gilt es die Big Data Architektur steuerrechtlich einzuordnen, sind folgende Fragestellungen von Bedeutung: In welcher Jurisdiktion gibt es welche steuerrechtliche Anknüpfungspunkte? Wo finden welche Wertschöpfungsaktivitäten statt? Wie sind der Datenaustausch und die damit zusammenhängenden Leistungen der Datenanalyse zwischen Gruppengesellschaften innerhalb eines Konzerns steu...mehr

Der Erfolg eines Big Data Projekts hängt primär von der Datengrundlage ab. Bevor die Datenarchitektur erstellt werden kann, bedarf es zunächst somit einer Analyse, welche Daten dem Unternehmen zur Verfügung stehen und/oder wie die fehlenden Daten beschafft werden können.mehr