Erhebung der Potentiale und Hürden für den Einsatz von Data Mining in der Absatzplanung der oberösterreichischen Prozessindustrie

Abstract

In der heutigen Geschäftswelt, die durch rasante Veränderungen und eine zunehmende Komplexität gekennzeichnet ist, wird die strategische Bedeutung der Absatzplanung in der oberösterreichischen Prozessindustrie immer deutlicher. In Anbetracht dessen untersucht die vorliegende Bachelorarbeit die Rolle von Data Mining-Technologien als Instrument zur Optimierung der Absatzplanung und zur Bewältigung von marktbedingten Unsicherheiten. Diese Technologien, die sowohl in Business-to-Customer als auch in Business-to-Business Bereichen an Bedeutung gewinnen, bieten das Potential, durch die Analyse großer Datenmengen präzisere Vorhersagen zu treffen und folglich die Entscheidungsfindung verbessern zu können. Die Arbeit gliedert sich in fünf Kapitel, die sich anfangs mit den theoretischen Grundlagen befassen. Hier wird besonders auf die Bedeutung der digitalen Transformation, Digitalisierung, Business Intelligence, Advanced Analytics, Big Data und Data Mining eingegangen. Anschließend wird ein empirisch-qualitatives Forschungsdesign vorgestellt, das auf Experteninterviews und einer qualitativen Inhaltsanalyse basiert. Diese Methode wurde gewählt, um einerseits ein tiefgründiges Verständnis der Herausforderungen, Erfolgsfaktoren und Hürden zu verschaffen, andererseits Potentiale und zukünftige Nutzungsbereiche von Data Mining in der Praxis aufzuzeigen. Die Ergebnisse der Arbeit zeigen, dass die Einführung und Nutzung von Data Mining in der Absatzplanung nicht nur technische und wirtschaftliche Herausforderungen mit sich bringt, sondern weitreichende organisatorische Anpassungen erfordert. Diese Herausforderungen umfassen unter anderem die Integration von Data Mining-Technologien in bestehende IT-Systeme, die Sicherstellung der Datenqualität und die Überwindung von Widerständen innerhalb der Organisation. Trotz dieser Hindernisse deuten die Ergebnisse darauf hin, dass Data Mining signifikant zur Steigerung der Effizienz und Wettbewerbsfähigkeit beitragen kann, insbesondere durch die Verbesserung der Reaktionsfähigkeit auf Marktveränderungen und durch die Kostenoptimierung. Darüber hinaus identifiziert die Arbeit zentrale Erfolgsfaktoren, die eine erfolgreiche Implementierung von Data Mining unterstützen. Dazu zählen die positive Erfahrung mit Data Mining aus vergangenen Projekten oder externen Beispielen, eine Unterstützung durch das TopManagement, die Bereitstellung notwendiger Ressourcen und eine klare strategische Ausrichtung. Die Arbeit zeigt Potentiale für zukünftige Implementierungen auf, die laut Experten vor allem in der Verbesserung der operativen Effizienz und der Entscheidungsfindung liegen. Abschließend wird ein Ausblick gegeben, der die zunehmende Bedeutung von Data Mining aufgrund der fortschreitenden Digitalisierung, der steigenden Datenflut und der Weiterentwicklung von Technologien wie Künstlicher Intelligenz betont und die Notwendigkeit für Unternehmen hervorhebt, in diese Technologien zu investieren, um ihre Wettbewerbsposition zu stärken.

Datum der Bewilligung	2024
Originalsprache	Deutsch (Österreich)
Betreuer/-in	Harald Dobernig (Betreuer*in)