Predictive Analytics in KMU : Chancen und Herausforderungen

Frank, Sandro

doi:10.21256/zhaw-21625

Please use this identifier to cite or link to this item: https://doi.org/10.21256/zhaw-21625

Publication type:	Bachelor thesis
Title:	Predictive Analytics in KMU : Chancen und Herausforderungen
Authors:	Frank, Sandro
Advisors / Reviewers:	Nagel, Gabriela
DOI:	10.21256/zhaw-21625
Extent:	51
Issue Date:	2020
Publisher / Ed. Institution:	ZHAW Zürcher Hochschule für Angewandte Wissenschaften
Publisher / Ed. Institution:	Winterthur
Language:	German
Subject (DDC):	658.403: Decision making, information management
Abstract:	Das Zeitalter der Industrie 4.0 trug in den vergangenen Jahren wesentlich zum starken Anstieg der Datenmenge bei. Das Volumen dieser sogenannten Big Data, die sich mit herkömmlichen Methoden kaum weiterverarbeiten lassen, wird sich durch das Internet der Dinge und anderen technologischen Entwicklungen weiter vervielfachen. Eine Methodik, die sich Big Data zunutze macht, ist Predictive Analytics. Unter Einbezug eben dieser Daten sowie statistischer und mathematischer Verfahren lassen sich beliebige Szenarien von Vorhersagemodellen für das Controlling, Marketing und andere Geschäftsbereiche erstellen. Einige Unternehmen nehmen die Möglichkeit einer verlässlicheren, prospektiven Entscheidungsgrundlage demnach bereits wahr. Wie Praxisbeispiele ergeben haben, handelt es sich vornehmlich um grössere Unternehmen, die mittels dieser Prognosen einen Mehrwert versuchen zu erzielen. Und das obschon kleinere und mittlere Unternehmen einen Grossteil der Schweizer Wirtschaft ausmachen. Die Thesis befasst sich daher mit der Frage, welche Chancen und Herausforderungen sich für KMU mit der Einführung von Predictive Analytics ergeben, insbesondere in Bezug auf die Optimierung des Entscheidungsprozesses. Die Forschungsfrage wird anhand einer ausführlichen Literaturrecherche sowie einer empirischen Untersuchung beantwortet. Ein Experteninterview dient dazu, die aus der Theorie gewonnenen Erkenntnisse bei einem Recyclingunternehmen aus dem Mittelland zu vergleichen. Anschliessend wird eine Handlungsempfehlung abgegeben, ob sich eine Einführung der prädiktiven Analyse positiv auf den Planungsprozess des KMU auswirken würde. Aus dem Experteninterview resultieren zahlreiche Parallelen zu den theoretischen Merkmalen, wobei der Eigentümer eine Doppelfunktion ausübt und Entscheidungen vermehrt selbst fällt. Zudem geht hervor, dass die Digitalisierung bis zuletzt kaum thematisiert wurde und man sich mit der Thematik der prädiktiven Analyse noch nicht befasst hat bzw. zurzeit keinen Nutzen darin sieht. Die Rahmenbedingungen und operativen Tätigkeiten in Abhängigkeit volatiler Preise bieten jedoch interessante Argumente für eine optimierte Planung und Entscheidungsprozesse. Die theoretischen und praktischen Erkenntnisse zeigen, dass Predictive Analytics den Ablauf einer Entscheidungsfindung in einem KMU nachhaltig verändern kann. Die Methodik überzeugt durch schnellere, häufigere und akkuratere Vorhersagen, wobei verschiedene Szenarien erstellt und beigezogen werden können. Gleichzeitig gilt es ein paar Hürden hinsichtlich struktureller, personeller und technologischer Aspekte zu bewältigen. Diese bedürfen zum Teil zusätzlicher Investitionen und Weiterentwicklungen, wofür oftmals nur eingeschränkte finanzielle Mittel zur Verfügung stehen. Grundsätzlich wird den kleineren und mittleren Unternehmen empfohlen, sich vertieft mit der Thematik der prädiktiven Analyse auseinanderzusetzen sowie Einsatzmöglichkeiten und Nutzen abzuwägen. Aufgrund der wirtschaftlichen Bedeutung der KMU in der Schweizer Wirtschaft werden aber weitere Forschungen nötig sein. Erkenntnisse und Aussagen lassen sich wegen der unterschiedlichen Grössenklassen, Anzahl Beschäftigten und verschiedenen Branchen nur schwierig pauschalisieren.
URI:	https://digitalcollection.zhaw.ch/handle/11475/21625
License (according to publishing contract):	CC BY 4.0: Attribution 4.0 International
Departement:	School of Management and Law
Appears in collections:	BSc Betriebsökonomie

Files in This Item:

File	Description	Size	Format
20200526_BA_Predictive_Analytics_in_KMU_Frank_Sandro.pdf		1.42 MB	Adobe PDF	View/Open

Show full item record

Frank, S. (2020). Predictive Analytics in KMU : Chancen und Herausforderungen [Bachelor’s thesis, ZHAW Zürcher Hochschule für Angewandte Wissenschaften]. https://doi.org/10.21256/zhaw-21625

Frank, S. (2020) Predictive Analytics in KMU : Chancen und Herausforderungen. Bachelor’s thesis. ZHAW Zürcher Hochschule für Angewandte Wissenschaften. Available at: https://doi.org/10.21256/zhaw-21625.

S. Frank, “Predictive Analytics in KMU : Chancen und Herausforderungen,” Bachelor’s thesis, ZHAW Zürcher Hochschule für Angewandte Wissenschaften, Winterthur, 2020. doi: 10.21256/zhaw-21625.

FRANK, Sandro, 2020. Predictive Analytics in KMU : Chancen und Herausforderungen. Bachelor’s thesis. Winterthur: ZHAW Zürcher Hochschule für Angewandte Wissenschaften

Frank, Sandro. 2020. “Predictive Analytics in KMU : Chancen und Herausforderungen.” Bachelor’s thesis, Winterthur: ZHAW Zürcher Hochschule für Angewandte Wissenschaften. https://doi.org/10.21256/zhaw-21625.

Frank, Sandro. Predictive Analytics in KMU : Chancen und Herausforderungen. ZHAW Zürcher Hochschule für Angewandte Wissenschaften, 2020, https://doi.org/10.21256/zhaw-21625.