Big-Data-Marketing-Chancen und Herausforderungen für Unternehmen

Pascal Rossa () and Heinrich Holland ()
Additional contact information
Heinrich Holland: Fachhochschule Mainz

Chapter 9 in Digitales Dialogmarketing, 2014, pp 249-301 from Springer

Abstract: Zusammenfassung „Big Data“ ist in Deutschland seit Mitte des Jahres 2012 eines der Hype-Themen und wird facettenreich diskutiert. Zum einen werden die verschiedenen Anwendungsbereiche erörtert – vom Einsatz im Gesundheitswesen, über den Einsatz im Sicherheitsbereich und in der öffentlichen Verwaltung bis hin zum Einsatz im Marketing. Zum anderen findet eine Auseinandersetzung mit der technischen Seite von Big Data statt. Das Beratungsunternehmen Gartner hat Big Data im Jahr 2011 zum ersten Mal in seinen Hype Cycle „Emerging Technologies“ aufgenommen. Nach dem aktuellen Hype Cycle befindet sich Big Data am Ende der ersten von fünf Phasen, der „Technology-Trigger“-Phase, und nähert sich der zweiten Phase an, dem „Peak of Inflated Expectations“. Nach Einschätzung von Gartner wird Big Data in zwei bis fünf Jahren das Plateau der Produktivität erreicht haben. Auf Unternehmensseite ist das Interesse an dem Thema zwar groß, doch wissen die meisten Unternehmen nicht, wie und wofür sie Big Data konkret einsetzen könnten. Als eine der Hürden am Markt gilt der Mangel an Anwendungsbeispielen.

Date: 2014
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-02541-0_9

Ordering information: This item can be ordered from
http://www.springer.com/9783658025410

DOI: 10.1007/978-3-658-02541-0_9

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().