@phdthesis{Seyhan2022, type = {Master Thesis}, author = {Senay Seyhan}, title = {Der S\&OP Prozess als Erfolgsfaktor im Supply Chain Management und die Rolle der Datenanalytik}, journal = {The S\&OP process as a success factor in supply chain management and the role of data analytics}, doi = {10.25924/opus-4543}, pages = {VIII, 125}, year = {2022}, abstract = {In einer Zeit, in der durch die Globalisierung und Internationalisierung die M{\"a}rkte volatiler werden und Daten eine immer wichtigere Rolle spielen, werden Konzepte wie Big Data, Data Analytics oder Data Mining immer wichtiger. Unternehmen k{\"o}nnen durch die Verarbeitung und Nutzung der Daten mit den diversen Methoden der Datenanalytik wichtige Erkenntnisse gewinnen. Auch im Sales \& Operations Planning Prozess sind Daten von gro{\"s}er Bedeutung. Dieser Prozess erzeugt und verwendet sehr viele interne und externe Daten. Die vorliegende Masterarbeit besch{\"a}ftigt sich mit den Themen S\&OP Prozess als zentraler Erfolgsfaktor im SCM und mit der Kernaufgabe „Prognoseerstellung“. Die Arbeit zeigt auf, dass die Ermittlung der Prognose eine der wichtigsten Aufgaben im SCM ist und als Start-punkt des S\&OP Prozesses mit den unterschiedlichen Methoden aus der Datenanalytik unterst{\"u}tzt und optimiert werden kann. Die aktuellen Geschehnisse auf der Welt mit Covid-19, Lockdowns, Lieferkettenproblemen und internationalen Konflikten zeigen, dass wir in einem Zeitalter mit gro{\"s}en Unsicherheiten leben. Aus diesem Grund ist es mit all den neuen Entwicklungen und Vorhersagemethoden in der Praxis eine spannende Zeit f{\"u}r Prognosen. Die vielen M{\"o}glichkeiten, die K{\"u}nstliche Intelligenz, Machine Learning und Data Mining bieten, welche unter dem Dachbegriff „Datenanalytik“ gesammelt wurden, liefern f{\"u}r die Prognose im Supply Chain Management im Vergleich zu traditionellen Methoden wesentlich bessere Ergebnisse. Nichtsdestotrotz m{\"u}ssen Menschen und Algorithmen Hand in Hand arbeiten, um die Prognosequalit{\"a}t zu steigern.}, language = {de} }