Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 30 von 255
Zurück zur Trefferliste

Leveraging enterprise architecture for data-driven business model innovation

  • Motivation: Maximizing the value from data has become a key challenge for companies as it helps improve operations and decision making, enhances products and services, and, ultimately, leads to new business models. The latter two have been investigated by scholars as part of an emerging research field on data-driven business model innovation. While enterprise architecture (EA) management and modeling have proven their value for IT-related projects, the support of enterprise architecture for data-driven business models (DDBMs) is a rather new and unexplored field. We argue that the current understanding of the intersection of data-driven business model innovation and enterprise architecture is incomplete because of five challenges that have not been addressed in existing research: (1) lack of knowledge of how companies design and realize data-driven business models from a process perspective, (2) lack of knowledge on the implementation phase of data-driven business models, (3) lack of knowledge on the potential support enterprise architecture modeling and management can provide to data-driven business model endeavors, (4) lack of knowledge on how enterprise architecture modeling and management support data-driven business model design and realization in practice, (5) lack of knowledge on how to deploy data-driven business models. We address these challenges by examining how enterprise architecture modeling and management can benefit data-driven business model innovation. Research Approach: Addressing the challenges mentioned above, the mixed-method approach of this thesis draws on a systematic literature review, qualitative empirical research as well as the design science research paradigm. We conducted a systematic literature search on data-driven business models and enterprise architecture. Considering the novelty of data-driven business models for academia and practice, we conducted explorative qualitative research to explain “why” and “how” companies embark on realizing data-driven business models. Throughout these studies, the primary data source was semi-structured interviews. In order to provide an artifact for DDBM innovation, we developed a theory for design and action. The data-driven business model innovation artifact was inductively developed in two design iterations based on the design science paradigm and the design science research framework. Contribution: This thesis provides several contributions to theory and practice. We identified a clear gap in previous research efforts and derived 42 data-driven business model-related EA concerns. In order to address the identified literature gap, we provide empirical evidence for data-driven business model innovation. Four pathways of data-driven business model design and realization were identified. Along these pathways, an overview of EA application areas was derived from the empirical and theoretical findings. With the aim of supporting practitioners in data-driven business model innovation, this thesis was concerned with the development of a reference model. The reference model for data-driven business model innovation provides a broad view and applies enterprise architecture, where appropriate. This thesis provides five recommendations for practitioners realizing data-driven business models that address the demand for support in data-driven business model innovation. Limitations: Several limitations must be considered. We acknowledge the threat to validity based on the fact that the thesis was written over the span of two years. As DDBMs are an emerging phenomenon in the literature, our thoughts on the underlying concepts have also evolved. Our ideas evolved to include a wider range of literature, different terminology, and a broader empirical foundation. We have gathered and analyzed the extended literature on EA and DDBM interconnectivity. However, the selection of keywords restricts the set of results. The data stem from a limited number of organizations and industries; thus, our conceptual developments need further testing to ensure generalizability. Future Research: This thesis suggests several fruitful research avenues. Complementing the current concepts with additional data and quantitative research methods could address the existing threats to validity. A deeper understanding of data-driven business model innovation pathways, in the light of the detailed methods per pathway, would enhance the knowledge on this topic. Future research could focus on conducting additional design cycles for the data-driven business model innovation reference model. It would be interesting to enrich the findings of this thesis with quantitative data on correlations in data-driven business model innovation and enterprise architecture support. Furthermore, investigating a single case study and exploring new application fields of enterprise architecture in the data-driven business model innovation context would benefit research and practice would benefit.
  • Motivation: Die Maximierung des Werts von Daten ist zu einer zentralen Herausforderung für Unternehmen geworden, da sie zur Verbesserung von Abläufen und Entscheidungsfindung, zur Verbesserung von Produkten und Dienstleistungen und letztlich zur Entwicklung neuer Geschäftsmodelle beitragen. Die beiden letztgenannten Aspekte wurden von Wissenschaftlern im Rahmen eines neu entstehenden Forschungsfeldes zur datengetriebener Geschäftsmodellinnovation untersucht. Während das Management und die Modellierung von Unternehmensarchitekturen (EA) ihren Wert für IT-bezogene Projekte bewiesen haben, ist die Unterstützung von Unternehmensarchitekturen für datengetriebene Geschäftsmodelle (DDBMs) ein eher neues und unerforschtes Feld. Wir argumentieren, dass das derzeitige Verständnis der Überschneidung von datengetriebener Geschäftsmodellinnovation und Unternehmensarchitektur aufgrund von fünf Herausforderungen, die in der bisherigen Forschung nicht berücksichtigt wurden, unvollständig ist: (1) mangelndes Wissen darüber, wie Unternehmen datengetriebene Geschäftsmodelle aus einer Prozessperspektive entwerfen und umsetzen, (2) mangelndes Wissen über die Implementierungsphase datengetriebener Geschäftsmodelle, (3) mangelndes Wissen über die potenzielle Unterstützung, die die Modellierung und das Management von Unternehmensarchitekturen für datengetriebene Geschäftsmodelle bieten können, (4) mangelndes Wissen darüber, wie die Modellierung und das Management von Unternehmensarchitekturen die Entwicklung und Umsetzung datengetriebener Geschäftsmodelle in der Praxis unterstützen, (5) mangelndes Wissen darüber, wie datengetriebene Geschäftsmodelle eingesetzt werden können. Wir gehen diese Herausforderungen an, indem wir untersuchen, wie Unternehmensarchitekturmodellierung und -management datengetriebene Geschäftsmodellinnovationen unterstützen können. Forschungsdesign: Um den oben genannten Herausforderungen zu begegnen, stützt sich das Mixed-Methods-Vorgehen dieser Arbeit auf eine systematische Literaturrecherche, qualitative empirische Forschung sowie das Forschungsparadigma der Designwissenschaften. Wir haben eine systematische Literaturrecherche zu datengetriebenen Geschäftsmodellen und Unternehmensarchitekturen durchgeführt. In Anbetracht der Neuheit datengetriebener Geschäftsmodelle für Wissenschaft und Praxis haben wir explorative qualitative Forschung durchgeführt, um zu erklären, "warum" und "wie" Unternehmen datengetriebene Geschäftsmodelle umsetzen. Die primäre Datenquelle für diese Studien waren halbstrukturierte Interviews. Um ein Artefakt für die DDBM-Innovation zu schaffen, entwickelten wir eine Theorie für Design und Aktion. Das Artefakt der datengetriebenen Geschäftsmodellinnovation wurde induktiv in zwei Design-Iterationen auf der Grundlage des Design Science Paradigmas und des Design Science Forschungsrahmens entwickelt. Beiträge: Diese Arbeit liefert mehrere Beiträge zu Theorie und Praxis. Wir haben eine klare Lücke in den bisherigen Forschungsbemühungen identifiziert und 42 datengetriebene Geschäftsmodell-bezogene EA-Concerns abgeleitet. Um die identifizierte Literaturlücke zu schließen, liefern wir empirische Belege für datengetriebene Geschäftsmodellinnovationen. Es wurden vier Pfade der datengetriebenen Geschäftsmodellentwicklung und -realisierung identifiziert. Entlang dieser Pfade wurde aus den empirischen und theoretischen Erkenntnissen ein Überblick über EA-Anwendungsbereiche abgeleitet. Mit dem Ziel, Praktiker bei der datengetriebenen Geschäftsmodellinnovation zu unterstützen, befasste sich diese Arbeit mit der Entwicklung eines Referenzmodells. Das Referenzmodell für datengetriebene Geschäftsmodellinnovation bietet eine breite Sichtweise und wendet, wo sinnvoll, die Unternehmensarchitektur an. Diese Arbeit gibt fünf Empfehlungen für Praktizierende, die datengetriebene Geschäftsmodelle realisieren. Limitierungen: Es müssen mehrere Limitierungen berücksichtigt werden. Wir sind uns der Tatsache bewusst, dass die Gültigkeit der Arbeit dadurch gefährdet ist, dass sie über einen Zeitraum von zwei Jahren verfasst wurde. Da DDBMs ein neues Phänomen in der Literatur sind, haben sich auch unsere Gedanken zu den zugrunde liegenden Konzepten weiterentwickelt. Unsere Ideen haben sich weiterentwickelt und umfassen nun ein breiteres Spektrum an Literatur, eine andere Terminologie und eine breitere empirische Grundlage. Wir haben die erweiterte Literatur zu EA und DDBM-Interkonnektivität gesammelt und analysiert. Die Auswahl der Schlüsselwörter schränkt jedoch die Ergebnismenge ein. Die Daten stammen von einer begrenzten Anzahl von Organisationen und Branchen; daher müssen unsere konzeptionellen Entwicklungen weiter getestet werden, um ihre Verallgemeinerbarkeit zu gewährleisten. Ausblick: Diese Arbeit schlägt mehrere fruchtbare Forschungswege vor. Durch die Ergänzung der aktuellen Konzepte mit zusätzlichen Daten und quantitativen Forschungsmethoden könnten die bestehenden Risiken für die Validität angegangen werden. Ein tieferes Verständnis der datengetriebenen Geschäftsmodell-Innovationspfade im Lichte der detaillierten Methoden pro Pfad würde das Wissen zu diesem Thema erweitern. Künftige Forschungsarbeiten könnten sich auf die Durchführung zusätzlicher Gestaltungszyklen für das Referenzmodell der datengetriebenen Geschäftsmodellinnovation konzentrieren. Es wäre interessant, die Ergebnisse dieser Arbeit mit quantitativen Daten zu Korrelationen zwischen datengetriebener Geschäftsmodellinnovation und Unternehmensarchitekturunterstützung zu ergänzen. Darüber hinaus würde die Untersuchung einer einzelnen Fallstudie und die Erkundung neuer Anwendungsfelder der Unternehmensarchitektur im Kontext der datengetriebenen Geschäftsmodellinnovation der Forschung und der Praxis zugutekommen.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Verfasserangaben:Faisal RashedGND
URN:urn:nbn:de:gbv:luen4-opus4-11969
URL: https://pub-data.leuphana.de/frontdoor/index/index/docId/1196
übersetzter Titel (Deutsch):Nutzung des Unternehmensarchitekturmanagements für datengetriebene Geschäftsmodellinnovation
Verlagsort:Lüneburg
Betreuer:Paul Drews (Prof. Dr.)
Gutachter:Paul Drews (Prof. Dr.)ORCiDGND, Burkhardt Funk (Prof. Dr.)ORCiDGND, Tilo Böhmann (Prof. Dr.)GND
Dokumentart:Dissertation
Sprache:Englisch
Erscheinungsjahr:2021
Datum der Veröffentlichung (online):29.10.2021
Datum der Erstveröffentlichung:02.11.2021
Veröffentlichende Institution:Leuphana Universität Lüneburg, Universitätsbibliothek der Leuphana Universität Lüneburg
Titel verleihende Institution:Leuphana Universität Lüneburg
Datum der Abschlussprüfung:27.10.2021
Datum der Freischaltung:02.11.2021
Seitenzahl:149
Bemerkung:
Das Rahmenpapier der kumulativen Dissertation enthält 5 Beiträge
Fakultät / Forschungszentrum:Fakultät Wirtschaftswissenschaften / Institut für Wirtschaftsinformatik (IIS)
DDC-Klassifikation:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
3 Sozialwissenschaften / 33 Wirtschaft / 330 Wirtschaft
Lizenz (Deutsch):License LogoDeutsches Urheberrecht