The­sau­rus von A bis Z

In unse­rem The­sau­rus fin­den Sie eine Lis­te von Wör­tern mit bei­gefüg­ten Erklä­run­gen oder Über­set­zun­gen aus den Aus­ga­ben der REthin­king Finan­ce. In der Zeit­schrift haben wir die­se Begrif­fe für Sie über­sicht­lich am Rand des Arti­kels in einer klei­nen Box dar­ge­stellt.

Begriffserkärung REthinking-Finance - Thesaurus von A bis Z

Activi­ty-based Cos­ting

Ganz­heit­li­che Dar­stel­lung aller direk­ten und indi­rek­ten Gemein- und Pro­zess­kos­ten.

Advanced/Predictive Ana­ly­tics

Advanced/Predictive Ana­ly­tics ermög­li­chen die (ver­bes­ser­te) Ana­ly­se gro­ßer Daten­men­gen aus struk­tu­rier­ten und unstruk­tu­rier­ten Daten­quel­len mit­hil­fe mathe­ma­ti­scher und sta­tis­ti­scher Algo­rith­men. Dies erlaubt dem Manage­ment tie­fe­re und genaue­re Ein­bli­cke, sowohl reak­tiv-ana­ly­tisch als auch pro­ak­tiv-pro­gnos­ti­zie­rend und trägt damit erheb­lich zur ver­bes­ser­ten Steue­rung der Ser­vice-Orga­ni­sa­tio­nen bei.

Agi­le Ent­wick­lung

Eine agi­le Ent­wick­lung zeich­net sich durch ite­ra­ti­ve und inkre­men­tel­le Vor­ge­hens­wei­sen aus. Zu Beginn wer­den alle Anfor­de­run­gen erho­ben und in ein­zel­ne Teil­pa­ke­te zer­legt. Die­se wer­den prio­ri­siert und in inkre­men­tel­len Ent­wick­lungs­zy­klen gelie­fert. Hier­bei kön­nen Ergeb­nis­se eines Zyklus alle ande­ren Zyklen beein­flus­sen. Durch den Selbst­steue­rungs­an­satz gehen die ein­zel­nen Teams eigen­stän­dig damit um, wodurch die Risi­ken deut­lich mini­miert wer­den und vor allem frü­her im Pro­zess ent­deckt wer­den kön­nen.

App­li­ca­ti­on-Pro­gramming-Inter­face (API)

App­li­ca­ti­on-Pro­gramming- Inter­face (API) ist eine (Prgram­mier-) Schnitt­stel­le, die es zwei Pro­gram­men ermög­licht, mit­ein­an­der zu kom­mu­ni­zie­ren.

Auto­mo­ti­ve Cap­ti­ves

Auto­mo­ti­ve Cap­ti­ves sind die Auto­ban­ken und Fuhr­park­ma­na­ger der Auto­mo­bil-Her­stel­ler, die eine stei­gen­de Bedeu­tung im Mobi­li­täts­sek­tor haben. Neben dem Ergeb­nis­bei­trag erfüllen Auto­mo­ti­ve Cap­ti­ves zusätz­lich wich­ti­ge Schlüsselfunktionen für ihren jewei­li­gen Auto­mo­bil-Her­stel­ler, wie bei­spiels­wei­se Kun­den­schnitt­stel­le, Kun­den­bin­dung, Daten Mana­ger, Mobi­li­täts­dienst­leis­ter und Flot­ten­ma­nage­ment.

Ben­eish-M-Modell

Empi­risch ent­wi­ckel­tes Modell, das auf Basis von acht Finanz­kenn­zah­len die Wahr­schein­lich­keit von Mani­pu­la­tio­nen bei Jah­res­ab­schlüs­sen von Unter­neh­men berech­net.

Brain­stor­ming

Beim Brain­stor­ming wer­den gezielt Lösun­gen für eines oder meh­re­re Pro­ble­me gesucht. Hier gilt das Prin­zip der Men­ge. Es gibt in der ers­ten Run­de kei­ne fal­schen Ide­en und Ide­en wer­den auch nicht kri­ti­siert. Eine spä­te­re Bewer­tung und Prio­ri­sie­rung bringt dann den benö­tig­ten Fokus in die The­men.

Brown-Paper-Metho­de

Die Brown-Paper-Metho­de ist ein klas­si­sches Werk­zeug der Geschäfts­pro­zess­ana­ly­se. Auf einem gro­ßen brau­nen Papier wer­den Pro­zes­se ganz­heit­lich betrach­tet und die Teil­neh­mer eines Work­shops kön­nen mit Kle­be-Kar­ten den Pro­zess mit z. B. Anfor­de­run­gen, Her­aus­for­de­run­gen, Ergeb­nis­ty­pen etc. ver­fei­nern. Man schafft sich hier­mit einen guten Über­blick und deckt häu­fig ver­steck­te Details auf.

Bud­ge­t­a­ry Slack

Unter­neh­mens­ein­hei­ten geben häu­fig Erlös- und Kos­ten­be­trä­ge an, die nicht rea­lis­tisch sein kön­nen, son­dern poli­tisch moti­viert sind, mit dem Hin­ter­ge­dan­ken, noch mög­lichst viel Spiel­raum zu haben.

Buß­geld­rah­men

Gemäß Art. 83 Abs. 4 DSGVO sind Geld­bu­ßen bis 10 Mil­lio­nen Euro bzw. bis 2 Pro­zent des welt­wei­ten Jah­res­um­sat­zes, in schwe­ren Fäl­len sogar bis zu 20 Mil­lio­nen Euro oder bis zu 4 Pro­zent des welt­wei­ten Jah­res­um­sat­zes mög­lich – jeweils je nach­dem, wel­cher Betrag höher ist.

Buy-and-Build-Stra­te­gi­en

Buy-and-Build-Stra­te­gi­en sind ein Teil des akti­ven Port­fo­lio­ma­nage­ments von Pri­va­te-Equi­ty – -(PE)-Unternehmen. Dabei spe­zia­li­sie­ren sich PE-Häu­ser auf bestimm­te, in der Regel stark frag­men­tier­te Bran­chen. Zunächst wird eine Buy-out-Trans­ak­ti­on mit einer grö­ße­ren Gesell­schaft durchgeführt (Platt­formin­ves­ti­ti­on). Anschlie­ßend wer­den meist meh­re­re klei­ne­re Unter­neh­men (Add-ons) aus der glei­chen Bran­che erwor­ben und zu einer Unter­neh­mens ein­heit ver­schmol­zen.

Chat­bot

Ein ist ein natür­lich­spra­chi­ges Dia­log­sys­tem, wel­ches die Kom­mu­ni­ka­ti­on mit einem tech­ni­schen Sys­tem über­nimmt. Die Ein­ga­be kann über Spra­che oder die Tas­ta­tur erfol­gen.

Cloud ver­sus On-Pre­mi­se

Wäh­rend die klas­si­sche Instal­la­ti­on eine eige­ne Infra­struk­tur und Soft­ware-Instal­la­ti­on („On Pre­mi­se“) benö­tigt, wird durch die Cloud eine Vir­tua­li­sie­rung der Infra­struk­tur vor­ge­nom­men. Anwen­dun­gen kön­nen damit außer­halb der IT des Unter­neh­mens bereit­ge­stellt wer­den.

Cogni­ti­ve Com­pu­ting

Cogni­ti­ve Com­pu­ting bezeich­net Tech­no­lo­gi­en, mit denen die kogni­ti­ven Fähig­kei­ten des Men­schen nach­ge­ahmt wer­den, bspw. zur Gene­rie­rung neu­er Erkennt­nis­se aus vor­han­de­nen Daten, zur Auto­ma­ti­sie­rung bis­her nicht auto­ma­ti­sier­ba­rer Tätig­kei­ten oder auch zur ange­neh­me­ren Gestal­tung von Mensch-Maschi­ne- Inter­ak­tio­nen.

Data Lake/Datensee

Unter einem Data Lake wird eine zen­tra­le Stel­le ver­stan­den, in der alle rele­van­ten Unter­neh­mens­da­ten in ihrer ursprüng­li­chen Form gespei­chert wer­den. Der Begriff wur­de von James Dixon (zu die­ser Zeit CIO bei Pen­taho, einem US-ame­ri­ka­ni­schen Soft­ware­ent­wick­ler) geprägt, um sich von Data Marts (klei­ne Daten­samm­lung mit Zweck­be­zug) abzu­he­ben.

Data Pond/Datenteich

Ein Data Pond ist von der Grund­idee her eine Data Lake, aller­dings mit Fokus auf einen bestimm­ten Bereich des Unter­neh­mens. Er ent­hält alle rele­van­ten Daten eines Unter­neh­mens­be­reichs, steht aber in kei­ner Ver­bin­dung (weder tech­nisch noch logisch) zu ande­ren Data Ponds des­sel­ben Unter­neh­mens.

Data Wareh­ouse

Zen­tra­le Daten­bank, die für Ana­ly­sen meh­re­re Daten­quel­len in einem har­mo­ni­sier­ten Daten­mo­dell ver­eint.

Deep Lear­ning

Deep Lear­ning ist ein Teil­be­reich des Machi­ne Lear­nings und nutzt viel­schich­ti­ge künstliche neu­ro­na­le Net­ze sowie gro­ße Daten­men­gen. Die Lern­me­tho­den rich­ten sich nach der Funk­ti­ons­wei­se des mensch­li­chen Gehirns und resul­tie­ren in der Fähig­keit eige­ner Pro­gno­sen oder Ent­schei­dun­gen.

Design Thin­king

Kom­pli­zier­te Pro­ble­me wer­den mit­hil­fe von Design Thin­king bear­bei­tet. In sol­chen Fäl­len ist nicht nur die Lösung unbe­kannt, son­dern auch die kon­kre­te Her­aus­for­de­rung muss erar­bei­tet wer­den. Es han­delt sich um einen Krea­tiv­pro­zess, der stark auf visu­el­le und hap­ti­sche Ein­drü­cke abstellt. Die Stär­ke des Ver­fah­rens liegt dar­in, Bedürf­nis­se und damit auch Her­aus­for­de­run­gen auf­zu­spü­ren, die dem Fach­be­reich in der Form gar nicht bewusst sind und die nicht arti­ku­liert wer­den konn­ten.

Euro Retail Pay­ments Board

Im Euro Retail Pay­ments Board (ERPB) sind unter Lei­tung der Euro­päi­schen Zen­tral­bank (EZB) sowohl Anbie­ter als auch Nut­zer von Zah­lungs­diens­ten auf euro­päi­scher Ebe­ne ver­tre­ten. Ziel­set­zung ist es, die Ent­wick­lung eines inte­grier­ten, inno­va­ti­ven und wett­be­werbs­ori­en­tier­ten Mark­tes für Mas­sen­zah­lun­gen in Euro in der Euro­päi­schen Uni­on vor­an­zu­trei­ben.

European Pay­ments Coun­cil

Der European Pay­ments Coun­cil (EPC) wur­de im Jah­re 2002 zur Schaf­fung der SEPA gegrün­det. Der EPC besteht der­zeit aus 75 Mit­glie­dern und setzt sich aus Ver­tre­tern von Ban­ken sowie natio­na­len und euro­päi­schen Ban­ken­ver­bän­den zusam­men.

Eye-Tracking

Beim Eye-Tracking wer­den die Blick­be­we­gun­gen eines Anwen­ders auf dem Bild­schirm erfasst. Damit erhält man Ein­drü­cke bezüg­lich sei­nes Lese­ver­hal­tens.

Fea­ture Engi­nee­ring

Ein Machi­ne-Lear­ning- Algo­rith­mus benö­tigt Fut­ter in Form von Daten­fel­dern, die gesam­melt, auf­be­rei­tet und selek­tiert wer­den müs­sen. Die­sen Vor­gang bezeich­net man als Fea­ture Engi­nee­ring.

Glo­bal Busi­ness Ser­vices (GBS)

Das Kon­zept der Glo­bal Busi­ness Ser­vices (GBS) ver­folgt im Rah­men eines inte­gra­ti­ven Ansat­zes das Ziel einer glo­ba­len Pro­zess­ex­zel­lenz durch eine funk­ti­ons­über­grei­fen­de Zusam­men­ar­beit mit hoher Kun­den­zen­trie­rung. Dadurch las­sen sich ins­be­son­de­re für trans­ak­tio­na­le Pro­zes­se aus den Quer­schnitts­be­rei­chen Finan­zen, HR, IT, Ein­kauf etc. deut­li­che Kos­ten­re­du­zie­run­gen durch einen hohen Auto­ma­ti­sie­rungs­grad rea­li­sie­ren.

Hockey­schlä­ger­ef­fekt

Hoher Opti­mis­mus über zukünf­ti­ge Ent­wick­lun­gen in Ver­bin­dung mit kurz­fris­ti­gen kon­stan­ten und gar rück­läu­fi­gen Ent­wick­lun­gen füh­ren zu einem Pla­nungs­bild, das einem Hockey-Schlä­ger gleicht: Eine Zeit­lang ver­läuft die Plan­li­nie hori­zon­tal, bis sie schließ­lich steil nach oben steigt.

Hub-and-Spo­ke-Archi­tek­tur

Eine Hub-and- Spo­ke-Archi­tek­tur ver­steht das Data Wareh­ouse als zen­tra­le Spei­cher­kom­po­nen­te einer ent­schei­dungs­ori­en­tier­ten Sys­tem­land­schaft, die wie die Nabe eines Rades eine mit­ti­ge Posi­ti­on ein­nimmt und mit zahl­rei­chen Spei­chen (ein- und aus­ge­hen­den Daten­flüs­sen) ver­bun­den ist.

Idea­ti­on

In Form eines Work­shops mit einer Dau­er von 2 bis 3 Stun­den erar­bei­ten Mit­ar­bei­ter eines Fach­be­reichs in einem die Krea­ti­vi­tät för­dern­den Umfeld gemein­sam Fra­ge­stel­lun­gen, die es in einem wei­te­ren Schritt zu lösen gilt. Der Fokus liegt dar­auf, vie­le Ide­en zu for­mu­lie­ren, die in einem wei­te­ren Schritt bewer­tet und prio­ri­siert wer­den.

In-Memo­ry Com­pu­ting

In-Memo­ry Com­pu­ting: Hier erfolgt die Siche­rung der Daten im RAM (Arbeits­spei­cher) und nicht wie ursprüng­lich in Daten­ban­ken auf Fest­plat­ten und Ser­vern. Dadurch wird die Geschwin­dig­keit des Daten­zu­griffs stark erhöht und zudem wer­den Daten schnell und leis­tungs­stark ver­ar­bei­tet und bereit­ge­stellt.

Inte­grier­tes Repor­ting

Die­ser Ansatz basiert dar­auf, dass inter­nes und exter­nes Repor­ting in einem Berichts­we­sen hin­sicht­lich Steue­rungs­grö­ßen und ‑kenn­zah­len har­mo­ni­siert und inte­griert wer­den. Das Repor­ting deckt somit die Anfor­de­run­gen unter­schied­li­cher Sta­ke­hol­der, inter­ner sowie exter­ner, ab.

Iso­la­ti­on Forest

Klas­si­fi­ka­ti­ons-Algo­rith­mus, der anhand von Ent­schei­dungs­bäu­men Aus­rei­ßer iden­ti­fi­ziert. Dabei wird die Kür­ze des Ent­schei­dungs­baums als Mess­grö­ße für die Iden­ti­fi­ka­ti­on von Aus­rei­ßern genutzt.

Kai­zen

Kai­zen ist ein metho­di­sches Kon­zept aus Japan, das auf der Phi­lo­so­phie der kon­ti­nu­ier­li­chen Ver­än­de­rung beruht.

Kun­den-Churn

Die Churn-Rate gibt an, wie vie­le Kun­den eines Unter­neh­mens über einen bestimm­ten Zeit­raum im Ver­gleich zum bestehen­den Kun­den­stamm abge­sprun­gen sind.

Künst­li­ches neu­ro­na­les Netz

Ein künst­li­ches neu­ro­na­les Netz ist eine Ansamm­lung von ein­zel­nen Infor­ma­ti­ons­ver­ar­bei­tungs­ein­hei­ten (Neu­ro­nen), die schicht­wei­se in einer Netz­ar­chi­tek­tur ange­ord­net sind. Künstliche neu­ro­na­le Net­ze sind inspi­riert durch das mensch­li­che Gehirn und las­sen sich für maschi­nel­les Ler­nen und die künstliche Intel­li­genz ein­set­zen. Sie kön­nen schnell sehr kom­pli­zier­te Regel­mä­ßig­kei­ten und Zusam­men­hän­ge in gro­ßen Daten­men­gen erken­nen. Es las­sen sich mit die­sen Net­zen ver­schie­de­ne Pro­blem­stel­lun­gen com­pu­ter­ba­siert lösen.

Local Out­lier Fac­tor

Clus­te­ring-Algo­rith­mus zur Iden­ti­fi­ka­ti­on von Aus­rei­ßern anhand des Ver­gleichs der Dich­te eines Punk­tes zu sei­nen Nach­barn. Bei deut­lich gerin­ge­rer Dich­te zu sei­nen Nach­barn ist ein Aus­rei­ßer iden­ti­fi­zier­bar.

Long Short-Term

Memo­ry (LSTM) Begriff aus dem Bereich neu­ro­na­ler Net­ze, der einen spe­zi­el­len Funk­ti­ons­block beschreibt, durch den sich eine Art „lan­ges Kurz­zeit­ge­dächt­nis“ inte­grie­ren lässt. Neu­ro­na­le Net­ze wer­den dadurch wesent­lich leis­tungs­fä­hi­ger.

MiFID II

MiFID II ist das all­ge­mein gebräuch­li­che Kür­zel für die Über­ar­bei­tung der 2007 ver­ab­schie­de­ten Richt­li­nie über Märk­te für Finanz­in­stru­men­te (2004/39/EG), die gemein­hin als MiFID I (Mar­kets in Finan­ci­al Instru­ments Direc­tive) bekannt ist. Die neue Richt­li­nie (2014/65/EU) und die dazu­ge­hö­ri­ge Ver­ord­nung über Märk­te für Finanz­in­stru­men­te (Mar­kets in Finan­ci­al Instru­ments Regu­la­ti­on, MiFIR, Ver­ord­nung (EU) Nr. 6002014) sind seit dem 03. Janu­ar 2018 wirk­sam.

NLP

Die Abkür­zung NLP steht für Natu­ral Lan­guage Pro­ces­sing und beschreibt Tech­ni­ken und Metho­den zur maschi­nel­len Ver­ar­bei­tung natür­li­cher Spra­che. Ziel ist es, eine mög­lichst weit­rei­chen­de Kom­mu­ni­ka­ti­on zwi­schen Mensch und Com­pu­ter per Spra­che zu ermög­li­chen.

Open Inno­va­ti­on

Mit Open Inno­va­ti­on bzw. offe­ne Inno­va­ti­on wird die Öff­nung des Inno­va­ti­ons­pro­zes­ses nach außen bezeich­net. Unter­neh­men ver­grö­ßern ihr Inno­va­ti­ons­po­ten­zi­al, indem sie ihre Pro­blem­stel­lun­gen oder geplan­ten Inno­va­tio­nen auf Inter­net­platt­for­men aus­schrei­ben („Crowd­sour­cing“). Auch Kun­den und ande­re Fach­leu­te kön­nen ein­be­zo­gen wer­den.

Ope­ra­ting Model

Ope­ra­ting Model ist die abs­trak­te oder visu­el­le Dar­stel­lung, wie eine Orga­ni­sa­ti­on wert­schöp­fend funk­tio­niert und wie sie selbst arbei­tet.

Over­fit­ting

Von einem Over­fit­ting (Über­an­pas­sung) wird dann gespro­chen, wenn ein Vor­her­sa­ge­mo­dell so spe­zi­fisch ist, dass es die zufäl­li­ge Streu­ung der Daten, aus denen die Modell­pa­ra­me­ter geschätzt wer­den, repro­du­ziert. Over­fit­ting ist daher als nega­tiv zu bewer­ten, weil die tat­säch­li­che (gerin­ge­re) Anpas­sungs­gü­te ver­schlei­ert wird und das Modell zwar bes­ser auf die Daten der Stich­pro­be ange­passt wird, aller­dings auf­grund feh­len­der Gene­ra­li­tät kei­ne Über­trag­bar­keit auf die Grund­ge­samt­heit besteht. Gleich­zei­tig wächst die Gefahr, dass irrele­van­te Varia­blen auf­grund von Zufalls­ef­fek­ten als sta­tis­tisch signi­fi­kant erschei­nen.

Over­con­fi­dence Bias

Selbst­über­schät­zung ist eine Form der sys­te­ma­ti­schen Fehl­ein­schät­zung eige­nen Kön­nens und eige­ner Kom­pe­ten­zen. Im Rah­men der Pla­nung zeigt sich die­ses Ver­hal­ten dahin­ge­hend, dass Pro­gno­se­wer­te häu­fig zu opti­mis­tisch ein­ge­schätzt wer­den.

Pay-per-Use

Pay-per-Use ist ein Abrech­nungs­mo­dell, bei dem der Kun­de nur die Leis­tung bezahlt, die er auch tat­säch­lich nutzt. Der Nut­zer hat dabei kei­ne Anschaf­fungs­kos­ten und kei­ne Kapi­tal­bin­dung.

Per­for­mance Dash­boards

Per­for­mance Dash­boards bil­den kon­zen­triert wesent­li­che Infor­ma­tio­nen für Ent­schei­dungs­trä­ger ab.

Per­so­na

Fik­ti­ve Per­son mit Cha­rak­te­ris­ti­ka und Inter­es­sen zur Ver­an­schau­li­chung einer bestimm­ten Ziel­grup­pe. Die Erstel­lung einer Per­so­na redu­ziert die Gefahr eines sub­jek­ti­ven Fokus und for­ciert die ziel­ge­rich­te­te Erar­bei­tung von und Iden­ti­fi­zie­rung mit Kun­den­be­dürf­nis­sen.

Pre­dic­tive Tech­no­lo­gies

Die­se Tech­no­lo­gie beschreibt einen Daten­ana­ly­se­al­go­rith­mus im Rah­men von Vor­her­sa­ge­ver­fah­ren. Dabei wer­den auf Basis von Mus­tern in his­to­ri­schen Daten Vor­her­sa­gen auf zukünf­ti­ge Daten getrof­fen. Pre­dic­tive Tech­no­lo­gies wer­den bereits seit eini­gen Jah­ren in Berei­chen der Markt­ana­ly­se genutzt, um bspw. sozio­öko­no­mi­sche Vor­her­sa­gen zu tref­fen.

Ran­dom Forest

Klas­si­fi­ka­ti­ons-Algo­rith­mus, der vie­le zufäl­lig her­ge­stell­te Ent­schei­dungs­bäu­me nutzt, um eine Klas­si­fi­ka­ti­ons­ent­schei­dung zu stär­ken.

Robo­tic Pro­cess Auto­ma­ti­on

RPA ermög­licht die selbst­stän­di­ge Aus­füh­rung wie­der­keh­ren­der und regel­ba­sier­ter Pro­zess­schrit­te durch spe­zi­fisch pro­gram­mier­te Soft­warero­bo­ter. Die­se Robo­ter imi­tie­ren mensch­li­che Arbeits­schrit­te anhand von vor­ge­ge­be­nen Ent­schei­dungs­re­geln und arbei­ten mini­mal­in­va­siv in bestehen­den IT-Infra­struk­tu­ren und über meh­re­re Sys­te­me hin­weg.

Robo­tics Pro­cess

Robo­tics Pro­cess Auto­ma­ti­on (RPA) bezeich­net eine Tech­no­lo­gie, bei der rein regel­ba­siert durch einen Soft­ware-Robo­ter bis­her manu­ell vom Men­schen am Com­pu­ter durchgeführte Pro­zes­se auto­ma­ti­siert wer­den.

Scrum

Scrum bezeich­net ein Rah­men­werk, inner­halb des­sen Men­schen kom­ple­xe adap­ti­ve Auf­ga­ben­stel­lun­gen ange­hen kön­nen und durch das sie in die Lage ver­setzt wer­den, pro­duk­tiv und krea­tiv Pro­duk­te mit dem höchst­mög­li­chen Wert aus­zu­lie­fern.

Seman­tik

In der Infor­ma­ti­ons­theo­rie ver­steht man unter der Seman­tik einer Infor­ma­ti­ons­fol­ge die Bedeu­tung die­ser Infor­ma­ti­ons­fol­ge.

Sen­ti­ment­ana­ly­se

Unter Sen­ti­ment ver­steht man die Sum­me der Stim­mun­gen der ein­zel­nen Akteu­re eines Markts, also die all­ge­mei­ne Markt­stim­mung. Bei der Sen­ti­ment­ana­ly­se wird dem­nach unter­sucht, wel­che Emp­fin­dun­gen inner­halb eines Mark­tes gegen­über einer bestimm­ten Sache (bspw. einem Pro­dukt oder einem Unter­neh­men) vor­herr­schen. Bei­spiels­wei­se unter­su­chen Finanz­ana­lys­ten nicht nur Akti­en-Charts und Wirt­schafts­da­ten, son­dern auch die Stim­mung der Inves­to­ren. Dar­aus wol­len sie Rück­schlüs­se dar­auf zie­hen, wie sich die Kur­se zukünf­tig ent­wi­ckeln wer­den.

Ser­vice Deli­very Model

Ser­vice Deli­very Model defi­niert die Art und Wei­se, wie der Finanz­be­reich sei­ne Dienst­leis­tun­gen an das Unter­neh­men lie­fert.

Sharing Eco­no­my

Sharing Eco­no­my (auch „Sha­red Eco­no­my“ oder „Sha­re Eco­no­my“) bezeich­net die gemein­schaft­li­che Nut­zung von Gütern durch Tei­len, Mie­ten, Lei­hen, Tau­schen oder Schen­ken sowie die Ver­mitt­lung von Dienst­leis­tun­gen.

Sin­gle Source of Truth

Bei die­sem Prin­zip ist es das Ziel, einen inte­grier­ten, ein­ein­deu­ti­gen Daten­be­stand zu haben, der sowohl kor­rekt als auch ver­läss­lich ist.

Spend Ana­ly­sis

Spend Ana­ly­sis beinhal­tet die Samm­lung, Ana­ly­se und Opti­mie­rung aller Aus­ga­be­da­ten, um Beschaf­fungs­kos­ten zu mini­mie­ren.

User Log­ging

Beim User Log­ging wer­den auto­ma­tisch alle Akti­vi­tä­ten eines Benut­zers pro­to­kol­liert. Damit kann sein Arbeits­ver­hal­ten ana­ly­siert wer­den.

Value Map

Aus­ge­hend von einem Kun­den­pro­fil und basie­rend auf der metho­den­ge­stütz­ten Betrach­tung von indi­vi­du­el­len Kun­den­be­dürf­nis­sen wird der pro­dukt-/ser­vice­spe­zi­fi­sche Wert­bei­trag für den Kun­den ermit­telt. Die Value Map fun­giert somit als stra­te­gie­ge­stütz­tes Kern­ele­ment zur Ablei­tung der Road­map und kun­den­ori­en­tier­ten Prio­ri­sie­rung von Anwen­dun­gen sowie zum kon­ti­nu­ier­li­chen Abgleich zwi­schen Pro­blem­lö­sung und Kun­den­nut­zen.

VUCA

VUCA ist ein Akro­nym für die eng­li­schen Begrif­fe Vola­ti­li­ty, Uncer­tain­ty, Com­ple­xi­ty und Ambi­gui­ty. Es kenn­zeich­net das heu­ti­ge Unter­neh­mens­um­feld

Was­ser­fall-Ent­wick­lung

Was­ser­fall-Ent­wick­lun­gen zeich­nen sich durch auf­ein­an­der­fol­gen­de Pro­jekt­pha­sen aus. Dabei flie­ßen die Ergeb­nis­se der ein­zel­nen Pha­sen immer in die nächs­te Pha­se ein. Alle Anfor­de­run­gen wer­den zu Beginn der Ent­wick­lung doku­men­tiert. Ziel ist es, das Pro­jekt als Gan­zes in einem Durch­gang zu lie­fern.

XRech­nung

Durch den Beschluss des IT-Pla­nungs­rats vom 22.06.2017 ist XRech­nung maß­geb­lich für die Umset­zung der Richt­li­nie 2014/55/ EU in Deutsch­land. XRech­nung ist der natio­na­le Stan­dard zur elek­tro­ni­schen Rech­nungs­stel­lung bei öffent­li­chen Auf­trag­ge­bern. Der Stan­dard XRech­nung wird von der Koor­di­nie­rungs­stel­le für IT-Stan­dards (KoSIT) im Auf­trag des IT-Pla­nungs­rats betrie­ben und besteht aus ver­schie­de­nen Kom­po­nen­ten, die die tech­ni­sche Umset­zung unter­stüt­zen.