Digitalisierung in der deutschen Private Equity Branche. Auswirkungen auf den Investmentprozess (eBook, PDF)
Versandkostenfrei!
Sofort per Download lieferbar
Statt: 52,95 €**
39,99 €
inkl. MwSt. und vom Verlag festgesetzt.
**Preis der gedruckten Ausgabe (Broschiertes Buch)
Alle Infos zum eBook verschenkenWeitere Ausgaben:
PAYBACK Punkte
0 °P sammeln!
**Preis der gedruckten Ausgabe (Broschiertes Buch)
Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Investition und Finanzierung, Note: 1,0, Internationale Fachhochschule Bad Honnef - Bonn, Sprache: Deutsch, Abstract: Ziel dieser Bachelorthesis ist es, die Frage zu klären, inwieweit PEGs durch den Einsatz von Big Data (Analytics) und KI generell profitieren können, und ob diese Technologien nicht nur ein Modetrend sind, den es zu verwerfen gilt aus Sicht einer PEG. Die übergeordnete Frage lautet hierbei: Inwiefern die Digitalisierung die Private Equity-Branche durch den Einsatz von Big Data und Künstlicher Intelligenz verändert? Somi...
Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Investition und Finanzierung, Note: 1,0, Internationale Fachhochschule Bad Honnef - Bonn, Sprache: Deutsch, Abstract: Ziel dieser Bachelorthesis ist es, die Frage zu klären, inwieweit PEGs durch den Einsatz von Big Data (Analytics) und KI generell profitieren können, und ob diese Technologien nicht nur ein Modetrend sind, den es zu verwerfen gilt aus Sicht einer PEG. Die übergeordnete Frage lautet hierbei: Inwiefern die Digitalisierung die Private Equity-Branche durch den Einsatz von Big Data und Künstlicher Intelligenz verändert? Somit sollen die Potenziale von Big Data (Analytics) und KI im Hinblick auf PE aufgezeigt werden. Dabei soll explizit die Value-Komponente von Big Data im Mittelpunkt stehen. Nach Coekelbergs/v. Nell-Breuning (2019) hat diese Value Komponente Auswirkungen auf die folgenden drei Phasen des Investmentprozesses: Deal Sourcing, Due Diligence, und operative Wertschöpfung. Wie sich diese Phasen genau verändern, soll im Verlauf detaillierter herausgearbeitet werden. Die vorliegende Thesis ist in fünf Kapiteln mit Unterkapiteln gegliedert. Im ersten Kapitel werden der Forschungsstand und die Forschungslücke detailliert herausgearbeitet, als auch die Hypothesen dargestellt, bevor in den Kapiteln 2 und 3 die praktischen Grundlagen für Private Equity und Big Data geschaffen werden. Anschließend werden in Kapitel 4 der traditionelle Ablauf und die digitale Transformation des Investmentprozesses aufgezeigt. Hinsichtlich der digitalen Transformation wird ein eigener Use Case aufgestellt und eine eigene Vorgehensweise für die jeweiligen Investmentphasen vorgeschlagen. Abschließend werden in Kapitel 5 die Experteninterviews als qualitative Forschungsmethode analysiert und ausgewertet. Dabei legt der Verfasser großen Wert auf Verbindung von Theorie und Praxis, wobei die theoretischen Erkenntnisse aus den Kapiteln 2 und 3 als Fundament für das praktische Verständnis dienen. Aufgrund dessen, dass der Umfang dieser Thesis begrenzt ist, wird eine thematische Abgrenzung erfolgen. Deshalb wird das Hauptaugenmerk auf die Begriffe und Themen zum Private Equity, Big Data und Künstlicher Intelligenz gelegt. Hinsichtlich PE werden auch Venture Capital mit umfasst und die Grundlagen (Begriffsabgrenzungen, Geschäftsmodell und Strukturen) lediglich in groben Zügen dargestellt. Der Schwerpunkt stellt der Investmentprozess dar, welcher anhand der digitalen Möglichkeiten "modernisiert" werden soll. Von dieser Thesis nicht erfasst werden Hedge Funds und andere Arten der Unternehmensfinanzierung oder Formen der Beteiligungsfinanzierung (z. B. Business Angels, etc.).
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.
Andere Kunden interessierten sich für
