InfoMgmt ML 2015/2016 VIVC VL 2015/2016

Transkript

1 InfoMgmt ML 2015/2016 VIVC VL 2015/2016 Informationsmanagement Teil Informationsmanagement Verkaufsinformation / Verkaufsinformation - Teil Verkaufsinformation Markus Troxler September 2015

2 Dozent Markus Troxler Jahrgang 1961 / verheiratet / 2 Kinder Tätigkeiten: Unternehmer / CEO Edorex Informatik AG Partner oprandi & partner ag BEGASOFT AG (Verwaltungsratspräsident) Troxler Sport & Mode AG (Verwaltungsrat) Dozent (smi / Firmenschulungen und -seminare) Führungs- und Verkaufserfahrung seit 1982: Ascom AG, Delec AG, Fujitsu Siemens Computers AG Hobbys: Eishockey, Sport allgemein, Politik und Familie markus.troxler@edorex.ch 2

3 Informationsmanagement Übersicht Prüfungsteil Vertiefungsfach gem. Punkt Wegleitung Themenübersicht / Lerninhalte Grundlage des Informationsmanagement Gestaltung von Systemen und Instrumenten des Informationsmanagements Anwendung von Systemen, Instrumenten und Methoden des Informations-Managements im Marketing. Unterrichtsstruktur Buch Vertriebscontrolling So steuern Sie Absatz, Umsatz und Gewinn von Mario Pufahl Folien und eigene Notizen. 3

4 Verkaufsinformation &Vertriebscontrolling Übersicht Prüfungsteil Vertiefungsfach gem. Punkt 3.8 Wegleitung Themenübersicht / Lerninhalte Verkaufs- und Distributionscontrolling Entwicklung und Einsatz MIS /VIS Erfolgsanalysen Zusammenarbeit mit dem Controllerdienst Unterrichtsstruktur Buch Vertriebscontrolling So steuern Sie Absatz, Umsatz und Gewinn von Mario Pufahl Folien und eigene Notizen. 4

5 Themen ML & VL Lektionen vom , und : Informationsmanagement Stoffvermittlung : Review Informationsmanagement Controlling Stoffvermittlung : Besprechung Fallstudie Review & Vertiefung 5

6 Themen VL Lektionen vom : Umfassende Fallstudie lösen & besprechen Review & Vertiefung 6

7 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 7

8 Informationsmanagement Aufbau eines Cockpits 8 8

9 Informationsmanagement Aufbau eines Cockpits Echtzeitvisualisierung von wichtigen Geschäftszahlen (kein aufwändiges Zusammentragen von Daten!) Stetige Kontrolle und Analyse Simulationsmöglichkeiten 9 9

10 Für den Aufbau eines Cockpits benötigt es Datenquellen und spezifiziertes Wissen FIS -Cockpit Interne Daten (Innensicht) Externe Daten (Aussensicht) Finanzen Sparten 1-4 IT Markt & Wettbewerb Politische Entwicklungen Logistik Marketing Projekte / Entwicklung Konjunkturdaten Etc. Ressourcen Customer Service Risiken FIBU CRM Zahlen Excel- Tabelle xy Risk Reporting Lohnbuchhaltung Issue- Bericht 10 10

11 Informationssysteme bilden: das Fundament des Entscheidungsprozesses liefern dem Management die Unterstützung um die notwendigen Entscheidungen kurzfristig und effizient treffen zu können. 11

12 Informationsmanagement / Verkaufsinformation 12

13 Informationsmanagement / Verkaufsinformation Fachbuch Vertriebscontrolling So steuern Sie Absatz, Umsatz und Gewinn von Mario Pufahl 5. Auflage, ISBN: Heutiger Stoff: Vertriebsinformationssysteme (VIS) Kapitel 5, Seite Trends im Vertiebscontrolling Kapitel 6, Seite

14 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 14

15 Begriffsdefinitionen Informationsmanagement Informationsmanagement wird als das Leitungshandeln (das Management) im Unternehmen in Bezug auf Information und Kommunikation verstanden und umfasst alle Führungsaufgaben, die sich mit Information und Kommunikation... befassen. Quelle: Heinrich, Lutz J., Wikipedia Führungsinformationssystem (FIS) Als Führungsinformationssystem bezeichnet man Informationssysteme, welche Informationen über alle das betrachtete Unternehmen oder Organisation betreffenden Sachverhalte (sowohl aus unternehmens-internen als auch -externen Quellen) sammeln, aufbereiten und dem Management in geeigneter Form (führungsadäquat) zur Verfügung stellen. Quelle: Heinrich, Lutz J., Wikipedia 15 15

16 Informationsgewinnung und -speicherung Datenanalyse Informationsmanagement/V-Info/Controlling Überblick über Thematik Interaktion mit Kunden im Rahmen der Marktbearbeitung Kontaktkanäle persönlicher Kontakt Brief/Telefon/Fax Internet WAP Interaktionen Kundenanfragen Beratungsgespräche Verkaufstransaktionen Kundenbeschwerden ERP-System (Administration, Disposition, Abrechnung) CRM-System (Marketing-, Verkauf-, Service-Management) ETL Analyse- Ergebnisse Marketing- und Verkaufsplanung Data Warehouse Kunden Konkurr. Markt ETL Marktbeobachtung Gewinnung von Information über Kunden Mitbewerber allgemeines Marktumfeld Daten Analyse-Ergeb. Daten Analyse-Ergeb. Berichts- und Kontrollsystem Spezielle Analyse Einleitung von Massnahmen (strat./takt. Ebene) Marketing- und Vertriebscontrolling (operative Ebene) Marketing- und Verkaufsinformationssystem Vertriebscontrolling (Vernetzung mit Planung und Kontrolle) 16 16

17 Aufgaben Info-Management/ V-Info/Controlling Informationsgewinnung und speicherung* Voraussetzung dafür: Gesamtheit aller Personen und Abteilungen, technischen Einrichtungen und Verfahren zur Gewinnung, Zuordnung, Analyse und Bewertung und Weitergabe zeitnaher und zutreffender Informationen an VL Gliederung der (Kunden)-Informationen nach Grunddaten statisch, ändern sich selten (Adresse, Abhängigkeit zu Produkt etc.) Potentialdaten geben Auskunft über Kaufverhalten (was, wann und wieviel wurde gekauft) Aktionsdaten zeigen Interaktionen mit dem Kunden auf (Mailings, Besuche, Intensität, Zeitpunkt, Kosten dafür) Reaktionsdaten liefern Aufschluss über Kundenverhalten (Kunden-DB, Umsatz, Auftragseingang, Zufriedenheit** etc.) * oder Informationsversorgung ** nicht-monetäre Grösse 17

18 Aufgaben Info-Management/ V-Info/Controlling Datenanalyse Wird primär über Berichts-/Kontrollsystem erstellt. Kern davon ist die Erstellung standardisierter Analysen und Kontrollaktivitäten wie automatische Generierung von monatlichen Absatz-/Umsatzstatistiken (Gesamtabsatz, Produkte, Kunden, Regionen ) etc. Bei spezifischeren Sachverhalten bedarf es spezieller Analysen (wie Kundesegmente) z.b. mittels einer Tabellenkalkulation, Statistikprogrammen, OLAP oder Techniken des Data Mining via Datawarehouse 18

19 Aufgaben Info-Management/ V-Info/Controlling Planung (Planungsprozess) Durch das Festlegen von marketing- und verkaufsbezogenen Zielen, Aktivitäten und Budgets für einen festgelegten Zeitraum nimmt man die Marketing- und Verkaufsplanung vor. Marketingstrategie kurzfristige Analyse legt die grundlegenden Ziele und Grundsätze der Marktbearbeitung fest Strategische Planung langfristig orientiert Rollende Fortschreibung geringer Detaillierungsgrad abgeleitet von M-Strategie strategischer Marketing- und Verkaufsplan (3 5 Jahre) [Top-down-Planung] Konkretisierung Detaillierung operativer Marketing- und Verkaufsplan (<= 1 Jahr) [Gegenstromverfahren] Operative Planung kurzfristig orientiert Konkretisierung der strat. Planung hoher Detaillierungsgrad Ziele Aktivitäten Budgets Ziele Aktivitäten Budgets definieren definieren definieren definieren Top-down-Planung retrograde Planung, von oben nach unten Bottom-up-Planung progressive Planung, entgegengesetzt zur Top-down-Planung Gegestromverfahren Verschmelzung von Top-down mit Bottom-up Produktionsplanung Personalplanung 19

20 Aufgaben Info-Management/ V-Info/Controlling Kontrolle Darunter versteht man die Gegenüberstellung eines Ist-Zustandes mit dem Soll-Zustand. Der Soll-Zustand leitet man meistens aus der Marketing- und Verkaufsplanung ab. Da die Kontrolle einen Beitrag zur Sicherstellung der Planerreichung leistet, läuft sie parallel zur Umsetzung von Plänen; man unterscheidet auch hier zwischen strategisch und operativ. 20

21 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 21

22 Herausforderungen vom Business durch höheren Automatisierungsgrad Zeit und Kosten sparen. Qualitätssteigerung erreichen durch eine integrierte Datenverarbeitung ohne manuelle Eingriffe. keine Medienbrüche einen ganzheitlichen Ansatz zur Bereitstellung der Informationen nur noch eine Version der «Wahrheit». 22

23 Informationen Nutzen/Unterstützung Systematische Informationsgewinnung und Auswertung Kunden analysieren Markt beurteilen/einschätzen Mitbewerber beurteilen Produkte und Leistungen am Markt positionieren Organisation (VD/AD) bewerten und ausrichten Prozesse (Vertrieb) aufnehmen und verbessern Risikobeurteilung Frühwarnsystem definieren 23

24 Komponenten Managementunterstützungssysteme (MUS) Managementuntersützungssysteme (MUS) = engl. Management Support-Systeme (MSS) Basissysteme Führungsinformationssysteme (FIS)* Entscheidungsunterstützungssysteme (EUS)** Kommunikationsunterstützung Datenunterstützung Textverarbeitung Tabellenkalkulation Grafik/Präsentation Terminverwaltung Projektplanung Chat (Netmeeting) VoIP (Skype) Videokonferenz Standard-Reporting Adhoc-Reporting Simulation Prognose Optimierung * engl. Executive Information System (EIS) ** engl. Decision Support System (DSS) 24 24

25 Begriffsbestimmung und Abgrenzung (Definition Managementunterstützungssysteme) Grundlegende Managementaufgaben: Ziele setzen Planen Entscheiden Realisieren Kontrollieren Kommunikation als Bestandteil dieser Teilaufgaben Managementunterstützungssysteme sind rechnerbasierte Systeme, deren Komponenten die Informationsbereitstellung sowie die Entscheidungs- und Kommunikationsprozesse bei Managementaufgaben unterstützen

26 Traditionelle Abgrenzung nach Unternehmungs-/Managementebenen Geschäftstransaktion Daten Information FIS Managemententscheid BI* Planungs- und Kontrollsysteme Informationssysteme wie -OLAP -EUS -Expertensyst. -Data Mining -MIS Strategische Ebene (Top Management) Taktische Ebene (Middle Management) MUS* Transaktionsverarbeitungssysteme Operative Ebene (Lower Management) * BI hat sich in den Unternehmen durchgesetzt und wird synonym für MUS verwendet. MUS ist vorwiegend in der Wissenschaft anzutreffen

27 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 27

28 Definition MIS MIS Managementinformationssystem (MIS) ist ein computergestütztes Informationssystem zur Unterstützung von Managemententscheidungen. Die Aufgaben eines MIS aus Anwendersicht sind: gezielte Verdichtung und Ausgabe von elementaren Daten des Unternehmens und der Umwelt Entscheidungsvorbereitung durch ad hoc angestoßene Planungsläufe auf beliebiger Verdichtungsstufe. Kontrolle der aus einer Entscheidung resultierenden Tätigkeiten. 28

29 Unterscheidung MIS / MAIS (VIS) Unterscheidung MIS (Management-Informationssysteme), MAIS (Marketing-Informationssysteme) und VIS (Verkaufsinformationssystem) Ein MIS ist für das Management eines Unternehmens / einer Organisation konzipiert und enthält neben marketingrelevanten auch Informationen über die anderen Bereiche eines Unternehmens. VIS stellen dem Management und den Verkaufsmitarbeitern Informationen auf unterschiedlichsten Verdichtungsstufen zur Verfügung. VIS wird auch im Aussendienst als Computer Aided Selling (oder Sales Force Automation) eingesetzt Idealerweise ist ein MAIS / VIS in einem MIS integriert. 29

30 Business Intelligence (BI) Business Intelligence (BI) ist eine Schlüsseltechnologie, die es Unternehmen ermöglicht, Informationen zu allen zentralen Vorgängen zu verstehen und darauf zu reagieren. Vielen Unternehmen aber fehlt die Strategie, um die Schlüsseltechnologie optimal zu nutzen. 30

31 Business Intelligence (BI) Nutzung der Unternehmensdaten aus verschiedenen Datenquellen Darstellung der Kennzahlen auf einer Reportingoberfläche Zeitnahe Berichterstattung über interne Abläufe und Geschäftsprozesse Möglichkeit dynamischer Planung und Vorhersagen 31

32 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 32

33 Business Intelligence Schematisch 33

34 BI Abgrenzung DWH und BI Abgrenzung zwischen DWH und BI wird nicht überall gleich gehandhabt. BI BI DWH 34

35 BI/DWH Kategorien - komplex Eigenschaften: mehrere interne und externe Quellsysteme Verknüpfung der Daten Historisierung grosse Datenmengen Aggregationen OLAP-Würfel Standardberichte Ad hoc-analysen Planung und Hochrechnung Rückfluss in Quelle Sehr hohe Kosten für Aufbau, Unterhalt und Betrieb 35

36 BI/DWH Kategorien - normal Eigenschaften: mehrere interne Quellsysteme Verknüpfung der Daten Historisierung mittlere Datenmengen Aggregationen Standardberichte Ad hoc-analysen z.t. Planungen hohe Kosten für Aufbau, Unterhalt und Betrieb 36

37 BI/DWH Kategorien - klein Eigenschaften: 1 bis 2 Quellen Auswertung direkt auf Quellen Einstiegsangebote vorhanden Kleine Kosten für Aufbau, Unterhalt und Betrieb 37

38 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 38

39 BI Systemarchitektur Anwenderwerkzeuge Reporting, Analyse, MIS Planung, Data Mining Datenaufbereitung OLAP Informationsmodellierung Data Warehouse Datenspeicherung Administration Datenintegration Extraktion, Transformation, Laden* Qualitätssicherung Operationelle Systeme (Vorsysteme) Transaktionsabwicklung Anbindung externer Quellen * ETL-Werkzeug 39 39

40 Datawarehouse-Konzept Operationelle Systeme Datawarehouse Management Software (ETL) Datawarehouse Meta- Datenbank Extraktion Strukturierung Aufbereitung Bereinigung Analysen Datenbank Business Intelligence (BI) Ursprungsdaten (externe Daten) EIS-Arbeitsplatz Analyse von Trends Verfolgung von Datenwerten Einzelwertbetrachtungen Problembetrachtungen Vergleichsanalysen 40

41 Informationsbedarf, -angebot und -nachfrage Angebot 6 Informationsbedarf Nachfrage 7 1) Notwendige, nicht nachgefragte und nicht vorhandene Information 2) Vorhandene und notwendige, aber nicht nachgefragte Information 3) Notwendige und nachgefragte, aber nicht vorhandene Information 4) Vorhandene, notwendige und nachgefragte Information! 5) Vorhandene und nachgefragte, jedoch nicht notwendige Information 6) Vorhandene, nicht nachgefragte und nicht notwendige Information 7) Nachgefragte, nicht vorhandene und nicht notwendige Information 41 41

42 Gestaltung eines BI-/Informations-Systems Folgende Fragen sind zu beantworten Welche Informationen sollen in das System aufgenommen werden? Via Umwelt- und Unternehmensanalyse Wie sollen die Daten beschafft, aufbereitet und bereitgestellt werden? Intern/extern, manuell/automatisch etc. In welcher Form sollen die Informationen angeboten werden? Technik/Hard- und Software Wie soll bei der Entwicklung und Einführung vorgegangen werden? Projektmanagement 42 42

43 Informationsbedarf Die Beschaffung des Informationsbedarfs sollte ökonomisch erfolgen Die Informationsanalyse geht davon aus, dass jede Beschaffung oder Erarbeitung von Information Kosten verursacht, denen ein Wert gegenüber stehen muss, der durch die Verwendung der Information herbeigeführt werden kann. Unter Informationswert wird ein Betrag verstanden, der das Geschehen beeinflusst und den Grad der Aufgabenerfüllung verändert. Dabei kann die Funktion der Werterhaltung wie auch der positiven oder negativen Wertschöpfung dienen. Der Informationswert kann also ein positives wie negatives Vorzeichen aufweisen. 43

44 Informationsmanagement - Aufgaben 1. Informationsbedarfsanalyse Welche Informationen werden benötigt? 2. Informationsbeschaffung Wie und woher werden die Informationen beschafft? Realisation der Beschaffung 3. Informationsverwaltung, Archivierung, Speicherung Wie werden die Informationen verwaltet, archiviert und abgelegt? 4. Informationsanalyse, Informationsaufwertung Wie werden die Informationen ausgewertet und aufgearbeitet? 5. Informationsübermittlung Wer erhält die Informationen und wie erhält er sie? 44

45 Fragen? / Antworten! 45

46 Schlüsseltechnologien Schlüsseltechnologien der systematischen Informationsauswertung Data Mart / Data Warehouse Online Analytical Processing (OLAP) Data Mining 46

47 Schlüsseltechnologien - Overview 47

48 Was ist ein Data Warehouse (DWH)? Eine aus verschiedenen operationellen Systemen gespiesene Datenbank, die als unternehmensweite Datenbasis für das gesamte Spektrum management-unterstützender Systeme dient. Physisch und logisch von Transaktionssystemen getrennt (analytische Systeme). Mit integrierten, konsistenten und leicht zugänglichen Daten. Diese sind historisch und abgeleitet mit unterschiedlichsten Detaillierungsgraden. Die Daten sind dauerhaft abgelegt (verändern sich nicht)

49 Definition Data Warehouse (DWH) Ein DWH ermöglicht eine globale Sicht auf heterogene und verteilte Datenbestände, indem die für die globale Sicht relevanten Daten aus den Datenquellen zu einem gemeinsamen konsistenten Datenbestand zusammengeführt werden. Meist ist ein DWH die Basis für die Aggregation von betrieblichen Kennzahlen und Analysen innerhalb mehrdimensionaler Matrizen (OLAP-Würfel), dem sogenannten Online Analytical Processing (OLAP). Ein Data-Warehouse ist häufig Ausgangsbasis für Data Mining (auch Datenschürfung). 49

50 Definition Data Mart In der Regel baut ein Data Mart auf einem Data Warehouse auf Diese Datenbank ist auswertungsorientiert und bildet eine eingeschränkte Menge von Sachverhalten ab Damit wird die Komplexität des Datenschemas und des Datenvolumens reduziert Ein Data Mart kann in Form eines Cubes innerhalb des DWH oder als physisch getrennter Datenbestand realisiert sein Entbindet Analytiker vor Überlegungen zur Datenaufbereitung 50

51 Data Mart Bei sehr grossen Datenbeständen kann sich der interaktive Zugriff der Benutzer auf die zentrale unternehmensweite Datenbank eines Data-Warehouse als zu unflexibel und zu langsam erweisen. Aus diesem Grund werden häufig funktionsbereichs- oder personengruppenspezifische Extrakte aus der Datenbasis entnommen und als Data-Marts separat gespeichert. Ein Data-Mart ist somit ein aggregierter Teilausschnitt aus der unternehmensweiten Datenbasis, mit dem sich ein Grossteil der Abfragen eines Funktionsbereichs oder einer Personengruppe einfach und schnell bedienen lässt (siehe auch OLAP.) 51

52 Data Mart Gründe für das Arbeiten mit Kopien aus dem Data-Warehouse anstelle des direkten Zugriffs auf die Daten im Data-Warehouse anhand von Sichten (Views) können sein: Eigenständigkeit der Anwender, z. B. Mobilität, Unabhängigkeit von anderen Organisationsbereichen) spezielle Datenstrukturen, z. B. für die mehrdimensionale Analyse, das sogenannte Online Analytical Processing (OLAP) bessere Leistung (Performance): Verlagerung von Rechnerleistung auf einen anderen Rechner und/oder Verlagerung von Zugriffen auf einen anderen Speicher und/oder im Falle von lokaler Nutzung weniger Netzbelastung mehr oder auch weniger Zugriffsschutz: Abgrenzung gegenüber anderen Nutzern oder Öffnung für weitere Nutzer. 52

53 Begriffe Datenquelle / Data Source Datenquelle / Data Source Datenbasis für Kennzahlen Daten aus Geschäftsprozessen (Finanzen, Aufträge, Kunden) Externe Daten (Marktforschungsdaten, Bevölkerungszahlen, Wirtschaftsprognosen) 53

54 Begriffe DWH / Data Mart Data Mart / Data Warehouse Informationsspeicher als Basis für die Kennzahlen Ermöglicht die schnelle Erstellung von Auswertungen Für Auswertungen geeignete Struktur Daten aus mehreren Quellen Historische Abbildungen möglich Data Warehouse = Summe aller Data Marts 54

55 Analyse von Kundenbeziehungen: Grundlegende Datenanalyseansätze 55 55

56 Analyse von Kundenbeziehungen: Datenanalyseansätze Data Mining ein Muss? Leider werden heute Analysen im CRM ausschliesslich mit Data Mining in Verbindung gebracht Data Mining wird gerne als Oberbegriff für jede Form der computergestützten (modernen, intelligenten) Analyse gebraucht Data Mining bietet Einblicke und Erkenntnisse in das Kundenverhalten, die ohne DM nur durch Zufall, mit sehr viel Mühe oder gar nicht möglich sind (20% der betrieblichen Datenbestände geben ihr Potenzial mittels klassischer Anlayse nicht Preis) Data Mining ist einer von mehreren Ansätzen zur Datenanalyse, der jedoch nicht immer für alle Problemfälle gleich gut geeignet ist 56 56

57 Analyse von Kundenbeziehungen: Hypothesengetriebene Analyse (top-down-probleme) Typischerweise beantwortet man mit Datenanalysen folgende Fragen: Welchen Umsatz hat Kunde 4711 im letzten Jahr bei uns gemacht? Welche Artikel haben beim Kunden 4712 im letzten Quartal zu dem negativen Deckungsbeitrag geführt? Welche Kunden liegen in der Warengruppe XY kumuliert unter dem Vorjahresumsatz? oder allgemein: welche Daten passen zu einem vorgegebenen Muster? Konkrete Vorstellung, wonach man in den Daten suchen muss (Hypothese) Standardfall der klassischen Datenanlyse 57 57

58 Analyse von Kundenbeziehungen: Datengetriebene Analyse (bottom-up-probleme) Die analytische Fragestellung ist nicht konkret und beginnt meistens mit Wie kann ich? oder Warum?. Beispiele: Welche Kunden soll ich in einer Direktwerbekampagne anschreiben? Welche Artikel verkaufen sich besonders gut zusammen? Welche Eigenschaften zeichnen unsere Stammkunden? oder allgemein: welche Muster stecken in den vorliegenden Daten? Komplexer Suchraum, da keine Begrenzungen durch konkrete Annahmen vorgegeben sind. Arbeitet man auf nicht strukturierten Daten (Text, Web), spricht man von Text Mining oder Web Content Mining) 58 58

59 Begriff OLAP OLAP Online Analytical Processing: OLAP Tools setzen auf dem Data Mart oder Data Warehouse auf. bieten dem Nutzer die Möglichkeit, Abfragen zu definieren, auszuführen und abzuspeichern. Die Abfragen sind vordefiniert oder individuell 59

60 Begriff OLAP OLAP Online Analytical Processing: Bezeichnung steht für multidimensionale Datenanalyse. Darunter versteht man die Konsolidierung von Daten sowie die Art und Weise, diese darzustellen und so zu analysieren, dass dies für verschiedene Personen im Unternehmen einen Sinn ergibt (ermöglicht intuitives Arbeiten mit den Unternehmensinformationen). Multidimensionale Speicherung von Daten Aggregierte Daten sind vorberechnet Erlaubt sehr schnellen Datenzugriff 60

61 Beispiel Wein-Shop Umsatz pro Zeit und Produkt Umsatz Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotweine Chardonnay Zinfandel Weissweine Alle Produkte

62 Beispiel Wein-Shop Umsatz pro Zeit, Produkt und Region Umsatz, Alle Regionen Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotweine Chardonnay Zinfandel Weissweine Alle Produkte Umsatz, Oesterreich Umsatz, Deutschland Jan Feb Mrz Q1 Apr Merlot Jan 3Feb 4Mrz 4 Q111Apr Merlot Cabernet-S Cabernet-S. Shiraz Shiraz Rotweine Rotweine Chardonnay Chardonnay Zinfandel Zinfandel Weissweine Weissweine Alle Produkte Alle Produkte Umsatz, Schweiz Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotweine Chardonnay Zinfandel Weissweine Alle Produkte

63 Beispiel Wein-Shop Umsatz pro Zeit, Produkt, Region, Distributionskanal,... Umsatz, Oesterreich, Alle Distributionskanäle Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Umsatz, 272 Alle 781Regionen, Alle Distributionskanäle 3760 Chardonnay Jan... Feb 1051 Mrz Q1 Apr Zinfandel Merlot Umsatz, Bern, Homepage Weissw eine Cabernet-S Umsatz, Bern, Fax Jan Feb Mrz Q1 Apr... Alle 2000 Produkte Shiraz Merlot Jan 11 Feb 26Mrz 22 Q1 59Apr Rotw eine Merlot Cabernet-S Chardonnay Cabernet-S. Shiraz Umsatz, Deutschland, Zinfandel Telefon Shiraz Rotw eine Umsatz, Deutschland, Weissw Jan Homepage eine Feb Mrz 77 Q1 86Apr Rotw Chardonnay eine Umsatz, Merlot Deutschland, Fax Jan Alle Produkte 3 Feb 4 Mrz Q1 11Apr Chardonnay Zinfandel Merlot Cabernet-S. Jan 11 Feb 8 26Mrz Q1 59Apr Umsatz, Schw eiz, Telefon Zinfandel Weissw eine Merlot Cabernet-S. Shiraz Umsatz, Schw eiz, Homepage Jan Feb Mrz Q1 Apr Weissw Alle Produkte eine Cabernet-S. Shiraz Rotw eine Umsatz, Merlot Schw eiz, Fax Jan 3 Feb 4 Mrz 4 Q1 11Apr Alle Produkte Rotw 43 Shiraz Chardonnay eine Umsatz, , 114 Telefon Merlot Cabernet-S. Jan 11 Feb 8 26Mrz Q1 59Apr Rotw Chardonnay Zinfandel eine Umsatz, , Homepage Jan Feb Mrz Q Apr Merlot Cabernet-S. Shiraz Chardonnay Zinfandel Weissw eine Umsatz, Merlot 25..., 6 15 Fax Jan Feb Mrz Q Apr Cabernet-S. Shiraz Rotw eine Zinfandel Weissw Alle Produkte eine Merlot Cabernet-S Jan Feb Mrz Q Apr Shiraz Rotw Chardonnay eine Weissw Alle Produkte eine Merlot Cabernet-S. Shiraz Chardonnay Zinfandel Rotw eine Alle Produkte Cabernet-S. Shiraz Rotw 144 eine Zinfandel Weissw eine Jan Feb Mrz Q1 Apr Chardonnay Shiraz Rotw Chardonnay eine Weissw Alle Produkte eine Merlot Jan Feb Mrz Q111 Apr Zinfandel Rotw Chardonnay Zinfandel eine Merlot Alle Produkte Cabernet-S. Jan 3 Feb Mrz 414 Q11133 Apr Weissw eine Chardonnay Zinfandel Weissw eine Merlot Cabernet-S. Shiraz Jan 3Feb 816 4Mrz Q1 11Apr Alle Produkte Zinfandel Weissw Alle Produkte eine Merlot Cabernet-S. Shiraz Rotw eine Cabernet-S. Rotw Weissw Alle Produkte eine Shiraz Chardonnay eine Shiraz Rotw Chardonnay eine Alle Produkte Rotw Chardonnay eine Chardonnay Umsatz, Bern, Alle Distributionskanäle Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte Umsatz, Bern, Telefon Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte Umsatz, Schw eiz, Alle Distributionskanäle Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte Umsatz, Oesterreich, Telefon Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte Umsatz, Oesterreich, Homepage Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte Umsatz, Oesterreich, Fax Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Umsatz, 157 Alle 39 Regionen,... Homepage 955 Rotw eine Umsatz, Alle Regionen, Jan Fax2075Feb Mrz Q1 Apr Chardonnay Merlot Jan Feb Mrz 22 Q1 59Apr Zinfandel 12 9 Merlot 32Cabernet-S Weissw eine Cabernet-S. 54Shiraz Alle Produkte Shiraz 173Rotw 538 eine Rotw Chardonnay eine Chardonnay Zinfandel Zinfandel Weissw eine Weissw Alle Produkte eine Alle Produkte Umsatz, Alle Regionen, Telefon Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte Umsatz, Deutschland, Alle Distributionskanäle Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte Umsatz,..., Alle Distributionskanäle Jan Feb Mrz Q1 Apr Merlot Cabernet-S Shiraz Rotw eine Chardonnay Zinfandel Weissw eine Alle Produkte

64 Wofür wird OLAP benötigt? OLAP erleichtert die Analyse von Kennzahlen unter verschiedenen Gesichtspunkten (Dimensionen) Wie gross ist der Umsatz pro Zeit, Geschäftsbereich und Kundengruppe? Wie gross ist der Umsatz pro Zeit und Produkt?... 64

65 Wofür wird OLAP benötigt? Weitere Kennzahlen Gewinn pro Produkt und Monat? Kosten pro Produkt und Monat? Berechnete Kennzahlen Anteil des Gewinns der einzelnen Produkte am Gesamtgewinn? Veränderung des Umsatzes im Vergleich zum Vormonat? Weitere Dimensionen und Hierarchien Umsatz pro Distributionskanal? Gewinn pro Kundengruppe? Grafische Geeignete graphische Darstellungen Darstellungen?... 65

66 Was ist OLAP? OLAP ist ein Überbegriff für Technologien, Methoden und Tools zur Ad-hoc-Analyse multidimensionaler Informationen... eine Komponente der entscheidungsorientierten Informationsverarbeitung Produkt Region Umsatz Zeit 66

67 Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Nov Dez Produkte OLAP Charakteristika Dimensionen Daten werden über Dimensionen beschrieben. Merlot Cabernet-S. Shiraz Chardonney Zinfandel Deutschland Oesterreich Schweiz Zeit Begriffe: Multidimensionalität, Hypercubes, Ausprägungen (Members), Zellen 67

68 Jan Feb Mrz Q1 Apr Mai Jun Q2 Jul Aug Sep Q3 Okt Nov Dez Q Produkte OLAP Charakteristika Hierarchien Dimensionen können Hierarchien haben. Alle Produkte Rotweine Merlot Cabernet-S. Shiraz Weissweine Chardonney Zinfandel Alle Regionen Deutschland Oesterreich Schweiz Zeit 68

69 OLAP Charakteristika Flexible Präsentation Die multidimensionalen Daten können am Bildschirm flexibel präsentiert werden. Umsatz, Jun CH D A Alle Regionen Rotweine Weissweine Alle Produkte Umsatz, Jun CH D A Alle Regionen Rotweine Chardonnay Zinfandel Weissweine Alle Produkte Drilldown Rollup 69

70 OLAP Charakteristika Flexible Präsentation Die multidimensionalen Daten können am Bildschirm flexibel präsentiert werden. Kennzahlen Umsatz Gewinn Produkte Regionen Zeit Umsatz Alle Regionen Rotweine 3200 Weissweine 1900 Alle Produkte 5100 Slice & Dice Eine beliebige Kombination von Dimensionen und Ausprägungen kann angezeigt werden. Kennzahlen Umsatz Gewinn Produkte Regionen Zeit Umsatz Alle Regionen Qtr1 900 Qtr Qtr Qtr

71 OLAP Charakteristika Flexible Präsentation Die multidimensionalen Daten können am Bildschirm flexibel präsentiert werden. Umsatz CH D A Alle R. Rotw. Qtr Weissw Alle P Rotw. Qtr Alle P Rotw Weissw Alle P Die Achsen können beliebig ausgetauscht werden. Slice & Dice Umsatz Rotw. Weissw. Alle P. Qtr1 CH D A Alle R Qtr2 CH D CH D A Alle R

72 Fragen? / Antworten! 72

73 Begriff Data Mining Data Mining Erforschen der Daten Gibt es Muster in den Daten, die genutzt werden können Gemeinsamkeiten der Kunden, die Produkt A kaufen Vorhersage des Antwortverhaltens bei Werbesendungen Definieren von Kundensegmenten Spezielle Software notwendig Speziell ausgebildete Mitarbeiter notwendig 73

74 Data Mining Bezeichnet die Aufgabe, nicht triviale, gültige, neue, potenziell nützliche und verständliche Muster in Datenbeständen zu entdecken. Diese Entdeckung erfolgt datengetrieben, d.h. die eingesetzten Verfahren ermitteln die in den Daten verborgenen Muster weitgehend selbständig, ohne dass der Analytiker eine Annahme formulieren muss, nach welchen Auffälligkeiten zu suchen ist. Data Mining stellt daher nur die eigentliche Analysefunktion dar

75 Begriff Data Mining Softwaregestützte Ermittlung bisher unbekannter Zusammenhänge, Muster und Trends aus dem Datenbestand sehr grossen Datenbanken bzw. des Data-Warehouse. Dabei kann der Benutzer bestimmte Ziele vorgeben, für die das System angemessene Beurteilungskriterien ableitet und damit die Datenobjekte der Datenbank(en) analysiert. Häufige Anwendungsschwerpunkte sind unter anderem die Bereiche Finanzwirtschaft/Versicherungen/Banken, Direktmarketing/Einzelhandel/Web-Shop-Systeme, der Telekombereich sowie Diagnosesysteme. 75

76 Data Mining - Anwendung Warenkorb-Analyse: Assoziationstechniken, um Gruppen von Waren zu finden, die häufig zusammen gekauft werden. Analyse von Einkaufsmustern in der Vergangenheit. Identifikation von guten Kunden. Fokussierung von Werbesendungen (gezielte Kampagnen sind billiger als Massen-Werbesendungen) 76

77 Data Mining - Beispiele Bier & Windeln: Ein Supermarkt hat alle vermeintlichen Annahmen konsequent beiseite gelassen und seine Verkaufstrategie in Sachen Waren-Positionierung mit Data-Mining neu überprüft. Das interessante Ergebnis: Männer, die Kinder haben und die am Samstag einkaufen (müssen), erwerben neben Windeln für die Kleinen oftmals auch das Bier für den Wochenend- Fernsehabend. Folglich hat sich der Großmarkt dazu entschlossen, an Samstagen die Bierpaletten neben den Windeln zu positionieren - mit dem Erfolg, dass die Verkaufszahlen für Bier stark angestiegen sind. kann einem Supermarkt also beispielsweise helfen, durch intelligenten Einsatz von Data-Mining-Software die Waren- Positionierung deutlich zu optimieren. 77

78 Data Mining - Beispiele Mobile Anbieter (1/2) Kundenprofil-Erstellung von Mobile-User die das Abo wechseln. Zu jedem Kunden sind reichlich Merkmale der Kaufhistorie und persönliche Merkmale vorhanden. Es werden alle Kunden betrachtet, die vor einem Jahr Kunden des Unternehmens waren. Diese werden in zwei Klassen unterteilt: die erste Klasse enthält die Kunden, die jetzt noch Kunden des Unternehmens sind, die zweite Klasse enthält diejenigen, die es nicht mehr sind. Aus diesen Daten wird ein Vorhersagemodell erstellt für die Wahrscheinlichkeit, dass ein Kunde im Verlauf von einem Jahr zur Konkurrenz wechselt bzw. seinen Vertrag kündigt. 78

79 Data Mining - Beispiele Mobile Anbieter (2/2) Anhand dieses Vorhersagemodells wird nun für jeden gegenwärtigen Kunden des Unternehmens vorhergesagt, wie hoch die Wahrscheinlichkeit ist, dass er innerhalb des nächsten Jahres das Unternehmen verlässt, und welche Kombination von Faktoren hier den maßgeblichen Treiber darstellt. Die Kunden mit der höchsten Wahrscheinlichkeit können dann näher analysiert werden und mit persönlich zugeschnittenen Angeboten versorgt und folglich eher gehalten werden. 79

80 Data Mining - Beispiele Mobile Anbieter Kundenbindung der Kundenbindung der einmal gewonnenen Kunden kommt eine große Bedeutung zu. Aus den gesammelten Datenpunkten der Kunden wie beispielsweise der Häufigkeit und zeitlichen Verteilung der in Anspruch genommenen Dienste (Anrufe, SMS, MMS, Navigation, Mail-Exchange,...) können mit Data-Mining-Software charakteristische Kunden- Muster gebildet werden. Jeder dieser Kundengruppen können nun über den Kundenlebenszyklus (Customer-Life-Cycle) hinweg sehr individuell zugeschnittene Nachrichten und Angebote zugesandt werden. 80

81 Data Mining - Beispiele Tourismus Ein Online-Tourismus-Portal bietet eine Reihe von weltweiten Urlaubs-Angeboten. Mit Hilfe von DataMining kann aus Vergangenheitsdaten abgeleitet werden, dass es zwei Hauptgruppen von Kunden gibt: einerseits die primär preis-gesteuerten Kunden, die in ihrer Reisezielwahl recht flexibel sind; andererseits jene Kunden, die ihr Reiseziel recht genau kennen, aber das günstige Angebot suchen. aus den vergangenen Web-Analyse-Daten kann ermittelt werden, durch welche Eingaben bzw. welches Klick-Verhalten sich beide Gruppen unterscheiden lassen. Ermöglicht dem Anbieter bereits nach den ersten Aktionen des Kunden die Gestaltung und den Inhalt der Homepage anzupassen und dem Kunden genau jene Inhalte und Angebote anzubieten, die für ihn von großem Interesse sind. 81

82 OLAP vs Data Mining OLAP Interaktiv Benutzer muss selber wissen, wonach er sucht Nur Aggregation Hilfswerkzeug zur Analyseunterstützung Data Mining Möglichst automatisierte Suche Benutzer muss nicht von Anfang an wissen, wonach er sucht Sucht versteckte Muster Kompliziertere Analsys- Tools 82

83 Vorteile mit Business Intelligence (Informationsmanagement) Keine Entscheidungen aus dem Bauch Entscheidungsrelevante Kennzahlen schneller verfügbar Analyseresultate und Kennzahlen auf identischer Basis Integration verschiedener Datenquellen Datenqualität in Quellen verbessern Erzwingt die Datenkonsistenz über mehrere Systeme 83

84 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 84

85 Informationsmanagement Kundenbeziehungsmanagement (CRM) 85

86 Persönlicher Kontakt WAP Telefon Kommunikation/Kanäle KUNDE SMS MMS Massenmedien WWW Marketinginformation/Verkaufsinformation Kundenbeziehungsmanagement (CRM) Kundenbeziehungszyklus Kundenneugewinnung/ Akquisition (Marketing) Kundenbindung und -entwicklung (Verkauf) Kundenrückgewinnung (Service) Vorkaufphase Kaufphase Nachkaufphase Besuche planen Kontaktaufnahme Anfragen bearbeiten Offerten erstellen Kontrollen durchführen Produkt präsentieren etc. Verkaufsverhandlungen Vertragserstellung Kontrollen durchführen Bestellaufnahme Bestellbestätigung etc. Betreuung bieten Service leisten Reklamation bearbeiten Retouren verwalten Sales Force Automation/SFA Computer Aided Selling/CAS Customer Relationship Management/CRM 86 86

87 CRM / Kundenzentrierte Unternehmen Integration aller kundenbezogenen Daten Kundenorientierung Customer Relationship Management Integration der Produktionsund Vertriebs- Daten Integration unternehmensinterner Produktdaten Prozessorientierung Business Process Re-Engineering SFA/CAS Qualitätsorientierung Total Quality Management CRM ist kein Werkzeug sondern eine strategische Ausrichtung, die das Kunden-Management in den Vordergrund stellt!

88 Ziele und Kernelemente des CRM Ziele Profitable Kundenbeziehungen schaffen und entwickeln Steigern des Kundenwertes Kunden Unternehmen Kundenwert Kundenbeziehungen Beziehungsmarketing Integration des Kundenwissens 88 88

89 CRM / Kundenzentrierte Unternehmen Unternehmenswert Kundenwert Kundenloyalität Kundenzufriedenheit Kundennutzen 89 89

90 Verkaufsinformation Die CRM-Pyramide Was? CRM- Plan Zielsystem (Sach- und Formalziele) CRM-Strategie Leistungen Rahmenbedingungen Wie? CRM-Prozessmodell* Interaktionen und Kanäle (Struktursicht) Daten und Informationen Ablauf Funktionen Womit? CRM-Ressourcenmodell Aufbauorganisation Anwendungssysteme Maschinen *siehe Ergänzungsfolien 90 90

91 Verkaufsinformation Eine CRM-Anwendung erfüllt folgende Ziele Steigerung der Kundenzufriedenheit und Kauffrequenz durch Analyse des Kaufverhaltens Bindung der Bestandskunden und aus Interessenten Kunden machen das Kundenpotenzial durch Up- und Cross-Selling besser ausschöpfen mit zentraler Datenerfassung Kosten senken mit individualisierten Leistungen die Kundenorientierung erhöhen 91 91

92 Verkaufsinformation Funktionsumfang von CRM-Anwendungen Marketing Management Management von Veranstaltungen (Event-Marketing) Marketing über Loyalitätsprogramme Management von Marketing-Ressourcen Marketinganalyse Vertriebs Management Prognosen Angebote und Aufträge Produktkatalog und Preisbildung Vertriebsanalyse Mobile Vertriebslösung Anbindung an Office-Suiten Service Management Aussendienst Mobile Lösungen Support 92 92

93 Gespeicherte Daten in einer CRM-Anwendung Adresse und weitere Kontaktmöglichkeiten komplette Kundenhistorie (Telefonate, Meeting, Briefkontakte, s etc.) Angebote mit Bewertung der Realisierungschancen lost orders (verlorene Aufträge an Wettbewerb) laufende und abgeschlossene Aufträge Kunde privat (Hobbys, Familie, Politik, Militär, Stammtisch, Studentenverbindung, ggf. Empfänglichkeiten, Vereine, Ess- /Trinkgewohnheiten, Schwachpunkte etc.) Kunde finanziell (Einkommen, Vermögen etc.) Kunde steuerlich Kunde gesundheitlich Kunde Bildung (Schulen, Ausbildung etc.) Hinweise zu weiteren Datenbank (Kreditinfo, Leumund, Betreibungsamt etc.) 93 93

94 Verkaufsinformation Pflichtenheft (Inhalt) für eine CRM-Anwendung Zu beachtende Faktoren Funktionalität gemäss Anforderungskatalog Einfache Bedienung Geringer Schulungsaufwand Mobilität Muss auf Laptops oder PDAs einsetzbar sein Integrierbarkeit Einbindung in die bestehende IT-Landschaft Erweiterbarkeit Muss mit Anforderungen wachsen können Total Cost of Ownership / ROI Angemessene Kosten für Wartung, Anpassung, Update, Schulung etc

95 Verkaufsinformation Anforderungen an eine CRM-Anwendung detaillierte Adressinformationen komplette Kundenhistorie spezifische Marketingaktionen individuelles Reporting einfache Kundenstatistik schnelle Auftragsinfo offen für Integrationen in heterogene IT-Landschaften Zeitmanagement Multichannel Management Integration mit Office Suite 95 95

96 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 96

97 Einführung von Informationssystemen: Vorgehensweise I Define-Schritt entspricht der Problemanalyse darin werden Anforderungen, Ziele, Restriktionen des Projekts definiert Ergebnis ist ein grober Projektplan mit Aufwandschätzung Plan-Schritt darin erfolgt die Detailplanung Ergebnis ist ein von Auftraggeber/Auftragnehmer bewilligter Aufgaben- und Projektplan Design-Schritt der erste Kernprozess beinhaltet das Abklären des Informationsbedarfes (mittels Interviews und Analyse des Informationsangebots) Entwurf der/des Datenmodells, des Datenimport-Prozesses, des Berechtigungskonzepts, des Sicherheitskonzepts und der Benutzeroberflächen sowie Dokumentation in Form von Modellen/Skizzen 97 97

98 Einführung von Informationssystemen: Vorgehensweise II Build-Schritt erfolgt nach Abnahme des Entwurf Umsetzung, d.h. Installation und Konfiguration des notwendigen Hard- und Software Konfiguration der Software und Entwicklung der Reports Deployment-Schritt Integration in bestehende IT-Umgebung abschliessende Dokumentation des Projekts Schulung der Benutzer Aufbau Helpdesk Aufsetzen Software-Wartungszyklus 98 98

99 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 99

100 Ursachen für das Scheitern von Projekten (BI / Informationsmanagement / V-Info) Unklare Anforderungen Falsche oder fehlende Daten Endanwender werden zu spät eingebunden Vorzeigbare Ergebnisse erst nach zwei Jahren Fehlendes Change-Management 100

101 Ursachen für das Scheitern von Projekten (BI / Informationsmanagement / V-Info) Compliance und Security werden vernachlässigt Schlechte Dokumentation der Applikationslandschaft Falsche Dimensionierung der Hardware-Ressourcen Excel-minded Mitarbeiter Zu geringes Budget 101

102 Fragen? / Antworten! Verteiler: Edorex intern - vertraulich 102

103 .es schöns Weekend

104 Ergänzungsfolien 104

105 Ergänzungsfolien Enterprise-Resource-Planning Systeme Mögliche Datenquellen bzw. wo befindet sich Kundenwissen Inhalt von Kundenprofile Mögliche Inhalte von Kundenprofilen Kundensegmentierung / Segmentierungskriterien Begriffe / Definitionen Praxisbeispiele Call Center Marktbearbeitung Datenanalysewerkzeuge Net Economy - Die Handlungsmatrix in der Net Economy Die Grundlagen des Mobile-Commerce Geschäftsprozess-Analyse 105

106 Rohstoff-Lieferant Handelsunternehmen -Kunde -Konsument Enterprise-Resource-Planning Systeme Wissen, was läuft: erste ein Überblick über die WSK* macht Optimierungen möglich Einkauf (Beschaffung) Produktion (PPS/Produktionsplanung+Steuerung) Lager (Lagerhaltung) FIRE Vertrieb (Auftragsbearb./Verkauf) FIRE (Finanzen/REWE/KORE) Mitarbeiter (Personalwirtschaft) KORE Einkauf Mitarbeiter Produktion Materialbestand Vertrieb Input Output Materialeinsatz Logistik- Dienstleister Arbeitszeit Lager Logistik- Dienstleister *Wertschöpfungskette Produkt-Hersteller (Produktionsbetrieb)

107 Mögliche Datenquellen bzw. wo befindet sich Kundenwissen Zur Beantwortung einer spezifischen Frage werden Daten erhoben Ausnutzen bereits vorhandener Daten Welche Märkte sollen mit welchen Produkten bearbeitet werden? Welches sind meine profitabelsten Kunden und durch welches Kaufverhalten zeichnen sie sich aus? Welche Marktsegmente existieren auf diesen Märkten und welche Zielgruppen sind besonders interessant? Wer sind die gegenwärtigen und potenziellen Wettbewerber? Wo liegen deren Stärken und Schwächen? An welchen Standorten ist eine Filialeröffnung besonder erfolgversprechend? Welches Produkt bietet man am besten welchem Kunden an? Welche Kundensegmente lassen sich identifizieren? Entsprechen diese Segmente den anvisierten Zielgruppen? Welche Auswirkungen haben Sortimentsänderungen auf den Kundenstamm?

108 Inhalt von Kundenprofile Die beschriebenen Methoden erlauben keine ganzheitliche Bewertung Eine Zusammenfassung mehrerer Kundenbewertungen plus die Ergänzung um weitere charakterisierende Merkmale führt zu Kundenprofilen Das heisst, ein Profil besteht aus seiner Menge beschreibender (deskriptiver) Felder, die einen Kunden charakterisieren und beschreiben

109 Mögliche Inhalte von Kundenprofilen

110 Kundensegmentierung Die Kunden sind nach bestimmten Kriterien von der definierten Gesamtmenge in Teilmengen zu unterteilen. Ziel muss es sein, die Segmente so aufzuteilen, dass sie in sich (intern) möglichst homogen, die Unterschiede zwischen den Segmenten (extern) aber möglichst gross sind. Kundensegmentierungen werden überall dort eingesetzt, wo die Kunden durch direkten Kontakt bekannt sind (Industrie, Dienstleistungen)

111 Segmentierungskriterien

112 Begriffe / Definitionen 112

113 Begriffe Informationsmanagement (1/2) BI (Business Intelligence) CAS Computer Aided Selling wird der Einsatz mobiler Computer im Aussendienst bezeichnet. CRM (Customer Relation Management) Data Mart Data Mining Data Warehouse EIS (Executive Information-System)=Führungsinformationssystem FIS Führungsinformationssystem, dito EIS MAIS Marketing-Informationssysteme, ein spezieller Teil eines FIS/EIS. MIS (veralteter Begriff), Vorläufer der heutigen Bezeichnung Führungsinformationssystem. 113

114 Begriffe Informationsmanagement (2/2) MSS Management Support-System, deutsch Managementunterstützungssystem (MUS), als Oberbegriff für die Gesamtheit aller Systeme und Werkzeuge zur Unterstützung des Managements. OLAP Online Analytical Processing. SFA Sales Force Automation, siehe unter CAS. SQL Structured Query Language, Standardsprache für den Zugriff auf relationale Datenbanken. VIS Verkaufsinformationssysteme stellen dem Management und den Verkaufsmitarbeitern Informationen auf unterschiedlichsten Verdichtungsstufen zur Verfügung. VIS wird auch im Aussendienst als Computer Aided Selling (oder Sales Force Automation) eingesetzt. 114

115 Definition MAIS Variante 1: Ein Marketinginformationssystem beinhaltet sämtliche Aktivitäten und Prozesse, die dazu dienen, eine Organisation mit marketingrelevanten Information für die Analyse, Planung, Entscheidung und Kontrolle zu versorgen. Variante 2: Ein Marketing-Informationssystem besteht aus Personen, technischen Einrichtungen und Verfahren zur Gewinnung, Zuordnung, Analyse, Bewertung und Weitergabe zeitnaher und zutreffender Informationen, die dem Entscheidungsträger bei Marketingentscheidungen helfen. Kurzdefinition: MAIS ist ein Informationsmanagementsystem für das Marketingmanagement. 115

116 Begriff Business Intelligence (BI) BI Business Intelligence Business: Wirtschaft Intelligence: Einsicht und Verständnis schaffen von Einsicht und Verständnis über die geschäftsrelevanten Fragen innerhalb der Firma Synonyme BPM Business Performance Management CPM Corporate Performance Management DWH Data Warehousing 116

117 Business Intelligence (BI) Abgrenzungen zum Begriff Business Intelligence * BI als Fortsetzung der Daten- und Informationsverarbeitung: für die Unternehmensleitung BI als Filter in der Informationsflut: Informationslogistik BI = MIS BI als Frühwarnsystem BI = Data Warehouse BI als Informations- und Wissensspeicherung BI als Prozess: Symptomerhebung Diagnose Therapie Prognose Therapiekontrolle * gemäss repräsentativer Umfrage

118 Praxisbeispiele 118

119 Zunehmende Aggregation Reporting & Analyse Corp. Dashboard & KPI Praxisbeispiel Detailhandel Informationsfluss Konzern Div. a Div. b Div. c Firma a1 Firma a2 Firma b1 Firma c1 Firma c2 DATAWAREHOUSE Retail Model

120 Ursprungsdaten Operationelle Systeme Operationelle Detailhandels-Systeme z.b. COGNOS Powerplay/Impromptu (EIS) Praxisbeispiel Detailhandel DWH-Architektur I Kassen Presse SAP Movex Ind. SW Datawarehouse Management Software Extraktion Strukturierung Aufbereitung Bereinigung NCR Teradata Oracle IBM DB2 Datenbank NCR, HP, SUN, IBM Kiosk/Valora Anwender (stationär oder mobil) Analyse von Trends Verfolgung Datenwerte Einzelwertbetrachtungen Problembetrachtungen Vergleichsanalysen etc. Externe Daten

121 Praxisbeispiel «DWH-Architektur» 121

122 Praxisbeispiel Detailhandel Business-Prozess VIS Kassenbon Kassenbon Kassenbon Kassenbon DWH Division 1 - n Firma 1 - n Analysen Auswertungen Berichte Anwender Kasse Kasse Kasse Kasse Aktionen Plan Erkenntnisse

123 Anforderungen Praxisbeispiel Detailhandel Strategie-Fit des DWH s Vision Strategie morgen Black DWH Box CEO s Cockpit BU Region Product Partner Black DWH Box heute Zeit

124 Praxisbeispiel Detailhandel Teilaspekte eines FIS Die Daten für das Verkaufsinformationssystem werden aus einer Vielzahl von internen und externen Datenquellen gesammelt und aufbereitet Interne Daten (Innensicht) Finanzen Sparten 1-4 IT Logistik Ressourcen Marketing Customer Service FIBU CRM Zahlen FIS -Cockpit Projekte / Entwicklung Risiken Excel- Tabelle xy Externe Daten (Aussensicht) Markt & Wettbewerb Konjunkturdaten Risk Reporting Politische Entwicklungen Etc. Lohnbuchhaltung Issue- Bericht Es werden alle relevanten Daten aus externen und internen Quellen gesammelt, die Informationen über jene Faktoren liefern, welche die Geschäftstätigkeit eines Unternehmens massgeblich beeinflussen oder indizieren Quellen dieser Informationen können u.a. das Finanzinformations-System (d.h. externes Rechnungswesen und Kostenrechnung) und das Personalinformations- System sein Die entsprechenden Schnittstellen zu diesen Datenquellen müssen beurteilt, definiert und systemtechnisch integriert werden

125 Praxisbeispiel Detailhandel CEO Cockpit I

126 Praxisbeispiel Detailhandel CEO Cockpit II

127 Praxisbeispiel Detailhandel CEO Cockpit III

128 Verkaufsinformation Call-Center 128

129 Verkaufsinformation Call-Center I Als Call Center (oder Customer Care Center) wird eine Organisationseinheit genannt, welche Marktkontakte telefonisch schafft: aktiv (outbound): Call Center startet Anruf passiv (inbound): Call Center wird angerufen Aufgaben Informationszwecke (Hotline, Produktinformationen) Kundendienst und Beschwerdemanagement Marktforschung und Meinungsforschung Auftrags- und Bestellannahme (Versandhäuser)

130 Verkaufsinformation Call-Center II Technik Telefonanlage (PBX, Private Branche Exchange), verbindet Telefonie mit dem öffentlichen Netz Automatic Call Distribution (ACD) teilt Anrufe auf Agenten auf Interactive Voice Response (IVR) Routineauskünfte, tasten- oder sparchgesteuert Computer Telephony Integration (CTI) Identifikation am Computersystem durch Telefonnummer (oder Konto#, PIN etc.) Predictive Dialer (Dialer) System wählt selber Rufnummern aus der Datenbank

131 Verkaufsinformation Call-Center III Fakten (D) CC Mitarbeiter mit 20 Mio Calls werden 12 Mia Umsatz generiert (inbound/outbound) davon 4 Mia für DL Branche hat Mia investiert Zwei Drittel aller CC waren 2007 im Outbound tätig

132 Marktbearbeitung Eine Marktbearbeitung, welche sich auf Kundensegmente stützt, läuft viel effizienter und effektiver ab. Kosten können eingespart werden, weil massiv weniger Streuverluste auftreten! Der Einsatz der richtigen Markteinginstrumente (oder des Mixes) hilft, konkrete Massnahmen umzusetzen. Sicht Anbieter Sicht CRM (Kunde)

133 Datenanalysewerkzeuge