Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM. 3 Management von Kundenbeziehungen

Größe: px
Ab Seite anzeigen:

Download "Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM. 3 Management von Kundenbeziehungen"

Transkript

1 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm 3 Management von Kundenbeziehungen

2 Integration operativer und analytischer Prozesse Kernprozesse des CRM Übergreifende Prozesse Kundenwertanalyse Kundensegmentierung Kundencharakterisierung Strategische Zielsetzung Strategische Analyse Vision Umfeldanalyse Ressourcenanalyse SWOT- Analyse Strategische Konzeption Strategie Entwicklung Strategie Umsetzung Maßnahmenspezifische Prozesse Zielgruppenanalyse Cross-Selling- Analyse Analytische CRM-Prozesse Abwanderungsanalyse Kundenrisikoanalyse Operative CRM-Prozesse Strategisches Controlling Ergebnis Controlling Prozess Controlling Strategischer CRM-Prozess Marketing -Prozesse Sales-Prozesse Leistungserstellung Service-Prozesse Kampagne Lead Opportunity Angebot Auftrag Feedback Support

3 Integration operativer und analytischer Prozesse Architektur von CRM-Systemen Marketing Prozesse Sales Prozesse Service Prozesse Back Office Enterprise Ressource Planning Supply Chain Management Interaktionskanäle Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP

4 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm Systemintegration Prozessintegration Adaptive Real-time BI 3 Management von Kundenbeziehungen

5 429 Operatives CRM-System (SAP CRM, Oracle CRM, MS Dynamics CRM...) Systemintegration Technische Integration von acrm- und ocrm-systemen ETL Scoring ETL Scoring ETL DWH DWH DWH DWH DWH DWH Kunden- Datenbank Kunden- Datenbank Kunden- Datenbank Kunden- Datenbank Kunden- Datenbank Kunden- Datenbank Katalog- Versand Response- Bearbeitung Katalog- Versand Response- Bearbeitung Katalog- Versand Analytisches CRM-System (IBM SPSS Modeler, SAP NetWeaver BI, MS SQL Server...)

6 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm Systemintegration Prozessintegration Adaptive Real-time BI 3 Management von Kundenbeziehungen

7 Prozessintegration CRM als Adaptionsprozess Adaption Data Generation Data Data Preparation Information Predictive Modelling Knowledge Predictive Model Application and Optimization Decision Action Response Analytische CRM-Systeme In Anlehnung an: Michalewicz, Z.; Schmidt, M.; Michalewicz, M.; Chiriac, C. (2007): Adaptive Business Intelligence, Berlin u. a. Operative CRM-Systeme

8 Prozessintegration CRM als Adaptionsprozess 432 Data Generation: Bereitstellung aller notwendigen Daten. Data Preparation: Aufbereitung der Daten für das Modeling. Predictive Modelling: Prognose der Kundenreaktionen auf CRM- Maßnahmen. Predictive Model Application and Optimization: Optimale Gestaltung künftiger CRM-Maßnahmen. Action: Durchführung neuer CRM-Maßnahmen. Adaption: Anpassung der Prozessschritte an Veränderungen in Kundenverhalten und Kundenreaktionen. Michalewicz et al. (2007): Adaptive Business Intelligence

9 Prozessintegration Datenbezogene (zyklische) Adaptionsprozesse 433 Data Generation: Erfassung neuer Daten bei unveränderter Datenstruktur. Data Preparation: Aufbereitung der neuen Daten bei unverändertem Prozess. Predictive Modelling: Modellanpassung bei unveränderten Methoden. Predictive Model Application and Optimization: Anpassung der CRM- Maßnahmen bei unveränderten Entscheidungsprozessen. Action: Durchführung der angepassten CRM-Maßnahmen.

10 Prozessintegration Prozessbezogene (azyklische) Adaptionsprozesse 434 Data Generation: Integration zusätzlicher Datenquellen (z.b. Mikrogeografie, Social Web). Data Preparation: z.b. Ableitung neuer Kennzahlen, veränderte Granularität. Predictive Modelling: Veränderte Methodenparameter (z.b. bei Klassifikationsbäumen Homogenitätsmaß, Pruning Parameter), Anwendung neuer Methoden und Methodenvarianten (z.b. Neuronale Netze, Logistische Regression, Klassifikationsbäume). Predictive Model Application and Optimization: Veränderte Entscheidungsregeln (z.b. Break-Even-Grenzen) oder Entscheidungsprozesse (z.b. Next Best Activity statt Kollisionsmanagement) Action: Veränderte Gestaltung und Konzeption neuer CRM-Maßnahmen, Beschleunigung der Kundenreaktionen (z.b. Zusatzvorteile für die ersten X Besteller oder bei Bestellung bis zu bestimmtem Datum).

11 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm Systemintegration Prozessintegration Responsemanagement Testkonzeption Adaptive Real-time BI 3 Management von Kundenbeziehungen

12 Responsemanagement Überblick 436 Responsemanagement = kanalübergreifende Bearbeitung sämtlicher Reaktionen von potenziellen oder bestehenden Kunden Gestaltung und Steuerung der Responsekanäle Sammlung, Aufbereitung und Bereitstellung aller aus Responses und Retouren gewonnenen Informationen Initiierung des Fulfillments Jedes Kundenverhalten ist in einer Datenbank festzuhalten und für weitere Marketing-, Service- und Vertriebsaktivitäten zur Verfügung zu stellen. Herausforderung einer Multi-Kanal-Response: Koordination und Berücksichtigung kanalspezifischer Aspekte (z.b. erwartete Reaktionszeit) Meffert/Krummenerl (2006), S. 89 ff..

13 Responsemanagement Zuordnung von Kundenreaktionen zu CRM-Maßnahmen 437 Manuelle Erfassung der Kampagne bei Kundenreaktion Spezifische, speziell für den Zweck der Kampagne freigeschaltete Telefonnummern, Faxnummern, - und Internetadressen Artikelnummern erhalten Pre- oder Suffix für das Werbemittel, in dem der Artikel abgebildet wurde z.b.: Letzte Ziffer der Artikelnummer gibt an, ob der Artikel im jährlich erscheinenden Hauptkatalog, einem saisonalen Spezialkatalog oder im Online- Shop erschienen ist. Mögliche Auswertung: Welcher Artikel ist in welchem Werbemittel erfolgreicher als in einem anderen Werbemittel? Zeitliche Zuordnung aufgrund Zielgruppe und Produkt Kodierung auf Responsemittel (Coupon) und Belegerfassung Schaller 1991.

14 Responsemanagement Zuordnung von Kundenreaktionen zu CRM-Maßnahmen 438 Zuordnung der Umsätze zu einzelnen Katalogen über spezifische Artikelnummer Vorteil: Eindeutige Zuordnung der Umsätze zu spezifischen Kataloganstößen Nachteile: Wirkung auf und von anderen Kanälen wird vernachlässigt Systematische Fehler gerade bei E-Commerce affinen Kundengruppen Unterschätzung des ausgelösten Umsatzes Anstöße Kataloge Newsletter Werbung Umsätze Katalogbezogen E-Commerce Stationär

15 Responsemanagement Zuordnung von Kundenreaktionen zu CRM-Maßnahmen 439 Betrachtung eines simulierten Katalogumsatzes : Kundenergebnisses pro Anstoß als zeitraumbezogener Wert Vorteile: Kundenergebnis in den letzten 6 Monaten Anzahl Anstöße in den letzten 6 Monaten Keine Zuordnungsproblematik Probleme aus Randeffekten verringert Reduktion der Varianz Anstöße Kataloge Newsletter Werbung Umsätze Katalogbezogen E-Commerce Stationär

16 Responsemanagement Automatisierte Belegerfassung 440 Automatisierte Belegerfassung bei manuellen Eintragungen Vorbereitung Einscannen Texterfassung Sichtprüfung Export Datenbank Schöngruber/Faust 2002, S Öffnung der Dokumente Sortierung der Dokumente Vorbereitungen zur Weiterverarbeitung nur bei Antwortkarten, bei Faxservern nicht notwendig mit Texterkennung (OCR) Handschriftenerkennung (ICR) Markierungserkennung (OMR) der nicht eindeutig interpretierbaren Antworten und Qualitätskontrolle Weiterverarbeitung in DMS, CRM- System, Lettershop etc. Globale Strukturerkennung: Trennung Text und Grafik, Erkennung der Zeilenstrukturen, Separation der Einzelzeichen OCR (Optical Character Recognition): Erkennung von Einzelzeichen durch Vergleich mit interner Schriftsymboltabelle ICR (Intelligent Character Recognition): Überprüfung der Plausibilität der OCR- Ergebnisse anhand vorgegebener Regeln ( 8 B ) OMR (Optical Mark Recognition): Erkennung von Markierungen, Ankreuzfeldern, etc.

17 Responsemanagement Automatisierte Belegerfassung 441 Automatisierte Belegerfassung mit personalisierten Responseträgern Data Matrix Code Vorabcodierung des Responseelementes zur automatischen Belegerfassung Aufbringen der Codierung im Zuge der Personalisierung (Digitaldruck)

18 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm Systemintegration Prozessintegration Responsemanagement Testkonzeption Adaptive Real-time BI 3 Management von Kundenbeziehungen

19 Testkonzeption Kontrollgruppen-Konzept zur Erfolgsmessung von CRM-Maßnahmen Kontrollgruppe (KG ZG ) Reaktion R(KG ZG ) Zielgruppe (ZG) Zufallsstichprobe Aktions Effekt Relevanter Kundenstamm Kampangenteilnehmer (KT ZG ) Aktion Reaktion R(KT ZG ) Zielgruppen Effekt Nicht- Zielgruppe (NZG) Zufallsstichprobe Kampagnenteilnehmer (KT NZG ) Reaktion R(KT NZG ) Kontrollgruppe (KG NZG ) Reaktion R(KG NZG ) Basis Effekt in Anlehnung an: Breur, T. (2007): How to evaluate campaign response The relative contribution of data mining models and marketing execution, in: Journal of Targeting, Measurement and Analysis for Marketing, Vol. 15, 2, pp

20 Testkonzeption Kontrollgruppen-Konzept zur Erfolgsmessung von CRM-Maßnahmen 444 Beispiel Erfolgsmessung einer Cross-Selling-Kampagne I Zielgruppe Aktion Ja Nein Ja R(KT ZG ) R(KG ZG ) Nein R(KT NZG ) Aktion Ja Nein Ja 1,7% 0,9% Zielgruppe Nein 1,1% Zielgruppen-Effekt Aktions-Effekt: Wirkung der ausgeführten Aktion Zielgruppen-Effekt: Qualität der Zielgruppenselektion Aktions-Effekt

21 Testkonzeption Kontrollgruppen-Konzept zur Erfolgsmessung von CRM-Maßnahmen 445 Beispiel Erfolgsmessung einer Cross-Selling-Kampagne II Aktion Kauf Kampagnenprodukt Ja Nein Ja 0,15% 0,00% Zielgruppe Nein 0,04% 0,00% Kauf weiterer Produkte Zielgruppe Ja Aktion Nein Ja 2,53% 7,42% Nein 3,52% 6,52% Beispiel einer Mailing-Kampagne einer Bank im Privatkunden-Sektor im Sommer 2009 zu einem risikobehafteten Wertpapier-Zertifikat

22 Testkonzeption Explore/Exploit-Ansatzes zur Optimierung der zyklischen Adaption 446 Optimales Verhältnis zwischen Exploration und Exploitation Exploration Erkundung unbekannter Zustände Bedeutung wächst mit Unkenntnis und Dynamik der Umwelt Exploitation: Ausnutzung des Wissens über bekannter Zustände Lernen aus Versuch und Irrtum in der Interaktion mit der Umwelt Anwendung im CRM: Test neuer Zielgruppen und Aktionen Langley, P. (1996): Elements of Machine Learning, San Francisco, S. 297 ff. Sutton, R. S. (1990): Integrated Architectures for Learning, Planning, and Reaction Based on Approximating Dynamic Programming, pp

23 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm Systemintegration Prozessintegration Adaptive Real-time BI 3 Management von Kundenbeziehungen

24 Adaptive Real-time BI Wertverlust der Data Mining-Ergebnisse durch lange Latenzzeit 448 Das Umsetzen der einzelnen CRISP-Prozessschritte benötigt Zeit. Aufgabendefinition Auswahl der relevanten Datenbestände Datenaufbereitung Anwendung von Data Mining-Methoden Evaluation der Ergebnisse Anwendung der Ergebnisse Latenzzeit: Zeit zwischen dem Eintritt eines Ereignisses bis zur analytisch daraus abgeleiteten Reaktion. Der Wert von Informationen sinkt i. d. R. im Zeitverlauf. Latenzzeiten sind daher zu minimieren.

25 Adaptive Real-time BI Latenzzeiten 449 Wert der Information Aktionszeit Organisatorische Latenz I Infrastrukturlatenz I Infrastrukturlatenz II Org. Latenz II Wahrnehmungslatenz v 0 Ereignis tritt ein IS-Erfassungslatenz Ladelatenz Analyselatenz Entscheidungslatenz v 1 v 2 v 3 v 4 v 5 Ereignis wird wahrgenommen Operative Transaktion Daten in DW gespeichert Analyseergebnis bereitgestellt t 0 t 1 t 2 t 3 t 4 t 5 Weitere Komponenten: Handlungslatenz und Wirkungslatenz Schelp, Joachim: Real-Time Warehousing und EAI. In: Chamoni, P./Gluchowski, P. (Hrsg.): Analytische Informationssysteme (2006), Berlin et al., Springer Maßnahme getroffen Zeit

26 Adaptive Real-time BI Verkürzung von Latenzzeiten durch Prozessautomatisierung 450 Wahrnehmungs- und IS-Erfassungslatenz: Echtzeitfähiger und maschinenlesbare Reaktionsmedien (verzögerungsfreie Erfassung im ocrm-system) Ladelatenz: Verkürzung der ETL-Zyklen im Data Warehouse. Analyselatenz: Automatisierung der Datenaufbereitung und Modellierung. Entscheidungslatenz: Business Rules anstelle von Ad-hoc-Gremien-Entscheidungen. Handlungslatenz: Echtzeitfähige Interaktionsmedien und Kanalintegration mit ocrm. Wirkungslatenz: Incentivierung rascher Kundenreaktionen auf CRM-Aktionen und Reaktions-Modellierung auf Basis von Frühindikatoren (z.b. Interessenbekundung statt Kauf).

27 Adaptive Real-time BI Berücksichtigung von Latenzzeiten in der Modellierung 451 Im Juni 2008 plant ein Versandhändler eine Verkaufsaktion für August 2008, die im Vorfeld per Mailing bei der Zielgruppe mit der höchsten Kaufwahr-scheinlichkeit beworben werden soll. Es stehen Kundendatensätze mit den Transaktionsdaten von September 2007 bis Mai 2008 und mit einigen weiteren Marketing-Merkmalen zur Verfügung. Eine typische Herangehensweise wäre, mit den Daten von September 2007 bis April 2008 das Einkaufsverhalten für Mai 2008 vorherzusagen. Das Modell, das die Mai- Verkäufe am besten vorhersagen kann wird später mit den Daten von Dezember 2007 bis Juli 2008 verwendet, um die potentiellen Käufer für die Verkaufsaktion im August 2008 zu bestimmen. Modellierung Sep Okt Nov Dez Jan Feb Mär Apr Mai Input Modell Output Berry/Linoff (2000), S. 206 ff. Anwendung Sep Okt Nov Dez Jan Feb Mär Apr Mai Jun Input Modell Jul Aug Output

28 Adaptive Real-time BI Berücksichtigung von Latenzzeiten in der Modellierung 452 Problem: Mitte Juli - wenn das Mailing erstellt werden muss - liegen die Transaktions-daten des Monats Juli noch nicht vor. Üblicherweise vergehen auch Anfang August - wenn die Verkaufsaktion starten soll - noch ein bis zwei Wochen bis die Daten vorliegen und aufbereitet sind. Lösung: Bei der Modell-Erstellung sind die Latenzzeiten zu berücksichtigen. Besser lediglich mit den Daten von September 2007 bis März 2008 die Kaufwahrscheinlichkeiten für Mai 2008 zu prognostizieren und die April-Daten unberücksichtigt zu lassen. Modellierung Sep Okt Nov Dez Jan Feb Mär Apr Mai Input Modell Output Berry/Linoff (2000), S. 206 ff. Anwendung Sep Okt Nov Dez Jan Feb Mär Apr Mai Jun Input Modell Jul Aug Output

29 Adaptive Real-time BI Analytisches CRM der 1. Generation Data Mining Prognose Planung Aktion Response ETL KW 1 KW 2 KW 3 KW 4 KW 5 KW 6 Adaption 453

30 Adaptive Real-time BI Analytisches CRM der 2. Generation (ART) 454 Data Mining Prognose Optimierung Aktion Response Adaption ETL 00:00 04:00 08:00 12:00 16:00 20:00 Michalewicz, Z.; Schmidt, M.; Michalewicz, M.; Chiriac, C. (2007): Adaptive Business Intelligence, Berlin, Heidelberg, New York, S. 37 ff.

31 Adaptive Real-time BI Performance-Vergleich acrm der 1. bzw. der 2. Generation Response-Verlauf Response Quote (%) 2. Generation Ø Ø 1. Generation Breakeven Zeit 1. Wo. 2. Wo. 3. Wo. 4. Wo. 5. Wo. 6. Wo. 455

32 Adaptive Real-time BI Grenzen von ART im CRM 456 Latenzzeiten nur begrenzt und mit progressiven Kosten reduzierbar Wahrnehmungslatenz: Je nach Responsekanal nur begrenzt reduzierbar (z.b. Brief, Shop). Erfassungslatenz: Je nach Responseverarbeitung nur begrenzt reduzierbar (z.b. Partnerunternehmen, Dienstleister). Ladungslatenz: Je nach Performanz des ETL-Prozesses nur begrenzt reduzierbar (z.b. Belastung der operativen Systeme). Analyselatenz: Je nach Anzahl der Kundenreaktionen nur begrenzt sinnvoll (z.b. Viele kleine, hochspezifische Kampagnen statt weniger großer Kampagnen) Entscheidungslatenz: organisatorische Widerstände gegen Entscheidungsautomatisierung durch Business Rules Wirkungslatenz: Je nach Entscheidungsprozess beim Kunden nur begrenzt reduzierbar (Komplexität, Risiko, Tragweite der Entscheidung, kundentypabhängige Verhaltensunterschiede) Schnelligkeit vs. Genauigkeit in der Datenanalyse und Entscheidung Kosten-Nutzen-Relation abhängig von der Dynamik des Kundenverhaltens Lochmaier (2008): Bei Realtime BI ist ein Kompromiss zwischen Gründlichkeit und Schnelligkeit gefragt. Schmitt (2008): Realtime Business Intelligence Groschengrab oder Wundermittel?

33 Adaptive Real-time BI Umsetzung von ART durch Einsatz operativer Analytik 457 analytische Prozesse operative Analytik operative Prozesse Adaption Data Generation Data Data Preparation Information Predictive Modelling Knowledge Optimization Predictive Model Application Decision Action Response Adaption In Anlehnung an: Michalewicz, Z.; Schmidt, M.; Michalewicz, M.; Chiriac, C. (2007): Adaptive Business Intelligence, Berlin u. a.

Aktuelle Trends im CRM

Aktuelle Trends im CRM . CRM-Symposium.. Aktuelle Trends im CRM Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt. &. Generation KM ext Best X Aktionsorientiertes

Mehr

Customer Relationship Management CRM

Customer Relationship Management CRM Customer Relationship Management CRM 1.1 Zielsetzung von CRM...2 1.2 Komponenten einer CRM-Lösung...4 1.2.1 Aufgabenbereiche eines CRM-Systems...4 1.2.2 Analytisches CRM...7 1.2.3 Operatives CRM...7 1.2.4

Mehr

Steigerung der Vertriebseffizienz und Profitabilität durch Customer Analytics Analytische Vertriebsunterstützung in der Berliner Sparkasse

Steigerung der Vertriebseffizienz und Profitabilität durch Customer Analytics Analytische Vertriebsunterstützung in der Berliner Sparkasse Steigerung der Vertriebseffizienz und Profitabilität durch Customer Analytics Analytische Vertriebsunterstützung in der Berliner Sparkasse Dr. Matthias Nolte Leiter Business Intelligence Competence Center

Mehr

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Big Data im Marke

Mehr

REAL-TIME DATA WAREHOUSING

REAL-TIME DATA WAREHOUSING REAL-TIME DATA WAREHOUSING Lisa Wenige Seminarvortrag Data Warehousing und Analytische Datenbanken Friedrich-Schiller-Universität Jena - 19.01.12 Lisa Wenige 19.01.2012 2 Agenda 1. Motivation 2. Begriffsbestimmung

Mehr

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation? 1. Konferenz der A Benutzer KFE in Forschung und Entwicklung Data Mining - Marketing-chlagwort oder ernstzunehmende Innovation? Hans-Peter Höschel,, Heidelberg 1. Konferenz der A Benutzer KFE in Forschung

Mehr

Echzeitinformationen auf dem Prüfstand

Echzeitinformationen auf dem Prüfstand Echzeitinformationen auf dem Prüfstand Einsatz im CRM-Umfeld QUELLE AG, Data Warehouse Entwicklung & Projekte Jakobinenstr. 5-7 90762 Fürth Tel. +49 (0)911 14-22084 Mail: gernot.schreib@quelle.de 1 I.

Mehr

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

CUSTOMER MANAGEMENT 2014 QUALITÄTSMANAGEMENT IM KUNDENSERVICE DIE 360 SICHT DER KUNDEN AUF IHR UNTERNEHMEN

CUSTOMER MANAGEMENT 2014 QUALITÄTSMANAGEMENT IM KUNDENSERVICE DIE 360 SICHT DER KUNDEN AUF IHR UNTERNEHMEN Bernd Engel Sales Director CUSTOMER MANAGEMENT 2014 QUALITÄTSMANAGEMENT IM KUNDENSERVICE DIE 360 SICHT DER KUNDEN AUF IHR UNTERNEHMEN Kurzer Überblick GRÜNDUNG 1. Juli 2004 GESELLSCHAFTEN STANDORTE GESCHÄFTSFÜHRUNG

Mehr

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

Mehr

MEHRWERK. Einheitliche Kundenkommunikation

MEHRWERK. Einheitliche Kundenkommunikation MEHRWERK Einheitliche Kundenkommunikation Alle Prozesse und Daten aus bestehenden Systemen werden im richtigen Kontext für relevante Geschäftsdokumente eingesetzt. Flexible Geschäftsprozesse Änderungszyklen

Mehr

Scenario Based Marketing Mehr als 200% Konversionsratensteigerung durch automatisiertes und personalisiertes Follow Up

Scenario Based Marketing Mehr als 200% Konversionsratensteigerung durch automatisiertes und personalisiertes Follow Up Scenario Based Marketing Mehr als 200% Konversionsratensteigerung durch automatisiertes und personalisiertes Follow Up Dipl. Ing. Mieke De Ketelaere Director Product Marketing Selligent GmbH Mieke.Deketelaere@selligent.com

Mehr

Feedback-Management als Daten-Schatz für das Multi-Channel-Marketing

Feedback-Management als Daten-Schatz für das Multi-Channel-Marketing Feedback-Management als Daten-Schatz für das Multi-Channel- - Strategische CRM-Unternehmensberatung Vortrag im Rahmen des MTP-Alumni Forums Erfolgsfaktor Kundendialog warum Kunden wiederkommen, Darmstadt,

Mehr

CRM meets SPM - Über die Konvergenz von CRM und SPM! Keynote MuniConS Rolf Pollmeier, Geschäftsführer MuniConS!

CRM meets SPM - Über die Konvergenz von CRM und SPM! Keynote MuniConS Rolf Pollmeier, Geschäftsführer MuniConS! CRM meets SPM - Über die Konvergenz von CRM und SPM! MUNICONS( think!(act!(!!!!!!!!!!!!!!!!!!!!!!!!!rolf Pollmeier!!!MuniConS GmbH! Keynote MuniConS Rolf Pollmeier, Geschäftsführer MuniConS! Im Zentrum

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

Datengestützte Entscheidungsunterstützung zur Optimierung von CRM-Prozessen

Datengestützte Entscheidungsunterstützung zur Optimierung von CRM-Prozessen Datengestützte Entscheidungsunterstützung zur Optimierung von CRM-Prozessen Vortrag für die Regionalgruppe München der Gesellschaft für Informatik 15.10.2007 O 2 (Germany) GmbH & Co. OHG Business Intelligence

Mehr

Prozessorientiertes Management Cockpit und Frühwarnsystem mit dem Income Monitor

Prozessorientiertes Management Cockpit und Frühwarnsystem mit dem Income Monitor Prozessorientiertes Management Cockpit und Frühwarnsystem mit dem Income Monitor Gaston Russi, Business Development, Get Process AG e-business-akademie Lörrach Unternehmenssteuerung und Controlling im

Mehr

Oracle 10g revolutioniert Business Intelligence & Warehouse

Oracle 10g revolutioniert Business Intelligence & Warehouse 10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert

Mehr

Versorgerspezifisches Marketing LIVE!

Versorgerspezifisches Marketing LIVE! Essen November 2014 01 cronos Unternehmensberatung GmbH Versorgerspezifisches Marketing LIVE! crm[go] - SAP CRM einfach und effizient einführen cronos Unternehmensberatung GmbH Weseler Straße 539 D-48163

Mehr

Mit Personalisierung Kundenzufriedenheit und Umsätze steigern Erfolgreiche Praxisbeispiele

Mit Personalisierung Kundenzufriedenheit und Umsätze steigern Erfolgreiche Praxisbeispiele Mit Personalisierung Kundenzufriedenheit und Umsätze steigern Erfolgreiche Praxisbeispiele Dr. Philipp Sorg (Senior Data Scientist) Peter Stahl (Senior Business Development Manager) 24. März 2015, Internet

Mehr

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information

Mehr

Analytisches CRM und Data Mining

Analytisches CRM und Data Mining Analytisches CRM und Data Mining Magische Zahlen für das Marketing Computerwoche Initiative CRM 2009 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Mitglied im CRM Expertenrat

Mehr

Vorhersagetechniken für zukünftiges Verhalten von Kunden

Vorhersagetechniken für zukünftiges Verhalten von Kunden IBM 360 Grad-Sicht auf den Kunden: Vorhersagetechniken für zukünftiges Verhalten von Kunden Sven Fessler, sven.fessler@de.ibm.com Solution Architect, IBM Germany Business Analytics & Optimization Das Spektrum

Mehr

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder.

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. Präsenzübung Service 2.1. CRM Customer-Relationship Management a) Anliegen des CRM Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. CRM, auch Beziehungsmanagement

Mehr

Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand

Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand 2. Fachtagung Dynamisierung des Mittelstandes durch IT, 09.09.2008 Was ist Business Intelligence

Mehr

Best Practices. von 1000 Versandhändlern FOLIENTITEL STEHT HIER. Michael Schorb, Sales Manager SUBHEADLINE STEHT HIER

Best Practices. von 1000 Versandhändlern FOLIENTITEL STEHT HIER. Michael Schorb, Sales Manager SUBHEADLINE STEHT HIER Michael Schorb, Sales Manager FOLIENTITEL STEHT HIER SUBHEADLINE STEHT HIER Data Textmasterformat driven bearbeiten E-Commerce Best Practices von 1000 Versandhändlern FOLIENTITEL Agenda STEHT HIER SUBHEADLINE

Mehr

hybris Marketing mit SAP HANA Projekterfahrungen

hybris Marketing mit SAP HANA Projekterfahrungen hybris Marketing mit SAP HANA Projekterfahrungen Benedikt Wenzel Projektleiter / Senior Consultant SAP HANA 21.04.2015 Benedikt.Wenzel@tds.fujitsu.com 0 Agenda Beyond CRM Ausgangssituation beim Kunden

Mehr

Zyklus des CRM. CRM-Informationsarchitektur mit intelligenten Agenten. Kauf. Willkommenspaket gewünschte Leistung sicherstellen. Persönlicher Kontakt

Zyklus des CRM. CRM-Informationsarchitektur mit intelligenten Agenten. Kauf. Willkommenspaket gewünschte Leistung sicherstellen. Persönlicher Kontakt Zyklus des CRM. Persönlicher Kontakt Kauf Start Willkommenspaket gewünschte Leistung sicherstellen Call Center Zurückgewinnung Kennenlernen Service Beratung Dialog-Medien Trennung CRM-Informationsarchitektur

Mehr

Das Potenzial von Multikanal- Recommendations nutzen Chancen und Grenzen der Personalisierung

Das Potenzial von Multikanal- Recommendations nutzen Chancen und Grenzen der Personalisierung Das Potenzial von Multikanal- Recommendations nutzen Chancen und Grenzen der Personalisierung Dr. Philipp Sorg (Senior Data Scientist) Peter Stahl (Senior Business Development Manager) 24. März 2015, Internet

Mehr

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

Mehr

HSE24 Gezielte Kundenansprache mit hybris Marketing. Christian Schnetzer, Teamleiter Kundensysteme

HSE24 Gezielte Kundenansprache mit hybris Marketing. Christian Schnetzer, Teamleiter Kundensysteme HSE24 Gezielte Kundenansprache mit hybris Marketing Christian Schnetzer, Teamleiter Kundensysteme 2015 Homeshopping bei HSE24...ein 360 o Einkaufserlebnis HSE24 ist Vorreiter des modernen Homeshoppings

Mehr

Neue Strategien und Innovationen im Umfeld von Kundenprozessen

Neue Strategien und Innovationen im Umfeld von Kundenprozessen Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:

Mehr

GUTE BEZIEHUNGEN FÜR GANZHEITLICHEN ERFOLG.

GUTE BEZIEHUNGEN FÜR GANZHEITLICHEN ERFOLG. GUTE BEZIEHUNGEN FÜR GANZHEITLICHEN ERFOLG. FLOWFACT Universal CRM Langfristig mehr Gewinn mit FLOWFACT Universal CRM Einfach gute Beziehungen gestalten FLOWFACT Universal CRM 2 /3 MEHR ERFOLG WIE VON

Mehr

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation Alexander Schroeter, Head of Outbound PM MEE, CRM & Commerce, SAP AG Regensdorf, November 19, 2013 SAP Customer Engagement

Mehr

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen!

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen! Entfesseln Sie Ihr Potential als Realzeit-Unternehmen! CC NOW 2013-19.9.13 in Düsseldorf Klaus-J. Zschaage authensis AG stellen Sie sich vor Seite 2 stellen Sie sich vor was ist dafür zu tun? Seite 3 Geschäftsoptimierung

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

Mehr

Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie.

Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie. Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie. best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Externer Meilenstein. Manueller Sammelrollup Unterbrechung. Inaktiver Vorgang. Inaktiver Meilenstein Inaktiver Sammelvorgang

Externer Meilenstein. Manueller Sammelrollup Unterbrechung. Inaktiver Vorgang. Inaktiver Meilenstein Inaktiver Sammelvorgang Nr. Vorgasname Dauer Anfang Fertig stellen VorgWer 1 Kick Off 0 Tage Di 05.02.13 Di 05.02.13 Alle 2 Grobkonzept erstellen 20 Tage Di 05.02.13 Mo 04.03.131 CN 3 Vorauswahl Shopsysteme 21 Tage Di 05.02.13

Mehr

Direktmarketing im Zentrum digitaler Vertriebsstrategien

Direktmarketing im Zentrum digitaler Vertriebsstrategien Direktmarketing im Zentrum digitaler Vertriebsstrategien Standortbestimmung und Key Learnings für Verlage Hamburg, September 2014 Im Zentrum digitaler Vertriebsstrategien steht zunehmend die Analyse komplexer

Mehr

Kundenbeziehungsmanagement im Mittelstand

Kundenbeziehungsmanagement im Mittelstand Kundenbeziehungsmanagement im Mittelstand Mit Vernetzung zum Erfolg Prof. Dr.-Ing. Andreas Schmidt Lehrgebiet Wirtschaftsinformatik Hochschule Osnabrück 1 by Hilbring Cartoons, Oliver Hilbring, http://www.oli-hilbring.de/

Mehr

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 BIW - Überblick Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 Annegret Warnecke Senior Sales Consultant Oracle Deutschland GmbH Berlin Agenda Überblick

Mehr

Customer Relationship Management - Kundenwert steigern, Kommunikation vereinfachen, Risiken minimieren

Customer Relationship Management - Kundenwert steigern, Kommunikation vereinfachen, Risiken minimieren Customer Relationship Management - Kundenwert steigern, Kommunikation vereinfachen, Risiken minimieren Customer Relationship Management Lösungen von ERM sind flexible Komplettlösungen, mit denen Sie Ihre

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com Wer sind wir? Wir sind ein unabhängiges Beratungs- und Analystenhaus für Business Intelligence Beratungs-

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Kundenzentrierung mit Prozessportalen neue Wege zum CRM

Kundenzentrierung mit Prozessportalen neue Wege zum CRM Kundenzentrierung mit Prozessportalen neue Wege zum CRM Roland E. Schmid Institut für Wirtschaftsinformatik Universität St. Gallen Agenda Die Multikanal-Kundenbeziehung Die profitable Kundenbeziehung Die

Mehr

Historie der analyseorientierten Informationssysteme

Historie der analyseorientierten Informationssysteme Gliederung MSS 1. Einführung in die Management Support Systeme (MSS) 2. Data Warehouse als Basis-Konzept aktueller MSS 3. Business Intelligence (BI) als Weiterführung des DW-Ansatzes 1. Grundlagen zum

Mehr

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10.

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10. Titel1 Business Analytics als Werkzeug zur Titel2 Unternehmenssteuerung Business Excellence Day 2015 Michael Shabanzadeh, 10. Juni 2015 World Communication GmbH 2015 Seite 1 Definition Business Analytics

Mehr

CRM Customer Relationship Management. Dipl.-Psych. Anja Krol

CRM Customer Relationship Management. Dipl.-Psych. Anja Krol CRM Customer Relationship Management Gliederung Entwicklung und Einführung von Bezugspunkte und CRM - Systeme Veränderte Rahmenbedingungen Entwicklung CRM - Systeme» Deregulierung verstärkt internationalen

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

Mobile Unterstützung von Handelsvertretern in einem Multi-Lieferanten-Umfeld. Projektvorstellung. Dr.-Ing. Dipl.-Inf. Oliver Höß

Mobile Unterstützung von Handelsvertretern in einem Multi-Lieferanten-Umfeld. Projektvorstellung. Dr.-Ing. Dipl.-Inf. Oliver Höß Mobile Unterstützung von Handelsvertretern in einem Multi-Lieferanten-Umfeld Projektvorstellung Dr.-Ing. Dipl.-Inf. Oliver Höß Leiter m-lab und MT Softwaretechnik, Fraunhofer IAO Ausgangsituation & Zielstellung

Mehr

Nutzung von RTA zur ganzheitlichen Kundenansprache

Nutzung von RTA zur ganzheitlichen Kundenansprache Nutzung von RTA zur ganzheitlichen Kundenansprache - Verknüpfung von RTA und CRM Dr. Florian Heinemann d3con, Hamburg, 10. März 2015 RTA bzw. Biddable Media in 2015 Eine (höchst subjektive) Bestandsaufnahme

Mehr

Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management

Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management Martin Herzog 06/07.11.2012 Data Mining als Herzstück von Predictive Analytics Data Mining

Mehr

DWH Szenarien. www.syntegris.de

DWH Szenarien. www.syntegris.de DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen

Mehr

Predictive Analytics / Data Mining im Controlling

Predictive Analytics / Data Mining im Controlling Predictive Analytics / Data Mining im Controlling Sprecher: Dr. Karsten Oehler 1 Das Buch zum Film Erscheint im Controlling Berater, Ende 2011, PDF vorab über karsten.oehler@de.ibm.com erhältlich. Agenda

Mehr

Big Data in Marketing und IT

Big Data in Marketing und IT Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data

Mehr

BI@T-Mobile: Enabling Closed-Loop Capabilities

BI@T-Mobile: Enabling Closed-Loop Capabilities BI@T-Mobile: Enabling Closed-Loop Oracle Terabyte, Heinz Sandermann Business Intelligence, TMD Barbara Jansen BI Framework & Data Architecture, TMD Die Geschäftsfelder der Deutschen Telekom at home on

Mehr

Intelligente Unternehmens- und Prozesssteuerung durch CPM

Intelligente Unternehmens- und Prozesssteuerung durch CPM Intelligente Unternehmens- und Prozesssteuerung durch CPM 5. IIR Forum BI, Mainz, Sept. 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

Mehr

Connected E-Mail-Marketing. So funktioniert E-Mail Marketing heute!

Connected E-Mail-Marketing. So funktioniert E-Mail Marketing heute! Connected E-Mail-Marketing So funktioniert E-Mail Marketing heute! Herbert Hohn Inxmail Academy / Enterprise Sales E-Mail-Marketing macht Online-Shops erfolgreich! Effizienz von Online-Werbemitteln Pop-ups

Mehr

Industrialisierung 30.03.2015. Werden Sie zum Gewinner der Multichannel Marketing-Revolution was Ihre Kunden schon heute erwarten.

Industrialisierung 30.03.2015. Werden Sie zum Gewinner der Multichannel Marketing-Revolution was Ihre Kunden schon heute erwarten. 30.03.2015 Werden Sie zum Gewinner der Multichannel Marketing-Revolution was Ihre Kunden schon heute erwarten. Patricia Kastner, CEO CONTENTSERV AG Die große Revolution Teil 1: Produktion Die große Revolution

Mehr

Die Realtime Big Data Architektur @ OTTO im Kontext von Process Excellence

Die Realtime Big Data Architektur @ OTTO im Kontext von Process Excellence Die Realtime Big Data Architektur @ OTTO im Kontext von Process Excellence Conny Dethloff Bonn, 28. Januar 2015 Process Excellence im Kontext Big Data bedeutet, Komplexität in internen Prozessen nicht

Mehr

INTELLIGENTE WEB 2.0 TOOLS ZUR LEADGENERIERUNG

INTELLIGENTE WEB 2.0 TOOLS ZUR LEADGENERIERUNG INTELLIGENTE WEB 2.0 TOOLS ZUR LEADGENERIERUNG Wie kann Ihr PR, Marketing und Vertrieb effizient und effektiv von Web 2.0 profieren? WAS BIETET GÖLZ & SCHWARZ? INTELLIGENTE WEB 2.0 TOOLS ZUR LEADGENERIERUNG

Mehr

Business Intelligence Center of Excellence

Business Intelligence Center of Excellence Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).

Mehr

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Inhaltsverzeichnis Summary... 4 Keywords... 4 Granularität der Daten... 5 Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Partitionierung der Datenbestände... 7 Vergrößerter Aktionsradius von

Mehr

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Unternehmen Beratung Strategie

Mehr

Customer Managed Relations (CMR) - Fundamentale Änderung der Kundenbeziehungen -

Customer Managed Relations (CMR) - Fundamentale Änderung der Kundenbeziehungen - Customer Managed Relations (CMR) - Fundamentale Änderung der Kundenbeziehungen - Sven Bauszus Partner Manager, Zentraleuropa Köln, 14. November 2001 Halle 13.3, Stand E17 Agenda MicroStrategy in der Übersicht

Mehr

Omni Channel Retailing. Philipp Rohe / Geschäftsführer retailsolutions AG Mai 20, 2014

Omni Channel Retailing. Philipp Rohe / Geschäftsführer retailsolutions AG Mai 20, 2014 Omni Channel Retailing Philipp Rohe / Geschäftsführer retailsolutions AG Mai 20, 2014 7 Schritte zum erfolgreichen Omni Channel Retailing Aktuelle Erfahrungen aus dem deutschsprachigen Detailhandelsmarkt

Mehr

CRM Architektur. New Economy CRM Architektur Page 1

CRM Architektur. New Economy CRM Architektur Page 1 CRM Architektur Titel des Lernmoduls: CRM Architektur Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.4.2 Zum Inhalt: Dieses Modul beschreibt mögliche Architekturen von CRM-Systemen. Insbesondere

Mehr

Die nächste Generation ecommerce. Meet Magento, Leipzig, 04/05. November 2010

Die nächste Generation ecommerce. Meet Magento, Leipzig, 04/05. November 2010 Die nächste Generation ecommerce Magento und CRM 1 Meet Magento, Leipzig, 04/05. November 2010 Entwicklung des e-commerce -E³ 2 Phase 1: Ausbau und Professionalisierung 3 Phase 2: Reichweite 4 Phase 3:

Mehr

IMS entwickelt mit Ihnen Ihre ganzheitliche Multi-Channel Marketing Strategie und setzt diese für Sie mit kompetenten Partnern um

IMS entwickelt mit Ihnen Ihre ganzheitliche Multi-Channel Marketing Strategie und setzt diese für Sie mit kompetenten Partnern um IMS Multi-Channel Marketing Expertise Automatisieren Sie Ihre Multi-Channel Marketing Aktivitäten Sind Ihre Marketing- und Vertriebsaktivitäten aufeinander abgestimmt? Sprechen Sie Ihre Kunden auf den

Mehr

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Andy Sydow Persönliche Daten Nationalität Sprachen Abschluss deutsch Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Herr Sydow verfügt über mehrjährige Erfahrung als DWH/BI

Mehr

Loyalty Management in SAP

Loyalty Management in SAP Loyalty Management in SAP CRM 7.0 Ihr Weg zu langfristigen und profitablen Kundenbeziehungen André Wolzenburg, Product Manager SAP CRM Agenda 1. Vorstellung Data Migration Consulting AG 2. SAP CRM 7.0

Mehr

Digitaler Werkzeugkasten Die wichtigsten Werkzeuge für lokale Unternehmen

Digitaler Werkzeugkasten Die wichtigsten Werkzeuge für lokale Unternehmen Digitaler Werkzeugkasten Die wichtigsten Werkzeuge für lokale Unternehmen Drei von vier Deutschen im Netz das Ende des digitalen Grabens! Internet-Nutzung in Deutschland 1997 im Vergleich zu 2014 1997

Mehr

Next Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung

Next Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung Next Best Product Kundenspezifische Produktangebote in einer Multichannel Umgebung - Mag. Thomas Schierer - Erste Bank der oesterreichischen Sparkassen AG Agenda Erste Bank Allgemeine Information CRM in

Mehr

Automatisierung mit der Line of Business verbinden. Ralf Paschen

Automatisierung mit der Line of Business verbinden. Ralf Paschen Automatisierung mit der Line of Business verbinden Ralf Paschen Agenda Die Herausforderung Was wollen wir? Was hindert uns? Was müssen wir lösen? Wir automatisieren 3 Property of Automic Software. All

Mehr

3. Integrationsdimensionen, u. a. Integrationsrichtungen (vgl. 1 und 2) 4. Vertikale und horizontale Integrationsrichtung (vgl.

3. Integrationsdimensionen, u. a. Integrationsrichtungen (vgl. 1 und 2) 4. Vertikale und horizontale Integrationsrichtung (vgl. Anwendungssysteme 1. Vertikal: unterstützte organisationale Ebene Informationsdichtegrad 2. Horizontal: unterstützter Funktionsbereich betriebliche Grundfunktion 3. Integrationsdimensionen, u. a. Integrationsrichtungen

Mehr

Microsoft Dynamics CRM IT PRO

Microsoft Dynamics CRM IT PRO Microsoft Dynamics Mit Flexibilität und Leichtigkeit zum jeweiligen Ziel UNTERNEHMEN Gründung Oktober 1999 Geschäftsführer DI Johannes Leitner Oliver Zauner Team 14 Mitarbeiter Standorte Linz Schärding

Mehr

Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009

Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009 Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Anforderungen von BI an Software- Entwicklungsprozesse

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

MARKETING 3.0. Neue Kanäle für mehr Geschäftserfolg

MARKETING 3.0. Neue Kanäle für mehr Geschäftserfolg MARKETING 3.0 Neue Kanäle für mehr Geschäftserfolg 3.4.2013 Über e-dialog gegründet 2003 23 angestellte Mitarbeiter Märkte: D-A-CH (plus Konzerntöchter) Branchen: alle, die Geschäft machen Seite 2 Was

Mehr

Online-Kampagnen richtig gestalten

Online-Kampagnen richtig gestalten Online-Kampagnen richtig gestalten Von der Konzeption bis zur Auswertung Zürich 25. März 2010 Manfred Bacher, Ueli Preisig Unternehmensportrait Unic auf einen Blick Unternehmen 1996 in Bern als Spin-off

Mehr

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Einordnung der Begriffe Business Intelligence Strategic Association Management Controlling and Data Warehousing Data Mining, Knowledge

Mehr

NICE Performance Management. Albert Bossart, Sales Manager DACH, NICE Switzerland AG

NICE Performance Management. Albert Bossart, Sales Manager DACH, NICE Switzerland AG NICE Performance Management Albert Bossart, Sales Manager DACH, NICE Switzerland AG Performance Verbesserung für Mitarbeiter mit Kundenbeziehungen Aussendienst Tele- Sales Interner Verkauf Neuakuisition

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Large Scale Data Management

Large Scale Data Management Large Scale Data Management Beirat für Informationsgesellschaft / GOING LOCAL Wien, 21. November 2011 Prof. Dr. Wolrad Rommel FTW Forschungszentrum Telekommunikation Wien rommel@ftw.at Gartner's 2011 Hype

Mehr

SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement. CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller

SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement. CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller SAP CRM und ITML > CRM Neue Oberflächen für eine verbesserte Usability

Mehr

Was gibt es Neues in der BI Welt

Was gibt es Neues in der BI Welt BI-Kongress 2015 COMBINED THINKING FOR SUCCESS. Was gibt es Neues in der BI Welt Daniel Stecher, Stephan Weber, Adrian Bourcevet Frankfurt, 09. Juni 2015 Zürich, 11. Juni 2015 CubeServ BI-Kongress 2015

Mehr

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

Mehr

Seminare Softwaretechnik - Einführungsveranstaltung

Seminare Softwaretechnik - Einführungsveranstaltung Seminare Softwaretechnik - Einführungsveranstaltung Stefan Malich, Peter M. Schuler Wintersemester 2004/2005 Version 1.0 Lehrstuhl für Wirtschaftsinformatik und Softwaretechnik Prof. Dr. Stefan Eicker

Mehr

Technische Integration des Informationssystems über SAP (1/6)

Technische Integration des Informationssystems über SAP (1/6) Technische Integration des Informationssystems über SAP (1/6) Software Systemsoftware Anwendungssoftware Betriebssysteme Standardsoftware Individualsoftware Übersetzungsprogramme Dienstprogramme andere

Mehr

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas

Mehr