Umsetzung der Anforderungen - analytisch

Transkript

1 Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: Zum Inhalt: In diesem Modul wird Ihnen die Entstehung einer CRM- Datenbasis und ihr zielgerichteter Einsatz verdeutlicht. Stichwörter: CRM, Business Intelligence, Customer Data Warehouse, Data Mining, OLAP Bearbeitungsdauer: 15min Schwierigkeit: leicht Zielgruppe: Lehrstuhl: Lehrstuhl Prof. Thome -Uni Würzburg Professor: Prof. Dr. R.Thome Autoren: lpt Inhalt: Kernaussagen: Motivation Kernaussagen: Customer Data Warehouse Kernaussagen: OLAP Kernaussagen: Data Mining Kernaussagen: Business Intelligence Kernaussagen: Übung New Economy Umsetzung der Anforderungen - analytisch Page 1

2 Kernaussagen: Motivation Die analytischen CRM-Komponenten bilden die Basis der CRM-Funktionalitäten. Nur mit den richtigen, gut aufbereiteten und aussagekräftigen Daten können die funktionalen Werkzeuge und Abläufe auf die Kunden abgestimmt werden. Fließen relevante Daten nicht in Entscheidungsprozesse ein, obwohl sie potenziell verfügbar wären, können trotz vorhandener Funktionalitäten Kundenbindungspotenziale nicht genutzt werden. Das Wissen um die Entstehung und den zielgerichteten Einsatz der CRM-Datenbasis gehört daher zu den Grundkenntnissen, die bei der Einführung einer CRM-Lösung notwendig sind. Kernaussagen: Customer Data Warehouse Datenbeschaffung Das Customer Data Warehouse integriert die heterogenen Daten aus internen und externen Quellen in eine einheitliche Datenhaltung. Interne Quellen sind die operativen Systeme, die Daten wie Stammdaten, Kaufhistorien, Aktionsdaten Welche Aktionen, welche Kanäle, welche Strategie welche Kundengruppen und Reaktionsdaten Wer hat wie darauf reagiert generieren. Aus externen Quellen werden Daten über Konkurrenten, Käuferstrukturen Marketingdaten, Verkaufsdaten, Profile, den Markt Wirtschaftsdaten, Industriedaten, Kreditdaten und Warendaten und allgemein relevante Daten z.b. demografisch oder meteorologisch eingebunden. Speicherung Die Daten werden nach ihrer Relevanz selektiert, inhaltlich bereinigt und strukturiert abgelegt. Den gespeicherten Daten werden Metadaten Daten über die Daten zugeordnet, die deren inhaltliche und formale Zusammenhänge z.b. Einheit und Format beschreiben. So entsteht eine anwenderorientierte Datenbasis, die eine Nutzung der Daten erleichtert. Verwendung Das Data Warehouse stellt eine eigenständige Datenquelle dar, die allein der Analyse dient und nicht als Quelle der operativen Applikationen verwendet wird. Diese Separation wird durch die unterschiedliche Ausrichtung der Daten an dem jeweiligen Verwendungszweck notwendig. : Flashanimation ' AIDACVS0.swf ' siehe Online-Version New Economy Umsetzung der Anforderungen - analytisch Page 2

3 Kernaussagen: OLAP Online Analytical Processing modelliert die im Data Warehouse abgelegten Daten für Analysezwecke. Basis des OLAP-Prinzips ist die Abbildung der Daten in einem mehrdimensionalen (bis zu n Dimensionen) Datenwürfel. Die Dimensionen stellen dabei relevante betriebswirtschaftliche Größen Produktgruppen, Zeitbezüge, Umsatz oder Kundengruppen dar. In der Würfelarchitektur können die Wirkungen und Zusammenhänge vieler Maß- und Bezugsgrößen zueinander parallel dargestellt und abgefragt werden. Für gezielte Analysen kann der Würfel auf eine individualisierte Sichtweise angepasst werden. Dafür gibt es diverse Möglichkeiten. Die nutzerbezogenen Leistungen eines OLAP-Systems lassen sich nach Pendse und Creeth in 5 charakteristischen Aspekten zusammenfassen. Geschwindigkeit Analysemöglichkeit New Economy Umsetzung der Anforderungen - analytisch Page 3

4 Sicherheit New Economy Umsetzung der Anforderungen - analytisch Page 4

5 Multidimensionalität New Economy Umsetzung der Anforderungen - analytisch Page 5

6 Kapazität New Economy Umsetzung der Anforderungen - analytisch Page 6

7 Kernaussagen: Data Mining Aufbauend auf der Modellierung von Daten und Beziehungen mit OLAP sollen mit Data Mining Beziehungsmuster zwischen Kundenverhalten und Geschäftsprozessen gefunden werden. Der Begriff des "Knowledge Discovery in Databases" veranschaulicht gut die Zielsetzung. Die Verfahren, die dazu angewendet werden, basieren auf unterschiedlichen Methodenansätzen. Neben der Statistik als grundlegendem Methodenansatz können Ansätze aus maschinellem Lernen, Künstlicher Intelligenz und Mustererkennung zum Einsatz kommen. Im Folgenden sind die bedeutungsvollen Anwendungsbereiche für die Unterstützung der CRM-Prozesse aufgeführt. Sortimentsanalysen New Economy Umsetzung der Anforderungen - analytisch Page 7

8 Kundenanalysen New Economy Umsetzung der Anforderungen - analytisch Page 8

9 Marktreaktionsanalysen New Economy Umsetzung der Anforderungen - analytisch Page 9

10 Prognosen New Economy Umsetzung der Anforderungen - analytisch Page 10

11 Webanalysen New Economy Umsetzung der Anforderungen - analytisch Page 11

12 Textanalysen New Economy Umsetzung der Anforderungen - analytisch Page 12

13 Kernaussagen: Business Intelligence Die nutzerorientierte Präsentation der Informationen ist Aufgabe von Business Intelligence Tools BIT. Die Abgrenzung von BIT zu Data Mining Anwendungen ist fließend, da viele BIT auch Data Mining Funktionen enthalten. Primäres Ziel ist es jedoch, Informationen zu übermitteln und nutzbar zu machen. Ziel ist die Unterstützung von Entscheidungen auf betriebswirtschaftlicher Ebene. Der Weg der Zielerreichung basiert auf den im Folgenden dargestellten Regeln. Nutzerorientierung New Economy Umsetzung der Anforderungen - analytisch Page 13

14 Einheitliche Bedienung New Economy Umsetzung der Anforderungen - analytisch Page 14

15 Darstellung im Kontext New Economy Umsetzung der Anforderungen - analytisch Page 15

16 Veranschaulichung New Economy Umsetzung der Anforderungen - analytisch Page 16

17 Detaillierungsebenen New Economy Umsetzung der Anforderungen - analytisch Page 17

18 Signalisierung besonderer Merkmale New Economy Umsetzung der Anforderungen - analytisch Page 18

19 Kernaussagen: Übung : Flashanimation ' AIDAZ2S0.swf ' siehe Online-Version Glossar Erläuterungstext Aktionsdaten Welche Aktionen, welche Kanäle, welche Strategie welche Kundengruppen Reaktionsdaten Wer hat wie darauf reagiert Käuferstrukturen Marketingdaten, Verkaufsdaten, Profile Markt Wirtschaftsdaten, Industriedaten, Kreditdaten und Warendaten allgemein relevante Daten z.b. demografisch oder meteorologisch Metadaten Daten über die Daten Zusammenhänge z.b. Einheit und Format betriebswirtschaftliche Produktgruppen, Zeitbezüge, Umsatz oder Kundengruppen Größen Business Intelligence BIT Tools New Economy Umsetzung der Anforderungen - analytisch Page 19