Statistisches Scoring der Kunde unter der Lupe

Größe: px
Ab Seite anzeigen:

Download "Statistisches Scoring der Kunde unter der Lupe"

Transkript

1 Juni 2013 Statistisches der Kunde unter der Lupe Kundenbewertung mit der Scorekarte Die Anwendung von gestattet es Unternehmen, die Beziehungen zu ihren Kunden bestmöglich zu steuern. Insbesondere werden dadurch zuverlässige Prognosen über relevantes zukünftiges Kundenverhalten er möglicht. Viele Unternehmen und Branchen nutzen bislang jedoch nur in ge ringem Umfang und auf einem niedrigen Entwicklungsgrad. Dabei gibt es zumindest aus datenschutzrechtlicher Sicht nur einige wenige Einschrän kungen für den Einsatz von zu beachten. Besonders vor dem Hintergrund der immer größeren Datenmengen, die den Unternehmen zur Verfügung stehen (Stichwort Big Data ), ergeben sich ungeahnte Potenziale zur Steigerung des Unternehmenserfolgs. Mücke, Sturm & Company zeigt, in welchen Unternehmensbereichen gewinnbringend eingesetzt werden kann und illustriert die Methodik zur Entwicklung von Scorekarten. Impressum Mücke, Sturm & Company GmbH Theresienhöhe München Telefon Telefax sturm.de Coverbild adimas Fotolia Copyright MS&C 2013 Dieses Dokument ist ausschließlich für Ihren persönlichen Gebrauch bestimmt. Die Verteilung ist nur in unveränderter Form gestattet. Die Nutzung der Inhalte und Darstellungen in Drittdoku menten ist nur mit vorheriger Zustimmung der Mücke, Sturm & Company GmbH gestattet und bedarf der korrekten Zitierung.

2 Im harten Wettbewerb um die Kunden wird es für Unternehmen immer wichtiger, Potenziale und Risiken im Zusammenhang mit Kundenbeziehungen zu erkennen und im Interesse des eigenen Unternehmens zu steuern. ist hier ein effekti ves Instrument, da es geeignet ist, das Verhalten von Einzel personen bzw. von Personengruppen in der Zukunft zu prognostizieren. Für diese Einzelpersonen oder Personengrup pen wird dazu ein Scorewert ermittelt, der die relative Wahr scheinlichkeit beschreibt, mit der ein bestimmtes Ereignis eintritt. Auf Basis dieser Prognose können die Ressourcen des Unternehmens zur Steuerung der Kundenbeziehung zielgerich teter eingesetzt werden. Die Anwendung von bringt Unternehmen viele Vorteile. In der Bonitätsprüfung beispielsweise können Kunden mit einer hohen Wahrscheinlichkeit des Zahlungsausfalls frühzei tig identifiziert und ihnen infolgedessen bestimmte Produkte nicht oder nur per Vorkasse angeboten werden. Aufgrund solcher und anderer positiver Effekte und Einsatzgebiete hat bereits in vielen Unternehmen Einzug gehalten. Nur ist es allein mit der Einführung von nicht getan: Für die langfristig erfolgreiche Anwendung müssen die genutzten Scorekarten regelmäßig überprüft und weiterentwickelt werden. Ohne eine solche Weiterentwicklung besteht die Gefahr, dass das Kundenverhalten falsch prognostiziert wird und die Kundenbeziehungen folglich nicht richtig gesteuert werden. Überhöhte interne Prozesskosten, Zahlungsausfälle und verlorene Umsatzpotenziale stellen die Konsequenz dar. Mücke, Sturm & Company zeigt im Folgenden auf, in welchen Branchen und insbesondere in welchen Unternehmensberei chen nutzenbringend eingesetzt werden kann. Im Fokus soll dabei das statistische stehen. Darüber hinaus wird die Methodik zur Entwicklung und Wartung von Scorekarten illustriert. ist nicht gleich kann in verschiedenen Geschäftsprozessen eingesetzt werden. Die vielseitige Anwendbarkeit bringt eine Vielzahl von Modellen mit sich, welche sich abhängig von der Zielset zung hinsichtlich der Art des s, der genutzten Datenquellen sowie der zugrunde liegenden Datenverfügbarkeit unterscheiden. Im kann entweder das statistische oder das generische genutzt werden. Ziel beider Methoden ist es, einen Zusam menhang zwischen bestimmten Merkmalen und einem relevanten Ereignis zu identifizieren. Ein Beispiel eines Merkmals ist die Vertragsdauer eines Kunden, welche im Zusammenhang mit der Kündigungswahrscheinlichkeit (relevantes Ereignis) stehen kann. So kann ein Kunde mit einer längeren Vertragsdauer eine ge ringere Kündigungswahrscheinlichkeit haben als ein Kunde mit kür zerer Dauer. Beim statistischen wird der Zusammenhang zwischen Merkmal und Ereignis auf Basis mathematisch statisti scher Verfahren bestimmt und daraus eine Scorekarte entwickelt. Beim generischen werden die relevanten Merkmale dagegen auf Basis von Erfahrungswerten von Experten ausgewählt und bewertet, um daraus die Scorekarte abzuleiten. Bei der Ermittlung eines konkreten Scores können Unternehmen interne und externe Datenquellen nutzen. Interne Datenquellen stehen dem Unternehmen in Form von unternehmenseigenen Daten zur Verfügung. Externe Datenquellen sind Quellen außerhalb des Unternehmens, die für das hinzugezogen werden können. Solche Quellen können beispielsweise Auskunfteien sein, die dem Unternehmen Merkmale zur Bonität des Kunden zur Verfü gung stellen. In einigen Fällen liefern diese Quellen auch eigene Scores, die entweder als Merkmal in das interne einfließen oder direkt als eines von mehreren Entscheidungskriterien heran gezogen werden. Abhängig von der Prüfsituation im Kundenlebenszyklus und der damit verbundenen Datenverfügbarkeit erstellen Unternehmen ent weder ein Antrags oder ein Verhaltensscoring. Das Antragsscoring erfolgt vor Beginn einer Geschäftsbeziehung, weshalb dem Unter nehmen zur Scoreberechnung nur die aktuellen Daten des Kunden vorliegen. Auf Basis dieser Daten wird eine Prognose zum zukünfti gen Geschäftsverlauf erstellt. Das Antragsscoring findet heute bereits standardmäßig in vielen Unternehmen Anwendung, häufig im Zusammenhang mit Bonitätsprüfungen. Das Verhaltensscoring erfolgt dagegen innerhalb einer bereits bestehenden Geschäftsbe ziehung. Die Scoreermittlung erfolgt auf Basis von aktuellen sowie von Vergangenheitsdaten, die im Laufe der Geschäftsbeziehung mit dem Kunden gesammelt wurden. 2

3 Exkurs: rechtliche Einschränkungen für Aktuell setzen viele Unternehmen keine Modelle ein, da sie rechtliche Konsequenzen befürchten. Tatsächlich jedoch ist gesetzlich erlaubt in der konkreten Ausgestaltung sind lediglich einige Rahmenbedingungen zu beachten. Eine maß gebliche Regelung bietet hier das Bundesdatenschutzgesetz (BDSG), welches über alle Branchen hindurch gleichermaßen gültig ist. Unternehmen, welche im Telekommunikationsmarkt tätig sind, unterliegen zudem den Datenschutzbestimmungen des Telekommunikationsgesetzes (TKG). Bankeninstitute hin gegen richten sich ergänzend europaweit nach den Basel II Richtlinien, welche durch die BAFIN kontrolliert werden und zu sätzliche Nebenbedingungen enthalten. Grundsätzlich sind rechtliche Regelungen für zwei Themen punkte relevant: Zum einen in Hinblick auf die für das zur Verfügung stehenden Daten, zum anderen bei der Frage hinsichtlich der Zulässigkeit von. In Bezug auf die Daten gilt grundsätzlich, dass ein Unternehmen Kundendaten nutzen darf, sofern ein berechtigtes Interesse an der entspre chenden Nutzung vorliegt.1 Darüber hinaus ist die Erhebung und Speicherung der Kundendaten im Rahmen des Kundenver hältnisses zulässig, wenn die Daten zweckbestimmt zum Mana gement des Vertragsverhältnisses sind.2 In diesen beiden Fällen dürfen die Daten auch zur Ermittlung eines Scorewertes genutzt werden. Sobald kein Zweck im Rahmen des Vertrags verhältnisses oder kein berechtigtes Interesse besteht, dürfen Kundendaten lediglich anonymisiert genutzt werden.3 Dies ist zum Beispiel erforderlich bei der ersten Entwicklung einer Scorekarte, bei der zunächst ermittelt werden muss, welche Merkmale in Zusammenhang mit einem bestimmten Ereignis stehen. Letztlich müssen bei der Auswahl relevanter Merkmale zudem die Einschränkungen des Anti Diskriminierungsgesetztes beachtet werden.4 So dürfen unter anderem Geschlecht, Religion oder Na tionalität nicht in die Berechnung eines Scores aufgenommen werden. Auch in Hinblick auf Zulässigkeit von existieren gesetzliche Rahmenbedingungen. Bei Scores, die für die Betrof fenen mit wirtschaftlichen Folgen verbunden sind, dürfen zur Score Ermittlung nur Merkmale herangezogen werden, welche auf Basis wissenschaftlich statistischer Erkenntnisse nachweislich einen Einfluss auf den Score ausüben.5 Im Rahmen von Kredit vergabeprozessen dürfen Entscheidungen, welche rechtliche Folgen für den Kunden haben, nicht allein auf einer automatisier ten Verarbeitung basieren, d.h. die Entscheidung muss durch eine natürliche Person erfolgen. Darüber hinaus bestehen hinsichtlich der Zulässigkeit keine weiteren Einschränkungen.6 Rechtliche Rahmenbedingungen von Quelle: Mücke, Sturm & Company Vgl. 28 Abs. 1 Satz 1 Nr. 2 Bundesdatenschutzgesetz (BDSG). 28 Abs. 1 Satz 1 Nr. 1 BDSG. 3 Vgl. 28 Abs. 3 BDSG. 4 Vgl. Art 3 Abs. 3 GG. 5 Vgl. 28b BDSG. 6 Vgl. 6a BDSG. 1 2 Vgl. 3

4 ist vielfältig einsetzbar Unternehmen können in verschiedensten Geschäftssituationen heranziehen, um bessere Entscheidungen zu treffen. Für Scores, welche auf den Kunden angewendet werden, kann dies anschaulich entlang des Kundenlebenszyklus dargestellt werden: cores der Reduktion von Prozess und Ausfallkosten. Akquise oder Churn Scores dagegen unterstützen vertriebliche Aktivitäten. Ins besondere im Hinblick auf die vertriebliche Unterstützung bestehen noch große Potenziale. Aktuell nutzen nur wenige Unternehmen Verfahren, um den Erfolg von Cross oder Up Selling Kam Einsatzmöglichkeiten von entlang des Kunden Lebenszyklus Quelle: Mücke, Sturm & Company Im Interessenten sowie im Neukundenmanagement besitzen Unternehmen noch keine historischen Daten auf Basis einer Geschäftsbeziehung mit dem jeweiligen Kunden. Hier werden daher Antragsscores anhand von Merkmalen, die den aktuellen Status des Kunden beschreiben, berechnet. Im Kundenbindungs sowie im Kündigungsmanagement können dagegen Scores auf Basis von Daten gebildet werden, die innerhalb der bestehenden Geschäftsbeziehung gesammelt wurden und eine Art Historisierung der Kundenbeziehung darstellen (Verhaltensscores). Die verschiedenen verfahren, die so entlang des Kunden Lebenszyklus Anwendung finden, verfolgen unterschiedliche Ziele. So dienen beispielsweise Bonitätsprüfungen, Mahn und Inkassos pagnen zu steuern. Kampagnen könnten hierüber jedoch maßgeb lich effektiver gestaltet werden. Zu den Branchen, die heute bereits am intensivsten nutzen, zählen die Telekommunikationsbranche (Churn Wahrscheinlichkeit), die Versicherungswirtschaft (Schadenswahrscheinlichkeit), Banken und der Versandhandel (beides Bonitätsprüfungen). Zwischen den Branchen bestehen allerdings große Unterschiede hinsichtlich des Entwicklungsstandes, d.h. der Leistungsfähigkeit der Modelle und der Intensität der Nutzung, sowie hinsichtlich der Verbreitung des s innerhalb der einzelnen Branche. Insbesondere im Ver sandhandel sind die modelle bereits sehr weit entwickelt und finden sowohl im Marketing als auch im Risikomanagement 4

5 intensive Anwendung über die gesamte Branche hinweg. Im Bereich der Banken wurde das Thema insbesondere mit Risikofokus in den letzten zehn Jahren aufgrund der Basel II Anfor derungen stark weiterentwickelt. In der Telekommunikationsbranche ist die Integration von bislang jedoch noch auf wenige Unternehmensprozesse beschränkt. Während allgemein die Nutzung von im Bereich Churn Prevention und Antrags scoring sehr stark ausgeprägt ist, besteht in den Bereichen Kam pagnenmanagement und Cross Channel Marketing deutlicher Nachholbedarf. Verbreitungs und Entwicklungsgrad von schutzbestimmungen. Als eine Methode, die ursprünglich aus der Kreditbranche stammt, wird daher verstärkt auch in den TIME Märkten und bei Energieversorgern eingesetzt. Auch Auto mobilhersteller können zunehmend Kundendaten beispielsweise zur Optimierung ihres Kampagnenmanagements nutzen. Während Automobilkunden in der Vergangenheit überwiegend unspezifische Angebote im Rahmen einer Marketingkampagne erhielten, können nun zielgerichtete Angebote unterbreitet werden. Solche Angebote können sich durch Auswertung historischer Kundeninformationen und daraus abgeleiteter Affinitäten auf die Interessensgebiete des Kunden fokussieren. Die zunehmende Verbreitung von entlang verschiedener Branchen sowie die Ausweitung der Anwendungsgebiete überra schen nicht: Die ökonomischen Effekte von auf den Unter nehmenserfolg sind enorm. MS&C hat in eigenen Projekten bei der Einführung von im Kampagnenmanagement Effizienzstei gerungen von 160 Prozent festgestellt, beim Einsatz von zur Vermeidung von Kündigungen eine Reduktion von Kündigungen um 20 Prozent. Die Entscheidung, in welchem Prozess bzw. an welcher Stelle eines Prozesses, eingesetzt wird, ist dabei abhängig von den individuellen Geschäftszielen. Sobald Unterneh men entschieden haben, an welchen Stellen im Prozess sie einsetzen möchten, können sie mit der Entwicklung eigener Score karten beginnen bzw. ihre Scorekarten entwickeln lassen. Business Case für die Anwendung von zur Churn Prevention Quelle: Mücke, Sturm & Company Die Darstellung entlang des Kundenlebenszyklus illustriert, dass in nahezu allen Branchen Anwendung finden kann. Einzige Grundvoraussetzung zur Entwicklung und Nutzung eigener Modelle ist ein ausreichender Bestand interner Daten. Unternehmen, welche zunehmend Informationen und Daten über ihre Kunden gewinnen, können somit künftig die Möglichkeiten des s besser ausschöpfen im Rahmen der zulässigen Daten Quelle: Mücke, Sturm & Company 5

6 Entwicklung von Scorekarten Über die Verfahren zur Entwicklung von Scorekarten ist insbeson dere im deutschen Sprachraum bislang relativ wenig veröffentlicht worden, so dass sie oftmals als eine Art Black Box erscheinen. Im Folgenden wird daher das Prinzip der Entwicklung von Scorekarten veranschaulicht, ohne jedoch zu sehr auf die statistischen Details einzugehen. Vielmehr werden am Beispiel einer Verhaltensscore karte, genauer gesagt einer Scorekarte zur Churn Prognose7, die einzelnen Entwicklungsschritte erläutert und es wird auf Problemfel der hingewiesen. Dies ist insbesondere für Risikomanager in Unter nehmen interessant, die zwar selbst keine Scorekarte entwickeln, jedoch ein grundlegendes Verständnis der Funktionsweise auf bauen wollen um ihre Dienstleister besser zu steuern. Aber auch für Statistiker und Ökonometriker ist diese Darstellung von Interesse, da sie typischerweise zwar die zugrundeliegenden Methoden beherrschen, die spezifische Vorgehensweise bei der Entwicklung von Scorekarten jedoch zumeist nicht kennen. Die Entwicklung einer Scorekarte folgt im Allgemeinen stets der gleichen Vorgehensweise und läuft in den folgenden Schritten ab: Definition der Stichprobe und des Datenmodells Zusammenstellung der Daten Analyse der Merkmale Bau der Scorekarte Validierung der Scorekarte Implementierung 1. Definition der Stichprobe und des Datenmodells Am Anfang stehen die Definition der Stichprobe und des Datenmo dells. Dazu gehören exakte Beschreibungen darüber, welches Ereignis oder Kundenverhalten Stichprobe und Datenmodell genau prognostiziert werden soll. In diesem Zusammenhang werden häufig die Wörter gut und schlecht verwendet, um begrifflich zwischen erwünschten oder unerwünschten Ereignissen zu unterscheiden. Die Definition Quelle: Mücke, Sturm & Company von guten und schlechten Ereig nissen oder Verhalten findet daher ebenfalls ganz zu Beginn der Scorekarten Entwicklung statt. Im Falle einer Scorekarte zur Pro gnose von Churn wäre das schlechte Ereignis die Kündigung des Vertrages durch den Kunden, das gute Ereignis wäre entsprechend der Fortbestand des Vertrages. Gleichzeitig ist zu klären, welcher Ereigniszeitraum betrachtet werden soll, um festzustellen ob das das gute oder schlechte Ereignis eingetreten ist. Genau hier liegen aber mögliche Fallstricke in der Zusammenarbeit zwischen Analyti kern und Fachbereichsexperten. Während auf den ersten Blick ein Ereigniszeitraum von insgesamt sechs Monaten als sinnvoll erscheint, werden Fachexperten eher den Zeitraum bis zu sechs Monate betrachten wollen. Denn nach ihrer Erfahrung sind Kunden, die innerhalb von ein bis zwei Monaten kündigen, eher Kandidaten für Rückgewinnung als für Churnverhinderung, da sie die Entschei dung schon getroffen haben. Die Definition des relevanten Ereig niszeitraums und der guten und schlechten Ereignisse muss sich daher stets an der Praxis und den Prozessen des Fachbereichs ori entieren, soll sie dort später erfolgreich eingesetzt werden können. Zur Entwicklung dieser Scorekarte muss eine Stichprobe von Kunden mit den dazugehörigen Kundendaten zur Verfügung stehen, die repräsentativ für das Kundenportfolio des Unterneh mens ist. Gleichzeitig muss für diese Kunden bekannt sein, ob sie innerhalb der folgenden drei bis sechs Monate selbst gekündigt haben. Bei der Ziehung der Stichprobe ist außerdem zu beachten, dass sie je nach Branche auch repräsentativ über das Jahr verteilt ist, um saisonale Schwankungen auszugleichen oder auch explizit zu berücksichtigen. Für einen Mobilfunkanbieter oder einen Strom versorger sieht die relevante Stichprobe wahrscheinlich anders aus als für einen Kfz Versicherungsanbieter, den besonders die Kündi gungswahrscheinlichkeit eines jeden Kunden zum Jahresende in Churn ist ein Kunstwort gebildet aus Change und Turn. Das Ziel einer Churn Prognose ist das Erkennen von abwanderungsgefährdeten Kunden, um sie mittels geeigneter Maßnahmen und Angebote weiterhin an das eigene Unternehmen zu binden. 7 6

7 teressiert, damit er kündigungsgefährdeten Kunden rechtzeitig ein attraktives Angebot unterbreiten kann. Hinsichtlich der Größe der Stichprobe scheint heute die Auffas sung vorherrschend zu sein, dass mehr Beobachtungen grund sätzlich besser sind. Dies ist jedoch nicht ganz richtig, da die Analyse übermäßig großer Stichproben je nach Komplexität der Fragestellung unverhältnismäßig mehr Rechenkapazität und zeit benötigt. Daher sollte die Größe der Stichprobe entlang der jeweiligen Gegebenheiten wie Datenstruktur und Zielsetzung ausgerichtet werden, und nicht wie bereits in einem anderen Zusammenhang geschehen eine Stichprobe von 20 Millionen Nutzern ausgewertet werden. Als Erfahrungswert gilt, dass ab einer Stichprobengröße von ca Beobachtungen und einer hinreichenden Anzahl von Beobachtungen in jeder Ergebniskate gorie (z.b. gekündigt vs. nicht gekündigt) die Güte der Scorekarte durch zusätzliche Beobachtungen nicht mehr substantiell verbes sert werden kann.8 2. Zusammenstellung der Daten Bei der Zusammenstellung der Daten ist neben der Definition der Stichprobe auch die Identifizierung der für die Analyse benötigten Daten von Bedeutung. Als Datenquellen kommen vor allem interne Daten in Betracht, da speziell für Verhaltensprognosen intern vorliegende Daten üblicherweise einen höheren Informati onsgehalt haben als externe Daten. Um diese Daten etwas besser zu kategorisieren und einzugrenzen, werden oftmals die Begriffe Merkmale und Attribute verwendet. Unter Merkmalen versteht man recht allgemein formulierte Eigenschaften des Analyse der Merkmale / Kreuztabelle Kunden oder der Kundenbe ziehung, während Attribute ein bestimmtes Merkmal konkreter beschreiben und messbar machen. Bei einer Churn Pro gnose gilt es also zunächst diejenigen Merkmale zu identi fizieren, die höchstwahr Quelle: Mücke, Sturm & Company scheinlich einen Einfluss auf das Kündigungsverhalten haben oder einen Indikator für eine wachsende Kündigungsbereitschaft darstellen können. Relevante Merkmale sind z.b. Nutzungs und Zahlungsverhalten der letzten Monate, Kundenbeziehung, genutzter Tarif, Tarifhistorie, aber auch sofern vorhanden Informationen wie Kontakthistorie, Beschwerdehäufigkeit und Preissensibilität. Diese Merkmale müssen für den Abzug der Daten aus dem Datawarehouse, aber spätestens für die darauf folgende Analyse in Attribute überführt werden, die unmittelbar ausgewertet werden können. Für das Zahlungsverhalten wären das beispielsweise die Attribute Anzahl der Monate seit der letzten Zahlungsstörung, Jemals in Zah lungsverzug in den letzten 3 (6, 12) Monaten und / oder Maximal erreichter Betrag aller Zahlungsrückstände. 3. Analyse der Merkmale Sind die Stichprobe und alle benötigten Daten zusammengestellt, folgt die Analyse der Merkmale. Die vorliegenden Merkmale mit ihren Attributen müssen hinsichtlich ihrer Eignung untersucht werden, gute von schlechten Ereignissen zu trennen. Dies ge schieht normalerweise, indem jeweils untersucht wird, wie die einzelnen Attribute mit dem schlechten Ereignis (hier also die Kündigung des Vertrages durch den Kunden) korrelieren. Weiter hin werden Ausprägungen ein und desselben Attributes, die einen ähnlichen Zusammenhang mit dem Ereignis haben, für die weitere Analyse in einer Klasse zusammengefasst. Stellt man beispielsweise fest, dass für das Attribut Dauer der Kundenbe ziehung in Monaten die Ausprägungen weniger als 1 Monat Als Minimum hinsichtlich der Stichprobengröße gelten unter Fachexperten 500 Beobachtungen in jeder Ergebniskategorie. Ab Beobachtungen je Ergebniskategorie funktioniert die Entwicklung von Scorekarten in der Regel problemlos. 8 7

8 und 1 bis unter 2 Monate sehr ähnliche Häufigkeiten von guten und schlechten Ereignissen aufweisen, werden diese beiden Aus prägungen in der Klasse 0 bis unter 2 Monaten zusammenge fasst. Klassen werden aber auch aufgrund zu niedriger Fallzahlen in den einzelnen Ausprägungen gebildet, da eine Auswertung mit zu wenigen Beobachtungen nicht sinnvoll wäre. Am Ende einer solchen Analyse ist dann das Attribut Dauer der Kundenbezie hung in Monaten zum Beispiel in die einzelnen Klassen 0 6 Monate, 6 18 Monate, Monate, Monate und mehr als 60 Monate unterteilt worden. Für jedes Attribut wird außerdem auf Basis einer Regressionsanalyse oder mit Hilfe anderer statistischer Verfahren die Vorhersagekraft (oder auch Trennschärfe) bestimmt, sodass im nächsten Schritt nur wirklich aussagekräftige Merkmale und Attribute in den Bau der Score karte übernommen werden. 4. Bau der Scorekarte Bevor mit dem Bau der Scorekarte begonnen werden kann, wird bei kleinen Fallzahlen die Stichprobe üblicherweise noch in eine Entwicklungs und eine Validierungsstichprobe unterteilt. Während die Entwicklungsstichprobe zum Bau der Scorekarte verwendet wird, wird die Validierungsstichprobe für die Überprü fung der allgemeinen Gültigkeit der Scorekarte verwendet. Dadurch soll sichergestellt werden, dass das fertige Modell nicht nur für die Stichprobe funktioniert, anhand der es entwickelt wurde. Ob diese Vorgehensweise gewählt wird, ist allerdings abhängig von der Anzahl der Attribute, der Anzahl der Beobach tungen je Klasse oder Attribut sowie der Anzahl der Beobachtun gen in der Stichprobe insgesamt. Sofern einige Klassen oder Attribute nur wenige Beobachtungen aufweisen oder bei einer geringen Anzahl von Beobachtungen in der Stichprobe insge samt, wird eine Validierung der Scorekarte notwendig, da der in der Analyse gefundene statistische Zusammenhang zwischen At tributen und Ereignis auch rein zufälliger Natur sein kann.9 Für die Entwicklung einer Scorekarte stehen mehrere statistische Verfahren zur Verfügung, so zum Beispiel die lineare oder logisti sche Regression oder die Diskriminanzanalyse. Die Auswahl des Verfahrens muss sich immer an dem Modell orientieren, das auf Basis der Stichprobe und der Daten am passgenauesten erscheint. Im Falle einer Churn Scorekarte ist das zumeist die logistische Regression, da das Ziel die Prognose der Eintritts wahrscheinlichkeit eines dichotomen Ereignisses ist ( gekündigt vs. nicht gekündigt ). Aber nicht nur das passende Modell muss ausgewählt werden, sondern auch die richtigen Merkmale und Attribute zur Verwendung in diesem Modell. Häufig wird hierzu das Verfahren der schrittweisen Regression verwendet. Dabei werden beginnend mit dem aussagekräftigsten Attribut nach und nach alle Attribute in das Regressionsmodell integriert. Durch die schrittweise Hinzufügung von Merkmalen und Attributen in das Modell und damit zusammenhängend durch die stetige Überprü fung der Erklärungskraft des Modells wird sichergestellt, dass Korrelationen zwischen Variablen hinreichend berücksichtigt werden.10 Es sollten jedoch nicht alle Attribute in das finale Modell integriert werden, da ein zu umfassendes Modell leicht an Robustheit verliert. Die Folge wäre, dass die entwickelte Score karte nur für die Stichprobe sehr gut passt, im realen Betrieb jedoch sofort oder zumindest sehr schnell ihre Prognosefähigkeit verliert. Weitere Überlegungen, welche die Reihenfolge der Ver wendung der Merkmale für den Bau der Scorekarte bestimmen, sind die Zuverlässigkeit und Verfügbarkeit der Daten. Daten, für die eine große Fehleranfälligkeit beobachtet wird (z.b. weil sie von Mitarbeitern manuell eingegeben oder gepflegt werden) oder die einen hohen Anteil von fehlenden Beobachtungen aufweisen, sollten nicht an vorderster Stelle verwendet werden. Das mit Hilfe des statistischen Verfahrens gebaute Modell beschreibt schließlich den in der Stichprobe bestehenden Zusam menhang zwischen dem Ereignis (in unserem Beispiel die Kündi gung durch den Kunden) und den Erklärungsfaktoren, d.h. den verschiedenen Merkmalen und Attributen, die den Kunden und die Kundenbeziehung beschreiben. Aus diesem Modell wird die Scorekarte abgeleitet, indem jedem Attribut entsprechend seines relativen Erklärungsbeitrags im Modell ein Scorepunktwert in der Scorekarte zugeschrieben wird. Die fertige Scorekarte besteht dann aus den im Modell verwendeten Attributen und den zugehö rigen Scorepunktwerten. Um den Score für einen Kunden zu berechnen, werden die Scorepunkte aller auf den jeweiligen 9 Alternativ können beispielsweise auch Resampling Verfahren verwendet werden, um die Güte der Scorekarte bei kleinen Stichproben zu erhöhen. Beispielsweise sind die Variablen Dauer der Berufstätigkeit und Alter sehr stark korreliert. Durch die schrittweise Regression können solche Korrelationen aufgedeckt und im Model berücksichtigt werden. 10 8

9 Beispiel eines Churn Scores Quelle: Mücke, Sturm & Company, verfremdete Churn Scorekarte eines Telekommunikationsunternehmens Kunden zutreffenden Attribute addiert. In dem Beispiel der Churn Scorekarte beschreibt ein hoher Score, dass der Kunde mit hoher Wahrscheinlichkeit innerhalb der nächsten drei bis sechs Monate seinen Vertrag kündigen wird. 5. Validierung der Scorekarte Sobald das Modell für die Scorekarte feststeht, wird für alle Kunden in der Entwicklungs und in der Validierungsstichprobe der Scorewert berechnet und die Verteilung der Scores in beiden Stichproben einander gegenüber gestellt. Abweichungen in der Verteilung zwischen den beiden Stichproben zeigen an, ob Teil schritte der Modellentwicklung wiederholt und angepasst werden müssen. Darüber hinaus gibt es eine Reihe von Kennzahlen und Verfah ren, die geeignet sind, die Güte einer Scorekarte zu bestimmen. Das bekannteste Maß ist die Gini Kurve.11 Sie veranschaulicht grafisch, wie gut die Scorekarte geeignet ist, gute von schlechten Ereignissen zu unterscheiden. Dies gelingt, indem sie aufzeigt, wie viel Prozent fälschlicherweise als gut vorhergesagte schlech te Ereignisse mit wie viel Prozent korrekt vorhergesagter guter Ereignisse einhergehen. Zur Validierung einer neu entwickelten Scorekarte kann der Gini Koeffizient zwischen Entwicklungs und Validierungsstichprobe verglichen werden: Ein Unterschied des Gini Koeffizienten von weniger als zehn Prozent ist ein gutes Indiz für eine robuste Scorekarte. Gini Koeffizient und Gini Kurve sind außerdem bestens dazu geeignet, aus verschiedenen Scorekarten Modellen das effizienteste auszuwählen. Einige weitere Maße, um die Güte einer Scorekarte zu bestim men, auf die hier jedoch nicht näher eingegangen werden soll, sind beispielsweise der Odds to Score Ratio oder der Kolmogo rov Smirnov Test.12 Besondere Bedeutung kommt auch der Wahl des Cut off Scores zu, der darüber entscheidet, ab welchem Scorewert die Kunden auf eine bestimmte Art und Weise behandelt oder angesprochen werden sollen. Ein Scorewert kann immer nur die Eintrittswahr scheinlichkeit eines bestimmten Ereignisses für einen Kunden veranschaulichen. Aufgabe der jeweiligen Fachseite des Unter nehmens ist es, diesen Wert durch die Wahl des Cut off Scores in 11 Analog zur Gini Kurve findet auch die ROC Kurve als Effizienzmaß einer Scorekarte Anwendung. Für eine Erläuterung dieser Maße vgl. beispielsweise McNab (2008), S. 49 f. (Odds to Score Ratio) und S. 52 f. (Kolmogorov Smirnov Test), oder Thomas et al. (1978) S. 55 f. und S. 112 f. zum Kolmogorov Smirnov Test. 12 9

10 Effizienz Kurve und Gini Koeffizient Quelle: Mücke, Sturm & Company eine Handlungsempfehlung zu verwandeln und zu entscheiden, ab welchem Scorewert welche Maßnahme zu ergreifen ist. Je nach Anwendungsfall können natürlich auch mehrere Cut off Scores erforderlich sein und definiert werden. In unserem Fallbei spiel der Churn Scorekarte muss mittels des Scores bestimmt werden, welche Kunden mit einem attraktiven Angebot von einer möglichen Kündigung abgehalten werden sollen. Im Fall eines Bonitätsscores stellt sich hingegen die Frage, welche Personen überhaupt als Kunden angenommen werden sollen. Alternativ können bei einem Bonitätsscoring auch unterschiedlich hohe Cut off Scores definiert werden, um daraufhin bei Kunden jeweils un terschiedlich hohe Kreditlinien zu setzen. Beiden Anwendungsfäl len, d.h. Churn und Bonitätsscoring, gemeinsam ist eine unternehmerische Entscheidung auf Basis unvollständiger Informationen mit wirtschaftlichen Folgen. Das jeweilige Unter nehmen muss unter Berücksichtigung von Kosten und Nutzen aspekten entscheiden, wieviel Prozent aller kündigungs gefährdeten Kunden es über ein attraktives Angebot von der Kün digung abhalten will oder zu welchem Risiko Personen als Kunden akzeptiert werden sollen. Als Kosten fallen verschiedene Incentivemaßnahmen wie Gutschriften oder Tarifwechsel (Churn Scorekarte) oder Kosten durch Zahlungsausfall (Bonitätsscore) an. Dem gegenüber steht ein Nutzen in Form von generiertem Umsatz aus der Kundenbeziehung (sowohl Churn Scorekarte und Bonitätsscore). Der Cut off Score wird so gewählt, dass einerseits die Kosten und Nutzenaspekte berücksichtigt und ausbalanciert werden, und andererseits die Fehler einer falschen Prognose von guten und schlechten Ereignissen minimiert werden Implementierung Bei der Implementierung einer Scorekarte ist neben der eigentli chen Implementierung in die IT Systeme des Unternehmens eine gute Verankerung in den Geschäftsprozessen entscheidend für den Erfolg. Die Mitarbeiter der Fachseite müssen daher bereits während der Entwicklungsphase in das Projekt eingebunden werden und die Geschäftsprozesse mit definieren. Insbesondere befürchten Mitarbeiter häufig, dass die implementierten Regeln den Entscheidungsspielraum der Fachseite mindern. Diese Be fürchtungen können jedoch am besten durch eine gemeinsame Definition der Cut off Scores und der Entscheidungsregeln sowie ggf. auch durch die Definition von Ausnahmen und von Regeln für die Aussteuerung in manuelle Prozesse zerstreut werden. Man spricht hierbei auch von Fehlern 1. und 2. Art. Fehler 1. Art: Ein schlechtes Ereignis wird nicht korrekt prognostiziert. Fehler 2. Art: Ein gutes Ereignis wird fälschlicherweise als schlechtes Ereignis prognostiziert

11 Wartung von Scorekarten Die Entwicklung und Implementierung einer Scorekarte alleine reicht jedoch noch nicht aus, um auch langfristig erfolg reich zu betreiben. Scorekarten, die nicht regelmäßig kontrolliert und aktualisiert werden, können dem Unternehmen kurz und langfristig erheblichen Schaden zufügen. Dann nämlich, wenn die Fähigkeit der Scorekarte, für das Unternehmen gute Entschei dungen über Kundenbeziehungen herbeizuführen, gestört ist. Dies ist typischerweise dann der Fall, wenn sich durch Änderun gen externer Faktoren (z.b. Wirtschaftskrise) oder interner Fakto ren (z.b. Strategieänderung) das Verhalten der Kunden oder die Zusammensetzung des Kundenportfolios ändert. So kann bei spielsweise ein Score zur Prognose des Zahlungsverhaltens von Kunden im Forderungsmanagement in Zeiten einer schweren Rezession an Aussagekraft verlieren, wenn sich einerseits die Zahlungsmoral zuvor guter Kunden verschlechtert und anderer seits die Maßnahmen und Prozesse im Forderungsmanagement verändert werden. Analog kann sich die Performance der Score karte bei einem Antragsscoring zur Bonitätsprüfung durch eine neue Zielgruppe bei der Neukundenansprache erheblich ver schlechtern, wenn diese Zielgruppe und ihre Verhaltensdaten nicht zumindest annähernd in der Entwicklungsstichprobe enthal ten waren. Vor dem Hintergrund dieser Gefahrenpotenziale und der Gesamt kosten des Projektes sollte bereits während der Implementie rungsphase dem späteren Monitoring und der Wartung der Scorekarte besonderes Gewicht beigemessen werden. Viele Unternehmen vereinbaren daher bereits im Rahmen der Entwick lung einer Scorekarte mit dem externen Dienstleister feste War tungsintervalle für die Zeit nach der Einführung. Zentrale Maße für die Güte der Scorekarte sind auch hier der Gini Koeffizient oder der Kolmogorov Smirnov Test. Indem diese und ggf. weitere Maße innerhalb der IT Systeme regelmäßig automatisiert berech net und gespeichert werden, kann die Entwicklung der Perfor mance im Zeitverlauf gemonitort werden. Innerhalb der IT Systeme können so im Idealfall zuvor definierte Reports regel mäßig automatisiert erzeugt und per an die zuständigen Fachexperten versandt werden. Ein solcher Report kann bei spielsweise die berechneten Gini Koeffizienten der letzten sechs Monate graphisch darstellen oder die prozentualen Abweichun gen des Gini Koeffizienten von einem festgelegten Basiswert. Ebenfalls können feste Regeln im System hinterlegt werden, die einen Alarm auslösen, wenn ein bestimmtes Maß einen zuvor de finierten Grenzwert über oder unterschreitet oder wenn an zwei aufeinanderfolgenden Perioden eine deutliche Verschlechterung eingetreten ist. Bei der Forschung nach den Ursachen einer Verschlechterung in der Performance helfen die Analyse von deskriptiven Statistiken oder der Verteilung von Merkmalen und Attributen sowie der his torische Vergleich. Häufig werden dabei Verschiebungen in der Kundenpopulation festgestellt, wodurch die Prognosefähigkeit von Einzelmerkmalen beeinträchtigt wird. Aber auch manuelle Gegenentscheidungen (oder Overrides) können die errechnete Performance der Scorekarte negativ beeinflussen. Allerdings müssen diese Ereignisse bei der Beurteilung der Güte der Score karte exkludiert werden, da sie nicht der Scorekarte angelastet werden können. Daher müssen solche Ereignisse auswertbar in den IT Systemen vorgehalten werden. Ähnlich verhält es sich mit Veränderungen in den Geschäftsprozessen, wie z.b. einer Störung im Mahnablauf oder der Einführung einer neuen Marke ting Kampagne oder eines neuen Produktes. Diese Änderungen müssen geloggt werden und sind bei der Verschlechterung der Scorekarte auf ihre Auswirkungen hin zu überprüfen wobei eine kurzzeitige Störung in einem Geschäftsprozess natürlich anders zu beurteilen ist als eine Produkteinführung. Die hier skizzierten Auswertungen sind anders als die Reports nicht regelmäßig durchzuführen. Gleichwohl müssen die erforderlichen Daten in den Systemen erfasst und vorgehalten werden, um bei Bedarf eine ad hoc Auswertung zu ermöglichen. Entscheidend ist nur, dass die Scorekarte auch wirklich regelmä ßig gemonitort wird denn in der Realität ist genau dies leider häufig nicht der Fall. Es ist keine Seltenheit, dass die Güte einer Scorekarte über ein Jahr hinweg oder auch länger nicht überprüft wird und Verschlechterungen in der Performance dann nicht rechtzeitig entdeckt werden. Als Intervall für die Wartung bzw. das Monitoren empfiehlt sich eine mindestens halbjährliche oder 11

12 sogar quartalsweise Überprüfung der Performance und ggf. ent sprechend zeitgleich die Einleitung von Gegenmaßnahmen.14 In vielen Fällen ist eine Anpassung in Form einer Verschiebung der Gewichtung der Merkmale und Attribute bereits ausreichend. Bei großen Performanceverlusten wird jedoch die Neuentwicklung der Scorekarte unabdingbar. Doch gerade hier verschafft das regelmäßige, mindestens halbjährliche Monitoring üblicherweise eine entsprechend frühzeitige Indikation, da Verschlechterungen im Allgemeinen kontinuierlich ansteigend auftreten. haft betriebenes Monitoring und Wartung der Scorekarte wird schließlich auch der langfristig erfolgreiche Einsatz von sichergestellt. Fazit Die Einführung von Scorekarten in die Entscheidungspro zesse von Unternehmen führt zu wesentlichen, positiven wirtschaftlichen Effekten. So etabliert sich das über die traditionelle Kreditbranche hinaus in weiteren Industrien, und auch das Spektrum der Anwendungsgebiete steigt stetig. Über die reine Bonitätsprüfung hinaus findet heute zunehmend Anwendung in Kampagnenmanagement, Churn Prognosen und in der Steuerung von Forderungsma nagement und Inkassoprozessen. Unternehmen, die neue Scorekarten entwickeln und einfüh ren, müssen jedoch stets darauf achten, dass Fachseite und Analytiker in der Entwicklung gut zusammenarbeiten, damit die Scorekarte in der Praxis später nutzenbringend einge setzt werden kann. Wichtig ist hierbei die richtige Definition der guten und schlechten Ereignisse, die mittels der Score karte prognostiziert werden sollen, und die treffende Ein grenzung des Ereigniszeitraums. Außerdem müssen Cut off Scores und Regeln für die Aussteuerung in die manuelle Bearbeitung in Übereinstimmung mit bestehenden oder neuen Geschäftsprozessen definiert werden. Bleibt die Abstimmung zwischen Fachseite und Analytik aus oder ist sie gestört, wird die Anwendbarkeit der Scorekarte in der Praxis stark eingeschränkt sein. Ist die Scorekarte jedoch erfolgreich entwickelt und in die Systeme und Prozesse implementiert, wird der Nutzen in Form einer besseren Steuerung von Kundenrisiken schnell sichtbar. Durch ernst Das Intervall sollte in Abstimmung mit den Entwicklern der Scorekarte bestimmt werden. Einflussfaktoren für die Häufigkeit der Wartung sind Komplexität der Scorekarte, Anwendungshäufigkeit und Höhe des Schadenspotenzials. Mit zunehmender Höhe von Komplexität, Anwendungshäufigkeit und Schadenspotenzial empfiehlt sich eine häufigere Wartung

13 Quellen und weiterführende Literatur Anderson, Raymond (2007): The Credit Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation, Oxford: Oxford University Press. Elizabeth Mays (Hrsg.) (2001): Handbook of Credit, London: Routledge. McNab, Helen und Peter Taylor (2008): Principles & Practice of Consumer Credit Risk Management, London: IFS School of Finance. Thomas, Lyn C., David B. Edelman und Jonathan N. Crook (1987): Credit and Its Applications, Monographs on Mathematical Modeling and Computation Nr. 6, Philadelphia: Society for Industrial and Applied Mathematics. Thomas, Lyn C., David B. Edelman und Jonathan N. Crook (Hrsg.) (2004): Readings in Credit : Foundations, Developments, and Aims, Oxford: Oxford University Press. Weitere Veröffentlichungen von Mücke, Sturm & Company Auskunftei Benchmarking Fallstudie: Bonitätsinformationen von Auskunfteien Auskunftei Informationen sind eines der wichtigsten Instrumente für effiziente Risikoeinschätzung. Die Fallstudie macht deutlich, dass erhebliche Unterschiede bei der Fähigkeit existieren, negative Zahlungserfahrungen aus Inkassomahnverfahren und amtlichen Schuldnerregistern umfassend aufzuzeigen. Bonitätsprüfung Mit den Levels of Excellence vom Risiko zum Kundenwert Die Bonitätsprüfung kann mehr sein als ein Instrument zur Ausfallvermeidung: Neben einer guten Prognose von Zahlungsausfällen können durch ein effizientes Prüfsystem weitere strategische Ziele erheblich unterstützt werden. Die Studie zeigt den idealen Entwicklungspfad einer Bonitätsprüfung anhand einer Einteilung in 4 Levels of Excellence auf. Risikomanagement Eine wachsende Herausforderung für Energieversorger mit großen Chancen für Ertragsverbesserung Das Thema Risikomanagement früher ein Nebenschauplatz rückt zunehmend in den Fokus. Die Studie zeigt, dass Einsparungen bei Risikokosten in Höhe von 25 Prozent und Umsatzerhöhungen bei Neukunden um 5 Prozent möglich sind. Wirksamkeit von Credit Management Studie zur Verbreitung und Wirksamkeit von Credit Management in B2BUnternehmen Credit Management besitzt einen erheblichen positiven Einfluss auf den Erfolg eines Unternehmens. Die Studie, die MS&C gemeinsam mit der TU Darmstadt durchgeführt hat, ist zu einem erstaunlichen Ergebnis gekommen: Obwohl die meisten Unternehmen um den hohen Nutzen von Credit Management wissen, sehen sie bei sich noch einen hohen Nachholbedarf. Zusammenfassungen der Analysen und Studien können Sie kostenlos per E Mail unter anfordern. 13

14 Über die Autoren Michael Mücke, Mitbegründer und Managing Partner bei dem gleichnamigen Beratungs haus, begann seine Karriere als Consultant bei der Top Management Beratung A.T. Kearney. Im Jahr 2002 gründete er die strategische Management Beratung Mücke, Sturm & Company mit besonderem Fokus auf die TIME Märkte. Schwerpunkte seiner Tätigkeit sind die Bereiche Customer Relationship Management, Pro fessional Mobile Radio sowie Billing & Payment. Michael Mücke verfügt über detaillierte Branchenkenntnisse in den Industrien Telekommunikation / Internet, Kabelnetzbetreiber und Medien. Dr. Gabriela Schütz, Project Manager, ist promovierte Volkswirtin (LMU München). Vor ihrem Wechsel zu Mücke, Sturm & Company 2010 war sie am ifo Institut für Wirtschaftsforschung und zuletzt als Projektmanagerin bei der Bertelsmann Stiftung tätig. Zu den Schwerpunkten ihrer Tätigkeit zählen Projekte in den Bereichen analytisches CRM sowie in allen Bereichen anwendungsorientierter statistischer und ökonometrischer Analysen. Zudem unterstützt sie Klienten in strategischen Fragestellungen im Credit Risk Management und Forderungsmanagement. Jennifer Becker, Senior Consultant, studierte European Business in einem Kooperationsstudiengang der FH Münster und der University of Portsmouth sowie Strategisches Marketing an der Maastricht University. Seit 2011 arbeitet sie bei Mücke, Sturm & Company und betreut Klienten in den Bereichen Marketing und Strategie mit dem Schwerpunkt CRM. Bevor sie zu MS&C stieß, war sie im Sales und Brand Management in der Luftfahrt und Konsumgüterindustrie tätig. Mücke, Sturm & Company (MS&C) wurde 2002 von Michael Mücke und Patrick Sturm als partnergeführtes Beratungsunternehmen in München gegründet eröffnete die Managementberatung ein Büro in Darmstadt und 2011 einen Sitz in Köln. Heute zählt Mücke, Sturm & Company im deutschsprachigen Raum zu den führenden Managementberatungen der TIME Branche (Telekommunikation, Informationstechnologie, Medien und Entertainment). Zu ihren Klienten gehören die größten Unternehmen dieser Industriesektoren. Zunehmend bringt MS&C ihre Expertise und Kompetenz auch in anderen Branchen erfolgreich ein. MS&C begleitet ihre Klienten von der Strategieentwicklung bis zur Umsetzung und bietet neben innovativen Konzepten auch messbaren Erfolg. 14

15 Kontakt Michael Mücke Managing Partner Theresienhöhe München Telefon: Fax: Internet: sturm.de 15

EINIGE VALIDIERUNGSASPEKTE VON SCORING-SYSTEMEN

EINIGE VALIDIERUNGSASPEKTE VON SCORING-SYSTEMEN EINIGE VALIDIERUNGSASPEKTE VON SCORING-SYSTEMEN Dr. Pavel Khomski Im nachfolgenden Beitrag werden zwei gebräuchliche Indizes vorgestellt, die zur Validierung der Scoring-Systeme herangezogen werden, der

Mehr

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung Prof. Dr. Gerhard Arminger Dipl.-Ök. Alexandra Schwarz Bergische Universität Wuppertal Fachbereich Wirtschaftswissenschaft Fach Statistik Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

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

Wie Ihre Bank faire Kreditentscheidungen trifft. Antworten zum Scoring

Wie Ihre Bank faire Kreditentscheidungen trifft. Antworten zum Scoring Wie Ihre Bank faire Kreditentscheidungen trifft Antworten zum Scoring Unsere Verantwortung Die Mitgliedsbanken des Bankenfachverbandes sind die Experten für Finanzierung. Sie vergeben Kredite verantwortungsvoll,

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

Kundenbeziehungsmanagement: B2B ist nicht B2C!

Kundenbeziehungsmanagement: B2B ist nicht B2C! Kundenbeziehungsmanagement: B2B ist nicht B2C! Unterschiedliche Anforderungen an CRM- Lösungen für Business-To-Business und Business-To-Consumer? Titel des Interviews: Name: Funktion/Bereich: Organisation:

Mehr

Kundenbeziehungsmanagement: B2B ist nicht B2C!

Kundenbeziehungsmanagement: B2B ist nicht B2C! Kundenbeziehungsmanagement: B2B ist nicht B2C! Unterschiedliche Anforderungen an CRM- Lösungen für Business-To-Business und Business-To-Consumer? Titel des Interviews: Name: Funktion/Bereich: Organisation:

Mehr

Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010

Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010 Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010 Autoren: Alexander Schramm Marcus Mertens MuniConS GmbH Einleitung Unternehmen verfügen heute über viele wichtige Informationen

Mehr

Kundenzentrisches Banking - mit Hilfe von Social Media

Kundenzentrisches Banking - mit Hilfe von Social Media Kundenzentrisches Banking - mit Hilfe von Was versteht man unter kundenzentrischem Banking? Problem: Banken haben heutzutage mit stagnierenden Märkten, starkem Wettbewerb und einer sinkenden Kundenloyalität

Mehr

risk solution services

risk solution services risk solution services risk solution services Ihr Risk Management Fulfillment mit einzigartigem Leistungsversprechen Ihre Vorteile im Überblick Rundum-Sorglos-Paket Ihr Risk Management Fulfillment mit

Mehr

Was tun mit Big Data? Workshop-Angebote der PROFI AG

Was tun mit Big Data? Workshop-Angebote der PROFI AG Was tun mit Big Data? Workshop-Angebote der PROFI AG Jetzt anmelden! Die Teilnehmerzahl ist begrenzt. Was ist Big Data? 3 Herzlich willkommen. Die PROFI AG bietet Kunden ein breites Spektrum an Software-Lösungen,

Mehr

Diplomarbeiten. Ansätze zur Kundenbewertung im CRM - Möglichkeiten zur Bestimmung des Kundenpotenzials

Diplomarbeiten. Ansätze zur Kundenbewertung im CRM - Möglichkeiten zur Bestimmung des Kundenpotenzials Diplomarbeiten - Möglichkeiten zur Bestimmung des Kundenpotenzials Datengestützte Validierung von Customer-Lifetime-Konzepten Agenda 1) WEKA-MEDIA-Verlage 2) Ziel der ersten Arbeit: Neu- und Bestandskundenbewertung

Mehr

Softwareentwicklung und Application Lifecycle Management als Geschäftsprozess

Softwareentwicklung und Application Lifecycle Management als Geschäftsprozess Softwareentwicklung und Application Lifecycle Management als Geschäftsprozess Von David Chappell Gefördert durch die Microsoft Corporation 2010 Chappell & Associates David Chappell: Softwareentwicklung

Mehr

Mobile Device Management - Wer hat die beste Software-Lösung?

Mobile Device Management - Wer hat die beste Software-Lösung? PRESSEINFORMATION Mobile Device Management - Wer hat die beste Software-Lösung? Benchmarking-Studie internationaler MDM-Software-Lösungen bringt Licht in den intransparenten Markt München, 25. April 2013

Mehr

Zwei Wochen Mobilegeddon : Wie die beliebtesten Online-Shops für Lebensmittel das neue Google-Update verkraftet haben

Zwei Wochen Mobilegeddon : Wie die beliebtesten Online-Shops für Lebensmittel das neue Google-Update verkraftet haben MEDIENINFORMATION Zwei Wochen Mobilegeddon : Wie die beliebtesten Online-Shops das neue Google-Update verkraftet haben Searchmetrics untersuchte Mobile SEO und Desktop SEO für die zehn beliebtesten Lebensmittelshops:

Mehr

Geschäftsprozessmanagement

Geschäftsprozessmanagement Geschäftsprozessmanagement Der INTARGIA-Ansatz Whitepaper Dr. Thomas Jurisch, Steffen Weber INTARGIA Managementberatung GmbH Max-Planck-Straße 20 63303 Dreieich Telefon: +49 (0)6103 / 5086-0 Telefax: +49

Mehr

Metriken für ein ROI-basiertes Datenqualitätsmanagement

Metriken für ein ROI-basiertes Datenqualitätsmanagement Dr. Max Mustermann Referat Kommunikation & Marketing Verwaltung Metriken für ein ROI-basiertes Datenqualitätsmanagement Prof. Dr. Bernd Heinrich, Prof. Dr. Mathias Klier Institut für Wirtschaftsinformatik

Mehr

SCHUFA für Handelsunternehmen. Chancen steigern, Risiken minimieren

SCHUFA für Handelsunternehmen. Chancen steigern, Risiken minimieren SCHUFA für Handelsunternehmen Chancen steigern, Risiken minimieren Adresse Bonität Monitoring Professionelles Risikomanagement für Handelsunternehmen Seit mehr als 80 Jahren sind wir der führende Dienstleister

Mehr

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting.

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Schober Group Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Mag. (FH) Alexandra Vetrovsky-Brychta Wien, 23.10.2012 Mehr IQ für Ihre Kundendaten Seite 2 Agenda Themen

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

IDC Studie: Deutsche Unternehmen verlassen sich auf IT Service Management für die Cloud

IDC Studie: Deutsche Unternehmen verlassen sich auf IT Service Management für die Cloud Pressemeldung Frankfurt, 24. April 2013 IDC Studie: Deutsche Unternehmen verlassen sich auf IT Service Management für die Cloud Unternehmen verlassen sich für das Management ihrer Cloud Services auf IT

Mehr

Kennzahlen: Nutzen & Risiken

Kennzahlen: Nutzen & Risiken Kennzahlen: Nutzen & Risiken Was sind Key Performance Indicators? Führungskräfte und ihre Mitarbeiter verlieren zwischen allen Zielen und Vorgaben leicht den Überblick über das, was wirklich wichtig ist.

Mehr

Entwicklung eines CRM Systems

Entwicklung eines CRM Systems Entwicklung eines CRM Systems In diesem Skript werden alle möglichen Elemente die zur Entwicklung eines CRM Systems notwendig sind angesprochen. Im Rahmen Ihrer Analyse Ihres Beispielunternehmens/ Ihrer

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

State-of-the Art Risk Management im Rahmen der Bonitätsprüfung bei Telcos. IBP View

State-of-the Art Risk Management im Rahmen der Bonitätsprüfung bei Telcos. IBP View State-of-the Art Risk Management im Rahmen der Bonitätsprüfung bei Telcos IBP View State-of-the Art Risk Management im Rahmen der Bonitätsprüfung bei Telcos IBP View Oktober 2012 Iskander Business Partner

Mehr

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN PRESSE-INFORMATION BI-19-09-12 NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN Big Data für den Handel wettbewerbsentscheidend Neue Anforderungen und Handlungsbedarf Technologie-Innovationen

Mehr

Decision Management am Beispiel einer Kreditautobahn Dr. Olaf Weinmann, Bosch Software Innovations GmbH

Decision Management am Beispiel einer Kreditautobahn Dr. Olaf Weinmann, Bosch Software Innovations GmbH InnovationsForum Banken & Versicherungen 2013 Zürich, 28. November 2013 Decision Management am Beispiel einer Kreditautobahn Dr. Olaf Weinmann, GmbH 1 InnovationsForum 2013 INST/PRV-BI 28.11.2013 GmbH

Mehr

hinter hochwertigen Dienstleistungen und Produkten stehen effiziente Strukturen und präzise Prozesse.

hinter hochwertigen Dienstleistungen und Produkten stehen effiziente Strukturen und präzise Prozesse. Köln, 27. April 2011 Liquidität mit Sicherheit. Ihre Prozesse im Delkrederegeschäft. Sehr geehrte Damen und Herren, hinter hochwertigen Dienstleistungen und Produkten stehen effiziente Strukturen und präzise

Mehr

Das Problem: Keine Einsicht in Google Adwords Deckungsbeiträge

Das Problem: Keine Einsicht in Google Adwords Deckungsbeiträge Customer Story Maximale Marketing-Profitabilität: Wie Sie Ihr Google Adwords Budget optimal verteilen Das Problem: Keine Einsicht in Google Adwords Deckungsbeiträge Der Marketingmanager von schuheonline.de*

Mehr

SCORING NACH DER DATENSCHUTZNOVELLE 2009

SCORING NACH DER DATENSCHUTZNOVELLE 2009 SCORING NACH DER DATENSCHUTZNOVELLE 2009 GP Forschungsgruppe Symposium im BMJV Berlin, 20. Mai 2015 HTA-Bericht zur Alkoholprävention 1 Methodik Befragung von 2.021 Personen im Alter von 18-75 Jahren in

Mehr

Reden wir über ZIeleRReIchung Im SeRvIcecenteR.

Reden wir über ZIeleRReIchung Im SeRvIcecenteR. Reden wir über Zielerreichung im Servicecenter. Zielerreichung im Servicecenter Einflussfaktor Mensch. Hohe Leistungserwartung und enormer Kostendruck stellen jedes Servicecenter vor die Herausforderung,

Mehr

Customer-Relation-Management Fakten (I)

Customer-Relation-Management Fakten (I) CRM Strategien Customer-Relation-Management Fakten (I) Im weltweiten Wettbewerb ist ein schlüssiges und zielgerichtetes Marketing überlebenswichtig! Moderne Unternehmen von heute sind sich dessen bewusst:

Mehr

Der Turbo für Ihr Unternehmen MOTIONDATA CRM. innovativ. effizient. bewährt

Der Turbo für Ihr Unternehmen MOTIONDATA CRM. innovativ. effizient. bewährt Der Turbo für Ihr Unternehmen MOTIONDATA CRM innovativ effizient bewährt Mit dem MOTIONDATA CRM geben Sie Ihrem Unternehmen ein Powertool. Durch gezielte Kundenbearbeitung verbessern Sie Ihre Abschlussrate

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Analytics, Big Data, Multi-Touch Attribution und Content Marketing E-Business 2014

Analytics, Big Data, Multi-Touch Attribution und Content Marketing E-Business 2014 Analytics, Big Data, Multi-Touch Attribution und Content Marketing E-Business 2014 Andreas Berth, CEO B2 Performance Group Inhalt B2 Performance das Unternehmen Ausgangslage Problem Lösung Umsetzung Key

Mehr

Risikomanagement Schützen Sie sich vor Zahlungsstörungen! Risk Management Minimizing payment defaults!

Risikomanagement Schützen Sie sich vor Zahlungsstörungen! Risk Management Minimizing payment defaults! Risikomanagement Schützen Sie sich vor Zahlungsstörungen! Risk Management Minimizing payment defaults! Warum Risikomanagement? HÄNDLER wünscht: Preiswerte & sichere Zahlverfahren KUNDE wünscht: Preiswerte

Mehr

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Steigerung der vertrieblichen Leistungsfähigkeit

Steigerung der vertrieblichen Leistungsfähigkeit Steigerung der vertrieblichen Leistungsfähigkeit Ansatzpunkte für eine Zusammenarbeit mit Eleven Management Consulting Frankfurt am Main im September 2013 www.eleven-mc.com Unsere Erfahrung zeigt, dass

Mehr

Schober Targeting System ecommerce

Schober Targeting System ecommerce Schober Targeting System ecommerce Crossmediale, systematische Marktbearbeitung Vom einzelnen Baustein bis zur Gesamtstrategie Modulare Lösungen sofort einsetzbar IST IHR INFORMATIONS- MANAGEMENT UP to

Mehr

Messsystemanalyse (MSA)

Messsystemanalyse (MSA) Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching 1.1 Caching von Webanwendungen In den vergangenen Jahren hat sich das Webumfeld sehr verändert. Nicht nur eine zunehmend größere Zahl an Benutzern sondern auch die Anforderungen in Bezug auf dynamischere

Mehr

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement CMC-KOMPASS: CRM Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement 1 CROSSMEDIACONSULTING 18.05.2010 Unser Verständnis von CRM: Customer Relationship Management ist weit mehr als ein IT-Projekt

Mehr

Vertriebs-Dashboards für das Management

Vertriebs-Dashboards für das Management Vertriebs-Dashboards für das Management Die wichtigsten Vertriebskennzahlen jederzeit und aktuell auf einen Blick. www.schleupen.de Schleupen AG 2 Der Wettbewerb Die Stadtwerke stehen im direkten Wettbewerb

Mehr

Checklisten für die erfolgreiche Einführung von Customer Relationship Management (CRM)

Checklisten für die erfolgreiche Einführung von Customer Relationship Management (CRM) Checklisten Checklisten für die erfolgreiche Einführung von Customer Relationship Management () 1-1 Checklisten Checkliste Funktionen und Eigenschaften! Übereinstimmung mit Anforderungsprofil: Stimmen

Mehr

Schober Targeting System Touristik

Schober Targeting System Touristik Schober Targeting System Touristik IST IHR INFORMATIONS- MANAGEMENT UP to DATE? Nur wer die relevanten Informationen über seine Kunden und seinen Markt hat und wer sie zielgerichtet verwerten kann, ist

Mehr

Risikomanagement. der Softship AG

Risikomanagement. der Softship AG Risikomanagement der Softship AG Risikomanagement der Softship AG Wesentliche Merkmale des Risikomanagement- und des internen Kontrollsystems Um Risiken, die den Fortbestand der Gesellschaft gefährden,

Mehr

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor Yves-Deniz Obermeier Sales Manager Financial Services Ing. Thomas Heinzmann Division Management BI Mag. Martin Feith Senior Expert Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

Mehr

IDC-Studie: Software Quality Assurance Unternehmen in Deutschland haben Nachholbedarf

IDC-Studie: Software Quality Assurance Unternehmen in Deutschland haben Nachholbedarf Pressemeldung Frankfurt am Main, 02. Februar 2012 IDC-Studie: Software Quality Assurance Unternehmen in Deutschland haben Nachholbedarf Software Quality Assurance wird nicht geliebt aber praktiziert. Die

Mehr

Technischer Regulierungsstandard zur Behandlung von Kreditrisikoanpassungen

Technischer Regulierungsstandard zur Behandlung von Kreditrisikoanpassungen Technischer Regulierungsstandard zur Behandlung von Kreditrisikoanpassungen Michael Mertens Inhalt Einleitung... 1 Spezifische und allgemeine Kreditrisikoanpassungen... 1 Anwendungsbereiche... 3 Berücksichtigung

Mehr

Preisgestaltung für Software-as-a-Service

Preisgestaltung für Software-as-a-Service edition Lünendonk: IT-Wissenschaft für die Praxis Preisgestaltung für Software-as-a-Service Zukunftsperspektiven nutzungsabhängiger Preismodelle Eine Publikation der Lünendonk GmbH in Zusammenarbeit mit

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

Was tun mit Big Data? Workshop-Angebote der PROFI AG

Was tun mit Big Data? Workshop-Angebote der PROFI AG Was tun mit Big Data? Workshop-Angebote der PROFI AG Jetzt anmelden! Die Teilnehmerzahl ist begrenzt. Herzlich willkommen. Die PROFI AG bietet Kunden ein breites Spektrum an Software-Lösungen, um Geschäftsprozesse

Mehr

ENTERPRISE FEEDBACK MANAGEMENT MIT APTEAN. Gerhard Maier YOUR SUCCESS. OUR PASSION.

ENTERPRISE FEEDBACK MANAGEMENT MIT APTEAN. Gerhard Maier YOUR SUCCESS. OUR PASSION. ENTERPRISE FEEDBACK MANAGEMENT MIT APTEAN Gerhard Maier APTEAN AUF EINEN BLICK Enterprise Feedback Management Warum? Umsatz steigern, halten, Verluste verhindern Mittel und Wege Steigern der Anzahl zufriedener

Mehr

Über dieses Buch. Kapitel 1. 1.1 Einleitung

Über dieses Buch. Kapitel 1. 1.1 Einleitung Kapitel 1 Über dieses Buch 1.1 Einleitung Dieses Buch behandelt das Vorgehensmodell Kanban und seinen Einsatz in Softwareentwicklungsprojekten. Kanban ist ein Vorgehensmodell der schlanken Softwareentwicklung

Mehr

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Masterarbeit

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Masterarbeit Universität Passau Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Masterarbeit "Identifikation von Erfolgsfaktoren für eine Facebook- Recruiting-Strategie"

Mehr

Kundenbeziehungsmanagement: B2B ist nicht B2C!

Kundenbeziehungsmanagement: B2B ist nicht B2C! Kundenbeziehungsmanagement: B2B ist nicht B2C! Unterschiedliche Anforderungen an CRM- Lösungen für Business-To-Business und Business-To-Consumer? Titel des Interviews: Name: Funktion/Bereich: Organisation:

Mehr

Urs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung

Urs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung Urs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung 5. November 2012 2012 ISACA & fischer IT GRC Beratung & Schulung. All rights reserved 2 Agenda Einführung Konzepte und Prinzipien

Mehr

ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT

ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT April 2013 ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT von Maren Weiß & Prof. Dr. Michael Durst Welche Rolle spielen Trends in den Frühen Phasen im Innovationsmanagement? Wie setzen Unternehmen Trends

Mehr

Unternehmen wissen zu wenig über ihre Kunden! Ergebnisse der Online-Umfrage. Management Summary

Unternehmen wissen zu wenig über ihre Kunden! Ergebnisse der Online-Umfrage. Management Summary Unternehmen wissen zu wenig über ihre Kunden! Ergebnisse der Online-Umfrage Management Summary Management Summary Kunden - Erfolgsfaktor Nummer 1 Es ist mittlerweile ein offenes Geheimnis, dass Unternehmen

Mehr

»DataDashboard«Analytisches Kundenmanagement für ihren Markterfolg

»DataDashboard«Analytisches Kundenmanagement für ihren Markterfolg »DataDashboard«Analytisches Kundenmanagement für ihren Markterfolg Dienstleistungs- und Softwareangebot für Ihren Markterfolg www.energieforen.de/goto/softwaretools Analytisches Kundenmanagement Ausgangssituation

Mehr

1 Welcher Service Operation Prozesse fehlen? Incident Management, Problem

1 Welcher Service Operation Prozesse fehlen? Incident Management, Problem 1 Welcher Service Operation Prozesse fehlen? Incident Management, Problem Management, Access Management a. Event Management b. Service Desk c. Facilities Management d. Change Management e. Request Fulfilment

Mehr

Kundenmanagement im Multi-Channel-Zeitalter

Kundenmanagement im Multi-Channel-Zeitalter Kundenmanagement im Multi-Channel-Zeitalter Wie gut kennen Sie Ihre Kunden? München, 24. März 2015 Muna Hassaballah Senior Consultant Muna.Hassaballah@SHS-VIVEON.com 30.03.2015 Kurzvorstellung Senior Consultant

Mehr

Wie man herausragende Kundenerfahrung über den gesamten Kunden-Lebenszyklus erzielt. Albert Bossart, Sales Manager, NICE Systems

Wie man herausragende Kundenerfahrung über den gesamten Kunden-Lebenszyklus erzielt. Albert Bossart, Sales Manager, NICE Systems Wie man herausragende Kundenerfahrung über den gesamten Kunden-Lebenszyklus erzielt Albert Bossart, Sales Manager, NICE Systems Die komplette Voice of the Customer (VoC) DIREKT Echtzeit oder Event-basiertes

Mehr

Marketing Automation wieder nur ein Buzzword?

Marketing Automation wieder nur ein Buzzword? Marketing Automation wieder nur ein Buzzword? Über Park7 Gegründet 2009 mit Sitz in Köln. Inhouse-Team von 14 Experten, großes Netzwerk an Spezialisten und Redakteuren Mission: Ganzheitliche Wertschöpfung

Mehr

Marktliquidität von Aktien

Marktliquidität von Aktien Marktliquidität von Aktien Inauguraldissertation zur Erlangung der Würde eines Doctor rerum oeconomicarum der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Bern Lukas Roth Die Fakultät

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

E-Mail Marketing Runde um Runde

E-Mail Marketing Runde um Runde Wir powern Ihr E-Mail Marketing Runde um Runde Mehr Response durch Interessen-Tracking Mit relevanten Inhalten punkten Möchten Sie als werbetreibendes Unternehmen heute nicht in der Flut von Informationen

Mehr

Erfolgreiches und kundenorientiertes Outsourcing im Forderungsmanagement

Erfolgreiches und kundenorientiertes Outsourcing im Forderungsmanagement Erfolgreiches und kundenorientiertes Outsourcing im Forderungsmanagement Mathias Karsupke Head of Collection Services 5. Swiss Billing & Card Forum 1 Vortragsstruktur 1. Outsourcing: Einführung und Ordnungsrahmen

Mehr

November 2013 FLASH INSIGHT. ibeacon Attraktive Use Cases am POS werden Realität

November 2013 FLASH INSIGHT. ibeacon Attraktive Use Cases am POS werden Realität November 2013 FLASH INSIGHT ibeacon Attraktive Use Cases am POS werden Realität Copyright Die Nutzung der Inhalte und Darstellungen in Drittdokumenten ist nur mit vorheriger Zustimmung von MÜCKE, STURM

Mehr

Studienergebnisse Kurzfassung

Studienergebnisse Kurzfassung Working Capital "Cash for recovery" Studienergebnisse Kurzfassung Stuttgart/München, Mai 2009 Inhalt Zusammenfassung Aktuell erhöhtes Insolvenzrisiko bei niedrigem Cash-Angebot Gegenüber Vorjahr steigt

Mehr

Product Lifecycle Management Studie 2013

Product Lifecycle Management Studie 2013 Product Lifecycle Studie 2013 PLM Excellence durch die Integration der Produktentwicklung mit der gesamten Wertschöpfungskette Dr. Christoph Kilger, Dr. Adrian Reisch, René Indefrey J&M Consulting AG Copyright

Mehr

Versicherungswissenschaftliches Fachgespräch Scoring von Versicherungsprodukten unter dem Aspekt des Datenschutzes

Versicherungswissenschaftliches Fachgespräch Scoring von Versicherungsprodukten unter dem Aspekt des Datenschutzes Versicherungswissenschaftliches Fachgespräch Scoring von Versicherungsprodukten unter dem Aspekt des Datenschutzes Wolfgang Hübner Geschäftsführer arvato infoscore Berlin, 15. September 2010 arvato infoscore

Mehr

Energie-und Treibhausgasbilanzierung für Unternehmen leicht gemacht

Energie-und Treibhausgasbilanzierung für Unternehmen leicht gemacht Software Energie-und Treibhausgasbilanzierung für Unternehmen leicht gemacht Zürich, 13. August 2010 ECOSPEED AG, Gerechtigkeitsgasse 20, CH-8002 Zürich, T +41-44-493-93-00, F +41-44-493-93-09 www.ecospeed.ch,

Mehr

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN PRESSE-INFORMATION BI-13-09-13 BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN Business Analytics und Business Performance Management sind wesentliche Wachstumstreiber Mittelstand ist bedeutende

Mehr

Der Datenschutz in der Bank

Der Datenschutz in der Bank Der Datenschutz in der Bank Juristische Grundlagen und Praxis Rechtsanwalt Thomas Kahler Inhalt 1.) Das Bankgeheimnis a) Definition b) Der Inhalt des Bankgeheimnisses c) Beispiele d) Der Umfang des Bankgeheimnisses

Mehr

Mit Daten Mehrwert schaffen. Graz - 15/05/2014 Sepp Puwein

Mit Daten Mehrwert schaffen. Graz - 15/05/2014 Sepp Puwein Mit Daten Mehrwert schaffen Graz - 15/05/2014 Agenda Daten, Daten, Daten Ablauf eines Credit Checks Scoring Produkt Neuheit: echeck 2 Daten, Daten, Daten Identifikation & Information Bonität Publikationen

Mehr

CRM von Luxusmarken. Zusammenfassung der Studienergebnisse. Juli 2010. Eine empirische Studie deutscher Luxusmarken

CRM von Luxusmarken. Zusammenfassung der Studienergebnisse. Juli 2010. Eine empirische Studie deutscher Luxusmarken CRM von Luxusmarken Eine empirische Studie deutscher Luxusmarken Zusammenfassung der Studienergebnisse Juli 2010 Inhalt 1 Management Summary 2 Zielsetzung und Studiendesign 3 Studienergebnisse 4 Handlungsempfehlungen

Mehr

Durchgängig IT-gestützt

Durchgängig IT-gestützt Beschaffung aktuell vom 03.09.2012 Seite: 026 Auflage: 18.100 (gedruckt) 10.253 (verkauft) 18.032 (verbreitet) Gattung: Zeitschrift Supplier Lifecycle Management Durchgängig IT-gestützt Obwohl die Identifizierung,

Mehr

Business Intelligence mit Microsoft SQL Server 2005

Business Intelligence mit Microsoft SQL Server 2005 Business Intelligence mit Microsoft SQL Server 2005 Holger Schrödl ISBN 3-446-40463-5 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-40463-5 sowie im Buchhandel 4.6

Mehr

Grundlagen des CRM. Dr.-Ing. Jubran Rajub

Grundlagen des CRM. Dr.-Ing. Jubran Rajub Grundlagen des CRM Dr.-Ing. Literatur H. Hippner, K. D. Wilde (Hrsg.): Grundlagen des CRM, Konzepte und Gestaltung, Gabler Verlag, Wiesbaden (2007). K.C. Laudon, J.P. Laudon, D. Schoder: "Wirtschaftsinformatik

Mehr

Bringen Sie Ihr Unternehmen innovativ voran. Mit klaren Lösungen und integrierter Unternehmenssteuerung.

Bringen Sie Ihr Unternehmen innovativ voran. Mit klaren Lösungen und integrierter Unternehmenssteuerung. Bringen Sie Ihr Unternehmen innovativ voran. Mit klaren Lösungen und integrierter Unternehmenssteuerung. Kennen Sie die wahren Werte Ihres Unternehmens? Im Finanzwesen und dem Controlling Ihres Unternehmens

Mehr

Marketingbudgets effizienter steuern

Marketingbudgets effizienter steuern Quelle Versicherungswirtschaft vom 15. 04. 2009 Seite 609 Rubrik Praxis Autor Mihm, Ulrike Copyright Verlag Versicherungswirtschaft GmbH Marketingbudgets effizienter Werbeausgaben von Versicherungen wachsen

Mehr

Erfahrung gibt. Creditreform Kundenreport 2012/2013

Erfahrung gibt. Creditreform Kundenreport 2012/2013 Erfahrung gibt Sicherheit Creditreform Kundenreport 2012/2013 Stephan Schütrumpf Mercator Leasing Risikoklassifizierungssystem mit Potenzial zur Standardlösung Ausgangssituation und Zielsetzung Leasing-

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

1 Einleitung. Software Engineering. Vorgehensweisen

1 Einleitung. Software Engineering. Vorgehensweisen 1 Noch ein Buch über Software Engineering? Warum nicht! Wir folgen einem Prinzip, das zur Lösungsfindung in den verschiedensten Domänen Einzug gehalten hat: die Betrachtung aus verschiedenen Blickwinkeln.

Mehr

ISMS Teil 3 Der Startschuss

ISMS Teil 3 Der Startschuss ISMS Teil 3 Der Startschuss Nachdem das TOP-Managenment die grundsätzliche Entscheidung getroffen hat ein ISMS einzuführen, kann es nun endlich losgehen. Zu Beginn sollte Sie noch die Grundlagen des ISMS

Mehr

Höhere Conversion mehr Umsatz:

Höhere Conversion mehr Umsatz: Höhere Conversion mehr Umsatz: Warum es sich lohnt Ihre Kunden kennen zu lernen München, 25. Februar 2014 Muna Hassaballah Senior Consultant CRM Muna.Hassaballah@SHS-VIVEON.com inkl. Vorstellung zweier

Mehr

School of Engineering Institut für Datenanalyse und Prozessdesign (IDP)

School of Engineering Institut für Datenanalyse und Prozessdesign (IDP) School of Engineering Institut für Datenanalyse und Prozessdesign (IDP) Zürcher Fachhochschule www.zhaw.ch/idp Forschung & Entwicklung Das Institut für Datenanalyse und Prozessdesign (IDP) Das Institut

Mehr

7. Studie Vertriebskompass durchgeführt von der FH Aachen und der Siers & Collegen GmbH

7. Studie Vertriebskompass durchgeführt von der FH Aachen und der Siers & Collegen GmbH 7. Studie Vertriebskompass durchgeführt von der FH Aachen und der Siers & Collegen GmbH 2015 / 2016 Copyright Einleitung Liebe Leserinnen, liebe Leser, das Marktumfeld wird in vielen Bereichen immer dynamischer.

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

PRESSE-INFORMATION LÜNENDONK -MARKTSTICHPROBE 2010 DER MARKT FÜR SOFTWARE-ANBIETER IN DEUTSCHLAND: BI BIRGT NOCH ERHEBLICHES WACHSTUMSPOTENZIAL

PRESSE-INFORMATION LÜNENDONK -MARKTSTICHPROBE 2010 DER MARKT FÜR SOFTWARE-ANBIETER IN DEUTSCHLAND: BI BIRGT NOCH ERHEBLICHES WACHSTUMSPOTENZIAL PRESSE-INFORMATION BI-27-10-10 LÜNENDONK -MARKTSTICHPROBE 2010 DER MARKT FÜR SPEZIALISIERTE BUSINESS-INTELLIGENCE-STANDARD- SOFTWARE-ANBIETER IN DEUTSCHLAND: BI BIRGT NOCH ERHEBLICHES WACHSTUMSPOTENZIAL

Mehr

MODERNES MUSEUMSMANAGEMENT ERGEBNISSE EINER UMFRAGE IN DEUTSCHLAND, ÖSTERREICH UND DER SCHWEIZ

MODERNES MUSEUMSMANAGEMENT ERGEBNISSE EINER UMFRAGE IN DEUTSCHLAND, ÖSTERREICH UND DER SCHWEIZ Lehrstuhl für Public & Nonproft Management MODERNES MUSEUMSMANAGEMENT ERGEBNISSE EINER UMFRAGE IN DEUTSCHLAND, ÖSTERREICH UND DER SCHWEIZ MODERNES MUSEUMSMANAGEMENT ERGEBNISSE EINER UMFRAGE IN DEUTSCHLAND,

Mehr

PAC RADAR ITK-Anbieterbewertung von PAC

PAC RADAR ITK-Anbieterbewertung von PAC ITK-Anbieterbewertung von PAC Führende Anbieter von SAP Hosting in Deutschland 2013 Konzept und Mitwirkungsmöglichkeit Mehrwert für Teilnehmer PAC RADAR-Grafik (Beispielhafte Darstellung) 1. Bringen Sie

Mehr

PM-Forum Augsburg. Thomas Müller-Zurlinden, PMP 18.05.2012. Kontakt: Info@QinS.de

PM-Forum Augsburg. Thomas Müller-Zurlinden, PMP 18.05.2012. Kontakt: Info@QinS.de PM-Forum Augsburg Thomas Müller-Zurlinden, PMP 18.05.2012 Kontakt: Info@QinS.de Einführung in die Konzepte der Software Product Line Organisation einer globalen SPL Entwicklung SPL und die Herausforderungen

Mehr

Visionen zur Bannerwerbung mit eigenen Kundendaten

Visionen zur Bannerwerbung mit eigenen Kundendaten Visionen zur Bannerwerbung mit eigenen Kundendaten Christian Färber Fundraising Kongress Berlin, April 2014 Agenda Collaborative Targeting Case Study Automotive Diskussion & Fragen 2 Collaborative Targeting

Mehr