Datawarehouse Der Motor des CRM bei Quelle

Größe: px
Ab Seite anzeigen:

Download "Datawarehouse Der Motor des CRM bei Quelle"

Transkript

1 Datawarehouse Der Motor des CRM bei Quelle QUELLE AG Database Management Jakobinenstr Fürth Tel , Fax: Mail: 1

2 Datawarehouse Wissensgenerierung OLAP-Analyse, Informationssysteme Adhoc-Analysen, Data Mining Scoring Response-Prognose Optimale Werbemittel-Streuung Kampagnen-Management Weitere Scoring-Anwendungen für CRM-Kampagnen Adress- und Datennutzung im Konzern 2

3 Versandumsatz der Karstadt Quelle AG ca. 8 Mrd. EUR Quelle AG ist mit 24 Tochtergesellschaften in über 25 Ländern international vertreten Umsatz ca. 4,6 Mrd. EUR In Deutschland: ca. 10 Mio. aktive Kunden, Hauptkatalog über 12 Mio. Auflage, über 25 Spezialkataloge 4 Vertriebswege (Einzelbesteller, Sammelbsteller, Shops, Technik Center) Über Produkte im Angebot Bestellsysteme: Call Center, IVR, Internet, schriftlich, Bestellcounter Täglich bis zu 180 Tsd. Pakete Marktführer im Internet, über 1 Mrd. EUR Nachfrage (2003) 3

4 Database Management Das Datawarehouse integriert die wesentlichen Prozesse Produkt- Management Werbemittel- Streuung Vertrieb Analytisches CRM MIS Controlling Datawarehouse Operatives CRM Call-Center Internet Reklamation Sammlung, Konsolidierung und Speicherung der Daten aus allen kundenbezogenen Transaktionen Bereitstellung von zielgerichteten Informationen für die Steuerung der CRM-Prozesse 4

5 Datawarehouse - Inhalt und Struktur Kunde Soziodemographie Herkunft Microgeographie Kundenstatus Vertriebsweg Kontakt schriftlich Call Center Internet Reklamation Kundenkarte Bewerbung Bestellung Lieferung Retoure Zahlung Reklamation Sortiment über Artikel mit beschreibenden Merkmalen (Preis, Modizität, Marke, Stil,.) Werbemittel Hauptkataloge Shops Spezialkataloge Sonderkataloge Kunden- und Artikel-Stammdaten Verhaltensdaten auf granularer Ebene Historische Sichten (Journalisierung der statischen Daten) 5

6 Database Management Datawarehouse und Data Mining bilden die Basis für Wissensgenerierung und Umsetzung von CRM-Kampagnen Wissensgenerierung CRM-Kampagnen MIS / OLAP Data-Mart für CRM Score- Regelwerk Reports Kundenbewertung / Scoring Data Mining Adhoc-Analysen Data Mining Kunden-Merkmale Granulares Datawarehouse 6

7 Wissensgenerierung Beispiele (1) OLAP-Würfel mit - Dimensionen: Kundengruppe Sortiment Werbemittel Zeit - Kennzahlen: Aufträge, Nachfrage, Kreditablehnungen, Lieferumsatz, Retouren, Wareneinsatz, Werbekosten, Deckungsbeitrag,... Reporting, Analyse von Zeitreihen, Werbewirkung, ABC-Analysen, Kundenentwicklung Basis für Planungsprozess 7

8 Wissensgenerierung Beispiele (2) ROLAP-Analyse-Tools - Tiefergehende Analysen pro Artikel auf Werbemittel-Ebene (Renner- Analysen, Retouren-Analysen, etc.) - Werbeerfolgkontrolle auf Zielgruppen-Ebene - Controlling Werbekampagnen, Kundenbewertungssysteme - Kredit-Risiko-Analysen nach Kunde, Sortiment, Zahlungsart - Kunden-Wert-Analysen - Kundengruppen-Modelle (Wiederbestell-Verhalten, Cross-Buying, etc.) 8

9 Prämissen Kundengruppen-Modell Database Management Einfache Definition der Kundengruppen (Transparenz) Saisonale Eingruppierung (Universalversand) Möglichst wenige Kundenwanderungsbewegungen (Übergänge von Saison zu Saison) Trennschärfe der Kundengruppen (große Unterschiede in den Kundengruppen bezüglich Aktivquote und Bestellwert) Stabilität der Aktivquote und des Bestellwertes pro Kunde in jeder Kundengruppe im Zeitablauf Prognose-Tauglichkeit ceteris paribus Prognose aus Kundenbestand (mittelfristig, langfristig) Simulation Kundenentwicklung bei Variation unterschiedlicher Marketingkonzepte Überprüfen von Vertriebs-Zielen Basismodell für Customer-Lifetime-Value-Prognose 9

10 Das EB-Kundengruppenmodell Einzelbesteller Aktivität in Saison Wanderung aktiv inaktiv 1 EB Neukunden der Vorsaison x EB Topkunden x x x x EB Gute Kunden 3 EB Aufbaukunden 6 Monate x x EB Stammkunden 6 Monate Stamm 1 x x x EB Stammkunden 6 Monate Stamm 2 x x EB Stammkunden 6 Monate - Mittel x EB Gefaehrdete Kunden - 7 EB Aufbaukunden 12 Monate 0 x EB Stammkunden 12 Monate 0 x EB Kritische Kunden 9 EB Stammkunden 18 Monate 0 0 x EB Stammkunden 24 Monate x EB Stammkunden 30 Monate x 1 x = aktiv, 0 = nicht aktiv, - = unberücksichtigt Daneben gibt es noch Wanderungen in andere Kundenarten (SB 01, AM,..) 10

11 Wissensgenerierung Beispiele (3) Adhoc-Analysen mit SQL und Statistik-Tools - Kundenprofile - Sortimentsprofile - Verbundkauf-Analysen - Allokation; Zielgruppe Werbemittel Sortiment - Kunden-Entwicklungs-Modelle - Identifikation von Kredit-Risiko-Faktoren, Betrugs-Mustererkennung,... - Qualitäts-Monitoring der Prozesse (Bestellen, Liefern, Zahlen) - Wirkungssanalysen von Prozess-Veränderungen - Identifikation von Kundenverärgerung

12 Database Management Datawarehouse und Data Mining bilden die Basis für Wissensgenerierung und Umsetzung von CRM-Kampagnen Wissensgenerierung CRM-Kampagnen MIS / OLAP Data-Mart für CRM Score- Regelwerk Reports Kundenbewertung / Scoring Data Mining Adhoc-Analysen Data Mining Kunden-Merkmale Granulares Datawarehouse 12

13 Scoring wandelt Kundendaten in die Prognose von Kundenverhalten Scoring ist ein analytisches Prognose- und Punkte-Bewertungsverfahren, das die Wahrscheinlichkeit berechnet, mit der jeder einzelne Kunde ein bestimmtes zukünftiges Verhalten zeigen wird: Produkte kaufen, Dienstleistungen nutzen, Zahlungsverpflichtungen nachkommen, bestellte Ware nicht retournieren, usw. 13

14 Database Management Response-Prognose (Analyse-Ansatz) Einsatz einer Lernstichprobe für einen Katalog Selektionszeitpunkt Kunde bestellt (nicht) n. ca. 6 Wochen Data Warehouse Werbeerfolg Scoring-Analyse 14

15 Database Management Kunden mit über 150 DM Bestellwert reagieren überdurchschnittlich hoch Responsequote Beispiel für ein trennscharfes Merkmal Tausende von Merkmalen werden überprüft Durch Kombination und Gewichtung aller trennscharfen Merkmale entsteht ein Score Durch den Score werden die Kunden optimal getrennt (je höher der Score, desto höher die Response 15

16 Database Management Der Scorewert ist die optimale Kombination aller Merkmale Responsequote % 20% 30% 40% 50% 60% 70% 80% 90% 100% Anteil Kunden, sortiert nach Scorewert 16

17 Klassische Score-Merkmale (Response-Prognose) Recency = Aktualität der letzten Bestellung Frequency = Bestellhäufigkeit Monetary Ratio = Bestellwert pro Bestellung Alle Merkmale differenziert nach Zeitraum, Sortiment, Werbemittel Bestellwert-Anteile pro Sortiment, Werbemittel Retourenverhalten Reklamationsverhalten Soziodemographie Externe Informationen (microdialog) 17

18 Database Management Die Scoring-Prognose bietet die optimale Entscheidungsgrundlage Deckungsbeitrag pro Katalog % 20% 30% 40% 50% 60% 70% 80% 90% 100% Anteil Kunden, sortiert nach Scorewert Durch Bewertung der Scoreklassen erhält man eine Prognose des DB nach Werbekosten pro eingesetztem Katalog Die DB-optimale Entscheidung liegt bei der Auflage, wo der Nullpunkt geschnitten wird. Je nach Risiko-Einschätzung kann auch der Cut-Off verschoben werden Die Kunden werden aber immer nach der Score-Sortierung (beste zuerst) beworben 18

19 Database Management Closed-Loop Scoring-Analyse Ist-Auswertung Cut-Off- Auswertung Cut-Off-Simulation Selektion und Cut-Off Auswirkungen Seiten / Umfeld Aktuelle Kundenstruktur Vertrieb Einkauf Controlling Werbeetat Plan/Einschätzung Werbekosten Plan/Einschätzung DB-Satz 19

20 Kampagnen-Management Abbildung der Entscheidungsregeln ohne IT-Aufwand Schnelle Reaktionsmöglichkeit Simulation neuer Strategien Test alternativer Strategien Konsistenz der Entscheidungen an allen Coustomer-Touch-Points und in allen Prozessen Reporting-Systeme Analytische Optimierung der Regelwerke durch Data Mining 20

21 Database Management CRM-Konzept (Technologie) Operative Systeme Datawarehouse Data Marts Call-Center Customer Care Bonitätsprüfung Internet Business Intelligence OLAP-Analyse Data Mining Kundenbewertung Selektionen / Kampagnen Business Rules Management Lettershop / Personalisierung Vermarktung/ Kooperationen 21

22 Database Management CRM-Controlling Ideen Scoring Data Mining Einsatz der Scoring-Systeme CRM-Maßnahmen Erfolgskontrolle Soll-Ist-Vergleiche Kampagnen-Reports Closed-Loop: Eingesetzte Scoring-Systeme werden regelmäßig überprüft Neue Marketing-Konzepte bzw. alternative Strategien werden getestet Das Gelernte hat Einfluss auf zukünftige Entscheidungen 22

23 Anwendung der Scoring-Methode - Beispiele Optimierung der Werbemittel-Streuung für alle Kataloge Hauptkataloge, Spezialkataloge Monatliche Aktivierungsaktionen, Reaktivierungs-Mailings Kombinationen von Werbemitteln Retouren-Scoring Kredit-Scoring Kundenbewertung für CRM-Kampagnen Kundenloyalitäts-Prognose Cross-Selling-Affinität Inbound-Verkauf von Fremd-Produkten und Dienstleistungen Outbound-Aktionen -Kampagnen Neuer Ansatz: Dynamische Scoringsysteme für Cross-Selling und aktiver Verkauf 23

24 Database Management Kreditscoring - Bonitätsprüfung Neukunden Application-Scoring Adressdaten Bestellweg, Bestellwert, Zahlungsart Risikosortiment Externe Daten Auskunftei-Informationen Scores (z.b. Informa-Score) Steuerung der Bonitätsprüfung mit Kampagnen-Management Risiko-Segmente (Kundenart, Zahlungsart, Bestellweg) Application-Score Cut-Off-Steuerung Zusatz-Fragebogen Externe Auskünfte in Grauzone Limitvergabe 24

25 Database Management Verbesserung der Scoring-Prognose durch externe Informationen Index Deckungsbeitrag In der Grauzone wird die Trennschärfe durch externe Informationen verbessert % 10% 15% 20% 30% 40% 50% 60% 80% 100% Anteil Kunden, sortiert nach Scorewert 25

26 Kreditscoring - Bonitätsprüfung Stammkunden Monatl. Behaviour-Scoring Salden, Zahlungen, Mahnungen, Risikosortimente Ratenverpflichtungen Steuerung der Autorisierung mit Kampagnen-Managment Auftragswert Limit, Freibetrag Mahnstufe, Kontenstatus Behaviour-Score Zusatzauskunft Zahlungsanforderung Anzahlung 26

27 Aktuelle Herausforderungen des Risiko-Managements Zunehmende Verschuldung von Privatpersonen Sinkende Zahlungsmoral Zunehmende Anzahl von Betrugsfällen Steigender Anteil der Internet-Nutzer - zunehmende Anonymität, - Steuerung der Prozesse durch den Kunden Klassische Kreditprüfungsmaßnahmen ungeeignet zur Betrugsverhinderung Externe Informationen kein Allheilmittel Notwendig ist - die konsequente Anwendung von Data-Mining-Methoden, - Schnelligkeit, Flexiblität der Kreditprüfungssysteme 27

28 Integration von Marketing-, Retouren- und Kredit-Scores Werbemittelsteuerung Segmentierung nach Retouren-Prognose Segmentspezifische Cut-Off-Steuerung Werbeausschluss bei Kunden mit hohem Kredit-Risiko Raten- und Valuta-Angebot nur für Kunden mit niedrigem Kredit-Risiko Bonitätsprüfungssystem Imtegration von Marketing-Daten im Behaviour-Scoring Differenzierte Strategien nach Kundenart und Kundenqualität (Response- Prognose) Kundenwert Kunden-DB-Rechnung auf granularer Basis DB-Prognose auf Basis der drei Scoringsysteme 28

29 Database Management Die Customer-Lifetime-Value-Prognose (Markov-Modell) Gegeben sei ein Kundengruppenmodell Für einen Kunden wird zunächst mit einem mittelfristigen Prognoseverfahren (z.b. Scoring) der mittelfristig erreichbare Deckungsbeitrag cmv und die Zugehörigkeit zu einer Kundengruppe prognostiziert. A sei die Übergangsmatrix eines Kundengruppenmodells d der Vektor der Deckungsbeiträge je Kundengruppe e der kalkulatorischer Zinsfuß dann lässt sich der Customer-Lifetime-Value errechnen mit der Formel [ ] 1 1 I (1+ e) A d cmv CLV + 29

30 Anwendung der Scoring-Methode Optimierung der Werbemittel-Streuung für alle Kataloge Hauptkataloge, Spezialkataloge Monatliche Aktivierungsaktionen, Reaktivierungs-Mailings Kombinationen von Werbemitteln Retouren-Scoring Kredit-Scoring Kundenbewertung für CRM-Kampagnen Kundenloyalitäts-Prognose Cross-Selling-Affinität Inbound-Verkauf von Fremd-Produkten und Dienstleistungen Outbound-Aktionen -Kampagnen Neuer Ansatz: Dynamische Scoringsysteme für Cross-Selling und aktiver Verkauf 30

31 Quelle-Gruppen-Datawarehouse HHDB AMS UNIX HHDB Quelle/NVAG/ Karstadt Referenz MuP PH KQV Funktionen: Kundenbewertung Selektion Anbindung an CRM EL Mad Q-DWH 31

32 Anwendungen des Gruppen-Datawarehouse Betreuung Neukunden-Selektionen, Inaktiven-Optimierung, Profil-Analysen Madeleine, Mode und Preis, Peter Hahn, Elégance, Animal24, Foto Quelle Fritz Berger, Mercatura, La Source, Happy Size (in Planung), Walz (in Planung) Betreuung Stammkunden-Selektionen, adhoc-analysen, Nachkaufverhalten, Cross-Selling-Analysen Madeleine, Mode und Preis CRM-Kampagnen (Telemarketing), Informationssysteme (OLAP) Madeleine 32

33 Anwendungen des Gruppen-Datawarehouse Übergreifende Projekte Überschneidungs-Reporting und Analysen Positionierung Spezialversand Positionsgerechte Sortiments-Differenzierung Tests Adresstausch, Abzugseffekte Anwendungen für KarstadtQuelle-Versicherungen Neukundengewinnung Bestandsoptimierung Umfangreiche adhoc-analysen 33

34 Database Management Leistungsspektrum Database Management Beratung - Datawarehouse - Info-Systeme - Direkt-Marketing- Konzepte - Sortimentierung - Finanzmarketing Analysen - Werbescoring - Kreditscoring - Generische Scores - Loyalitätsmodelle - Cross-Selling - Planungs- und Selektionsunterstützung Technologie Oracle-DB HP-UNIX-Rechner Ca. 5 Terabyte Speicher EXPRESS OLAP DISCOVERER 9IAS-Portallösung PL-SQL SAS Eigenentwicklungen Kunden Quelle Versand Versender in der Quelle- Gruppe - Peter Hahn - Madeleine - Elegance - Mode und Preis - Animal 24 - Quelle Auslandsges. Neckermann Versand KarstadtQuelle Versicherungen Karstadt Warenhaus 34

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

CRM: Herausforderungen in der Praxis II

CRM: Herausforderungen in der Praxis II Wirtschaftswissenschaftliche Fakultät Ingolstadt 26.1.212 CRM: Herausforderungen in der Praxis II Universum Group Frankfurt am Main Übersicht 1 Einleitung 2 Ergebnisse der Gruppenarbeit Herausforderung

Mehr

CRM: Herausforderungen in der Praxis III

CRM: Herausforderungen in der Praxis III Wirtschaftswissenschaftliche Fakultät Ingolstadt 09.11.2012 CRM: Herausforderungen in der Praxis III Universum Group Frankfurt am Main 1 Einleitung 2 Ergebnisse der Gruppenarbeit Entwicklung einer Scorekarte

Mehr

Der Quelle-Neckermann-Cluster

Der Quelle-Neckermann-Cluster Database Management Der Quelle-Neckermann-Cluster 10g-Migrationserfahrung Praxiseinsatz und Anwendungen QUELLE GmbH Database Management, Data Warehouse Entwicklung & Projekte Jakobinenstr. 5-7 90762 Fürth

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

2006 COGNOSCO AG, 8057 ZUERICH, SWITZERLAND All rights reserved. Performance Management Markterfolg dank Kundenrating

2006 COGNOSCO AG, 8057 ZUERICH, SWITZERLAND All rights reserved. Performance Management Markterfolg dank Kundenrating Performance Management Markterfolg dank Kundenrating Welches sind Ihre besten Kunden? Frage 1: Kennen Sie die Umsatzentwicklung jedes Kunden über die letzten 5 Jahre? Frage 2: Kennen Sie den Produkte-Mix

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

connect and get connected Wachstum durch CRM dank neuen Kunden

connect and get connected Wachstum durch CRM dank neuen Kunden connect and get connected Wachstum durch CRM dank neuen Kunden Swiss CRM Forum 2011 rbc Solutions AG, General Wille-Strasse 144, CH-8706 Meilen welcome@rbc.ch, www.rbc.ch, +41 44 925 36 36 Agenda Einleitung

Mehr

Big Data So heben Sie den Schatz vom Silbersee! Monetarisieren von Kundenbeziehungen in der digitalen Welt!

Big Data So heben Sie den Schatz vom Silbersee! Monetarisieren von Kundenbeziehungen in der digitalen Welt! Big Data So heben Sie den Schatz vom Silbersee! oder: Monetarisieren von Kundenbeziehungen in der digitalen Welt! Über Kampagnen, Paid Content & Co Impulsvortrag zur Mitgliederversammlung am 13.06.2014

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

Data-Mining im Customer-Relationship-Management

Data-Mining im Customer-Relationship-Management Data-Mining im Customer-Relationship-Management Yaniv Schwerin 05.06.2007 Übersicht 1 Einleitung und Motivation Motivation CRM-Ansatz 2 Data-Mining im Unternehmen Betrachtung der Daten Customer Lifecycle

Mehr

Kundencontrolling im Service & Vertrieb

Kundencontrolling im Service & Vertrieb Kundencontrolling im Service & Vertrieb Hamburg, Mai 2004 Dozentin: Marilla Bax Service Manager (KVD) Vortrag Agenda Service wo stehen wir heute Nutzen Kundencontrolling Instrumente des Kundencontrolling

Mehr

Grundlagen des Datenschutzes und der IT-Sicherheit (Teil 1d) Vorlesung im Sommersemester 2013 an der Universität Ulm von Bernhard C.

Grundlagen des Datenschutzes und der IT-Sicherheit (Teil 1d) Vorlesung im Sommersemester 2013 an der Universität Ulm von Bernhard C. Vorlesung im Sommersemester 2013 an der Universität Ulm von 1. Grundlagen der IT-Sicherheit Geschichte des Datenschutzes Anforderungen zur IT-Sicherheit Datenschutzrechtliche Prinzipien Mehrseitige IT-Sicherheit

Mehr

Neukunden gewinnen, Bestandskunden binden

Neukunden gewinnen, Bestandskunden binden Wissen, was bewegt Neukunden gewinnen, Bestandskunden binden mit strategischem Online Marketing Fakten Silver Media Gründung: 2007 Größe: 36 Mitarbeiter Standort: Fürth Leistungen: Leadgenerierung, E-Mail

Mehr

Optimiertes E-Mail-Marketing durch Customer Intelligence Stefan von Bröckel Account Manager

Optimiertes E-Mail-Marketing durch Customer Intelligence Stefan von Bröckel Account Manager The Global SaaS Leader in Email & Social Marketing Optimiertes E-Mail-Marketing durch Customer Intelligence Stefan von Bröckel Account Manager Reputation Based Filtering Shotgun Marketing Smart Messages

Mehr

Customer Risk Management. Dr. Klaus-Peter Huber Leiter BI Services

Customer Risk Management. Dr. Klaus-Peter Huber Leiter BI Services Customer Risk Management Dr. Klaus-Peter Huber Leiter BI Services Aber: Gewonnener Umsatz ist nicht bekommener Umsatz Praxisbeispiel: Buch & Elektronik e-shop Viel Umsatz kommt nicht an 15.589 14.254 Man

Mehr

vom Lead zum Top-Kunden in drei Schritten Alexandra Vetrovsky-Brychta Marketing on Tour in Wien, 10.11.2011

vom Lead zum Top-Kunden in drei Schritten Alexandra Vetrovsky-Brychta Marketing on Tour in Wien, 10.11.2011 Mehr Erfolg, mehr conversion vom Lead zum Top-Kunden in drei Schritten Alexandra Vetrovsky-Brychta Marketing on Tour in Wien, 10.11.2011 Agenda Kurzvorstellung Schober Qualifizierte Leadgenerierung Targeting

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

CRM: Herausforderungen in der Praxis IV

CRM: Herausforderungen in der Praxis IV Wirtschaftswissenschaftliche Fakultät Ingolstadt 16.11.2011 CRM: Herausforderungen in der Praxis IV Universum Group Frankfurt am Main 1. Einleitung 2. Ergebnisse der Gruppenarbeit Übersicht Optimaler Cut-Off

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

Vielfältige Medienlandschaft

Vielfältige Medienlandschaft Vielfältige Medienlandschaft Telefon Smartphone TV Set TV Filiale GAA CITIBANK May I help you? John Doe VISA Laptop Mastercard SMARTCARD PDA PC PC card Karte POS Terminal, Kiosk SB-Zellen Telefonzelle

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

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center Ing. Polzer Markus öffentlich Inhaltsverzeichnis 1 2 3 4 5 6 7 Kurzvorstellung Raiffeisen Solution Business Intelligence Strategie

Mehr

DBM1_04_S.20-22_Blum. Autor: Georg Blum. Titel: Kundenbindung und Controlling. Untertitel: Abheben mit dem CRM-Cockpit

DBM1_04_S.20-22_Blum. Autor: Georg Blum. Titel: Kundenbindung und Controlling. Untertitel: Abheben mit dem CRM-Cockpit DBM1_04_S.20-22_Blum Autor: Georg Blum Titel: Kundenbindung und Controlling Untertitel: Abheben mit dem CRM-Cockpit Die Aussage Die erfolgreichen Unternehmen haben eine Kunden orientierte Strategie ist

Mehr

Effektives Empfehlungsmarketing durch Customer Analytics bei der BAWAG P.S.K.

Effektives Empfehlungsmarketing durch Customer Analytics bei der BAWAG P.S.K. badger Effektives Empfehlungsmarketing durch Customer Analytics bei der BAWAG P.S.K. Die www.bawagpskfonds.at neue Bank. Die neue BAWAG. www.bawagpsk.com Montag, 25. Februar 2013 BAWAG P.S.K. EINE BANK

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

HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar

HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar 2014 1. Schluss mit BIG DATA 2. BI-Basics: Best Practice ecommerce Reporting 3. Was muss ich mir anschauen? 4. Wie muss ich es mir anschauen? 5. Was

Mehr

Vertriebssteuerung & Controlling Konkrete Vertriebsziele, passend zur Unternehmensstrategie

Vertriebssteuerung & Controlling Konkrete Vertriebsziele, passend zur Unternehmensstrategie Konkrete Vertriebsziele, passend zur Unternehmensstrategie Wir ermöglichen Ihnen mit dem Service Vertriebssteuerung die erfolgreiche Umsetzung Ihrer Unternehmensstrategie in operativ umsetzbare Vertriebsziele.

Mehr

Neukundenkampagnen unter der Lupe. Tolle Erstkaufrate Und dann?

Neukundenkampagnen unter der Lupe. Tolle Erstkaufrate Und dann? Neukundenkampagnen unter der Lupe Tolle Erstkaufrate Und dann? Key-Facts Seit 1999 unabhängiger Lösungsanbieter im Database Dialogmarketing Begleitet datengetriebene Marketingprozesse v.a. hinsichtlich

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

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

MARKETING STRATEGY ANALYTICAL MARKETING DATA MINING

MARKETING STRATEGY ANALYTICAL MARKETING DATA MINING MARKETING STRATEGY ANALYTICAL MARKETING DATA MINING Die Wege erkennen, auf denen sich Ihre Kunden bewegen Kommunizieren Sie mit Ihren Kunden effizient und individuell über die richtigen Werbekanäle. Wir

Mehr

ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT?

ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT? ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT? Transparenz durch Best Practice ecommerce Reporting Lennart Jansen! plentymarkets Online-Händler-Kongress Februar 2014 DAS PROBLEM:!! KEINE

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 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

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

Customer Relationship Management...

Customer Relationship Management... Customer Relationship Management... Wissen Kunde E-Technologien Informationsmanagement Transaktionsmarketing CAS- System Wissensmanagement Beziehungsmarketing CRM- System...integriert Wissensmanagement,

Mehr

Marketing-Controller (m/w) am Standort Salzburg

Marketing-Controller (m/w) am Standort Salzburg Marketing-Controller (m/w) am Standort Salzburg Erstellung von saisonalen Planungen und Prognosen mit dem Schwerpunkt E-Commerce Laufende Effizienz-Analyse der Online Marketing Kampagnen und entsprechende

Mehr

Automatisierte Warenbeschaffung. bei Heine, einem Multi Channel Retailer

Automatisierte Warenbeschaffung. bei Heine, einem Multi Channel Retailer Automatisierte Warenbeschaffung bei Heine, einem Multi Channel Retailer Themen Perfekte Bestellvorschläge für das Warenwirtschaftssystem Exakte Berechnung der Retourenquote Optimierung der Logistikkosten

Mehr

Business Intelligence im Krankenhaus

Business Intelligence im Krankenhaus Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence

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

Auktionen als neuer Vertriebskanal für Universalversender

Auktionen als neuer Vertriebskanal für Universalversender Auktionen als neuer Vertriebskanal für Universalversender Thomas Steffen Projektmanager Strategie e-business Quelle AG 1 Multichannel-Strategie Quelle ist in vielen Vertriebskanälen aktiv Klassischer Versandhandel!

Mehr

ERFOLGSFAKTOR INTERNET

ERFOLGSFAKTOR INTERNET AGENDA _ ZEPPELIN GROUP _ MARKTZAHLEN & TRENDS _ DIE KONVERSIONSRATE _ KERNELEMENTE EINER WEBSITE _ KUNDEN-ACQUISE & STAMMKUNDEN ERFOLGSFAKTOR INTERNET Marketing Technologie _ Firmensitze Meran e Mailand

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

Business Analytics im E-Commerce

Business Analytics im E-Commerce Business Analytics im E-Commerce Kunde, Kontext und sein Verhalten verstehen für personalisierte Kundenansprache Janusz Michalewicz CEO Über die Firma Crehler Erstellung von Onlineshops Analyse von Transaktionsdaten

Mehr

Analytisches CRM in der Generali Versicherung

Analytisches CRM in der Generali Versicherung in der Generali Versicherung CON.ECT Informunity Business Intelligence Wien 11. Mai 2011 Sabine Musil 1 Die Generali Gruppe ein führender Finanzdienstleister in Österreich Zur Generali Gruppe zählen unter

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

Inhaltsverzeichnis. Iron Werther. Business Intelligence

Inhaltsverzeichnis. Iron Werther. Business Intelligence Inhaltsverzeichnis Iron Werther Business Intelligence Komplexe SQL-Abfragen am Beispiel eines Online-Shops. Inkl. Testdatenbank mit über zwei Millionen Datensätzen ISBN (Buch): 978-3-446-43580-3 ISBN (E-Book):

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von

Mehr

Effizientes Risikomanagement für den deutschen ecommerce-markt - Bonitätsinformationen in Echtzeit

Effizientes Risikomanagement für den deutschen ecommerce-markt - Bonitätsinformationen in Echtzeit 1. acommerce Team Networking Treffen Wien, 17. Oktober 2013 Effizientes Risikomanagement für den deutschen ecommerce-markt - Bonitätsinformationen in Echtzeit 1 Starke Gesellschafter Euler Hermes Deutschland

Mehr

Die Rolle von Print im OTTO Media-Mix

Die Rolle von Print im OTTO Media-Mix Die Rolle von Print im OTTO Media-Mix Alexander Voges Friedrichshafen, 13. Juni 2015 Agenda A. Die Otto Group: Weltweit #1 in Fashion & Lifestyle E-Commerce B. OTTO: Das Flaggschiff der Otto Group C. Die

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

Hinführung zum Thema CRM Was ist CRM & Was habe ich davon?

Hinführung zum Thema CRM Was ist CRM & Was habe ich davon? Hinführung zum Thema CRM Was ist CRM & Was habe ich davon? NIK Veranstaltung in Nürnberg / 07. Mai 2014 Referent Matthias Bär sales do Gründer / Strategieberater und Umsetzungsbegleiter Was erwartet uns

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

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3 xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable

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

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

Analytisches Fundraising

Analytisches Fundraising Analytisches Fundraising Vorgehen, Verfahren, Werkzeuge DiaSys. Marketing Engineering AG, Wankdorffeldstr.102, 3014 Bern 031 922 31 50, zuercher@diasys.ch Analytisches Fundraising Inhaltsverzeichnis Datenbankgestütztes

Mehr

Sehr gute Kunden sehr gut behandeln. Wie Sie erfolgreich eine segmentierte, dynamische Kundenansprache realisieren

Sehr gute Kunden sehr gut behandeln. Wie Sie erfolgreich eine segmentierte, dynamische Kundenansprache realisieren Sehr gute Kunden sehr gut behandeln Wie Sie erfolgreich eine segmentierte, dynamische Kundenansprache realisieren Key-Facts Seit 1999 unabhängiger Lösungsanbieter im Database Dialogmarketing Begleitet

Mehr

Churn Prediction. Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen. CRM & Research / Ing. Werner WIDHALM.

Churn Prediction. Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen. CRM & Research / Ing. Werner WIDHALM. Churn Prediction Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen CRM & Research / Ing. Werner WIDHALM Juni 2012 Datamining in der Bank Austria Datamining Anwendungsgebiete im CRM der

Mehr

Euroforum CRM, 07.06.2000 Jan Nikus Consultant Customer Management Mummert + Partner AG Mobil: (0178) 66 11 849

Euroforum CRM, 07.06.2000 Jan Nikus Consultant Customer Management Mummert + Partner AG Mobil: (0178) 66 11 849 Kritische Faktoren der Auswahl und des Einsatzes von Kampagnenmanagementsystemen Euroforum CRM, 07.06.2000 Jan Nikus Consultant Customer Management Mummert + Partner AG Mobil: (0178) 66 11 849 Agenda 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

Trends in Business Intelligence

Trends in Business Intelligence Trends in Business Intelligence Patrick Keller Senior Analyst BARC Business Application Research Center BARC ist Marktanalyst und Berater spezialisiert auf Business Intelligence, Daten- und Dokumentenmanagement.

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

KREDIT-SCORING. Bestandteil der modernen Kreditvergabe. Eine Information der privaten Banken

KREDIT-SCORING. Bestandteil der modernen Kreditvergabe. Eine Information der privaten Banken 1 KREDIT-SCORING Bestandteil der modernen Kreditvergabe Berlin, Oktober 2006 fokus:verbraucher Eine Information der privaten Banken BANKENVERBAND Kredit-Scoring Bestandteil der modernen Kreditvergabe Der

Mehr

CRM, Management der Kundenbeziehungen

CRM, Management der Kundenbeziehungen CRM, Management der Kundenbeziehungen Günter Rodenkirchen Wir machen Gutes noch besser Agenda Brauche ich überhaupt ein CRM System? Was soll ein CRM System können? Anwendungsbereiche Ziele und Erwartungen

Mehr

Betriebswirtschaftslehre des Handels 1: Handelsmanagement und Handelscontrolling

Betriebswirtschaftslehre des Handels 1: Handelsmanagement und Handelscontrolling Betriebswirtschaftslehre des Handels 1: Handelsmanagement und Handelscontrolling 2 Handelscontrolling Prof. Dr. Hendrik Schröder 2-47 Betriebswirtschaftslehre des Handels 1 Handelsmanagement und Handelscontrolling

Mehr

Response-Analysen im Database Marketing der Bertelsmann Buch AG mit SAS

Response-Analysen im Database Marketing der Bertelsmann Buch AG mit SAS Response-Analysen im Database Marketing der Bertelsmann Buch AG mit SAS Meinert Mellows - Michael Nachtigäller DER CLUB Bertelsmann Database Marketing Der Club in der Bertelsmann Buch AG Bertelsmann AG

Mehr

Inhaltsverzeichnis. Vorwort...

Inhaltsverzeichnis. Vorwort... Vorwort......................................................... V 1. Grundlagen des Direktmarketing................................ 1 1.1 Geschichte des Direktmarketing............................. 1

Mehr

Papier O Nein X Ja, und zwar O Schmierpapier O Liniertes Papier X Kariertes Papier Taschenrechner X Nein O Ja

Papier O Nein X Ja, und zwar O Schmierpapier O Liniertes Papier X Kariertes Papier Taschenrechner X Nein O Ja FONTYS INTERNATIONALE HOGESCHOOL ECONOMIE KLAUSUR 4 ProgRESS-code und OER: Zeit: Dozent(en): Datum: Studiengang: Anzahl Seiten: Gebrauch von Lehrmitteln Papier O Nein Ja, und zwar O Schmierpapier O Liniertes

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

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile

Mehr

Big Data Analytics Roadshow. Nils Grabbert. Wie man mit einer analytischen Datenbank im Retargeting mehr erreicht. Düsseldorf, 24.04.

Big Data Analytics Roadshow. Nils Grabbert. Wie man mit einer analytischen Datenbank im Retargeting mehr erreicht. Düsseldorf, 24.04. Folie Retargeting intelligent Wie man mit einer analytischen Datenbank im Retargeting mehr erreicht. Big Data Analytics Roadshow Düsseldorf, 24.04.2012 Nils Grabbert Director Data Science Der Retargeting

Mehr

Customer-Journey statt Kanal Chaos! Hamburg, 13.November 2014, Marco Kersch

Customer-Journey statt Kanal Chaos! Hamburg, 13.November 2014, Marco Kersch Customer-Journey statt Kanal Chaos! Hamburg, 13.November 2014, Marco Kersch 1 AZ Direct TRACKS Customer-Journey-Management 13.11.2014 AZ Direct ist der Daten- & Reichweiten Dienstleister aus dem Hause

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

Wer macht das Tor im Multi-Channel-Handel?

Wer macht das Tor im Multi-Channel-Handel? Wer macht das Tor im Multi-Channel-Handel? Marketing im Tiki-Taka-Stil. Simone Spiegels Judith Halbach Kompetenzzentrum für Daten & Marketing Heute wissen, wie Kunden morgen spielen. Lernen Sie das Spiel-Verhalten

Mehr

Customer Relationship Management

Customer Relationship Management Customer Relationship Management Alter Wein in neuen Schläuchen oder echte Kundenorientierung nur noch mit IT-Unterstützung möglich? Beispiel aus der Versicherungsbranche Thorsten Greiser, Senior Professional

Mehr

CRM - Fakten und Trends

CRM - Fakten und Trends CRM - Fakten und Trends Marktsituation CRM - Aufbau und Funktionen Positionierung der bit by bit Software AG Die Office-Datenbank in organice 3 1 Computer Aided Sales (CAS) Vertriebsinformationssystem

Mehr

Customer Golden Record

Customer Golden Record Customer Golden Record Otto Neuer, Senior VP Global Sales Seite Agenda 1 Zurück zum Tante Emma Prinzip? 2 Bad 10 Top 10 Probleme mit Kundendaten 3 Customer Golden Record 4 360 Kundensicht die Benefits

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

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

Herzlich Willkommen auf dem SAS Forum Schweiz 2009!

Herzlich Willkommen auf dem SAS Forum Schweiz 2009! Herzlich Willkommen auf dem! Deutliche Umsatzsteigerung im Direktmarketing durch kundenorientiertes Kampagnenmanagement: In 10 Schritten zu mehr Kampagnenerfolg! Agenda 1.) Kurzvorstellung ALTRAN CIS 2.)

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

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

Ergebnisorientiertes Informationsmanagement als Basis für eine effektive Unternehmenssteuerung

Ergebnisorientiertes Informationsmanagement als Basis für eine effektive Unternehmenssteuerung Ergebnisorientiertes Informationsmanagement als Basis für eine effektive Unternehmenssteuerung Matthias Fellersmann / Geschäftsführer Mail: fellersmann@pst.de PST Software & Consulting GmbH Seit 1980 auf

Mehr

Logistikinformationssystem (LIS)

Logistikinformationssystem (LIS) und steuerung Das Logistikinformationssystem umfasst die folgenden Informationssysteme: Vertriebsinformationssystem Einkaufsinformationssystem Bestandscontrolling Fertigungsinformationssystem Instandhaltungsinformationssystem

Mehr

Inspiration und Bedarfsweckung: Die Rolle von Papier in der E-Commerce- Welt bei Otto. Alexander Voges

Inspiration und Bedarfsweckung: Die Rolle von Papier in der E-Commerce- Welt bei Otto. Alexander Voges Inspiration und Bedarfsweckung: Die Rolle von Papier in der E-Commerce- Welt bei Otto Alexander Voges München, 20. November 2014 Agenda A. B. C. Die Otto Group: Weltweit #1 in Fashion & Lifestyle E-Commerce

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

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

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

Customer Centricity. Frankfurt, November 2011. Dr. Wolfgang Martin Analyst, ibond Partner, und Mitglied im CRM Expertenrat

Customer Centricity. Frankfurt, November 2011. Dr. Wolfgang Martin Analyst, ibond Partner, und Mitglied im CRM Expertenrat Customer Centricity Frankfurt, November 2011 Dr. Wolfgang Martin Analyst, ibond Partner, und Mitglied im CRM Expertenrat Customer Centricity Kundenbeziehungs-Management Die Evolution der Modelle Outbound,

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

Qualifikationsprofil

Qualifikationsprofil Qualifikationsprofil Begemann, Thomas IT-Beratung, IT- und Facharchitekturen Versicherungskaufmann, Industriefachwirt Jahrgang 1956 28 Jahre IT- Berufserfahrung, davon 20 Jahre in der Versicherungsbranche

Mehr

Strategien der Neukundengewinnung Segmentierung und Zielgruppendefinition

Strategien der Neukundengewinnung Segmentierung und Zielgruppendefinition Strategien der Neukundengewinnung Segmentierung und Zielgruppendefinition Strategien der Neukundengewinnung - Folie 1 Vorstellrunde Geben Sie uns bitte folgende Informationen: Name und Funktion im Unternehmen

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

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

Reisende soll man ziehen lassen, oder? Pro + Contra Kundenabwanderung und reaktivierung

Reisende soll man ziehen lassen, oder? Pro + Contra Kundenabwanderung und reaktivierung Reisende soll man ziehen lassen, oder? Pro + Contra Kundenabwanderung und reaktivierung Key-Facts Seit 1999 unabhängiger Lösungsanbieter im Database Dialogmarketing Begleitet datengetriebene Marketingprozesse

Mehr

Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE. 1. Konferenz der SAS Benutzer in Forschung und Entwicklung

Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE. 1. Konferenz der SAS Benutzer in Forschung und Entwicklung Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE 1. Konferenz der SAS Benutzer in Forschung und Entwicklung Unterschiedliche Geschäftsprozesse Operativer Dispositve Geschäftsbetrieb

Mehr

Business Performance Management Next Generation Business Intelligence?

Business Performance Management Next Generation Business Intelligence? Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl

Mehr