Inhaltsverzeichnis. Motivation. Analytisches CRM: Einführung. Version: 31. Juli Motivation. Andreas Geyer-Schulz und Andreas Neumann

Transkript

1 Analytisches CRM: Einführung. Version: 31. Juli 2009 Andreas Geyer-Schulz und Andreas Neumann Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften Gebäude Rechenzentrum, 1. Stock, Zi. 169 Universität Karlsruhe (TH) D Karlsruhe Tel: Fax: Sprechstunde nach Vereinbarung ( ) Wir danken Anke Thede (Data Warehousing), Cora Schäfer (Erhebungstechniken und Fragebogendesign) und Jan Hagelauer (Fallstudie: Das Kano-Modell zur Kundenzufriedenheit) für ihre Hilfe bei der Erstellung dieser Vorlesungsunterlagen. 1 Motivation 3 2 Analytisches CRM Herkunft der Information über Kunden Operative Systeme Das Data Warehouse ETL-Prozesse Integrierte Kundendaten im Data Warehouse Entscheidungsunterstützende Systeme Zusammenfassung 16 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 1 Motivation Motivation In modernen umkämpften Märkten nimmt der Wettbewerb zu. In solchen Märkten ist das Werben neuer Kunden teuer. Es kostest 3 bis zu 13 mal mehr, ein Produkt an einen Neukunden zu verkaufen, als an einen bestehenden. Die richtigen Kunden müssen motiviert werden, die Geschäfte mit der Firma fortzusetzen. Das ist die Aufgabe des Relationship Management (CRM). Seine Grundlage ist es, zu wissen was Kunden machen, denken oder wollen. Dieses Verstehen von Kunden im Back Office, durch Analyse ihrer Daten ist Aufgabe des Analytischen CRM. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 2 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 3

2 Analytisches CRM Herkunft der Information über Kunden 2 Analytisches CRM 2.1 Herkunft der Information über Kunden Analytical CRM refers to the analysis of data created on the operational side of the CRM equation for the purpose of business performance management. Analytical is directly related to data warehouse architecture. Definition: aus dem Glossar von [Sharp, 2002, p. 229] Analytisches CRM ist die Analyse von Daten aus den operativen CRM-Prozessen mit dem Ziel 1. Managemententscheidungen zu unterstützen und 2. operative CRM-Prozesse durch die Nutzung der Analyseergebnisse zu verbessern. (Beispiele zum zweiten Punkt, wie Recommender Dienste (Empfehlungsdienste), werden in der Vorlesung Personalisierung und Recommendersysteme behandelt.) Firmen beziehen ihre Die Daten für das Analytische CRM aus zahlreichen heterogenen Quellen: Quelle Prozent der Firmen, die diese Quelle verwenden. - Direktverkaufsinteraktionen 60% - 50% - Call-Center Interaktionen 43% - Website Besuche 40% - 28% - Fokusgruppen 28% - Messen 27% (Yankee Groups 2000) Fokusgruppen sind ausgewählte Gruppen, die repräsentativ für bestimmte Kundensegmente sind. Sie werden z.b. vor Erstellung eines Fragebogens zum Ausloten wichtiger Fragen zusammengestellt. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 4 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 5 Operative Systeme Operative Systeme 2.2 Operative Systeme Es existieren oft mehrere Datenbanken in einem Unternehmen Die Daten werden durch verschiedene interne operative Systeme bereitgestellt, die meist beschränkt integriert sind: Rechnungssysteme Bestell- und Versorgungssysteme Provisionssysteme Enterprise Resource Planning Systeme Human Resource Systeme Point-of-Sale Daten Web Server Marketing Datenbanken Call-Center Systeme Corporate Financial Packages Oder durch externe Datenprovider: Adressdaten, Bonitätsdaten,... Kundenkontakt Firmenkontakt Produktlisten Umsätze Zahlungen SFA-DB Umsätze/Erträge Kundensegmente Promotionhistory Campaign Response Value Score Marketing-DB Kundenkontakte Trouble Tickets Fragebögen Zahlungen Call Center-DB Häufig Inkonsistenz, Kunden erwarten aber konsistentes Verhalten! Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 6 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 7

3 Das Data Warehouse ETL-Prozesse 3 Das Data Warehouse 3.1 ETL-Prozesse Es wird eine integrierte Datenbasis für konsistente Daten benötigt. Das Management braucht die richtigen Informationen, damit es strategische Entscheidungen treffen kann. Operative Systeme sind nicht in der Lage diese strategischen Informationen zu liefern. Es wird eine gemeinsame Datenquelle notwendig: Das Data Warehouse Das Data Warehouse ist eine Sammlung von transformierten und integrierten Daten. Die Daten werden gespeichert und dem gesamten Unternehmen als strategische Informationen zur Verfügung gestellt. Die Daten kommen durch ETL-Prozesse (Data Extraction / Transformation / Loading) in das Data Warehouse: Im ETL werden interne Datenquellen identifiziert oder Externe Datenquellen auf Kompatibilität überprüft. Die Daten müssen extrahiert und transformiert werden, um sie in den Speicher des Data Warehouse laden zu können. Die Transformation stellt in der Praxis eine lange und komplexe Liste von Funktionen dar, die erstellt und abgearbeitet werden müssen. ETL-Prozesse sind grundlegend für die Datenqualität verantwortlich und somit ein Schlüsselelement der gesamten Datenverarbeitung. Dies sind die zeitaufwendigsten Tätigkeiten bei der Erstellung des Data Warehouse und dessen Betrieb und Wartung, die außerdem weitgehend von Menschen erledigt werden müssen. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 8 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 9 Integrierte Kundendaten im Data Warehouse 3.2 Integrierte Kundendaten im Data Warehouse 3.3 Umfrage Daten Demografische Daten Kauf geschichten Um eine breite Gruppe von Data Warehouse-Nutzern zu erreichen, werden verschiedene Datenauslieferungsmethoden bereit gestellt: Vordefinierte Standardberichte für das tägliche Geschäft Komplexe Abfragen, multidimensionale Analyse und statistische Analyse für Geschäftsanalysten und erfahrene Benutzer Call Center Kontakte Data Warehouse Campaign Response Executive Information Systems für leitende Angestellte und das höhere Management Retouren Web Aktivität Verrechnung und Zahlung Eine Unterstützung für die Datenanalyse und die Erzeugung von Berichten bietet OLAP. OLAP (Online Analytical Processing) ist eine Kategorie Softwaretechnologie, die es erlaubt, Daten durch schnelle, konsistente und auch interaktive Zugriffe auf eine Vielzahl von Sichten abzufragen. Diese Daten wurden bereits in eine den Unternehmenszielen dienende Form transformiert. OLAP deckt ein weites Spektrum komplexer multidimensionaler Analyse ab. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 10 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 11

4 Entscheidungsunterstützende Systeme 3.4 Entscheidungsunterstützende Systeme 3.5 Diese Daten können zum Beispiel für entscheidungsunterstützende Systeme verwendet werden. Entscheidungsunterstützende Systeme werden zum Beobachten des Geschäftsprozesses eingesetzt. Typische Fragen, die damit beantwortet werden sollen, sind: Zeig mir die meistverkauften Produkte an Zeig mir dir Problemregionen an Sag mir warum Zeig mir andere Daten Alarmiere mich, wenn in einem Bereich weniger verkauft wird als erwartet Profiling Partner Contribution Revenue Analysis Segmentation ERP SCM Workforce Optimization Analytical CRM Enterprise Data (Nicht aus CRM) Operational CRM Activity Management SRM Contact Management Support PRM Campaign Management Pricing and Configuration e-commerce Value Financial Supplier Evaluation Billing Product Channel Next-Sequential Analysis Propensity-to-Buy Purchase Analysis Modelling Churn Analysis and Prediction Risk Scoring Satisfaction Analysis Campaign Prospect Qualification Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 12 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 13 Datenquellen Datenquellen Data Storage ETL- Prozess Erhebungsprozesse Datawarehouse Berichte Abfragen OLAP Regression Cluster Statistische Prozesse 3. Planung und Durchfuehrung einer Erhebung 4. Fragebogenerhebung 5. Faelle: Kundenzufriedenheit nach Kano, Kundenwert (CLV),... Operative Systeme Mitarbeiterinformation ETL- Prozess Datawarehouse: 1. Einfuehrung 2. Modellierung 3. Entwicklung 4. ETL-Prozess 5. OLAP 6. Implementierung (Physikalisches Design) Regression (lineare) 1. Einfuehrung: Modellbildung Oekonometrie 2. Schaetzung 3. Testen des Modells und von Hypothesen 4. Analyse von Residuen, Voraussagen 5. Modellselektion 1. Clustering 2. Marktsegmentierung Statistische Prozesse Managementreporting Berichte Abfragen OLAP Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 14 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 15

5 Zusammenfassung 4 Zusammenfassung 5 Analytisches CRM ist der Back-Office Teil des Relationship Management. Es beinhaltet die Analyse von Daten aus den operativen CRM-Prozessen mit dem Ziel 1. Managemententscheidungen zu unterstützen und 2. operative CRM-Prozesse durch die Nutzung der Analyseergebnisse zu verbessern. Die Daten stammen aus zahlreichen heterogenen Quellen und werden aus verschiedenen Systemen zur Verfügung gestellt. Um diese Daten konsistent zu halten und um sie dem Management für strategische Entscheidungen zur Verfügung zu stellen, werden sie durch ETL Prozesse gesammelt und transformiert. Anschließend können sie im Data Warehouse integriert gespeichert werden. Aus dem Data Warehouse können die Daten dann vom ganzen Unternehmen, je nach Anforderung, als vordefinierte Berichte, durch komplexe Abfragen, mit OLAP-Analyse-Technologie oder für statistische Prozesse abgerufen werden. Schließlich können die Daten zum Beispiel für entscheidungsunterstützende Systeme leicht genutzt werden. Regression: [Theil, 1971]. Clustering und Marksegmentierung: [Duda et al., 2001] und [Wedel and Kamakura, 2000]. Erhebungstechniken und Fragebogendesign: [Schnell et al., 2005]. Data Warehouse: [Ponniah, 2001]. R: (Siehe auch Übung) Offizielle R Einführung: oder Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 16 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 17 [Duda et al., 2001] Duda, R. O., Hart, P. E., and Stork, D. G. (2001). Pattern Classification. John Wiley & Sons, New York, 2nd edition. Standardwerk. [Ponniah, 2001] Ponniah, P. (2001). Data Warehousing Fundamentals. John Wiley & Sons. [Schnell et al., 2005] Schnell, R., Hill, P., and Esser, E. (2005). Methoden der empirischen Sozialforschung. Oldenburg, München. [Sharp, 2002] Sharp, D. E. (2002). Relationship Management Systems Handbook. Auerbach, Boca Raton. [Theil, 1971] Theil, H. (1971). Principles of Econometrics. John Wiley & Sons, New York. [Wedel and Kamakura, 2000] Wedel, M. and Kamakura, W. A. (2000). Market Segmentation: Conceptual and Methodological Foundations. Kluwer Academic Publishers, Boston. Standardwerk. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 18