CRM: Herausforderungen in der Praxis I

Transkript

1 Wirtschaftswissenschaftliche Fakultät Ingolstadt CRM: Herausforderungen in der Praxis I Universum Group Frankfurt am Main Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses

2 Zur Person 2 Studium Mathematik/Wirtschaftswissenschaften mit Schwerpunkt Statistik Promotion zum Dr. rer. pol. in Statistik und Ökonometrie Über 20 Jahre Erfahrung im Database Marketing, Kampagnenmanagement und CRM im Versandhandel (Quelle, Neckermann) Geschäftsführer UNIVERUM Business GmbH ein Unternehmen der UNIVERSUM Group, Frankfurt Fokus Dienstleistungen Forderungs-Bewertung und -Monitoring Risiko-Management (Kreditscoring, Zahlungsgarantie) Datawarehousing für Banken, Inkasso-Unternehmen Business Intelligence, Kampagnen-Steuerung im Finanzbereich 1 Einleitung 3 Vorlesungs-Programm CRM: Herausforderungen in der Praxis Reporting-Systeme Datawarehouse, Scoring, Kundenwert (Multi-Channel-)Kampagnen-Management Data Mining Anwendungen Erörterung von praktischen Fragestellungen und Herausforderungen im operativen und analytischen CRM aus verschiedenen Blickwinkeln Fokus liegt auf der Modellbildung, der Unvollständigkeit von Informationen, den Zielkonflikten und Heuristiken. Fallstudien: Erarbeitung von Lösungsansätzen in Gruppenarbeit

3 1 Einleitung 4 Prüfungsmodalitäten 4 Blöcke Herausforderungen in der Praxis à 80 % Diskussion und Präsentation von Cases 0,7 à 56% Hausarbeit (1 Woche Bearbeitungszeit) Ausgabe Abgabe ,3 à 24% Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses

4 2 Prozesse im (Versand-) Handel Kernprozesse und Systeme 6 Supply Chain Management Warenwirtschaftssystem Lieferant Einkauf/ Beschaffung Angebotserstellung Kunden- Management Kataloge Web-Shop Kunde Produkt- Präsentation Datawarehouse CRM Kundenbuchhaltung 2 Prozesse im (Versand-) Handel kundenrelevante Detail-Prozesse 7 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment Kunde Retoure Werbemittel Web-Shop Bestellung Kreditprüfung Nachfrage Lieferung

5 2 Prozesse im (Versand-) Handel Das Datawarehouse steuert alle CRM-Prozesse 8 Nutzer Einkauf Planungsprozess Controlling Vertrieb Analyse, Reporting Adressen Datawarehouse Logistik Service Call-Center Operative Systeme Web- Shop Kampagnen- Management analytisches und operatives CRM 2 Prozesse im (Versand-) Handel Marketing-Datawarehouse (1.0) im Versandhandel 9 Kunde Soziodemographie Herkunft Microgeographie Kundenstatus Vertriebsweg Service Bestellweg Lieferadresse Terminlieferung Ratenzahlung Kundenkarte Bewerbung Bestellung Lieferung Retoure Zahlung Reklamation Kunden- und Artikel-Stammdaten Verhaltensdaten auf granularer Ebene Historische Sichten (Journalisierung der statischen Daten) Sortiment alle Artikel mit beschreibenden Merkmalen (Preis, Modizität, Marke, Stil,.) Werbemittel Hauptkataloge Shops Spezialkataloge Sonderkataloge

6 2 Prozesse im (Versand-) Handel Datawarehouse 10 Rolle des Datawarehouse Konsolidierte Datensammlung aus den heterogenen transaktionsorientierten operativen Systemen Übergreifende Sicht auf die Kunden und die Prozesse Abfrageorientiert, teilweise Aggregate Datenverknüpfung über mehrere operative Prozesse möglich Historische Sichtweisen Standard-Berichtswesen Analyse- und Reportng-Systeme Data Mining-Analysen Kampagnen-Management (Analyse, Durchführung, Bewertung) Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses

7 Was ist eigentlich Reporting? n n n n n n n Listen à Einzelfall-Bearbeitung, Dokumentation, statisch Auszählungen à operatives Monitoring von Prozessen Berichtswesen à Finanzen/Controlling, Plan-/Ist-Vergleiche Testauswertungen à Auswirkung von Prozessänderungen Analysen à Wirkungszusammenhänge Steuerungs-Reports à Entwicklung/Anpassung von Regelwerken Wesentliche Elemente eines Reports sind Kennzahlen z.b. Bestellung, Rechnung, Retoure, Gutschrift, Zahlung, Mahnung, Posteingang, Reklamation, Dimensionen z.b. Zeit, Branche, Zahlart, Sortiment Hierarchien z.b. Tag, Monat, Jahr

8 14 Reporting-Systeme lassen sich gliedern in Standard-Berichte - feste Vorgaben von Dimensionen und Kennzahlen - periodische Aktualisierung - Ist-Plan-VJ-Vergleiche - meist leicht und für viele Benutzer verständlich Online-Analyse (R)OLAP-Systeme - vorverdichtete Aggregationen - Abfrage durch Benutzer konfigurierbar - OLAP-Systeme bieten leicht bedienbare Navigationsfunktionen (drill down, slice and dice) à Interessante Analyse-Ausschnitte können zu Standard-Berichten werden Für adhoc-analysen (z.b. Data Mining) wird der Analyse-Datenraum individuell und modellspezifisch zusammengestellt, 15 Rahmenbedingungen bei der Entwicklung von Reporting-Systemen Welche Fragen soll der Report beantworten? Welche Entscheidungen sollen damit unterstützt werden? Welcher Prozess soll kontrolliert werden? Reales Modell Datenmodell Kennzahlen (Interpretation, Aggregierbarkeit, Dimensionalität) Dimensionen (Hierarchien, Auswertungstiefe) Datenverfügbarkeit Aktualität (z.b. neartime-reports) User

9 Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses 17 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment Kunde Retoure Werbemittel Web-Shop Bestellung Kreditprüfung Nachfrage Lieferung

10 18 Bestelleingang Tag VJ Plan Ist % z. VJ % z. Plan % -3% % -12% % 6% % 10% % 18% % 9% % 9% % 1% % 6% % 9% Bestelleingang kumuliert Tag VJ Plan Ist % z. VJ % z. Plan % -3% % -6% % -4% % -1% % 1% % 3% % 4% % 3% % 4% % 4% Klassischer Tages-Report Hier: verbuchter Bestelleingang, d.h. nach Kreditprüfung und sonstigen vorgelagerten Prozessen à Granularität abhängig von operativen Systemen Kalender-Problem beim VJ-Vergleich Tageswerte oder kumuliert? Aussagekraft? 19 Bestellwert = Nachfrage Tag VJ Plan Ist % z. VJ % z. Plan % 6% % 6% % 6% % 6% % 6% % 13% % 13% % 13% % 13% % 13% Klassischer Report Gleiche Logik wie beim Bestelleingang Erklärungsansätze für unterschiedliche Entwicklung von Bestelleingang und Nachfrage fehlen Bestellwert = Nachfrage kumuliert Tag VJ Plan Ist % z. VJ % z. Plan % 6% % 6% % 6% % 6% % 6% % 8% % 8% % 9% % 9% % 9% durchschn. Bestellwert Tag VJ Plan Ist

11 20 Umsatz Tag VJ Plan Ist % z. VJ % z. Plan % -22% % 44% % -15% % -36% % -21% % -51% % 29% % -31% % -19% % -37% Umsatz kumuliert Tag VJ Plan Ist % z. VJ % z. Plan % -22% % 5% % -2% % -10% % -12% % -20% % -14% % -16% % -17% % -19% Klassischer Report Umsatz setzt sich aus Lieferwert und Retourenwert zusammen Sichtweise Rechnungswesen/Controlling Kein Zusammenhang zwischen Bestelleingang und Umsatz Zeit-Dimension orientiert an Buchungslogik. Aussagekraft? Nutzer? 21 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment t+20 +? Werbemittel Web-Shop Kunde t Bestellung Kreditprüfung Retoure t (+1) Nachfrage Lieferung t+3 +?

12 22 Versuch einer Erklärung durch Überleitung Jedoch kein Wirkungszusammenhang Retourenquote falsch Tage aufgelaufen Monat Ist Plan Vorjahr Abw. Abw. Plan Prognose Vorjahr Plan Vorjahr % % Nachfrage (Vertrieb) 136,5 147,3 125,2-7% 9% 278,6 307,5 262,8 17,0% Umsatzverluste -7,1-7,0 1% -14,7 0,0 ######## -5,5 Veränd. Nachsendebestand/Übrige -6,6 0,8-960% -0,7 Veränderung Puffer 0,1-3,4 7,8-104% -98% -2,7 14,0 Warenausgang %zu Nachfrage 90% 98% 101% 97% 99% Dienstleistungsums. (KSP, Vsd.spesen, etc.) 9,9 8,3 7,8 20% 27% 15,7 14,5 Rabatte/Sonstiges -5,5-4,5-1,4 22% 287% -8,5-3,0 Fakturierte Leistung Vsd. (brutto) 127,3 147,7 133,2-14% -4% 277,7 272,9 Retouren -38,4-33,2-37,0 16% 4% -72,6-64,7 Retourenquote (Wert) 30% 22% 28% 26% 24% Bruttoumsatz Stammgeschäft Versand 88,9 114,5 96,2-22% -8% 205,1 208,2 MwSt. -14,2-18,3-15,4-22% -8% -32,7-33,2 Prognose zu VJ % Nettoumsatz Stammgeschäft Versand 74,7 96,2 80,8-22% -8% 172,4 190,7 174,9 9,0% 23 Bestellung Kreditprüfung Warenversand Rechnungsschreibung Retouren Gutschriften Bestellzeitpunkt Lieferzeitpunkt Retourenzeitpunkt Bestellung Warenversand Retouren Kreditprüfung Rechnungsschreibung Gutschriften Bestellzeitpunkt Lieferzeitpunkt Retourenzeitpunkt Bestellung Warenversand Retouren Kreditprüfung Rechnungsschreibung Gutschriften Bestellzeitpunkt Lieferzeitpunkt Retourenzeitpunkt Bericht Bestellwert Lieferwert Retourenwert Umsatz (rechnerisch)

13 24 Verbesserung der Retourenquote durch die Kennzahl erwartete Retouren Zeit-Dimension des Umsatzes nun aber unspezifiziert. Tage aufgelaufen Monat Ist Plan Vorjahr Abw. Abw. Plan Prognose Vorjahr Plan Vorjahr % % Nachfrage (Vertrieb) 136,5 147,3 125,2-7% 9% 278,6 307,5 262,8 17,0% Umsatzverluste -7,1-7,0 1% -14,7 0,0 ######## -5,5 Veränd. Nachsendebestand/Übrige -6,6 0,8-960% -0,7 Veränderung Puffer 0,1-3,4 7,8-104% -98% -2,7 14,0 Warenausgang %zu Nachfrage 90% 98% 101% 97% 99% Dienstleistungsums. (KSP, Vsd.spesen, etc.) 9,9 8,3 7,8 20% 27% 15,7 14,5 Rabatte/Sonstiges -5,5-4,5-1,4 22% 287% -8,5-3,0 Fakturierte Leistung Vsd. (brutto) 127,3 147,7 133,2-14% -4% 277,7 272,9 Erwartete Retouren d. Periode -35,4-38,2-32,0-7% 11% -72,6-64,7 Retourenquote (Wert) 28% 26% 24% 26% 24% Bruttoumsatz Stammgeschäft Versand 91,9 109,5 101,2-16% -9% 205,1 208,2 MwSt. -14,0-16,7-15,4-16% -9% -31,2-31,8 Prognose zu VJ % Nettoumsatz Stammgeschäft Versand 77,9 92,8 85,7-16% -9% 173,9 190,7 176,4 8,1% 25 Lösungsansätze: Zeit-Dimension eindeutig definieren hier: Bestell-Zeitpunkt Wenn exakte Messwerte benötigt werden, dann sind Aussagen über den Gesamtprozess Bestellen Liefern Retournieren nur ex-post z.b. für den Bestellzeitpunkt vor x Tagen möglich Zur Bewertung der aktuellen Nachfrage sind Prognosequoten für Lieferung und Retouren notwendig à Aussagen für aktuelle Periode möglich. Standard-Berichte sollten zwar einfach verständlich sein, aber zur Vermeidung von Fehlinterpretationen muss die Wirklichkeit hinreichend genau abgebildet werden Anforderung an DWH-Datenmodell: Eindeutige Zuordnung von Bestellung, Lieferung und Retoure auf Transaktionsebene

14 Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses 3.2. Sortiments-Reports 27 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment Kunde Retoure Werbemittel Web-Shop Bestellung Kreditprüfung Nachfrage Lieferung

15 3.2. Sortiments-Reports 28 Artikel-Nr Woche Nachfrage Sofort- Lieferung Retouren % % % % % % % % % % % Einfacher Bericht als Basis für Bestandsprognose Retouren gelangen wieder in den Warenkreislauf zurück Um eine optimale Bestandsführung zu gewährleisten ist neben der Nachfrage- auch eine Retourenprognose notwendig Die falsch gemessene Retourenquote wie hier im Beispiel ist dafür unbrauchbar Die großen Schwankungen in der Retourenquote resultieren aus der falschen Betrachtungsweise 3.2. Sortiments-Reports 29 Artikel-Nr Woche Nachfrage Nachsendung Warenausgang Retourenquote Sofort- Lieferung Retouren Nachsendung Warenausgang Retourenquote % % % % % % % % % % % % % % % % % % % % Die großen Schwankungen in der Retourenquote resultieren aus der falschen Betrachtungsweise Retouren einer Woche sind auf den Warenausgang der gleichen Periode bezogen. Zeitverzug wird ignoriert. Lösung: eindeutige Zuordnung von Retouren zum Warenausgang und Berechnung der Retourenquote mit diesem Zeitbezug

16 3.2. Sortiments-Reports 30 Artikel-Nr Woche Nachfrage Retouren Warenausgang falsche Retourenquote richtige Retourenquote % 23% % 24% % 24% % 24% % 28% % 23% % 19% % 17% % 29% % 29% % 16% % 28% % 22% % 25% % 29% % 19% % 24% % 29% % 27% % 27% Durch die Korrektur der Berechnungslogik ist die Retourenquote der ersten Wochen für eine Prognose verwendbar Das gleiche gilt für den Warenausgang, der auch zeitversetzt, bedingt durch Terminlieferungen und Nachsendungen, verläuft. Notwendige Voraussetzung für DWH- Datenmodell: eindeutige Zuordnung von Lieferung und Retoure auf Transaktionsebene 3.2. Sortiments-Reports 31 OLAP-Beispiel Retouren-Infosystem

17 Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses 33 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment Kunde Retoure Werbemittel Bestellung Kreditprüfung Nachfrage Lieferung

18 34 Nachfrage- und Umsatz werden im Versandhandel durch Werbemittel induziert Viele Reports enthalten deshalb auch die Dimension Werbemittel Werbemittel lassen sich nicht in das zeitliche Korsett von Monat und Jahr eingliedern Werbemittel haben eine Laufzeit, die im Kampagnen-Plan abhängig von den Kundenbedürfnissen, Markt-Rahmenbedingungen und technischen Restriktionen, festgelegt wird Werbemittel bilden sowohl eine Aktions- wie auch Reaktions-Dimension, was zu zusätzlichen Problemen in der Aufbereitung und bei der Interpretation führen kann. 35 WM-Typ Grobübersicht Kampagnen-Plan Dez. Jan. Febr März Apr. Mai Juni HK Ab HK 1 Ab HK Midi Sommersaison MK Januar Februar März April Mai Juni SPK/ZL AV MC-B. ab SPK SPK SPK SPK AL März SPK AL Mai SPK AV April AV Juni Fasching (23.02.) Ostern (12.04.) Pfingsten (31.05.)

19 36 Werbemittel-Report Mai kumuliert Saisonbeginn Werbemittel Nachfage Umsatz Ist VJ %VJ Ist VJ %VJ Gesamt ,0% ,2% Hauptkatalog ,3% ,9% Sonderlisten ,8% ,5% Jan ,8% ,3% Feb ,9% ,3% März ,2% ,3% April ,7% ,6% Mai ,7% ,0% Juni Marktplatz ,7% ,7% Spezialkataloge ,2% ,3% Meine Größe ,8% ,9% You ,1% ,6% Beste Jahre ,1% ,6% Men Fashion ,9% ,2% Heimwerker ,2% ,4% Garten ,2% ,2% Küchen ,4% ,7% Möbel ,6% ,7% Mailings ,0% ,5% M ,4% ,0% M ,2% ,0% M ,0% ,0% M ,5% ,2% M ,5% ,3% M Gesamt-Saison ,9% ,6% Rest ,8% ,5% Typischer Werbemittel-Report Hier: Reaktionssicht Marktplatz = Webshop wird in einem Multi-Channel- Versandhandel typischerweise auch als Reaktions-Werbemittel modelliert. Probleme: Vorjahres-Vergleichbarkeit der einzelnen Werbemittel à besser Planabweichung Gesamt lässt sich nicht vollständig nach Werbemittel aufreißen Durch zeitliche Beschränkung auf kumuliert Saison wird die Gesamtsicht auf das einzelne Werbemittel nicht möglich 37 OLAP-Beispiel

20 38 Aktionssicht auf die Werbemittel Versuch einer Überleitung von Aktions- und Reaktionssicht Probleme: Nicht aggregierbare Kennzahl Erhalter, Werbemittel ohne Aktion Werbemittel-Report kumuliert Saisonbeginn Werbemittel Anzahl Werbekosten Nachfrage pro Nachfage Erhalter Erhalter Ist VJ %VJ Gesamt , ,0% Hauptkatalog , ,3% Sonderlisten , ,8% Jan , ,8% Feb , ,9% März , ,2% April , ,7% Mai , ,7% Juni Marktplatz ,7% Spezialkataloge , ,2% Meine Größe , ,8% You , ,1% Beste Jahre , ,1% Men Fashion , ,9% Heimwerker , ,2% Garten , ,2% Küchen , ,4% Möbel , ,6% Mailings , ,0% M , ,4% M , ,2% M , ,0% M , ,5% M , ,5% M , Gesamt-Saison ,9% Rest ,8% Mai 39 Werbemittel-Report Hauptkatalog Mai kumuliert Werbemittel-Laufzeit Kundenqualität Anzahl Werbekosten Nachfrage pro Nachfage Umsatz DB I DB II DB II Erhalter Erhalter pro Erh. Gesamt , ,27 Score , ,46 Score , ,09 Score , ,92 Score , ,04 Score , ,82 Score , ,78 Score , ,59 Score , ,02 Score , ,11 Score , ,92 Kampagnen-Reports Immer bezogen auf eine Kampagne Die Laufzeit ist unabhängig von Standard-Kalenderstrukturen wichtige Dimension Kundenqualität (z.b. Score) Basis für Cut-Off -Entscheidung Während der Laufzeit Hochrechnung der Kennzahlen notwendig

21 Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses 3.4. WEB-Reporting 41 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment Kunde Retoure Werbemittel Web-Shop Bestellung Kreditprüfung Nachfrage Lieferung

22 3.4. WEB-Reporting 42 Tages-Report 17. Okt Sortiment LCD TV Artikel Preis Min.-Preis Anzahl Nachfrage Conversion Preis-Rang Konkurrent clicks Stück rate % % % % % % % % % % % % % % % Ziel: Bereitstellen Performance-Daten pro Artikel im Internet zur schnellen Anpassung des Angebotspreises Konkurrenzpreis durch externe Web-Scanner Hier: einfache Berichtsdarstellung hohe Anforderungen an Funktionalität (Sortierung, ABC-Analyse, ) Problem: hohe Volatilität in den Daten, deshalb Kumulationen über größere Zeiträume nicht interpretierbar à Verbesserungspotenzial durch automatisierte Data-Mining- Methoden 3.4. WEB-Reporting 43 Tages-Report 25. Nov Sortiment LCD TV Artikel Preis Min.-Preis Nachfrage Anzahl Anteil Nachfrage Internet- Preis-Rang Konkurrent Wert Neukunden Nekunden Gesamt Anteil % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % Weitere Performance-Daten: Nachfrage, Neukunden, kanalübergreifende Performance Problem: schnelle Verfügbarkeit der Daten WEB-Reporting online (kurze Aktualisierungs-Rhythmen) Kennzahlen Nachfrage oder Neukunden werden nur 1x täglich berechnet Noch längerer Zeitversatz für die Kennzahlen Umsatz oder Deckungsbeitrag. Diese müssen über Prognosefaktoren (abh. von Sortiment und Spanne) integriert werden.

23 3.4. WEB-Reporting 44 -Performance-Reporting -Aktion Bounces Bounce-rate opener open-rate clicker click-rate click-through rate Newsletter ,5% ,1% ,7% 0,6% Katalog-Anforderer ,3% 94 43,3% 15 16,0% 6,9% Katalog-Nachfass ,9% ,8% ,0% 4,0% Merkzettel ,2% ,6% ,4% 9,1% Warenkorbabbrecher ,5% ,3% ,2% 4,3% Channel-Shift ,1% ,8% ,6% 5,7% after sales Internet ,1% ,6% ,5% 3,5% Newsletter ,8% ,9% ,9% 1,7% Kampagnen-Report im E-Commerce Zusätzliche Kennzahlen im Vergleich zu Werbemittel-Reports 3.4. WEB-Reporting 45 -Performance-Reporting -Aktion Aussendungen Aussendungen Bestellungen conversion rate Bestell-wert Bestellwert/ Aussendung Anzahl Neukunden Anteil Neukunden Bestellwert Gesamt Ablehnung Kreditprüfung Internet- Anteil Newsletter ,9% ,01 20,1% 0 0,0% ,3% Katalog-Anforderer 234-0,0% 0 0,00 0,0% ,0% Katalog-Nachfass ,3% ,16 11,3% 1 3,7% ,2% Merkzettel ,4% ,60 3,5% 4 5,1% ,2% Warenkorbabbrecher ,7% ,39 4,2% 1 0,9% ,0% Channel-Shift ,8% ,22 4,8% 0 0,0% ,7% after sales Internet ,7% ,10 4,8% 0 0,0% ,1% Newsletter ,1% ,03 18,3% 3 2,8% ,4% Messbarkeits-Problem bei -Kampagnen: Die gibt nur einen Anstoß, die Reaktion findet im WEB oder per Telefon statt. à klassische Methoden der Reaktionszuordnung führen auf andere Werbemittel Reaktion auf wird gemessen über Nachfrage der Erhalter in einer vordefinierten Laufzeit der Kampagne (sog. post orders) Beste Methode über Nullgruppen-Tests, aber teilw. zu komplex und aufwändig Anforderungen an das DWH-Datenmodell Integration von WEB-Verhalten, eindeutige Verknüpfung von Warenkorb zu den Transaktionen Nachfrage, Lieferung, Retoure,

24 Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses 47 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment Kunde Retoure Werbemittel Bestellung Kreditprüfung Nachfrage Lieferung

25 48 Kundenwert Wiederkäufe erste Zahlungsstörung weitere Zahlungsstörung(en) Vertragskündigung wegen Nichtzahlung Übergabe Inkasso Interessenten Akquisitionsphase Antrags-Scoring Neukunden Risikomanagement Bestandskundenmanagement Auftragsautorisierungs-Scoring Bestandskunden kfm. Mahnwesen Integration von Risiko- und Forderungsmanagement Inkassokunden Inkasso Zeit außergerichtliches und gerichtliches Inkassoverfahren Inkassomanagement 49 Bonitäts-Strategie Anfragen Ausland form. Fehler (99,3 %) 15 (0,1 %) 101 (0,6 %) (82,1 %) Annahme (82,1 %) Antragsbearbeitung Debitorenmanagement Negativmerkmale 524 (3,3 %) Fehlende Identifizierung (8,5 %) Ablehnung Score 423 (2,7 %) Limit/ Mind.-AW 439 (2,8 %) Ablehnung (17,9 %)

26 50 Kreditprüfung Zeiteinheit von - bis Monat, Tag, Stunde Nachfrage Ablehnungen Datum der Anfragen Fehler Nachfrage Grund 1 Grund n Genehmigungen Genehmigungsquote Nachfrage Stück Stück Stück Stück Stück Stück 09: % 10: % 11: % 12: % 13: % 14: % 15: % Gesamt % Transaktions-Reports: Zeitbezug ist hier der Bestellzeitpunkt, Kennzahlen zur Kreditprüfungsentscheidung, weitere Dimensionen können Kunden- und Warenkorb-Kategorien sein 51 Debitoren-Management Zeiteinheit von - bis Monat, Tag Datum der Neue Gesamt- Inkasso- Forderungsbestankeiten Verbindlich- Rechnungen Gutschriften Retouren Zahlungen Mahnungen Buchung Konten Konten Abgaben Stück Stück Stück Stück Stück Stück Stück Stück Stück Stück Wert Wert Wert Wert Wert Wert Wert Wert Gesamt Transaktions-Reports: Zeitbezug ist hier der Buchungszeitpunkt, Kennzahlen zur Buchhaltungs-Vorgängen, weitere Dimensionen können Kundensegmente (Neu- / Stammkunden, Ratingklassen) sein

27 52 Bestellung Kreditprüfung Warenversand Rechnungsschreibung Forderungsmanagement Zahlungen, Mahnungen, Inkassoabgabe Bestellzeitpunkt Lieferzeitpunkt Performance-Zeitraum Zeitraum der Bestellung Zeitraum nach Bestellung (i.d.r. 3-6 Monate) Bestellwert Ablehnungen Rechnungs-wert Retouren Umsatz Zahlungen % 7% 10% von Bestellwert von Rechnungswert von Rechnungswert 53 Debitoren-Management Zeiteinheit Monat von - bis Datenstand Inkassoübergaben Rechnungsmonat Rechnungswert im Folgezeitraum Stand Inkasso- Gutschrift Retouren Zahlungen Abgaben Performance-Reports: zwei Zeitdimensionen (Bestellzeitpunkt und Performance-Zeitraum), Kennzahlen zum Ausfall-Risiko, gleiche Kunden- und Warenkorb-Kategorien, Aussagen immer erst ex-post ableitbar Latenzzeit ca. 3-4 Monate in % noch offen Jan ,4% Feb ,1% Mrz ,0% Apr ,3% Mai ,2% Jun ,3% Jul ,6% Aug ,1% Sep ,0% Gesamt ,8%

28 54 Kennzahlen aus Forderungs-Management Monat Fragestellung: neue Forderungen Retouren Zahlungen Forderungsbestand Inkasso- Abgaben sonstige Buchungen (+/-) Dez. 07 Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Nov Dez Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Abschätzen des Ausfall-Risikos (Inkassoquote) und des Veritäts-Risikos (Retourenquote) bezogen auf den Forderungsbestand 55 Portfolio-Cut Datenstand Monat Zahlungen Retouren Inkasso-Abgaben Sonstige Buchungen Rest-Saldo pro Monat % kumul. pro Monat % kumul. pro Monat % kumul. pro Monat % kumul. pro Monat % kumul ,55% ,76% ,75% ,43% ,50% ,00% ,42% ,16% ,79% ,63% ,89% ,52% ,76% ,09% ,74% ,98% ,55% ,36% ,25% ,86% ,15% ,56% ,65% ,44% ,20% ,24% ,57% ,85% ,64% ,70% ,78% ,58% ,98% ,77% ,89% ,07% ,58% ,10% ,90% ,34% ,36% ,59% ,15% ,00% ,90% ,54% 95 30,59% ,20% ,10% ,57% ,64% 2 30,59% ,24% ,22% ,31% ,71% 22 30,59% ,28% ,36% ,06% ,77% 0 30,59% ,30% ,41% ,94% ,81% 84 30,59% ,32% ,46% ,83% ,85% 0 30,59% ,34% ,49% ,72% Lösungsansatz: Pool-Cut-Analyse Anforderung an das DWH-Datenmodell: Abbildung des Buchungs-Regelwerks im Detail

29 56 Inkasso-Management Kennzahlen Folgemonat Anzahl Übergabewert Ø-Übergabewerquote Geldeingang Geldeingangs- Übergabejahr Übergabemonat Akten ,1% 0,5% 7,6% 13,5% 21,6% 26,7% ,5% 1,5% 8,2% 14,9% 23,0% 28,3% 2012 Ergebnis ,1% 1,2% 8,0% 14,4% 22,6% 27,8% ,7% 0,8% 7,1% 12,0% 19,0% ,7% 1,8% 9,0% 14,7% 21,9% ,3% 2,8% 13,2% 19,9% 29,2% ,6% 3,1% 13,6% 20,1% 29,5% ,0% 4,8% 16,5% 23,7% 33,9% ,3% 4,0% 16,2% 23,4% 33,3% ,2% 5,4% 17,4% 24,8% ,7% 6,4% 17,5% 24,6% ,4% 4,2% 15,8% 21,3% 2013 Ergebnis ,9% 2,7% 12,0% 18,2% 26,2% 14,8% ,7% 2,5% 7,5% 10,6% ,2% 2,4% 9,2% 13,2% ,9% 1,2% 10,8% 16,9% ,9% 2,3% 11,6% ,8% 1,3% 8,1% ,5% 3,8% 15,5% ,4% 2,6% ,6% 3,5% ,9% 2,9% 2014 Ergebnis ,8% 2,0% 9,9% 14,1% Gesamtergebnis ,7% 2,4% 11,3% 17,5% 25,7% 27,8% Performance-Reports: zwei Zeitdimensionen (Übergabezeitpunkt und Performance-Zeitraum), Kennzahlen zum Beitreibungserfolg, zusätzlich Segmentierung nach Portfolio-Kategorien (Größenklasse, Ratingstufen, ), Aussagen immer erst ex-post ableitbar Latenzzeit ca. 24 Monate Übersicht 1 Einleitung 2 Prozesse im (Versand-) Handel 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses

30 3.6. Value-Stream-Monitoring 58 Lieferant After Sale Beschwerden Zahlung Inkasso Forderungsbestand Sortiment Kunde Retoure Werbemittel Bestellung Kreditprüfung Nachfrage Lieferung 3.6. Value-Stream-Monitoring 59 Kundenbestellprozess: Bestellung bis Lieferung Bestellwunsch Prüfen und Ware Rechnung Paket Paket aufnehmen bestätigen bereitstellen schreiben packen zustellen Erreichbarkeit Gesprächsqualität Verfügbarkeit Qualität Bonitätsprüfung Produktionszeit Fehlerquote Laufzeit Zustellqualität

31 3.6. Value-Stream-Monitoring 60 Sortiment: Hartwaren Anzahl Positionen Information an Kunde Dauer Kreditprüfung lieferbar online % 18% 1-5 Tage % 20% > 5 Tage % 22% Gesamt % 20% Terminlieferung online % 27% 1-5 Tage % 29% > 5 Tage % 32% Gesamt % 29% Nachsendung mit Termin online % 25% 1-5 Tage % 27% > 5 Tage % 30% Gesamt % 30% Nachsendung ohne Termin online % 17% 1-5 Tage % 19% > 5 Tage % 21% Gesamt % 19% Gesamt online % 21% 1-5 Tage % 24% > 5 Tage % 27% Gesamt % 24% Fragestellung: Welchen Einfluss hat die Dauer der Kreditprüfung auf die Kundenzufriedenheit? Modellierung der Kundenverärgerung über Beschwerdequote und Retourenquote Transaktionsebene = Bestellposition 3.6. Value-Stream-Monitoring Sortiment: Mode Information an Kunde Dauer Logistik Anzahl Positionen Beschwerdequote Retourenquote Beschwerdequote Retourenquote lieferbar 1 Tag % 29% 2-3 Tage % 32% > 3 Tage % 35% Gesamt % 31% Terminlieferung 1 Tag % 16% 2-3 Tage % 18% > 3 Tage % 20% Gesamt % 18% Nachsendung mit Termin 1 Tag % 14% 2-3 Tage % 15% > 3 Tage % 17% Gesamt % 15% Nachsendung ohne Termin 1 Tag % 20% 2-3 Tage % 22% > 3 Tage % 25% Gesamt % 23% Gesamt 1 Tag % 20% 2-3 Tage % 21% > 3 Tage % 25% Gesamt % 22% Fragestellung: Welchen Einfluss hat die Dauer der Logistik auf die Kundenzufriedenheit? Weiterer Aufriss nach Logistik-Standort, Logistik-Partner, Direkt-Lieferant 61

32 3.6. Value-Stream-Monitoring 62 Sortiment: Mode Information an Kunde: sofort lieferbar Anzahl Positionen Beschwerdequote Kreuzauswertung der beiden Prozesse Kreditprüfung und Logistik Herunterbrechen auf einzelne Beschwerdegründe erhöht die Aussagekraft Retourenquote Dauer Kreditprüfung Dauer Logistik Grund1 Grund n online 1 Tag % 13% 24% 2-3 Tage % 14% 27% > 3 Tage % 16% 29% Gesamt % 15% 27% 1-5 Tage 1 Tag % 14% 27% 2-3 Tage % 16% 29% > 3 Tage % 17% 32% Gesamt % 17% 31% > 5 Tage 1 Tag % 16% 29% 2-3 Tage % 17% 32% > 3 Tage % 19% 36% Gesamt % 17% 32% Gesamt 1 Tag % 15% 27% 2-3 Tage % 16% 30% > 3 Tage % 17% 32% Gesamt % 16% 30% 3.6. Value-Stream-Monitoring 63 Neue Herausforderungen an das Datawarehouse (2.0) Bestellen Retournieren Zahlen Kataloganfrager Direktwerbung WEB-Surfverhalten -Kampagnen Outbound-Call Tel. Erreichbarkeit Gesprächsqualität Interesse Bewerbung Bestellkanal Bestand Lieferfähigkeit Rabatt Lieferservice Bonitätsprüfung Cross-Selling Termin- Vereinbarung Termin-Änderung Paket-Tracking Beschwerden Care-Call Liefern Retourengrund Mahnprozesse Zahlungskonditionen Forderungsbestand Inkasso Reklamation Garantie Kulanzen Care-Call After Sales

33 Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses Übersicht 1 Einleitung 2 Prozesse im (Versand-)Handel / E-commerce 3.2. Sortiments-Reports 3.4. WEB-Reporting 3.6. Value-Stream-Monitoring 4 Gruppenarbeit 5 Diverses

34 Kontaktdaten: 66 Managing Director UNIVERSUM Business GmbH Hugo-Junkers-Straße Frankfurt am Main Tel.: Mobil: michael.semmler@universum-group.de