Echzeitinformationen auf dem Prüfstand

Größe: px
Ab Seite anzeigen:

Download "Echzeitinformationen auf dem Prüfstand"

Transkript

1 Echzeitinformationen auf dem Prüfstand Einsatz im CRM-Umfeld QUELLE AG, Data Warehouse Entwicklung & Projekte Jakobinenstr Fürth Tel. +49 (0) Mail: 1

2 I. Einleitung Vorstellung KarstadtQuelle AG Vorstellung Quelle database management & services II. CRM-Echtzeit-Data Warehousing Erläuterung CRM-Echtzeit Anforderungen an CRM-Echtzeit-Systeme III. Evolution eines Data Warehouse Das Data Warehouse integriert die wesentlichen Prozesse MIS, analytisches und operatives CRM IV. Zusammenfassung 2

3 KarstadtQuelle-Konzern Konzernzahlen (2003) Konzernumsatz: 15,3 Mrd. davon Versandhandel: 8,0 Mrd. Vollbeschäftigte/Konzern**: davon Versandhandel: (**Jahresdurchschnitt) 3

4 Konzernbereich Versandhandel Zwei starke Marken Zahlen und Fakten (2003) Nr. 1 des deutschen Versandhandels Kennzahlen (2002) 30% Marktanteil in Deutschland 140 Tochtergesellschaften in 22 europäischen Ländern präsent stationäre, versandunterstützende Einheiten in Europa 65 Millionen Warensendungen p. a. 38 Mio. Hauptkataloge p. a. jeweils 95% Markenbekanntheit 4

5 Quelle database management & services (Leitung Dr. Michael Semmler) Aufgabenbereiche: Management Informationssysteme Entwurf, Realisierung und Betrieb von Reporting- Systemen, Erstellung von standardisierten Berichten database consulting Produkt Analyse der Werbemittel (Kataloge) und Beratung von Einkauf und Vertrieb aus Werbemittel-Sicht (Auflagenschätzungen, Assoziationsanalysen, ) database consulting Kunde Analyse des Kundeportfolios und Beratung von Einkauf und Vertrieb aus Kunden-Sicht (Kundenprofile, Segmentierung, Kundenwanderungen, ) database consulting Töchter und Ausland Beratung der Töchter- und Auslandsgesellschaften zu Themen des database marketings Adressensteuerung Operative Durchführung der Adress-Selektionen Data Warehouse Entwicklung und Projekte Data Mining, Projekte in und um das DWH, DV- Kosten Controlling 5

6 I. Einleitung Vorstellung KarstadtQuelle AG Vorstellung Quelle database management & services II. III. IV. CRM-Echtzeit-Data Warehousing Erläuterung CRM-Echtzeit Anforderungen an CRM-Echtzeit-Systeme Evolution eines Data Warehouse Das Data Warehouse integriert die wesentlichen Prozesse MIS, analytisches und operatives CRM Zusammenfassung 6

7 Echtzeit-Informationen auf dem Prüfstand CRM-Echtzeit (Begriffsdefinition) Ereignis (Kauf, Anfrage, Reklamation, ) Echtzeit = Reaktion innerhalb eines Werktags (Re-)Aktion 1 Report Entscheidung (Re-)Aktion 2 7:00 12:00 20:00 7

8 Anforderungen an CRM-Echtzeit-Systeme Heutige Echtzeitsysteme erfüllen in der Regel Monitoring-Aufgaben dienen vor allem zur Steuerung von Prozessen bilden die IT-Sicht des Geschäftsprozesses ab sind vergangenheitsorientiert (Mitarbeiter-Sicht) Beispiele: Steuerung eines Call-Centers, Qualitätskontrollen, Job-Steuerung auf Rechnersystemen CRM-Echtzeit-Systeme bieten eine CRM-orientierte Sichtweise auf die Prozesse an bilden automatische BI-Logiken ab arbeiten in Echtzeit mit den operativen Systemen zusammen bieten Prognosen an (Unternehmer-Sicht) Beispiele: Kundendialog-Systeme im Internet, Cross-/Upselling-Unterstützung Call-Center (Verkaufsgespräch im Laden ) 8

9 Echtzeit-Informationen auf dem Prüfstand Wann ist CRM-Echtzeit (nicht) erforderlich/sinnvoll? CRM-Echtzeit hat folgende sinnvolle Einsatzgebiete: InBound-Calls/Internet (Upselling, Cross-Selling) OutBound-Calls Reklamation (Kulanzbehandlung), Kreditprüfung CRM-Echtzeit ist nicht sinnvoll, falls die Prozesskette nicht vollständig echtzeitfähig ist: Der Entscheider ist ein Mensch (z. B. Urlaub, ). Entscheidung können nicht in Echtzeit erfolgen, da zu aufwändig (z. B. erweiterte Kreditprüfung). Das operative System ist nicht in der Lage, sofort CRM-Aktionen durchzuführen CRM-Echtzeit macht aus Prozessgründen keinen Sinn, falls die auslösenden Ereignisse selbst keine Echtzeit-Eigenschaften haben (z. B. Retouren-Management) die auslösenden Ereignisse zu rasch aufeinander folgen, so dass sich Reaktion und Ereignis gegenseitig beeinflussen. 9

10 Echtzeit-Informationen auf dem Prüfstand Folgerung für Systeme mit CRM-Echtzeit-Fähigkeit Es muss eine klare Zielvorgabe formuliert werden, was erreicht werden soll die Anforderung an das IT-System aus den Zielvorgaben abgleitet werden aus den Anforderungen die Notwendigkeit für Echtzeit abgeleitet werden Das IT-System folgt dem Geschäftsprozess! 10

11 I. Einleitung Vorstellung KarstadtQuelle AG Vorstellung Quelle database management & services II. III. IV. CRM-Echtzeit-Data Warehousing Erläuterung CRM-Echtzeit Anforderungen an CRM-Echtzeit-Systeme Evolution eines Data Warehouse Das Data Warehouse integriert die wesentlichen Prozesse MIS, analytisches und operatives CRM Zusammenfassung 11

12 Echtzeit-Informationen auf dem Prüfstand Customer Relationship Management im Versandhandel Printangebot Response Outbound Inbound WebAngebot Order Data Warehouse Marketingdaten Kundenverhaltensdaten Soziodemografische Kundendaten 12

13 Evolution eines Data Warehouse Management- Informationssysteme, Reporting CRM-Maßnahmen, Kampagnen- Management Data Mining, Kundenbewertung, Analyse Rechenzeitverbrauch 30% 30% 30% Granulares Data Warehouse Operative Systeme 13

14 Das Data Warehouse integriert die wesentlichen Prozesse Werbemittel- Streuung Produkt- Management Vertrieb Reklamation MIS Business Intelligence Controlling Granulares Data Warehouse AnalytischesCRM Operatives CRM Call-Center Service Internet Sammlung, Konsolidierung und Speicherung der Daten aus allen kundenbezogenen Transaktionen Hinzufügen von Produkt-, Vertriebs-,, -Informationen (Analy. CRM) Bereitstellung von zielgerichteten Informationen für die Steuerung der CRM-Prozesse 14

15 Beispiele für den Einsatz des DWHs bei Quelle Management Informationssysteme Analytisches CRM Operatives CRM 15

16 Echtzeit-Informationen auf dem Prüfstand Management Informationssysteme (OLAP) Standardisiertes Berichtswesen: OLAP-Würfel ca. 300 Kennzahlen bei 10 Dimension (zusätzlich Hierachien) ca. 200 User 16

17 Management Informationssysteme (OLAP) 17

18 Echtzeit-Informationen auf dem Prüfstand Management Informationssysteme (Relational) Individuelles Berichtswesen: Discoverer-Lösungen erstellt für spezifische Anforderungen des Anwenders Anwender kann selbst die Gestaltung variieren (Slice/Dice Drill up/down) 18

19 Echtzeit-Informationen auf dem Prüfstand Analytisches CRM (Wissensgenerierung) Werbemittel Artikel Analyse von Zeitreihen, Werbewirkung, ABC-Analysen, Kundenentwicklung Werbeerfolgskontrolle auf Zielgruppen-Ebene Controlling Werbekampagnen, Kundenbewertungssysteme Renner-Analysen, Retouren-Analysen, etc. Verbundkauf-Analysen Kredit-Risiko Kredit-Risiko-Analysen nach Kunde, Sortiment, Zahlungsart Identifikation von Kredit-Risiko-Faktoren, Betrugs-Mustererkennung,... 19

20 Echtzeit-Informationen auf dem Prüfstand Analytisches CRM (Wissensgenerierung, Fortsetz.) Kundenportfolio Kundenprofile, Kunden-Wert-Analysen Kundengruppen-Modelle (Wiederbestell-Verhalten, Cross-Buying, etc.), Kunden-Entwicklungs- Modelle Allokation: Zielgruppe Werbemittel Sortiment Service Identifikation von Kundenverärgerung Prozesse etc. Wirkungssanalysen von Prozess-Veränderungen (Bestellung, Lieferung, Retoure, Zahlung, Kulanz) Qualitäts-Monitoring der Prozesse 20

21 Analytisches CRM (Kaufkraft vs. Bestellwert) 21

22 Analytisches CRM (Kaufkraft vs. Bestellwert) 22

23 Analytisches CRM (Überschneidung/Marken) Überschneidung zu Neckermann Diese Grafik zeigt die Überschneidung nach Altersklassen der HOB-Besteller bei Quelle zu Neckermann während der Herbst/Winter-Saison % Von den HOB- Bestellern bei Quelle sind diejenigen um 40 Jahre bei Neckermann am aktivsten. Interpretation Überschneidungsquote 30% 25% 20% 15% 10% 5% 0% bis über 75 Alter der HOB-Besteller Neckermann Gesamt Neckermann HOB HOB-Workshop Claire Neef, 1 23

24 Analytisches CRM (Geschlechtsverteilung) Geschlechtsstruktur Young Fashion männlich weiblich 0% 10% 20% 30% 40% 50% 60% 70% 80% Young Fashion Sonstige HOB Hauptkatalog Durchschnitt Bei den Young Fashion- und den anderen HOB-Bestellern ist zwar der Frauenanteil etwas niedriger als beim Quelle-Durchschnitt, er liegt aber immer noch bei mehr als 60 %. HOB-Workshop Claire Neef, 1 24

25 Echtzeit-Informationen auf dem Prüfstand Operatives CRM (Scoring/Prognose) Scoring ist ein analytisches Prognose- und Punkte-Bewertungs-Verfahren, 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. Scoring wandelt Kundendaten in die Prognose von Kundenverhalten 25

26 Operatives CRM (Scoring-Prognose bietet optimale Entscheidungsgrundlage) Deckungsbeitrag pro Katalog (Prognose) % 20% 30% 40% 50% 60% 70% 80% 90% 100% Anteil Kunden, sortiert nach Scorewert Die DB-optimale Entscheidung liegt bei der Auflage, wo der Nullpunkt geschnitten wird. Die Kunden werden aber immer nach der Score-Sortierung (beste zuerst) beworben 26

27 Echtzeit-Informationen auf dem Prüfstand Operatives CRM (Kampagnen-Management) Abbildung der Entscheidungsregeln ohne IT-Aufwand Schnelle Reaktionsmöglichkeit Simulation neuer Strategien Test alternativer Strategien Konsistenz der Entscheidungen an allen Customer-Touch-Points und in allen Prozessen Reporting-Systeme Optimierung der Regelwerke durch analytisches CRM/Data Mining 27

28 Echtzeit-Informationen auf dem Prüfstand Operatives CRM (CRM-Echtzeit-Scoring im Outbound) Kundenkontakt Data Warehouse Dialer Aktions-Manager Grobe Vorselektion Merkmale aus dem DWH Vorselektion Historische u. Echtzeit- Daten Scoring- Engine (CRM-Echtzeit) Selektion Charge für Dialer Dialer Kundenkontakt Rückfluss der Gesprächsergebnisse Dynamische Optimierung des Modells 28

29 I. Einleitung Vorstellung KarstadtQuelle AG Vorstellung Quelle database management & services II. III. IV. CRM-Echtzeit-Data Warehousing Erläuterung CRM-Echtzeit Anforderungen an CRM-Echtzeit-Systeme Evolution eines Data Warehouse Das Data Warehouse integriert die wesentlichen Prozesse MIS, analytisches und operatives CRM Zusammenfassung 29

30 Echtzeit-Informationen auf dem Prüfstand Zusammenfassung CRM-Echtzeit erfordert eine lückenlose CRM-Echtzeit-Fähigkeit aller beteiligten IT-Systeme muss als Anforderung aus den Zielen des Geschäftsprozesses formuliert werden Das IT-System folgt dem Geschäftsprozess! Das Data Warehouse kann vielmehr als nur Berichtswesen spielt seine Stärke als Integrationszentrum aller wesentlicher Geschäftsprozesse aus bietet dadurch einen erheblichen Mehrwert durch Einsatz von analytischem und operativen CRM 30

31 Echtzeit-Informationen auf dem Prüfstand Zusammenfassung (Fortsetz.) Leistungsspektrum eines database management MIS-Oberflächen werden immer komfortabler. Aber: Interpretation ist nach wie vor Aufgabe des An-/Verwenders (Beispiel: Fehlinterpretation, Fehler, ) Die Nutzung des DWHs für analytisches CRM erfordert hohes Wissen über die Daten selbst und deren Nutzung (vor allem) bei Verwendung mächtiger Software- Werkzeuge. Operatives CRM setzt gut organisierte Systemabläufe voraus, um das DWH selbst nicht zum operativen System zu machen (Beeinträchtigung von MIS und analytischem CRM). Fundierte Kenntnisse der Prozessabläufe sind bei der Vernetzung der Systeme unbedingt erforderlich. 31

32 Vielen Dank für Ihre Aufmerksamkeit! 32

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 Der Motor des CRM bei Quelle

Datawarehouse Der Motor des CRM bei Quelle Datawarehouse Der Motor des CRM bei Quelle QUELLE AG Database Management Jakobinenstr. 5-7 90762 Fürth Tel. 0911 1422594, Fax: 0911 1432594 Mail: michael.semmler@quelle.de 1 Datawarehouse Wissensgenerierung

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

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

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

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

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

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen VIADEE CRM VIEL MEHR ALS EIN STÜCK SOFTWARE Eine Vielzahl von unterschiedlichen

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

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

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

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

Aktuelle Trends im CRM

Aktuelle Trends im CRM . CRM-Symposium.. Aktuelle Trends im CRM Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt. &. Generation KM ext Best X Aktionsorientiertes

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

Die Realtime Big Data Architektur @ OTTO im Kontext von Process Excellence

Die Realtime Big Data Architektur @ OTTO im Kontext von Process Excellence Die Realtime Big Data Architektur @ OTTO im Kontext von Process Excellence Conny Dethloff Bonn, 28. Januar 2015 Process Excellence im Kontext Big Data bedeutet, Komplexität in internen Prozessen nicht

Mehr

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele Agenda Definition Ziele Methoden Werkzeuge Herausforderungen Kosten Nutzen Hype oder Mehrwert Definition / Ziele Google Suche: define:business Intelligence Mit Business Intelligence können alle informationstechnischen

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

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

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

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

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

Customer Relationship Management

Customer Relationship Management Customer Relationship Management Hauptseminar im WS 03/04 Neue Ansätze im IT-Service-Management- Prozessorientierung (ITIL/eTOM) Thema: Customer Relationship Management in etom Name: Wen-Wang Wu Betreuer:

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

Einführung in Business Intelligence

Einführung in Business Intelligence Einführung in Business Intelligence Grundlagen und Anwendungsmöglichkeiten Prof. Dr. Wolfram Höpken wolfram.hoepken@eloum.net eloum @ Hochschule Ravensburg-Weingarten Informationsveranstaltung ebusiness-lotse

Mehr

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder.

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. Präsenzübung Service 2.1. CRM Customer-Relationship Management a) Anliegen des CRM Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. CRM, auch Beziehungsmanagement

Mehr

Kundenbeziehungsmanagement im Mittelstand

Kundenbeziehungsmanagement im Mittelstand Kundenbeziehungsmanagement im Mittelstand Mit Vernetzung zum Erfolg Prof. Dr.-Ing. Andreas Schmidt Lehrgebiet Wirtschaftsinformatik Hochschule Osnabrück 1 by Hilbring Cartoons, Oliver Hilbring, http://www.oli-hilbring.de/

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Andrei Buhrymenka Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Für Unternehmen mit Business Intelligence Diplomica Verlag Andrei Buhrymenka Erfolgreiche Unternehmensführung

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

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

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

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

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation Alexander Schroeter, Head of Outbound PM MEE, CRM & Commerce, SAP AG Regensdorf, November 19, 2013 SAP Customer Engagement

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

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

Mehr

Konzeption eines Master-Data-Management-Systems. Sven Schilling

Konzeption eines Master-Data-Management-Systems. Sven Schilling Konzeption eines Master-Data-Management-Systems Sven Schilling Gliederung Teil I Vorstellung des Unternehmens Thema der Diplomarbeit Teil II Master Data Management Seite 2 Teil I Das Unternehmen Vorstellung

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

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

Integriertes Marketingmanagement 2013

Integriertes Marketingmanagement 2013 Integriertes Marketingmanagement 2013 Schneller sehen, verstehen und entscheiden Dr. Andreas Becks Senior Business Architect SAS Deutschland GmbH Agenda Integriertes Marketingmanagement 2013 Die neue Bank

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

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

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

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

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

Professionelles Kundenmanagement

Professionelles Kundenmanagement Professionelles Kundenmanagement Ganzheitliches CRM und seine Rahmenbedingungen von Günter Hofbauer und Barbara Schöpfel PUBLICIS Abbildungs- und Tabellenverzeichnis 9 A Einleitung 15 B Kundenmanagement

Mehr

Professionelles Kundenmanagement

Professionelles Kundenmanagement Professionelles Kundenmanagement Ganzheitliches CRM und seine Rahmenbedingungen von Günter Hofbauer und Barbara Schöpfel PUBLICIS Abbildungs- und Tabellenverzeichnis 9 A Einleitung 15 B Kundenmanagement

Mehr

Kundenbeziehungenerfolgreich gestalten. Ein Workshop für BPW-Glarus

Kundenbeziehungenerfolgreich gestalten. Ein Workshop für BPW-Glarus Kundenbeziehungenerfolgreich gestalten Ein Workshop für BPW-Glarus Inhalt Vom Kundenwert und Kundenpotential Grundlagen des Kundenbeziehungsmarketings. Treue und zufriedene Kunden sind die Lebensader jedes

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

CRM und Social Media. Kundenkontakt 2.0

CRM und Social Media. Kundenkontakt 2.0 Kundenkontakt 2.0 Kundenbeziehungsmanagement mit Open-Source ERP-Lösungen M.Sc. Falk Neubert, Universität Osnabrück 1 04.04.2011, Potsdam M.Sc. Falk Neubert Wissenschaftlicher Mitarbeiter im Fachbereich

Mehr

Geschäftsdaten auswerten

Geschäftsdaten auswerten Geschäftsdaten auswerten Schwachstellen erkennen, Ursachen analysieren und gezielter steuern Thomas Menner thomas.menner@eloum.net ebusiness-lotse Oberschwaben-Ulm IHK Bodensee-Oberschwaben, Weingarten,

Mehr

Logistikinformationssystem (LIS)

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

Mehr

Business Intelligence Center of Excellence

Business Intelligence Center of Excellence Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).

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. Geleitwort. Abkürzungsverzeichnis. Abbildungsverzeichnis. Tabellenverzeichnis. Einleitung 1

Inhaltsverzeichnis. Geleitwort. Abkürzungsverzeichnis. Abbildungsverzeichnis. Tabellenverzeichnis. Einleitung 1 Geleitwort Vorwort Abkürzungsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis V VII XVII XIX XXI Einleitung 1 A. Wirtschaftswissenschaftlicher Hintergrund eines Bonusprogramms 7 I. Der Wandel vom

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

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

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

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

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

Fashion und Fulfilment: Die Rolle der Back-Office-Prozesse im E-Commerce am Beispiel von yalook.com. Hamburg, 10. Mai 2010

Fashion und Fulfilment: Die Rolle der Back-Office-Prozesse im E-Commerce am Beispiel von yalook.com. Hamburg, 10. Mai 2010 Fashion und Fulfilment: Die Rolle der Back-Office-Prozesse im E-Commerce am Beispiel von yalook.com Hamburg, 10. Mai 2010 Agenda Erfolgsfaktoren eines Online-Fashion-Stores am Beispiel von yalook Anforderungen

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

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

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

Erhöhte Wertschöpfung mit Groupware-basiertem CRM

Erhöhte Wertschöpfung mit Groupware-basiertem CRM Erhöhte Wertschöpfung mit Groupware-basiertem CRM 1. Veränderungen im CRM Markt Die Qualität des Kundenmanagements wird primär durch Kundenzufriedenheit, Kundenloyalität und Kundenbindung bestimmt. Customer

Mehr

CRM Architektur. New Economy CRM Architektur Page 1

CRM Architektur. New Economy CRM Architektur Page 1 CRM Architektur Titel des Lernmoduls: CRM Architektur Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.4.2 Zum Inhalt: Dieses Modul beschreibt mögliche Architekturen von CRM-Systemen. Insbesondere

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

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

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

Data Warehouse. für den Microsoft SQL SERVER 2000/2005

Data Warehouse. für den Microsoft SQL SERVER 2000/2005 Warehouse für den Microsoft SQL SERVER 2000/2005 Begriffe 1 DWH ( Warehouse) ist eine fachübergreifende Zusammenfassung von Datentabellen. Mart ist die Gesamtheit aller Datentabellen für einen fachlich

Mehr

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge Self Service BI - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge 04. Juli 2013 Cubeware GmbH zu Gast im Hause der Raber+Märcker GmbH Referent: Uwe van Laak Presales Consultant

Mehr

DWH Szenarien. www.syntegris.de

DWH Szenarien. www.syntegris.de DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen

Mehr

3. Integrationsdimensionen, u. a. Integrationsrichtungen (vgl. 1 und 2) 4. Vertikale und horizontale Integrationsrichtung (vgl.

3. Integrationsdimensionen, u. a. Integrationsrichtungen (vgl. 1 und 2) 4. Vertikale und horizontale Integrationsrichtung (vgl. Anwendungssysteme 1. Vertikal: unterstützte organisationale Ebene Informationsdichtegrad 2. Horizontal: unterstützter Funktionsbereich betriebliche Grundfunktion 3. Integrationsdimensionen, u. a. Integrationsrichtungen

Mehr

Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM. 3 Management von Kundenbeziehungen

Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM. 3 Management von Kundenbeziehungen Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm 3 Management von Kundenbeziehungen Integration operativer

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

Leadmanagement im Spannungsfeld zwischen Vertrieb und Marketing

Leadmanagement im Spannungsfeld zwischen Vertrieb und Marketing Leadmanagement im Spannungsfeld zwischen Vertrieb und Marketing Vorstellung Reinhard Janning Buchautor CEO DemandGen AG, München 30 Jahre Erfahrung in der Vermarktung von erklärungsbedürftigen Produkten

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

MMR online DWH as a service für Buchhändler

MMR online DWH as a service für Buchhändler MMR online DWH as a service für Buchhändler Koch, Neff & Volckmar GmbH Edgar Kaemper Edgar Kaemper Folie 1 Vorstellung KNV KNV stellt als Großhändler (Barsortiment) die kurzfristige Versorgung der Buchhändler

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

CRM Trends 2014. CRM und Kundenkommunikation wird sich in den

CRM Trends 2014. CRM und Kundenkommunikation wird sich in den 1 CRM Trends 2014 Erfahren Sie, welche Trendthemen 2014 in den Unternehmen rund um CRM, Kunden- und Datenmanagement wichtig werden. CRM und Kundenkommunikation wird sich in den nächsten Jahren deutlich

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

IT-gestützte Prozesse im Mittelstand Lernen aus erfolgreichen Piloprojekten IHK 29.11.2005

IT-gestützte Prozesse im Mittelstand Lernen aus erfolgreichen Piloprojekten IHK 29.11.2005 IT-gestützte Prozesse im Mittelstand Lernen aus erfolgreichen Piloprojekten IHK 29.11.2005 impello Ich gebe den Anstoß Standort Nürnberg Microsoft Certified Partner» Kompetenz Business Solutions» PreSales

Mehr

Unser Wissen und unsere Erfahrung bringen Ihr E-Business-Projekt sicher ans Ziel.

Unser Wissen und unsere Erfahrung bringen Ihr E-Business-Projekt sicher ans Ziel. M/S VisuCom Beratung Unser Wissen und unsere Erfahrung bringen Ihr E-Business-Projekt sicher ans Ziel. Design Auch das Erscheinungsbild Ihres E-Business-Projektes ist entscheidend. Unsere Kommunikationsdesigner

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

Data Warehouse und Business Intelligence: Mehrwert eines analytischen Informationssystems für Entscheider an Hochschulen

Data Warehouse und Business Intelligence: Mehrwert eines analytischen Informationssystems für Entscheider an Hochschulen Data Warehouse und Business Intelligence: Mehrwert eines analytischen Informationssystems für Entscheider an Hochschulen Sonja Schulze Zentrales Berichtswesen (ZBW) Stiliana Lüttecke Zentrum für Informationsmanagement

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

Wachstumsförderung mit CRM

Wachstumsförderung mit CRM Wachstumsförderung mit CRM Computerwoche CRM Initiative Feb. 2007 Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Wachstumsförderung

Mehr

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins

Mehr

Controller Band 4: Berichtswesen und Informationsmanagement

Controller Band 4: Berichtswesen und Informationsmanagement Controller Band 4 Controller Band 4: Berichtswesen und Informationsmanagement von Rüdiger R. Eichholz 3., völlig neu bearbeitete Auflage Controller Band 4: Berichtswesen und Informationsmanagement Eichholz

Mehr

"Value Based Customer Management" Studie

Value Based Customer Management Studie "Value Based Customer Management" Studie Unternehmensbefragung zur Kundenwertorientierung im Industriegütermarketing und -vertrieb Management Summary November 2003 Kontakt: Wunderman Consulting GmbH Hans-Peter

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

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information

Mehr

Treffsichere Absatzprognose mit Predictive Analytics

Treffsichere Absatzprognose mit Predictive Analytics Treffsichere Absatzprognose mit Predictive Analytics BIG DATA & ANALYTICS Kongress in Köln, 19.06.2012 Otto (GmbH & Co. KG) Michael Sinn Das vielfältige Portfolio der Otto Group Die Geschäftstätigkeit

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

Kapitel 4: Data Warehouse Architektur

Kapitel 4: Data Warehouse Architektur Data Warehousing, Motivation Zugriff auf und Kombination von Daten aus mehreren unterschiedlichen Quellen, Kapitel 4: Data Warehousing und Mining 1 komplexe Datenanalyse über mehrere Quellen, multidimensionale

Mehr

Uplift Modelling mitsas

Uplift Modelling mitsas Praktische Anwendung des Uplift Modelling mitsas Hintergründe, Voraussetzungen, Tipps& Tricks 12.06.2013 Udo Böhm Inhalt Uplift Uplift-Modelling mit SAS 1. Warum brauchen wir Uplift Modellierung im analytischen

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

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

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Social Media trifft Business

Social Media trifft Business Social Media trifft Business Intelligence Social Media Analysis als Teil der Unternehmenssteuerung Tiemo Winterkamp, VP Global Marketing Agenda Social Media trifft Business Intelligence Business Intelligence

Mehr