Wintersemester Customer Relationship Management Teil IV. Dr. Beate Hubrich. Lehrstuhl für ABWL und Wirtschaftsinformatik
|
|
- Anneliese Lenz
- vor 7 Jahren
- Abrufe
Transkript
1 Wintersemester Customer Relationship Management Teil IV Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt
2 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM CRM-Anwendungen Basis-Anwendungen Customer Touch Points Interaktionsmedien 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm
3 Back Office Basis-Anwendungen Architektur von CRM-Systemen 2 Marketing- Prozesse Sales- Prozesse Service- Prozesse Enterprise Ressource Planning Supply Chain Management Interaktionsmedien Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP In Anlehnung an: Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S
4 Basis-Anwendungen Stammdatenmanagement 3 Stammdaten (Master Data) Zustandsorientierte Daten zur Identifizierung, Klassifizierung und Charakterisierung von Sachverhalten, die über längere Zeit Bestand haben Demgegenüber sind Änderungsdaten abwicklungsorientiert und lösen fallweise Änderungen von Stammdaten aus Stammdatenmanagement (Master Data Management, MDM) Sicherstellung konsistenter, vollständigen, aktuellen Stammdaten zur Unterstützung der Geschäftsprozesse eines Unternehmens Umfasst die unternehmensweite und unternehmensübergreifende Integration des Stammdatenmanagements Stammdaten im CRM Organisationsstrukturen im CRM (Abteilungen, CTP, Mitarbeiter, ) Kundenstammdaten (Kontaktdaten, Organisationsstrukturen, Ansprechpartner und Rollen, ) Beckmann, H. (2011): Stammdatenmanagement, in: Kurbel, K. et al. (Hrsg.), Enzyklopädie der Wirtschaftsinformatik, (Zugriff: ); Hansen, R.; Neumann, G. (2009): Wirtschaftsinformatik 1, Grundlagen und Anwendungen, Stuttgart, S. 9, S. 731 ff.
5 Basis-Anwendungen Aktivitäten- und Kontaktmanagement 4 Die Kernaufgaben des Aktivitäten- und Kontaktmanagements sind Planung zukünftiger Aktivitäten und Kundenkontakte der Mitarbeiter Planung durch den Mitarbeiter, Vorschlag oder automatische Generierung durch operative CRM-Kernprozesse und Workflowmanagement (z. B. automatische Generierung von Aktivitäten zur Angebots-Nachbearbeitung) Überwachung der Ausführung der geplanten Aktivitäten Dokumentation der Ergebnisse von Aktivitäten oder Kundenkontakten Abteilungsübergreifende Information über frühere, aktuelle und geplante Aktivitäten und Kontakte beim Kunden (One Face of the Customer) Aktivitäten- und Kontaktmanagement sind das zentrale Bindeglied zwischen den CRM-Prozessen und der persönlichen Agenda der Mitarbeiter im CRM.
6 Basis-Anwendungen Eskalationsmanagement 5 Automatische Auslösung vordefinierter Aktivitäten oder Prozesse, wenn Kundentransaktionen (Anfragen, Störungsmeldungen, Beschwerden, ) nach Verstreichen vorgegebener Reaktionszeiten und in Abhängigkeit von Transaktionsart und Kundentyp noch nicht bearbeitet sind. Ziel: Einhaltung kritischer Zeitschranken für alle kundenorientierten Geschäftsprozesse. Beispiele Farbliche Kennzeichnung von Aufgaben im PIMS des zuständigen Mitarbeiters Automatische Weiterleitung an Stellvertreter bei Abwesenheit an den Vorgesetzten, wenn für eine Supportanfrage nach drei Stunden noch keine Eingangsbestätigung und Mitarbeiterzuordnung vorliegt.
7 Basis-Anwendungen Workflowmanagement 6 Steuerung arbeitsteiliger CRM-Kernprozesse über mehrere Bearbeiter hinweg. Manueller Anstoß von arbeitsteiligen Folgeprozessen Automatische Weiterleitung an zuständigen Mitarbeiter (z. B. Angebotserstellung, Terminabsprache) Tracking erlaubt Verfolgung des Prozessverlaufs (z. B. bei Rückfragen) Beispiele: Beschwerde-Bearbeiter löst Folgeprozess Versand von Ersatzlieferung aus. Kampagnenmanager stößt Folgeprozess Erstellung und Freigabe von Serienbrief an.
8 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM CRM-Anwendungen Basis-Anwendungen Customer Touch Points Interaktionsmedien 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm
9 Back Office Customer Touch Points Architektur von CRM-Systemen 8 Marketing- Prozesse Sales- Prozesse Service- Prozesse Enterprise Ressource Planning Supply Chain Management Interaktionsmedien Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP In Anlehnung an Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S
10 Customer Touch Points Customer Touch Points und Interaktionsmedien 9 Customer Touch Points Interaktionsmedien Kunde Website CIC Innendienst Filiale Außendienst Customer Touch Points sind die Kontaktstellen des Kunden im Unternehmen Brief / Fax Internet Telefon Persönl. Kontakt Interaktionsmedien transportiert Informationen zwischen Unternehmen und Kunde. In Anlehnung an Freitag, C. (2009): Prozesse und Strategien im Multi-Channel-Management, Diplomarbeit am der KU Eichstätt-Ingolstadt, S. 8
11 Back Office Customer Touch Points Architektur von CRM-Systemen 10 Marketing- Prozesse Sales- Prozesse Service- Prozesse Enterprise Ressource Planning Supply Chain Management Interaktionsmedien Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP In Anlehnung an Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S
12 Customer Touch Points Customer Interaction Center 11 Call Center: Organisationseinheit zur Abwicklung telefonischer Kundendialoge mit Hilfe moderner IuK-Technologien. Kernaufgaben Annahme von Anfragen, Aufträge, Reklamationen oder Beschwerden (Inbound-Aufgaben) Abwicklung von Telefon-Kampagnen in Marketing, Sales und Service (Outbound-Aufgaben) Customer Interaction Center: Multimediale Weiterentwicklung des Call Center, die neben Telefonie auch alle anderen Interaktionsmedien wie Briefpost, Fax, E- Mail, SMS oder Internet-Chat unterstützt. Synonyme sind (Customer) Communication Center, (Customer) Contact Center, (Customer) Service Center, Customer Care Center, Customer Relationship Center und die korrespondierenden deutschen Übersetzungen.
13 Customer Touch Points Customer Interaction Center 12 IT-Architektur im CIC Bolte, T. (2002): CRM und Call Center, Lohmar/Köln, S. 96
14 Customer Touch Points Customer Interaction Center 13 Automatic Call Distribution (ACD): automatische Weiterleitung und Verteilung eingehender Gespräche auf die CIC-Agenten Skill Based Routing regelbasierte Gesprächsvermittlung in Abhängigkeit von Anrufdaten Beispiele: Landesvorwahl CIC-Agent mit entsprechenden Sprachkenntnissen Klassifikation des Kundenanliegens über Tastencode CIC-Agent mit entsprechender Qualifikation Interactive Voice Response (IVR) Begrüßung des Anrufers mit digitalisierter Audio-Aufzeichnung Beantwortung vorformulierter Fragen durch Spracheingabe (Spracherkennungssystem) Weiterleitung an zuständigen CIC-Agenten oder Customer Self Service
15 Customer Touch Points Customer Interaction Center 14 Voic Aufzeichnung von Sprachnachrichten ( Anrufbeantworter ) Versand von (z. T. automatisiert erstellten) Sprachnachrichten Voice Logging Gesprächsaufzeichnung (nach Freigabe durch den Kunden) Qualitätskontrolle im CIC, Training der CIC-Agenten, Dokumentation der Kundenberatung Computer Telephony Integration (CTI) Anrufer-Identifikation anhand Telefonnummer automatische Bildschirmanzeige der Kundendaten und seiner laufenden Transaktionen (z. B. Aufträge, Anfragen) Dialogerfassung der Angaben des Gesprächspartners
16 Customer Touch Points Customer Interaction Center 15 Power-Dialing automatische Anwahl vorselektierter Kundengruppen zeitversetzte Wiedervorlage im Nicht-Erreicht-Fall Scripting Gesprächsleitfaden zur Bearbeitung von Kundentransaktionen (z. B. Kundenanfragen, Kundenbefragungen, Verkaufsgespräche) Dialogerfassung der Kundenantworten automatische Filtersteuerung und Plausibilitätsprüfung im Gesprächsverlauf
17 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM CRM-Anwendungen Basis-Anwendungen Customer Touch Points Interaktionsmedien 2.3 Analytisches CRM 2.4 Integration von ocrm und acrm
18 Back Office Interaktionsmedien Architektur von CRM-Systemen 17 Marketing- Prozesse Sales- Prozesse Service- Prozesse Enterprise Ressource Planning Supply Chain Management Interaktionsmedien Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP In Anlehnung an Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S
19 Interaktionsmedien Customer Touch Points und Interaktionsmedien 18 Customer Touch Points Interaktionsmedien Kunde Website CIC Internet Innendienst Filiale Außendienst Brief / Fax Telefon Persönl. Kontakt Customer Touch Points sind die Kontaktstellen des Kunden im Unternehmen Interaktionsmedien transportiert Informationen zwischen Unternehmen und Kunde. In Anlehnung an Freitag, C. (2009): Prozesse und Strategien im Multi-Channel-Management. Diplomarbeit am der Katholischen Universität Eichstätt-Ingolstadt, S. 8
20 Interaktionsmedien Bedeutung ausgewählter Interaktionsmedien 19 Deutsche Post Dialog Marketing Monitor 2015 (Befragung von ca Marketing-Entscheidern)
21 Back Office Interaktionsmedien Architektur von CRM-Systemen 20 Marketing- Prozesse Sales- Prozesse Service- Prozesse Enterprise Ressource Planning Supply Chain Management Interaktionsmedien Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP In Anlehnung an Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S
22 Interaktionsmedien Interaktionsmedium Briefpost 21 Personalisierter Digitaldruck Technologie Elektrofotografische Druckverfahren wie z. B. Laserdruck Digitales Druckbild wird für jeden Druckvorgang neu übertragen Ermöglicht personalisierte Drucke (Rechnungen, Kontoauszüge, personalisierte Werbung) Print on Demand (PoD): Druck personalisierter Einzelexemplare oder Klein-Auflagen bei Bedarf Variation von Anrede, Text, Bild bei jedem Druckexemplar Stets aktuelle Information (Produkte, Preise, Konditionen ) Keine Bevorratung, Lagerkosten, Entsorgungskosten Problemlose Einbindung in automatisierte Prozesse (Drucken, Falzen, Kuvertieren, Versenden) Wirtschaftlichkeit Wirtschaftlich bei kleinen Auflagen Bei Großauflagen Kombination mit Offset- und Tiefdruckverfahren für nicht personalisierte Teile Teschner, H. (2003): Druck- & Medien-Technik; Goldmann, G. (2001): Das Druckerbuch Technik und Technologien der Océ-Drucksysteme Holland, H.; Güzey, T. (2002): Der Digitaldruck im Direktmarketing, in: Holland, H. (Hrsg.): Das Mailing. Wiesbaden.
23 Interaktionsmedien Interaktionsmedium Briefpost 22 Personalisierter Digitaldruck Einsatzmöglichkeiten Personalisierung (Variable Data Printing) Test-Mailings Test-Auflagen mit unterschiedlichen Contents und Formatierungen Schnell und kostengünstig X-Dialog.de; Druckmarkt 22/23, Investitionskompass 2003, S ; Löffler, H.; Scherfke, A. (2000), Praxishandbuch Direktmarkteing, Berlin, S. 202 ff.
24 Interaktionsmedien Interaktionsmedium Briefpost 23 Personalisierter Digitaldruck Anwendungsbeispiel Tarifumstellung Direct Mail-Kampagne Stadtwerke Düsseldorf Ziel: Vertragsabschluss GS-Kombitarif Zielgruppe 1418 Gewerbekunden 748 Personalisiertes Anschreiben 670 Volle Personalisierung Response Personalisiertes Anschreiben: 5,4 % Volle Personalisierung: 15,5 % Institut für Informationswirtschaft an der ISM Dortmund Wertschöpfungsanalyse des Vierfarb-Digitaldrucks, Studienbericht 2001.
25 Interaktionsmedien Interaktionsmedium Briefpost 24 Personalisierter Digitaldruck Anwendungsbeispiel Katalogdruck
26 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM IT-Systeme im analytischen CRM Kernprozesse im analytischen CRM 2.4 Integration von ocrm und acrm
27 Analytisches CRM Kernprozesse im analytischen CRM 26 Kundenwertanalyse Übergreifende Prozesse Kundensegmentierung Kundencharakterisierung Strategische Zielsetzung Strategische Analyse Vision Umfeldanalyse Ressourcenanalyse SWOT- Analyse Strategische Konzeption Strategie Entwicklung Strategie Umsetzung Zielgruppenanalyse Maßnahmenspezifische Prozesse Cross-Selling- Analyse Abwanderungsanalyse Kundenrisikoanalyse Strategisches Controlling Ergebnis Controlling Prozess Controlling Analytische CRM-Prozesse Strategischer CRM-Prozess Marketing -Prozesse Sales-Prozesse Leistungserstellung Service-Prozesse Kampagne Lead Opportunity Angebot Auftrag Feedback Support Operative CRM-Prozesse
28 Back Office Analytisches CRM Architektur von CRM-Systemen 27 Marketing- Prozesse Sales- Prozesse Service- Prozesse Enterprise Ressource Planning Supply Chain Management Interaktionsmedien Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP In Anlehnung an Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S
29 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM IT-Systeme im analytischen CRM Kernprozesse im analytischen CRM 2.4 Integration von ocrm und acrm
30 Back Office IT-Systeme im analytischen CRM Architektur von CRM-Systemen 29 Marketing- Prozesse Sales- Prozesse Service- Prozesse Enterprise Ressource Planning Supply Chain Management Interaktionsmedien Customer Touch Points CRM- Anwendungen Basis- Anwendungen Operative CRM-Systeme Analytische CRM-Systeme Pers. Kontakt WWW Telefon Brief/Fax Etc. Außendienst Innendienst CIC Filiale Website Etc. Kampagne Opportunity Feedback Lead Angebot/Auftrag Support Stammdaten Kontakt Workflow Aktivitäten Eskalation Operative Kundendatenbank Data Warehouse Data Mining OLAP In Anlehnung an Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S
31 Bauer, A.; Günzel, H. (2004): Data Warehouse Systeme Architektur Entwicklung Anwendung, 2. Aufl., Heidelberg. Mucksch, H.; Behme, W. (2000): Das Data Warehouse-Konzept als Basis einer unternehmensweiten Informationslogistik, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data Warehouse-Konzept Architektur Datenmodelle Anwendungen, 4. Aufl., Wiesbaden, S IT-Systeme im analytischen CRM Data Warehouse 30 Begriffsabgrenzung und Eigenschaften Datenbank, die aus der technischen Sicht Daten aus verschiedenen Datenquellen integriert und aus der betriebswirtschaftlichen Sicht dem Anwender diese Daten zu Analysezwecken zur Verfügung stellt (Bauer/Günzel 2004, S. 5). Datenbank, die als unternehmensweite Datenbasis für alle Ausprägungen managementunterstützender Systeme dient und durch eine strikte Trennung von operationalen und entscheidungsunterstützenden Daten und Systemen gekennzeichnet ist (Mucksch/Behme 2000, S. 6).
32 IT-Systeme im analytischen CRM Data Warehouse 31 Charakteristika eines Data Warehouse Themenorientierung Operative Prozesse: individuelle Kunden, Aufträge, Beschwerden etc. Analytische Prozesse: Aggregate von Kunden, Aufträgen, Beschwerden etc. (sachliche Granularität) Integration Operative Prozesse: heterogene Datendefinitionen (Homonyme, Synonyme etc.) Analytische Prozesse: Datenverknüpfung über mehrere operative Prozesse hinweg Beständigkeit Operative Prozesse: aktueller Informationsstand (z. B. aktueller Kundenstatus) Analytische Prozesse: Historisierung (z. B. Entwicklung des Kundenstatus) Zeitraumorientierung Operative Prozesse: zeitpunktbezogene Informationen Analytische Prozesse: zeitraumbezogene Informationen (zeitliche Granularität) Gluchowski, P.; Gabriel, R.; Dittmar, C. (2008): Management Support Systeme und Business Intelligence Computergestützte Informationssysteme für Fach- und Führungskräfte, 2. Aufl., Heidelberg, S
33 IT-Systeme im analytischen CRM Data Warehouse 32 Architektur eines Data Warehouse Datenbasis ETL Unveränderte Datenübernahme minimiert Störungen der operativen Systeme und der Auswertungsebene Synonyme: Operational Data Store (ODS), Staging Area, Arbeitsbereich Datenbasis (nicht auswertungsorientiert) Zentraler Datenbestand mit gesamter Datenhistorie in feinster Granularität Direkt für Analysen nutzbar, erfordert jedoch vertiefte Detailkenntnis Synonyme: Core Data Warehouse, Data Warehouse-Kern, Data Warehouse i. e. S. Datenbasis (auswertungsorientiert) Ausrichtung auf spezifische Analysen und Anwender Synonym: Data Mart Meta-Datenbank Syntaktische & semantische Datenbeschreibung, Herkunft, sachlicher und zeitlicher Extraktions- & Transformationsprozess Synonyme: Repositorium, Repository Totok, A. (2000): Modellierung von OLAP- und Data-Warehouse-Systemen, Wiesbaden. Bauer, A.; Günzel, H. (2004): Data Warehouse Systeme - Architektur Entwicklung Anwendung, 2. Aufl., Heidelberg.
34 IT-Systeme im analytischen CRM OLAP (Online Analytical Processing) 33 OLAP Begriffsbestimmung und Aufbau OLAP wurde 1993 von Codd/Codd/Salley konzipiert als innovativer Analyseansatz [ ], der eine dynamische Analyse in multi-dimensionalen Datenräumen ermöglichen sollte (Kemper/Mehanna/Unger 2006, S. 93). OLAP ist im Gegensatz zu OLTP (Online Transaction Processing) nicht auf die Unterstützung operativer Geschäftsprozesse zugeschnitten, sondern ermöglicht Fach- und Führungskräften dynamische und multidimensionale Analysen auf historischen und konsolidierten Datenbeständen (Gluchowski/Gabriel/Chamoni 1997, S. 282; Gluchowski/Chamoni 2006, S. 145). OLAP-Tabellen oder Würfel (Hypercubes) bilden ausgewählte Kennzahlen (Fakten) nach ausgewählten Gliederungskriterien (Dimensionen) aus dem DWH ab. Codd, E.; Codd, S. B.; Salley, C. T. (1993): Providing OLAP to User-Analysts: An IT Mandate, , Zugriff: ; Gluchowski, P.; Chamoni, P. (2006): Entwicklungslinien und Architekturkonzepte des On-Line Analytical Processing, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme Business Intelligence-Technologien und -Anwendungen, 3. Aufl., Berlin u. a., S ; Gluchowski, P.; Gabriel, R.; Chamoni, P. (1997): Management-Support- Systeme Computergestützte Informationssysteme für Führungskräfte und Entscheidungsträger, Berlin u. a.; Kemper, H.-G.; Mehanna, W.; Unger, C. (2006): Business Intelligence Grundlagen und praktische Anwendungen: Eine Einführung in die IT-basierte Managementunterstützung, 2. Aufl., Wiesbaden.
35 IT-Systeme im analytischen CRM OLAP (Online Analytical Processing) 34 OLAP Navigationsfunktionen Drill down: Aufbrechen einer Information nach einer weiteren Dimensionen Roll up: Aggregation über eine Dimensionen Slicing: Auswahl einer (Hyper-)Scheibe aus dem Datenwürfel (Rotation, Drill Across) Dicing: Auswahl eines Teil-Würfels aus einem Datenwürfel Holthuis, J. (1999): Der Aufbau von Data Warehouse-Systemen Konzeption Datenmodellierung Vorgehen, 2. Aufl., Wiesbaden. Totok, A. (2000): Modellierung von OLAP- und Data-Warehouse-Systemen, Wiesbaden.
36 IT-Systeme im analytischen CRM OLAP (Online Analytical Processing) 35 OLAP Werkzeuge
37 IT-Systeme im analytischen CRM OLAP (Online Analytical Processing) 36 OLAP Möglichkeiten und Grenzen OLAP ist maschinell unterstützte manuelle Suche nach neuen Zusammenhängen: Vorteilhaft bei überschaubarer Zahl von a-priori-hypothesen. Beispiel: Ist die Kündigungswahrscheinlichkeit abhängig vom Alter des Kunden? Vielzahl von a-priori-hypothesen erfordern Zeitbudget und kognitiven Fähigkeiten der Anwender. Data Mining ist manuell unterstützte maschinelle Suche nach neuen Zusammenhängen: Vorteilhaft bei Vielzahl von a-priori-hypothesen oder unscharfen a-priori-hypothesen Beispiel: Wovon ist die Kündigungswahrscheinlichkeit eines Kunden abhängig?
38 IT-Systeme im analytischen CRM Data Mining 37 Begriffsdefinition Data Mining nimmt Bezug auf ein Bild aus dem Bergbau (Mining). Dort werden mit massivem Technikeinsatz riesige Gesteinsmengen maschinell abgebaut und aufbereitet, um Edelmetalle und Edelsteine zu fördern. Analog werden beim Data Mining riesige Datenberge mit modernsten Techniken nach neuen, interessanten Mustern ( Nuggets ) durchsucht. Data Mining ist die automatisierte Analyse umfangreicher Datenbestände mit dem Ziel, neue, generalisierbare und handlungsrelevante Strukturen zu erkennen. Hippner, H.; Grieser, L.; Wilde, K. D. (2011): Data Mining Grundlagen und Einsatzpotenziale in analytischen CRM-Prozessen, in: Hippner, H.; Hubrich, B.; Wilde, K. D. (Hrsg.): Grundlagen des CRM, 3. Aufl., Wiesbaden, S
39 IT-Systeme im analytischen CRM Data Mining 38 Aufgabenbereiche des Data Mining Data Mining Aufgabenbereiche Beschreibungs-Aufgaben (Descriptive Data Mining) Prognose-Aufgaben (Predictive Data Mining) Segmentierung Welche Kundengruppen gibt es? Klassifikation Ist der Kunde kündigungsgefährdet? Abhängigkeit Welche Waren oft zusammen gekauft? Regression Umsatz des Kunden nächste Saison? Hippner, H.; Grieser, L.; Wilde, K. D. (2011): Data Mining Grundlagen und Einsatzpotenziale in analytischen CRM-Prozessen, in: Hippner, H.; Hubrich, B.; Wilde, K. D. (Hrsg.): Grundlagen des CRM, 3. Aufl., Wiesbaden, S
40 IT-Systeme im analytischen CRM Data Mining 39 Methoden des Data Mining Klassifikation Segmentierung Regression Abhängigkeit Neuronale Netze x x x x K & R-Bäume x x Clusteranalyse x Assoziationsanalyse x Lineare Regression x x Log. Regression x x
41 IT-Systeme im analytischen CRM Data Mining 40 Methoden des Data Mining Entscheidungsbaum (Klassifikation) Datenstruktur Eine Zielgröße Mehrere erklärende Merkmale Datenbasis: Fälle mit bekanntem Ergebnis Modellbildung Automatische Aufspaltung nach dem besten erklärenden Merkmal Kundenbasis 5000 Kündiger (50,0%) 5000 Nicht-Kündiger (50,0%) Letzte Bestellung < 6 Monate Letzte Bestellung > 6 Monate 3000 Kündiger (37,5%) 2000 Kündiger (100,0%) 5000 Nicht-Kündiger (62,5%) 0 Nicht-Kündiger (0,0%) Kunde seit > 3 Jahren Kunde seit < 3 Jahren 500 Kündiger (11,1%) 2500 Kündiger (71,4%) 4000 Nicht-Kündiger (88,9%) 1000 Nicht-Kündiger (28,6%) Regeln über Klassenzugehörigkeit bei bestimmten Merkmalen Generalisierung: Regelanwendung auf neue Fälle Alter < 40 Jahre 2000 Kündiger (100,0%) 0 Nichtkündiger (0,0%) Alter > 40 Jahre 500 Kündiger (33,3%) 1000 Nicht-Kündiger (66,7%)
42 Serviceanspruch IT-Systeme im analytischen CRM Data Mining 41 Methoden des Data Mining Clusteranalyse (Segmentierung) Datenstruktur Keine Zielgröße Mehrere beschreibende Merkmale Datenbasis: Objekte (z. B. Kunden) mit ihrem Merkmalsprofil Modellbildung Schrittweise Zusammenfassung der ähnlichsten Objekte Stop bei bestimmter Gruppenzahl oder Unähnlichkeit Gruppenbeschreibung anhand des typischen Merkmalsprofils Trittbrettfahrer Premium-Kunden Zahlungsbereitschaft Asketen Graue Mäuse
43 IT-Systeme im analytischen CRM Data Mining 42 Methoden des Data Mining Assoziationsanalyse (Abhängigkeit) Datenstruktur Daten über die Koinzidenz von Ereignissen Ergebnis Regeln über auffallende Koinzidenzen Warenkorbanalyse Ereignisse: Gewählte Produkte Anlässe: Kaufakte im Supermarkt oder Online-Warenkörbe Anwendung: Cross Selling Clickstream-Analyse im Internet Ereignisse: Seitenaufrufe Anlässe: User-Sessions Anwendung: Website-Optimierung Transaktions-Tabelle Transaktionen total Schuhe Socken Schuhe & Socken Schuhe Socken Evaluations-Kriterien Confidence: / = 10 % Support: / = 2 % Expected Confidence = / = 5 % Lift = Confidence / Expected Confidence = 2 Regel Wenn ein Kunde Schuhe kauft, dann kauft er in 10 % der Fälle auch Socken.
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
MehrZusammenspiel 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
MehrWintersemester Customer Relationship Management. Teil II. Dr. Beate Hubrich. Lehrstuhl für ABWL und Wirtschaftsinformatik
Wintersemester 2016-2017 Customer Relationship Management Teil II Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt Übersicht 1 Grundlagen des CRM 2 IT-Systeme im
MehrWintersemester Customer Relationship Management Teil III. Dr. Beate Hubrich. Lehrstuhl für ABWL und Wirtschaftsinformatik
Wintersemester 2016-2017 Customer Relationship Management Teil III Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt Übersicht 1 Grundlagen des CRM 2 IT-Systeme
MehrInhaltsverzeichnis. 1 Einleitung Motivation und Umfeld Zielsetzung der Arbeit Methodisches Vorgehen und Aufbau der Arbeit 3
Inhaltsverzeichnis 1 Einleitung 1 1.1 Motivation und Umfeld 1 1.2 Zielsetzung der Arbeit 2 1.3 Methodisches Vorgehen und Aufbau der Arbeit 3 2 Grundlagen des Feuerwehrwesens 5 2.1 Kategorisierung der Feuerwehren
MehrBusiness 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
MehrÜbersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM
Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.2.1 CRM-Anwendungen 2.2.2 Basis-Anwendungen 2.2.3 Customer Touch Points 2.2.4 Interaktionsmedien 2.3 Analytisches
MehrÜbung zur Einführung in die Wirtschaftsinformatik Cognos Powerplay als Beispiel für ein DSS
Übung zur Einführung in die Wirtschaftsinformatik 2006-05 - 10 Cognos Powerplay als Beispiel für ein DSS 1 Entscheidungsunterstützungssysteme (EUS) Decision Support Systems (DSS) EUS sollen das gemeinsame
MehrE-Business. im Rahmen der Vertiefung E-Business. Cornelius Knall. 17. März 2008. Customer Relationship Management im. E-Business.
im Rahmen der Vertiefung 17. März 2008 1 / 32 Inhaltsverzeichnis 2 / 32 Hippner, Hajo, Wilde,Klaus D. (2006), Grundlagen des CRM, 2. überarbeitet und erweiterte Auflage, Wiesbaden (Gabler) Hippner, Hajo,
MehrE-Business Suite. DOAG SIG Day. CRM++: Unternehmensübergreifende Prozesse - Integrierte Anwendungen. Thomas Karle PROMATIS software GmbH, Ettlingen
1 DOAG SIG Day E-Business Suite CRM++: Unternehmensübergreifende Prozesse - Integrierte Anwendungen Köln 25. März 2004 Thomas Karle PROMATIS software GmbH, Ettlingen 2 Agenda CRM Überblick und Bestandsaufnahme
MehrWintersemester Systementwicklung: Grundlagen. Prof. Dr. Christoph Rosenkranz. Katholische Universität Eichstätt-Ingolstadt
Wintersemester 2016-2017 Systementwicklung: Grundlagen Prof. Dr. Christoph Rosenkranz Katholische Universität Eichstätt-Ingolstadt 1 Informationsmanagement 1.1 Strategisches IT-Management 1.2 Operatives
MehrMarketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Vorstellung der Softwarekomponenten Josef Kolbitsch Manuela Reinisch Übersicht Übersicht über die Systemlandschaft Übersicht über die Werkzeuge Workshop Systemlandschaft 1/8 Klassische
MehrÜbersicht. 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 2.3.1 IT-Systeme im analytischen CRM 2.3.2 Kernprozesse im analytischen CRM 2.3.2.1 Kundenwertanalyse
MehrGrundlagen von Informationssystemen Betriebswirtschaftliche Anwendungssysteme Übersicht Management von Anwendungssystemen
Übersicht 1 Grundlagen von Informationssystemen 2 Betriebswirtschaftliche Anwendungssysteme 2.1 ERP-Systeme 2.1.1 Aufbau von ERP-Systemen 2.1.2 Unterstützung operativer Prozesse 2.1.3 Unterstützung analytischer
Mehrecustomer Management Multichannelfähiges Kundenmanagement Dr.-Ing. / MBA (Leeds Metropolitan Univ., U.K.) Dieter Hofferberth
ecustomer Management Multichannelfähiges Kundenmanagement Dr.-Ing. / MBA (Leeds Metropolitan Univ., U.K.) Dieter Hofferberth Agenda Multi-Channel-Management im CRM-Kontext Grundlagen der MCM-Konzeption
MehrEntscheidungsunterstützungssysteme
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
MehrHarald Mösel GUT GETRACKT IST HALB GEWONNEN WIE DER STATIONÄRE HANDEL DURCH POS TRACKINGDATEN GEGENÜBER ONLINE SHOPS AUFHOLT
Harald Mösel GUT GETRACKT IST HALB GEWONNEN WIE DER STATIONÄRE HANDEL DURCH POS TRACKINGDATEN GEGENÜBER ONLINE SHOPS AUFHOLT Seite 1 Agenda KURZVORSTELLUNG STATIONÄRER HANDEL OHNE UND MIT DIGITALISIERUNG
MehrSelf 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
MehrTechnologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle
Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die
MehrCorporate Performance Management mit Business Intelligence Werkzeugen
Corporate Performance Management mit Business Intelligence Werkzeugen von Karsten Oehler 1. Auflage Hanser München 2006 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 40485 4 Zu Leseprobe schnell
MehrCharakterisierung von Restriktionen für Optimierungsmodelle zur Kundenselektion im Kampagnenmanagement
Wirtschaft Thimo Hemberle Charakterisierung von Restriktionen für Optimierungsmodelle zur Kundenselektion im Kampagnenmanagement Diplomarbeit Katholische Universität Eichstätt-Ingolstadt Wirtschaftswissenschaftliche
MehrBusiness Intelligence - Wieviel Intelligence braucht das Business wirklich?
Business Intelligence - Wieviel Intelligence braucht das Business wirklich? Dr. Peter Jaeschke Leiter Kompetenzbereich Business Engineering am Institut für Informations- und Prozessmanagement der FHS St.
MehrSteigerung des Abverkaufs Verkauf am Telefon i.e.s. Neukundengewinnung (z.b. durch Terminvereinbarung)
Kontrollfragen Telemarketing: Frage 1: Was sind die Ziele des Telemarketings? Steigerung des Abverkaufs Verkauf am Telefon i.e.s. Neukundengewinnung (z.b. durch Terminvereinbarung) Verstärkung der Kundenbindung
MehrUmsetzung 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
MehrDWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH. Referent: Ilona Tag
DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH Referent: Ilona Tag Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.30 11.00 11.00
MehrKapitel 6. Vorlesung: PD Dr. Peer Kröger
Kapitel 6 Einführung in Data Warehouses Vorlesung: PD Dr. Peer Kröger Dieses Skript basiert auf den Skripten zur Vorlesung Datenbanksysteme II an der LMU München Dieses Skript basiert auf den Skripten
MehrHerzlich Willkommen zur aktuellen Umfrage für den CRM-Marktüberblick 4/2016 der ERP Management.
Herzlich Willkommen zur aktuellen Umfrage für den CRM-Marktüberblick 4/2016 der ERP Management. In der letzten Ausgabe diesen Jahres vergleicht der Marktüberblick ERP-Systeme in Hinblick auf ihre CRM-Funktionen.
MehrEinführungsveranstaltung: Data Warehouse
Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring
MehrInhaltsverzeichnis. Vorwort 5. Aufbau des Buches 13
Inhaltsverzeichnis Inhaltsverzeichnis Vorwort 5 Aufbau des Buches 13 1 Markt und Wettbewerb 17 1.1 Charakteristik^ des Retail Banking 17 1.1.1 Kunde 17 1.1.2 Produkt 18 1.1.3 Vertrieb 18 1.2 Rahmenbedingungen
MehrWelche Verantwortung trägt ein CDO?
Big-Data and Data Science Day 25. Juli Hochschule der Medien Stuttgart Welche Verantwortung trägt ein? Holger Stelz Director Marketing & Business Development 1 UNISERV GmbH, Pforzheim 3 Beispiele - Uniserv
MehrNOW YOU KNOW [ONTOS TM WHITE PAPER SERIES] Intelligentes Information Mining durch Ontologie [YVES BRENNWALD, ONTOS INTERNATIONAL AG]
NOW YOU KNOW [ SERIES] Intelligentes Information Mining durch Ontologie [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 001 Information Mining Wissen in unstrukturierten Daten aufdecken Information Mining ist
MehrFolien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825
Folien zum Textbuch Kapitel 6: Managementunterstützungssysteme Teil 2: Managementunterstützung auf strategischer Ebene Datenverwaltung und -auswertung Textbuch-Seiten 794-825 WI 1 MUS MUS auf strategischer
MehrDOAG SIG Day E-Business Suite
DOAG SIG Day E-Business Suite Planung und Simulation in, um und um die Oracle E-Business Suite herum München 15. Juni 2005 Dr. Frank Schönthaler PROMATIS software GmbH 1 Gliederung Gliederung Traditionelle
MehrErfolg mit Oracle BI?
Erfolg mit Oracle BI? Typische Fehlerszenarien und deren Lösung Gerd Aiglstorfer G.A. itbs GmbH Das Thema 2 Oracle BI (OBIEE)? Das war eine Fehlentscheidung! Viel zu umständlich! Wenig Flexibilität & teure
MehrScrum für Business Intelligence Projekte erfolgreich nutzen. Es begrüßt Sie Thomas Löchte
Scrum für Business Intelligence Projekte erfolgreich nutzen Es begrüßt Sie Thomas Löchte Die Informationsfabrik Die Informationsfabrik macht erfolgreiche BI und DWH Projekte und hat zufriedene, referenzierbare
MehrNeue Strategien und Innovationen im Umfeld von Kundenprozessen
Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:
MehrIT-basierte Kennzahlenanalyse im Versicherungswesen
Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:
MehrDWH Automatisierung mit Data Vault 2.0
DWH Automatisierung mit Data Vault 2.0 Andre Dörr Trevisto AG Nürnberg Schlüsselworte Architektur, DWH, Data Vault Einleitung Wenn man die Entwicklung von ETL / ELT Prozessen für eine klassische DWH Architektur
MehrData Warehouse und Data Mining
Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine
MehrBusiness Intelligence. Business Intelligence Seminar, WS 2007/08
Business Intelligence Seminar, WS 2007/08 Prof. Dr. Knut Hinkelmann Fachhochschule Nordwestschweiz knut.hinkelmann@fhnw.ch Business Intelligence Entscheidungsorientierte Sammlung, Aufbereitung und Darstellung
MehrWie kanalisiere ich die Eingangsflut von Anrufen, Mails und Faxen?
Wie kanalisiere ich die Eingangsflut von Anrufen, Mails und Faxen? Die Möglichkeiten intelligenter/automatischer Anrufverteilung ( ACD ) und automatischer Sprachportale ( Voice Self Services ) Ralf Mühlenhöver
MehrOLAP 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
MehrBIW - 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
MehrZyklus 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
MehrSAP CLOUD FOR CUSTOMER (C4C)
SAP CLOUD FOR CUSTOMER (C4C) W E I T B L I C K. L E I D E N S C H A F T. W E N D I G K E I T. V O R S P R U N G. SAP Hybris Cloud 4 Customer (C4C) Integration mit SAP ERP Seite 1 2015 AGENDA 1. Customer-Relationship-Management
MehrInformationsgenerierung mit Business-Intelligence-Technologien... 99
Inhaltsverzeichnis Seite Abbildungsverzeichnis...XIII Tabellenverzeichnis... XVII Abkürzungsverzeichnis...XIX 1 Forschungsbedarf in der Unternehmenssteuerung... 1 1.1 Stand der Forschung und Motivation...
MehrManagement Support Systeme
Folie 1 Management Support Systeme Literatur zur Vorlesung MSS Gluchowski, Peter; Gabriel, Roland; Chamoni, Peter (1997): Management Support Systeme. Computergestützte Informationssysteme für Führungskräfte
MehrCustomer Relationship Management
Customer Relationship Management Seminar der AG DBIS: DB-Aspekte des E-Commerce Wintersemester 2001/2001 Christian Amlinger christian@amlinger.de 4. 4. Inhalt 5. Komponenten 5. 5. 5. Komponenten 5.1 acrm
Mehrs Inhaltsverzeichnis 7
s Inhaltsverzeichnis 7 Inhaltsverzeichnis Vorwort 5 Inhaltsverzeichnis 7 Aufbau des Buches 13 1 Markt und Wettbewerb 17 1.1 Charakteristika des Retail Banking 17 1.1.1 Kunde 18 1.1.2 Produkt 18 1.1.3 Vertrieb
MehrINBOUNDCALLS. wertvoll beständig facettenreich
INBOUNDCALLS wertvoll beständig facettenreich »Nur wer Anrufe als Bestandteil der Customer Journey in seine Messungen mit einbezieht, kann auch erfolgreich Werbeeffizienz und Conversions optimieren.«frank
MehrMicrosoft Dynamics CRM 2016 What s New?
Bonn, 26.04.2016 Prozessunterstützung Agenda 1. Interactive Service Hub 2. Mobile App Erweiterungen 3. OneDrive for Business Integrationen 4. Automatische E-Mail Nachverfolgung aus Ordnern 5. Weitere Integrationen
MehrHans-Georg Kemper Henning Baars Walid Mehanna. Business Intelligence Grundlagen und praktische Anwendungen
Hans-Georg Kemper Henning Baars Walid Mehanna Business Intelligence Grundlagen und praktische Anwendungen Hans-Georg Kemper Henning Baars Walid Mehanna Business Intelligence Grundlagen und praktische Anwendungen
MehrDie Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com
Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen
MehrRaus aus der Bl-Falle
Ronald Bachmann, Dr. Guido Kemper Raus aus der Bl-Falle Wie Business Intelligencezum Erfolg wird mitp Die Autoren 13 Vorwort 15 1 Einleitung 21 1.1 Was ist Business Intelligence (BI)? 21 1.2 Motive zur
MehrDigitale Transformation bei SAP: Implikationen für den SAP Vertrieb & Marketing
Digitale Transformation bei SAP: Implikationen für den SAP Vertrieb & Marketing Torsten Albert IT Director Business Insight & Technology Go-To-Market-Solutions for Sales 26. April, 2016 Customer Wo erhalte
MehrVorwort 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
MehrAufbau eines Kennzahlensystems in der Logistik mit Oracle BI
Beratung Software Lösungen Aufbau eines Kennzahlensystems in der Logistik mit Oracle BI Gisela Potthoff Vertriebsleiterin TEAM GmbH Zahlen und Fakten Unternehmensgruppe Materna: 1.500 Mitarbeiter 192 Mio.
MehrCOMARCH LOYALTY MANAGEMENT. Loyalität stärken, Engagement erhöhen und Gewinne maximieren
COMARCH LOYALTY MANAGEMENT Loyalität stärken, Engagement erhöhen und Gewinne maximieren GESCHÄFTLICHE HERAUSFORDERUNGEN Kundenorientierte Unternehmen müssen heute aus einer Vielzahl an Möglichkeiten den
MehrCustomer Relationship Management by Klopotek Dr.-Ing. Michael Castner. Frankfurt/
Customer Relationship Management by Klopotek Dr.-Ing. Michael Castner Frankfurt/20.10.2016 1 CRM ist mehr als das Versenden von Postkarten Die Schwerpunkte im CRM haben sich über die Zeit nicht verändert
Mehr33014 Bad Driburg / 150 km Vollzeit 0 / Stunden die Woche
sonstiger Beruf Profildaten Beruf Vertriebsmitarbeiter/in sonstiger Beruf Profil Nr. 1303388905169 Verfügbar ab ab sofort Einsatzort 33014 Bad Driburg / 150 km Einsatzart Vollzeit 0 / Stunden die Woche
MehrBusiness Intelligence (BI) Innovative Ansätze zur Unterstützung der betrieblichen Entscheidungsfindung
Business Intelligence (BI) Innovative Ansätze zur Unterstützung der betrieblichen Entscheidungsfindung Prof. Dr. Hans-Georg Kemper Universität Stuttgart Betriebswirtschaftliches Institut Lehrstuhl für
MehrBestandskundenmanagement Wo drückt bei Ihnen der Schuh?
Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer Alexander P.
MehrLars 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
MehrModellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015
Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART
MehrMIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001
MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)
MehrCisco Intelligent Contact Management Solutions. ICM Internet Channels. Interactive E-Commerce und Internet Customer Contact
Cisco Intelligent Contact Management Solutions ICM Internet Channels ICM Internet Channels Interactive E-Commerce und Internet Customer Contact 1999, Cisco Systems, Inc. 1 1999, Network-to-Desktop Cisco
MehrAndreas Emhart Geschäftsführer Alegri International Group
Andreas Emhart Geschäftsführer Alegri International Group Agenda Vorstellung Alegri International Überblick Microsoft Business Intelligence Sharepoint Standard Business Intelligence Tool Excel Service
MehrData Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings
Wirtschaft Simon Schäfer Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Bachelorarbeit Bachelor Thesis Data Warehouse - Komponente der Business Intelligence und
MehrVertrieb 4.0. Vertrieb und Marketing in einer Digitalen Welt. Hartmut H. Giesel
Vertrieb 4.0 Vertrieb und Marketing in einer Digitalen Welt Hartmut H. Giesel Inhaltsverzeichnis - Vorwort 1 - Inhaltsverzeichnis 7 1 Die Digitalisierung der Wirtschaft 14 - Industrie 4.0 - Treiber der
MehrFeedback-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,
MehrInhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis...
Inhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis... XXV 1 Einführung... 1 1.1 Problemstellung... 1 1.2 Zielsetzung... 3 1.3
MehrDas Schober Leistungsportfolio für erfolgreiches Targeting LEISTUNGSPORTFOLIO
Das Schober Leistungsportfolio für erfolgreiches Targeting LEISTUNGSPORTFOLIO Wbei Schober stehen für Informations UNSER SERVICE Die Schober Information Group (Schweiz) AG: Ihr direkter Weg zum Kunden.
Mehrconnect 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
MehrKundenbeziehungsmanagement Mittelstand. Qualität und Controlling. Mehr Erfolg im Mittelstand. Mit Vernetzung zum Erfolg
Kundenbeziehungsmanagement im Mittelstand Mit Vernetzung zum Erfolg Prof. Dr.-Ing. Andreas Schmidt Lehrgebiet Wirtschaftsinformatik Dipl. Wirt.-Inf. André Unger Unger, Welsow & Company GmbH Qualität und
MehrErgebnisse einer explorativen Studie
Dr. Henning Baars Integration von CRM-Systemen für den Außendienst des industriellen Mittelstandes Ergebnisse einer explorativen Studie Präsentation auf der MKWI 2006 20.02.2006 Prof. Dr. Hans-Georg Kemper,
MehrDer sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise
Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise A Company of Prof. Dr. Bernhard Humm OOP 2006 sd&m Developer Day München, 18. Januar 2006 sd&m AG, 18.1.2006, Seite 1 Anwendungslandschaften
MehrMicrosoft Azure Deutschland ist jetzt verfügbar -
MANAGEMENT = intuitives Bedienen von Stellschrauben? Betriebswirtschaftliches Optimum Lieber: MANAGEMENT = systematisches Bedienen von Stellschrauben unter Nutzung von Hilfsmitteln. Stellschraube 1 S
MehrBUSINESS INTELLIGENCE (BI) MIT PENTAHO. Schneller, höher, weiter!
BUSINESS INTELLIGENCE (BI) MIT PENTAHO Schneller, höher, weiter! HERZLICH WILLKOMMEN ZUM WEBINAR Business Intelligence (BI) mit Pentaho Die Moderatoren Fragen über Chat Arved Wendt Teammanager Janina Kasten
MehrTNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science
TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)
MehrKundenservice 5.1 Wie Sie mit innovativen Lösungen Ihren professionellen Kundendialog auch in Zukunft über alle Kanäle erfolgreich meistern.
Kundenservice 5.1 Wie Sie mit innovativen Lösungen Ihren professionellen Kundendialog auch in Zukunft über alle Kanäle erfolgreich meistern. Hanau, 4.November 2015 D+S 360 2015 Seite 2 D+S 360 2015 Seite
Mehr2.8. Business Intelligence
2.8. Zulieferer BeschaffungProduktion Kunde E-Procurement Customer Relationship (CRM) Supply Chain (SCM) Enterprise Resource Planning (ERP) Executive Information (EIS) Executive Support (ESS) Chef-Informations-
MehrMEHRWERK. Einheitliche Kundenkommunikation
MEHRWERK Einheitliche Kundenkommunikation Alle Prozesse und Daten aus bestehenden Systemen werden im richtigen Kontext für relevante Geschäftsdokumente eingesetzt. Flexible Geschäftsprozesse Änderungszyklen
MehrMarketing 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
MehrData Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2004 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrCRM 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
MehrCRM 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
MehrHintergrundinformationen für die Medien
Hintergrundinformationen für die Medien Steuerung im Callcenter Damit ein Servicecenter reibungslos funktioniert und effizient betrieben wird, müssen einige Faktoren beachtet werden. Sie geben vor, wie
MehrOrientierungsveranstaltung für Studierende der Bachelorstudiengänge. Wirtschaftsinformatik. Prof. Dr. Stefan Lessmann
Orientierungsveranstaltung für Studierende der Bachelorstudiengänge BWL und VWL Wirtschaftsinformatik + = Prof. Dr. Stefan Lessmann Team Lehrstuhl Wirtschaftsinformatik Prof. Dr. Stefan Lessmann - Lehrstuhlinhaber
MehrBusiness 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
MehrData 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
MehrAuf einen Blick. 1 Einleitung 19. 2 Ein Überblick -SAP for Retail 27. 3 Stammdaten, Prognosen, Analysen und die Verbindung von Anwendungen 43
Auf einen Blick 1 Einleitung 19 2 Ein Überblick -SAP for Retail 27 3 Stammdaten, Prognosen, Analysen und die Verbindung von Anwendungen 43 4 Planung 97 5 Einkauf 139 6 Auftragsabwicklung - Supply Chain
MehrPROZESSCONTROLLING MIT MICROSOFT TOOLS
PROZESSCONTROLLING MIT MICROSOFT TOOLS AGENDA In eigener Sache Processcontrolling mit Office Demo Excel Maps Processcontrolling mit SQL Server Rolle von SharePoint 2013 Demo Praxisbeispiel Einkaufsprozess
MehrAktuelle 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
MehrFreie Beraterin für digitales Marketing & CRM
Freie Beraterin für digitales Marketing & CRM Mein Ziel bei jeder digitalen Kampagne: Die richtige Person zur richtigen Zeit und möglichst noch am richtigen Ort individuell anzusprechen, ihr die Conversion
MehrCustomer Managed Relations (CMR) - Fundamentale Änderung der Kundenbeziehungen -
Customer Managed Relations (CMR) - Fundamentale Änderung der Kundenbeziehungen - Sven Bauszus Partner Manager, Zentraleuropa Köln, 14. November 2001 Halle 13.3, Stand E17 Agenda MicroStrategy in der Übersicht
MehrDialogmarketing. Offline- und Online-Marketing, Mobile- und Social Media-Marketing. von. Prof. Dr. Heinrich Holland
Dialogmarketing Offline- und Online-Marketing, Mobile- und Social Media-Marketing von Prof. Dr. Heinrich Holland 4., vollständig überarbeitete Auflage Verlag Franz Vahlen München Inhaltsverzeichnis Vorwort
MehrThe integration of business intelligence and knowledge management
The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence
MehrMehr Zeit für den Kunden und wirtschaftlicher Arbeiten mit BIB-Control
Mehr Zeit für den Kunden und wirtschaftlicher Arbeiten mit BIB-Control Helmut Kimmling This document appeared in JARA - Forschungszentrum Jülich und RWTH Aachen University (Eds.): Spezialbibliotheken Freund
MehrWebinar: Online Performance-Marketing Erfolg messen mit Web-Controlling
Webinar: Online Performance-Marketing Erfolg messen mit Web-Controlling Herzlich Willkommen Die Moderatoren Fabian Mlink Online-Marketing Consultant Matthias Bohleber Sales Representative Fragen über den
MehrIndustrie 4.0. Neues Einsatzfeld für Business Intelligence?
Neues Einsatzfeld für Business Intelligence? DW2013 12.11.2013 Prof. Dr. Hans-Georg Kemper Dr. Heiner Lasi Keplerstr. 17 70174 Stuttgart Telefon: +49 (711) 685-84185 Telefax: +49 (711) 685-83197 Internet:
Mehr