Wintersemester Customer Relationship Management Teil IV. Dr. Beate Hubrich. Lehrstuhl für ABWL und Wirtschaftsinformatik

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.