Welche Verantwortung trägt ein CDO?

Transkript

1 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

2 3 Beispiele - Uniserv Kunden s DPD (Optimierung der Customer Journey) Peter Weber: Chief Data Officer DPD Vorwerk Markus Dobbelfeld: CMO Thermomix & Vorwerk Group Wüstenrot & Württembergische Versicherungen Nils-Christoph Ebsen: Geschäftsführer der W&W Digital GmbH, Berlin 2 UNISERV GmbH, Pforzheim

3 Bedeutung? Chief Data Officer Wer die Leiter Innovation & Digitalisierung Datenverantwortung hat, führt das Unternehmen in die (digitale) Welt von morgen! Chief Digital Officer 3 UNISERV GmbH, Pforzheim Director Digital Business

4 Themen? Was verantwortet ein?...ein paar Beispiele Digitale Transformation (Identifizierung von neuen Geschäftsfeldern) Big Data & Big Data Management 360 Sicht auf Kundendaten (Kundenerlebnisse steigern/ Customer Journey optimieren) Machine Learning & Data Analytics (KI) Datenqualität EU DSGVO (Konzeption & Umsetzung) Business Intelligence & Data Warehouse Data Governance & Compliance Stammdaten-Management & Metadaten-Management Data in der Cloud usw. Ein optimiert bestehende Geschäftsprozesse und ermöglicht durch ein professionelles Daten-Management neue, innovative und lukrative Geschäftsmodelle 4 UNISERV GmbH, Pforzheim

5 & Organisation (Verankerung) Vor- und Nachteile CEO CEO CEO CIO CXO CIO CXO CIO CXO Bringt Daten Management auf C-Level Risiko: Starke Konkurrenz zwischen CIO und Problemlose Integration der Data Management Architektur in die bestehende IT-Landschaft Risiko: Wenig Bezug zu vorhandenen Geschäftsprozessen Daten Management ist unabhängig von der IT Risiko: Geringere Umsetzungs- Prioritäten in der IT 5 UNISERV GmbH, Pforzheim

6 Herausforderungen? Beispiel: Künstliche Intelligenz Mensch entscheidet Daten unterstützen Mensch entscheidet Datenmodelle unterstützen Level Automatisierung Mensch überwacht Automatisierte Entscheidungen Selbständige Entscheidungsmodelle Level 1 Level 3 Level 4 Level 2 Level 5 Selbstlernende und interaktive Systeme Reporting Dashboards Ad hoc Analysis Planning etc. Financial Forecasting Customer Scoring & Segmentation Market basket Analysis etc. Predictive Analytics Customer Journey Campaign Selection Content Targeting IoT Analysis etc. Dynamic Pricing Supply Chain Optimization Automatic Accounting etc. Neuronale Netze etc.

7 Was benötigt ein um erfolgreich zu sein?... Note text 7

8 .ein sicheres Fundament Wenn Sie einen Scheißprozess digitalisieren dann haben Sie danach einen scheiß digitalen Prozess* *Thorsten Dirks CEO Telefonica Deutschland UNISERV GmbH, Pforzheim 8

9 Fundament 07. Juni 2017 in München

10 Ground Truth Solides (Daten-)Fundament für innovative Geschäftsprozesse Erfolgreiche Customer Journey Fundament Erwägen Kaufen Genießen Empfehlen Treu bleiben 4 Golden Profile 1 Customer Master Data bidirektional - ETL Interaction Data Transaction Data Golden Profile Golden Record Smart Customer MDM 1 CRM Service Web Shop ERP n-systeme UNISERV GmbH, Pforzheim

11 Ground Truth Solides (Daten-)Fundament für innovative Geschäftsprozesse Erfolgreiche Customer Journey Erwägen Kaufen Genießen Empfehlen Treu bleiben 4 Golden Profile 1 Customer Master Data bidirektional - ETL Interaction Data Transaction Data Golden Profile Golden Record Smart Customer MDM 1 CRM Service Web Shop ERP n-systeme UNISERV GmbH, Pforzheim

12 BUSINESS TREIBER Projektszenarien & Geschäftsprozesse 4 Projektszenarien Leadmanagement / Customer Journey Management Customer Data Management 360 Customer Data Governance, Risk & Compliance CRM-Migration/ SAP-Migration Mergers & Akquisition Multi- und Cross-Channel-Management EU-Datenschutzgrundverordnung (EU-DSGVO) Data Warehouse & Business Intelligence Optimierung von Unternehmensanwendungen (ERP, CRM, usw.) Usw. DQ- Initiativen Master Data Management Data Migration Data Warehousing 12 UNISERV GmbH, Pforzheim

13 Solides (Daten-)Fundament für erfolgreiche s

14 Pilotprojekt mit der HDM UNISERV GROUND TRUTH Evaluation Machine Learning M1 M2 M3 M2 Prediction % + Ground Truth Golden Record & Golden Profile Customers & Prospects Sales Orders PLZ Data CRM ERP Externe Daten Ground Truth ohne Datenqualität kein Machine Learning Erfolgsfaktor für Predictive Analytics, BI, Data Mining usw.

15 Ground Truth - Business Case Deutscher Paket Dienst (DPD) : Peter Weber

16 Ziel: Kundenbegeisterung Der Empfänger als Regisseur seiner Zustellung 16

17 DPD: Fakten und Zahlen Paketmenge im Jahr Pickup Paketshops 6000 Länder in die DPD liefert Mehr als Mio. Anzahl Golden Records (initial ca. 12 Mio. Datensätze) Mio. Depots 76 Zusteller 9000 Dublettenquote Entwicklungszeit ~20% 9 months 9.7 Mio. Data Stewards >200 Match-Quote Avisdaten- Abgleich ~45% 17

18 Benefits Kundenbegeisterung: Treue und loyale Kunden entlang der gesamten Customer Journey (Auftragsvolumen steigt kontinuierlich) Prozesskosten-Einsparung durch Ablösung manueller Prozesse (täglich bis zu 15 Minuten pro Fahrer) Quantensprung in der Datenqualität vor allem bzgl. Auswertungs-Möglichkeiten Ground Truth Ansatz ist das Fundament für zahlreiche weitere Verbesserungen 18

19 Last but not least Note text 19

20 -Forum Die Experten-Community für Chief Data- und Chief Digital Officers Ab Juni Der befindet sich im Spannungsfeld von Digitaler Transformation und Kundendatenmanagement. Das -Forum ist ein hochkarätiges Netzwerk mit Kontakten des gleichen Tätigkeitsfeld, die sich informieren und austauschen können 20 UNISERV GmbH, Pforzheim

21 Big-Data and Data Science Day 25. Juli Hochschule der Medien Stuttgart Fragen? Holger Stelz Director Marketing & Business Development 21 UNISERV GmbH, Pforzheim