CRM 2 Lernskript. Adam Glodek 19. Juni 2010

Größe: px
Ab Seite anzeigen:

Download "CRM 2 Lernskript. Adam Glodek adam.glodek@gmail.com. 19. Juni 2010"

Transkript

1 CRM 2 Lernskript Adam Glodek 19. Juni

2 1 Wiederholung aus CRM Die Bausteine von CRM 1.2 IT-Unterstützung durch CRM Systeme ein CRM System ist der technological enabler der CRM-Strategie vor der Einführung eines CRM Systems liegen meistens Insel-Lösungen vor wie Helpdesk, Call-Center, Analyse-Systeme,... Die Hauptziele einer CRM Lösung sind wie folgt: Zusammenführung in eine koordinierte Systemlandschaft Schnittstellen an die betriebliche Standardsoftware im Backoffice (ERP & CRM) Etablierung einer Kundendatenbank Integrative Aufgabenstellung von CRM-Systemen Synchronisation und operative Unterstützung der zentralen Customer Facing Units (Marketing, Vertrieb,Service) 2

3 Einbindung aller Kommunikationskanäle zwischen Kunde und Unternehmen Zusammenführung, Auswertung aller Kundeninformationen Zentrale Aufgabenbereiche operatives CRM Unterstützung der CRM-Prozesse analytisches CRM Aufzeichnung und Analyse der CRM-Prozesse 1.3 Komponenten eines CRM-Systems Front Office übernimmt administrative, analystische und kontaktunterstützende Aufgaben Es deckt die Geschäftsbereiche Marketing, Sales (Vertrieb) und Service 1. Marketing Automation Steuerung und Unterstützung des Marketings 3

4 ganzheitliche und logisch aufeinander aufbauende Gestaltung der Kundenkontakte oder einfacher: dem richtigen Kunden wird das richtige Informations- und Leistungsangebot im richtigen Kommunikationsstil über den richtigen Kommunikationsstil zu richtigen Zeitpunkt vermittelt Phasen des Kampagnenmanagement PLANEN - STEUERN - AUSWERTEN Kampagnenplanung Zielsetzung (z.b. Kundenrückgewinnung, Umsatzsteigerung,...) Selektion der Zielgruppe (Alter, Wohnsitz, Psychografische Merkmale) Kommunikationskanel (Präferenz des Kunden, Kosten) Prozessdefiniation (Einstufig, Mehrstufig) Kampagnensteuerung Definition der richtigen Reaktion auf ein bestimmtes Kundenverhalten (z.b. anrufen wenn keine Antwort auf Mail, Geburtstagskarte, Vertragsende) 4

5 Wechselwirkung zwischen den Kampagnen Kampagnenauswertung welchen Erfolg kann eine Kampagne aufweisen? wie effizient und effektiv erweisen sich verschiedene Kommunikationskanäle existieren Ähnlichkeiten zwischen Kunden? kontaktunterstützende Aufgaben Marketingmaterialien (Erstellung, Verwaltung, Bereitstellung) Marketing Enzyklopädie Systeme (MES) wird heute von Content Management Systemen (CMS) übernommen Nutzung durch Kunde und/oder Mitarbeiter 2. Sales Automation Unterstützung administrativer Aufgaben wie Termin- und Routenplanung Spesenabrechnung Besuchsberichterfassung Unterstützung bei Angebotserstellung Unterstützung bei Zielplanung automatische Wiedervorlage 5

6 Verkaufsübersichten... Kost-Order-Analyse Sales Cycle-Analyse Oppportunity Management (Deal-Größe, Abschlusswahrscheinlichkeit) 3. Service Automation administrativ Annahme und Bearbeitung der von Kunden initiierten Kontakte ähnlich zum Sales Automation enge Verknüpfung mit ERP-Systemen analytisch wo wird wieviel Service benötigt Beschwerdemanagement Planungen kontaktunterstützend Beschwerdemanagement Order-Tracking Operative IT operative Kundendatenbank mit 360 Grad Sicht Content-Management-Systeme (Ablage für unstrukturierte Daten) 6

7 1.3.3 Business Intelligence Analytische Aufgaben OLAP und Datamining Segmentierung Kundenscoring Customer Live Time Value Business Intelligence Sammlung von bereinigten Kunden und Produktionsdaten Quellen sind historische oder aktuelle Daten (Marktstudien, ERP,Kassensysteme,...) Reporting- und Analysewerkzeuge ermöglichen effiziente Handhabung der Datenmassen Entscheidungs- und Prognosemodelle baumähnliche Struktur Top-Down Prinzip in jedem Baumknoten wird Menge der Kandidaten über Splitting Kriterium geteilt bis nur noch Blätter übrig sind diese stellen einzelne Klassen dar Splitting Kriterien entlang des Pfades stellen Klassifizierung dar 7

8 1.3.4 Backoffice Kernaufgabe ist nicht die Unterstützung des CRM-Prozesses Lieferung wichtiger Informationen (Lieferzeit,Liefertermin, Verfügbarkeiten) Beispiele können sein (SAP, Navision, Oracle) 2 vtiger CRM 2.1 Grunddaten 2004 Fork von SugarCRM Maintainer: AdventNet (Indien) Add-ons kostenlos Maintainer verkaufen Support & Schulung Lokalisierung durch Community 8

9 2.2 Module Vertrieb Lead, Verwaltung, Adressdatenbank, Verkäufe Kundenservice Trouble Tickets, FAQ,Self Service, Helpdesk Marketing Kampagnen, Serienbriefe, Newsletter Prozesse Produktlisten, Preislisten, Lieferanten, Bestellungen, Rechnungen Aktivitäten Aufgaben & Anrufe, Termine, Historie, , Notizen Büro-Helfer Webmail Client, Office, Outlook, Kundenportal Berichte Kennzahlen, Vorlagen, Auswertungen, Ordner-Ablage Anpassung Eingabefelder, Auswahlfelder, Listen, Sprache, Oberfläche Sicherheit Benutzerrechte, Profile, Rollen, Gruppen, Zugriffskontrolle 9

10 2.3 typischer Verkaufsprozess 1. Leads 2. Potentials (sorted by criteria) 3. Quotes 4. Sales and purchase orders 5. Invoices 6. Help desk with ticket system and FAQ 2.4 Architektur 2.5 Rollenkonzept Rollenbasierte Rechteverwaltung dient der Beschreibung und der Durchsetzung einer unternehmensweiten Rechteverwaltung, die sich harmonisch in die Unternehmensstruktur einfügen kann. 10

11 Jeder Nutzer ist mindestens einer Rolle zugeordnet, eine Rolle kann Profile oder Rollen zusammenfassen Anwendungen größere Anzahl von Nutzern arbeiten gleichzeitig an einem CRM-System Nutzer werden in Rechten auf Zugang beschränkt Abbildung hierarchischer Unternehmensstruktur Benutzertypen Standardbenutzer anlegen, lesen, verändern eigener Datensätze nutzerspezifische Einstellungen Administratoren Management der Standardnutzer, Gruppen, Rechte Anpassung der Oberfläche Erzeugen und Vorgeben von Vorlagen und Vorgaben Zugangsdaten von Nutzern ändern Login-Historie Berechtigung nutzerspezifische Einträge zu sehen 11

12 2.5.3 spezielle Privilegien Recht, bestimmte CRM-Module zu nutzen Recht, Daten in bestimmten CRM-Modulen zu sehen Recht, in bestimmen CRM-Modulen Daten zu erzeugen / modifizieren Recht, in bestimmten CRM-Modulen Daten zu löschen Recht, Daten in bestimmte CRM-Module zu importieren Recht, Daten aus bestimmten CRM-Modulen zu exportieren allgemeine Privilegien übergeordnete Nutzerprivilegien alle ansehen, alle bearbeiten Tab/Modul Privilegien welche CRM-Module sollen angezeigt werden? Feld Privilegien welche Felder sollen angezeigt werden? Privilegien für Werkzeuge Export, Import, Dienstprogramme Profile Zusammenfassung von Privilegien in einem Profil. Beispiele: 12

13 Vertriebsmitarbeiter: anlegen, verändern, löschen der Datensätze Assistent: lesen der Vertriebsinformationen Gruppen unabhängig von der Rechtevergabe ermöglicht die hierarchische Abbildung eines Unternehmens Gruppen können Eigentümer von Einträgen sein zusammenfassende Grafik 3 elementare Grundlagen 3.1 Datawarehouse Sammlung von bereinigten Kunden und Produktionsdaten Quellen sind historische und aktuelle Daten aus Marktstudien, ERP System, Kassen-Systemen,... Reporting- und Analysewerkzeuge für effiziente Handhabung der Datenmassen 13

14 3.1.1 Elemente Beispiel-Bereiche zur Extraktion statische Extraktion anwendungsbasierte Extraktion Trigger Extraktion Logfile Extraktion Zeistempel-Extraktion Vergleich der Daten Beispiel zur Transformation gegeben: mehrere Listen mit Objekten Merge: Erkennen von Duplikaten Purge: Auswahl/Berechnung des besten Vertreters pro Klasse 14

15 Merge/Purge-Algorithmus If ssn1=ssn2 then match else if name1=name2 then if adr1=adr2 then match else unmatch else if addr1=addr2 then match_houshold... naiver: Jeder gegen jeden Nearest Neighbour 1. berechne neuen Schlüssel pro Zeile 2. sortiere nach Schlüssel 3. lauf Liste sequenziell ab 4. vergleiche Zeilen innerhalb einer Schranke w 5. Komplexität: O(nlog(n) + n w) 15

16 3.1.5 OLAP-Würfel (Cube) Würfel sind Grundlage der multidimensionalen Analyse Kanten entsprechen den Dimensionen / Perspektiven die Zellen der Subcubes entsprechen Kennzahlen / Aggregaten 2 Dimensionen: Tabelle, ab 3 ein Würfel Operationen auf dem Cube Pivotierung: Drehen des Würfels Roll-Up, Drill-Down: Daten entlang der Dimensionsachse und ausgeklappt mit Details (Jahr Woche) Drill-Across: Wechsel einer Dimension im Würfel Slice & Dice: Betrachten einer Ebene (mit Dimensionsänderung) und betrachten eines Teilwürfels (ohne Dimensionsänderung) 16

17 4 Data Mining Techniken 4.1 Segmentierung Einteilung in homogenen Gruppen (Zusammenfassung von ähnlichem Kaufverhalten) 17

18 4.2 Clusteranalyse typisches Clustering Verhalten (heuristisch) starten mit zufälligen Ausgangswerten aufeinanderfolgende Anwendungen führen zu unterschiedlichen Klasseneinteilungen unterschiedliche Clusting-Verfahren ebenfalls meist wird Clustingverfahren mehrfach auf gleiche Daten angewendet Experte beurteilt gefundene Klasseneinteilung auf Sinnhaftigkeit anschliessend können durch Klassifikation als gut erachtete Klassen gelernt und für Vorhersagen verwendet werden Instanz-basiertes Lernen K-nearest neighbours Daten werden durch Ähnlichkeit zu bekannten Daten klassifiziert. Jede Instanz wird als Punkt im Koordinatenraum dargestellt. 18

19 Abstandsmaß: Probleme: große Berechnung bei großen Datenmengen höherer Aufwand bei mehr Dimensionen ausreichende Instanzmenge muss vorhanden sein 4.3 neuronale Netze Funktion zur Segmentierung und Klassifizierung sehr großer Datenmengen Simulation des menschlichen Gehirns, lernfähig biologisches Nervensystem Neuron entspricht einer Nervenzelle Neuron verarbeitet Input (mehrerer) zu Output-Reize Reaktion eines Layer wird an andere weitergegeben Netz wird mit Musterlösungen gefüttert - lernt dazu! 19

20 4.3.2 Beispiel 4.4 Klassifikation Profilierung, Modellierung und Regeldefinition (Beurteilung von Kundenverhalten), daraus Prognose (Vorhersage von Verhalten) Fallbeispiel Klassifikation Vorhersage 20

21 Bewertung Modell-Qualität-Lift Bewertung Modell-Qualität-kumulierter Lift 21

22 4.4.2 wie funktioniert das? lernen eines Modells durch Classification-Algorithmus Evaluierung des gelernten Modells Klassifizierung neuer Daten Problematik: Overfitting Klassifikation mit Entscheidungsbäumen Testdaten 22

23 Bäume 23

24 Algorithmus (ID3) andere: CHAID,CART,C konkretes Beispiel Kundendatenbank eines Hardwarevertreibers Klassifikation: Werbung für die neuen Rechner soll verteilt werden, wird teuer wenn alle kriegen aber nur wenige kaufen. Also welche Gruppe von Kunden wird die neuen Rechner 24

25 kaufen? Vorhersage: neues Geschäftsjahr wird geplant, wieviel Geld werden die Kunden in welchen Bereichen ausgeben? 4.5 Assoziationsanalyse Analyse sachlicher Verbundbeziehungen bei Transaktionen welche Produkte werden im Zusammenhang gekauft?, welche kommen prozentual am häufigsten vor? Co-Occurence-Table Am Beispiel Warenkorb Abhängigkeiten aufzeigen: Fragen & Regeln Regel: Wenn ein Kunde Saft kauft, dann kauft er auch Orangensaft? Support = 40% in 2 aus 5 Transaktionen Produkte zusammen gekauft Confidence = 66% in 2 aus 3 Fällen wo Soda gekauft wurde, wurde auch Orangensaft gekauft 25

26 4.5.3 Improvement das Verhältnis der Confidence zur Wahrscheinlichkeit des Ergebnisses Beispiel: Wenn A und B, dann C: 20% 40% = 50% praktische Probleme Laufzeit exponentiell in Anzahl Produkte pro Regel Laufzahl ist großes Polynom in Anzahl der Produkte 5 Webmining 5.1 Einführung übertragen von Data Mining ins WWW automatische Extraktion von Informationen aus großen Dokumentenmengen beim regulären Betrieb (wie amazon.com) Aufbau 26

27 typische Architektur: User - www - NAT - server Web Content Mining (Inhalt) befasst sich mit der Erkennung von Regularitäten in den Inhalten einer Webressource. Web Content Mining ist ein Anwendungsgebiet für das Textmining. Die Inhalte der Daten im Web bestehen aus unstrukturierten Daten wie Text Dokumenten, semi-strukturierten Daten wie HTML-Dokumenten und stärker strukturierten Daten wie Tabellen oder dynamisch generierten HTML-Seiten. Grundsätzlich bestehen die Inhalte einer Webseite aus verschiedenen Datentypen, wie Texten, Bildern, Audio-, Video-, Metadaten und Hyperlinks. Web Content Mining von multiplen Datentypen wird als Multimedia Data Mining bezeichnet und kann als Instanz von Web Content Mining verstanden werden. Hauptsächlich bestehen die Inhalte des Webs jedoch aus unstrukturiertem Text. Text Mining kann als Instanz und übergeordnetes Forschungsgebiet von Web Content Mining verstanden werden. Die verwendeten Methoden sind allgemeine Data-Mining-Methoden, wobei statistische und computerlinguistische Verfahren die Transformation der Texte in eine (fr das Data Mining) adäquate Form realisieren. 27

28 5.1.2 Web Structure Mining (Verlinkung) versucht, die einer Webseite bzw. Domäne zugrunde liegende Verweisstruktur zu erkennen. Basierend auf der Topologie der Verweise (Hyperlinks) der Webseite, mit optionaler Beschreibung derselben, wird ein Modell erstellt. Dieses kann für die Kategorisierung und das Ranking einer Webseite ntzlich sein und lässt Rückschlüsse auf Ähnlichkeiten zwischen Webseiten und deren Beziehungen zueinander zu. Zum Beispiel könnten inhaltsreiche Webseiten (sog. Authorities) und überblicksartige Webseiten (sogenannte Hubs) für ein bestimmtes Thema ausfindig gemacht werden Web Usage Mining (Logs) versucht Regularitäten in der Benutzung von Webseiten bzw. Webressourcen zu erkennen. Dabei werden alle sekundären Daten, die durch Interaktion des Benutzers mit einer Webressource entstehen, verarbeitet und analysiert Request Profiling der Prozess, durch welchen Informationen gesammelt, organisiert und interpretiert werden, um Zusammenfassung oder Beschreibung des Benutzers zu erstellen. Ansätze: logs, Registrierung & Feedback User Profiling Ansätze 1. Der Server sammelt Informationen im Bezug auf die Wahlen, Entscheidung und Verhaltensweisen des Users. Er kriegt davon aktiv nichts mit 2. Der User selbst versorgt den Server mit Informationen indem er ein Profil von sich übermittelt 28

29 3. Programmier ersinnt sich Benutzerprofil auf Grundlage einer Ümfrage von tausenden von Nutzern. Das erhaltene Userverhalten wird einem vordefiniertem Standardtyp zugewiesen Log File Typen Zugriffslog Berichtslog Agentenlog Fehlerlog Datenquellen server-seitige Sammlung der Server speichert Daten im Bezug auf die Anfragen des Clients client-seitige Sammlung der Client selbst sendet Informationen über das Verhalten des Nutzers (kann implementiert werden über einen Remote Agenten oder durch ein Browser- Plugin) proxy-seitige Sammlung Informationen werden im Proxy gespeichert, die Quelle betrachtet alle Webseiten, allerdings nur von Usern deren Webclients über den Proxy laufen Aufbau des Logs: ip - userid - time - method - url - protocol - status - size - (agent) 29

30 5.1.8 Transaktionserkennung Hauptfragen wie erkennt man einzelne User? wie ihre Transaktionen? Probleme User ID s oft unterdrückt, IP Adressen versteckt hinter Proxys, Caching sorgt für unzuverlässige Daten Standardlösungen Benutzerregistrierung, client-seitige Cookies Konzept benutze NAT als erste Filterinstanz Filtereigenschaften: User erhält dieselbe Seite, allerdings mit erweiterten Optionen. Regeln werden durch Vorhersagen erstellt Regelauslösung Regelauslösung (regelbasierte Vorhersage) zuerst Regelerstellung vom Datawarehouse danach Wiederverwendung für Vorhersageeigenschaften bei neuen Daten funktioniert am besten bei großen und realen Datensammlungen 2 Phasen Regelerkennung: analysiere historische Datenbank und generiere Regeln durch automatische Erkennung 30

31 Vorhersage: wendet die Regeln für eine neue Datensammlung an und vergleicht die Regeln um weitere Vorhersagen machen zu können 6 Enterprise Applikation Integration 35% of all IT spending is for application integration Gartner Group 6.1 Einleitung Enterprise Application Integration (EAI) oder Unternehmensanwendungsintegration (UAI) ist ein Konzept zur unternehmensweiten Integration der Geschäftsfunktionen entlang der Wertschöpfungskette, die über verschiedene Applikationen auf unterschiedlichen Plattformen verteilt sind, und die im Sinne der Daten- und Geschäftsprozessintegration verbunden werden können. Das Ziel ist die integrierte Geschäftsabwicklung durch ein Netzwerk unternehmensinterner Applikationen verschiedener Generationen und Architekturen. 6.2 Notwendigkeit Daten aus dem Backoffice müssen synchronisiert werden Geschäftsprozesse müssen abgestimmt werden Kostenersparnisse geregelte Ordnungsmäßigkeit Kunden erledigen Service selbst flexiblere Prozessgestaltung im Unternehmen bessere Präsentation der Unternehmensstruktur 31

32 6.3 Segmente zur Integration Daten-Integration für Datenkonsistenz Enterprise Application Integration (EAI) verbinde ungleiche Anwendungen und Prozesse Business-to-Business Integration (B2B) Zusammenarbeit mit Geschäftspartnern online Beispiel: neue Mitarbeiter wird eingestellt und müsste in , Telekom, Buchhaltung etc. eingerichtet werden. Eine zentrale Integrationsplattform erleichtert die Bearbeitung mit einer Oberfläche. 6.4 Datenmanagement Die Datenübersetzung zwischen den Systemen kann nicht immer 1:1 portiert werden. Daher müssen sie mit angepassten (customized) Ereignissen übersetzt werden. Beispiel: 32

33 6.5 Unternehmens-Prozessmanagement Anforderungen Automatisierung von Prozessabläufen zwischen Systemen integrierte menschliche Interaktionen Verwaltung von Ausnahmen Definition von Warnmeldungen und Ereignissen Umsetzung mit XML als Definitionssprache 6.6 Unternehmens Aktivitäts-Monitoring Es bietet detaillierte Informationen ber den Status und die Ergebnisse von verschiedensten Operationen, Prozessen und Transaktionen, so dass Geschäftsentscheidungen vorbereitet und Probleme schnell adressiert werden können. Typische Software in diesem Bereich ist beispielsweise in der Lage, sofortige Aussagen über den Zustand von Geschäftsprozessen auf Systemebene zu liefern (Geschäftsprozess überlastet, hohe Antwortzeiten aus Endbenutzersicht, Überschreitung von Service-Level-Agreements) und diese an die zuständigen Instanzen zu melden und dient so als Überwachungswerkzeug für Geschäftsprozesse auf Systemebene. 33

34 6.7 Unternehmens Prozess-Optimierung 6.8 B2B Integration Mit dem Aufkommen des Internets und vielen englischen Begriffen hat sich auch B2B fr (elektronische) Kommunikationsbeziehungen zwischen Unternehmen etabliert. Speziell im Zusammenhang mit der Unterstützung von Geschäftsprozessen durch elektronische Kommunikationsmittel werden die Geschäftsprozesse auf diese Weise kategorisiert. B2B ist der älteste und ein groer Teil des E-Business. Hauptanwendungsbereich ist der elektronische Einkauf von B- und C-Artikeln Trading Partner Management Profile der Handelspartnern mit allen Verträgen Verträge CPA, Export/Import, Aushandlung Identität Rollen (Käufer,Verkäufer) Kommunikation benutzte Protokolle Sicherheit Zertifikate, Schlüssellänge,... 34

35 Dokumentenaustausch Selbstverknüpfung, Intervalle, Sicherheit Aktionen Fehlerbehebung, Kanäle Gültigkeit Dauer, beteiligte Partner B2B Zustellungskanäle Kooperationen RNIF,Custom,ebXML,... Dokumentenaustausch XML,OAGIS,RNIF,EDI,... Packen & Signieren SMIME,EDI,SOAP,... Transport VAN,HTTP,SMTP,FTP, Zuverlässigkeit Konzepte der Integration Konnektivität Datenübersetzung 35

36 Datenmanagement Unternehmens-Prozessmanagement Unternemens-Aktivitäts Monitoring Business-to-Business Integratin Zuverlässigkeit 36

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

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

Praktisches Beispiel 02.03.2008

Praktisches Beispiel 02.03.2008 Agenda CRM-Philosophie Warum CRM? Chancen und Nutzen einer CRM Lösung Das CRMCoach 4 Phasen Modell CRM Teilbereiche und Architektur Einführung einer CRM Lösung CRM-Lösungen und der Markt Zusammenfassung

Mehr

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

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

SOAP SchnittstelleSchnittstelle

SOAP SchnittstelleSchnittstelle Agenda Technik Voraussetzungen AXL Schnittstelle Synchronisation TiM CUCM Ports in TiM Mandantenfähigkeit Mehrsprachigkeit Clusterfähigkeit von TiM Technik Features Features Wizzard Assistent Schnittstellenübersicht

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement. CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller

SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement. CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller SAP CRM und ITML > CRM Neue Oberflächen für eine verbesserte Usability

Mehr

EDI/XML Datentransaktionen über System- und Unternehmensgrenzen. Referent: Jan Freitag

EDI/XML Datentransaktionen über System- und Unternehmensgrenzen. Referent: Jan Freitag EDI/XML Datentransaktionen über System- und Unternehmensgrenzen Referent: Jan Freitag Warum EDI? Internet bedeutender Wirtschaftsfaktor Nur wenige Unternehmen steuern Geschäftsprozesse über das Internet

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

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

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen 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

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

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

1Ralph Schock RM NEO REPORTING

1Ralph Schock RM NEO REPORTING 1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen

Mehr

Einfach loslegen mit dem. CRM - xapp. XRM Sales

Einfach loslegen mit dem. CRM - xapp. XRM Sales XRM-Sales, das Sales- und Service Cockpit für SAP R/3 und mysap TM ERP Einfach loslegen mit dem CRM - xapp XRM Sales Seite:1 Ihr Nutzen XRM Sales, das CRM Cockpit für ihr SAP -System, fasst alle relevanten

Mehr

CRM BAU+OBJEKT Beschreibung Lösungsumfang

CRM BAU+OBJEKT Beschreibung Lösungsumfang Geschäftspartner / Kunden / Interessenten Erfassen und Bearbeiten von Firmen Internationales Adressformat Vordefinierte Rollen im Bauumfeld Vorkonfiguriertes Kundenstammblatt Klassifizierung von Branche,

Mehr

Realisierung von OLAP Operatoren in einem visuellen Analysetool. Vortrag von Alexander Spachmann und Thomas Lindemeier

Realisierung von OLAP Operatoren in einem visuellen Analysetool. Vortrag von Alexander Spachmann und Thomas Lindemeier Realisierung von OLAP Operatoren in einem visuellen Analysetool Vortrag von Alexander Spachmann und Thomas Lindemeier Gliederung Ausgangssituation/Motivation Was ist OLAP? Anwendungen Was sind Operatoren?

Mehr

Vom ERP-System zum Wissensmanagement Beispiel einer webbasierten Vertriebsanwendung. Präsentation vom 21.10.2003

Vom ERP-System zum Wissensmanagement Beispiel einer webbasierten Vertriebsanwendung. Präsentation vom 21.10.2003 Vom ERP-System zum Wissensmanagement Beispiel einer webbasierten Vertriebsanwendung Präsentation vom 21.10.2003 Was sind interne Portalanwendungen? Vorm ERP-System zum Wissensmanagement, 21.10.2003, München

Mehr

Präsentation. Integration Leascom und CRM

Präsentation. Integration Leascom und CRM Präsentation Integration Leascom und CRM Ansprechpartner der SMC IT AG Kai Jesse Senior Consultant CRM Geschäftsführer, SMC IT GmbH Karlsruhe Page 2 CRM-System CAS genesisworld CAS genesisworld Umfangreiches

Mehr

iextensions CRM CRM für Lotus Notes weburi.com CRM Experten seit über 10 Jahren

iextensions CRM CRM für Lotus Notes weburi.com CRM Experten seit über 10 Jahren iextensions CRM CRM für Lotus Notes weburi.com CRM Experten seit über 10 Jahren Wie können wir Ihnen im CRM Projekt helfen? Think big - start small - scale fast Denken Sie an die umfassende Lösung, fangen

Mehr

CRM AUTOMOTIVE Beschreibung Lösungsumfang

CRM AUTOMOTIVE Beschreibung Lösungsumfang Geschäftspartner / Kunden / Interessenten Erfassen und Bearbeiten von Firmen Internationales Adressformat Aufbau und Abbildung von OEM Strukturen Grafische Darstellung von OEM Strukturen und Beziehungen

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

Neue Strategien und Innovationen im Umfeld von Kundenprozessen

Neue 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:

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

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Optimiertes IT Service Management durch Predictive Analytics München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Agenda Herausforderungen im IT Service Management (ITSM) Predictive

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

OPNET s Application Response Expert (ARX)

OPNET s Application Response Expert (ARX) OPNET s Application Response Expert (ARX) Root Cause Analyse und End2End Monitoring für Web Anwendungen Summary Werden im IT Betrieb Probleme durch die Anwender gemeldet, müssen schnell Informationen aus

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität

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

PROZESSE INTEGRIEREN leicht gemacht EFFIZIENTE PROZESSE

PROZESSE INTEGRIEREN leicht gemacht EFFIZIENTE PROZESSE PROZESSE INTEGRIEREN leicht gemacht DURCH TransConnect Geschäftsprozesse ableiten mit der Universal Worklist (UWL) Integrationsszenarien effektiver verwalten und transportieren Optimierte Personalverwaltung

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

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014 Martin Böhn, Head of CRM, Senior Analyst CRM in der heutigen Praxis: Kampf Vor-Ort- Termine Prospekte, Beispiele

Mehr

CRM MASCHINENBAU Beschreibung Lösungsumfang

CRM MASCHINENBAU Beschreibung Lösungsumfang Geschäftspartner / Kunden / Interessenten Erfassen und Bearbeiten von Firmen Internationales Adressformat Aufbau von Firmenhierarchien Vorkonfiguriertes Kundenstammblatt Klassifizierung von Branche, Größe,

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

IVY. White Paper. Microsoft Dynamics NAV Workflow Controller Powered by Xpert.ivy

IVY. White Paper. Microsoft Dynamics NAV Workflow Controller Powered by Xpert.ivy White Paper IVY Microsoft Dynamics NAV Workflow Controller Powered by Xpert.ivy Business Process Management (BPM) unterstützt den gesamten Lebenszyklus von Geschäftsprozessen. BPM-Lösungen liefern Technologie

Mehr

Remedy-Day 2013. Innovative ITSM Lösungen von NTT Data. Machen wir es uns besser, schöner und leichter. Thomas Rupp Alexander Lyer Lukas Máté

Remedy-Day 2013. Innovative ITSM Lösungen von NTT Data. Machen wir es uns besser, schöner und leichter. Thomas Rupp Alexander Lyer Lukas Máté Remedy-Day 2013 Innovative ITSM Lösungen von NTT Data Machen wir es uns besser, schöner und leichter Thomas Rupp Alexander Lyer Lukas Máté Copyright 2012 NTT DATA Corporation GTW Generischer Ticket Workflow

Mehr

Jump Helpdesk. Softwarelösungen für professionelles Servicemanagement

Jump Helpdesk. Softwarelösungen für professionelles Servicemanagement Jump Helpdesk Softwarelösungen für professionelles Servicemanagement Jump Network GmbH 2004-2006 Jump Helpdesk Office Übersichtliche Dokumentenstruktur und schneller Zugriff auf alle wichtigen Funktionen.

Mehr

INNOFUTURE. IF Enterprise Manager ENTERPRISE SOFTWARE WWW.INNOFUTURE.COM

INNOFUTURE. IF Enterprise Manager ENTERPRISE SOFTWARE WWW.INNOFUTURE.COM AND SERVICES FOR INNOVATIVE MANAGMENT WE REVOLUTIONIZE MANAGEMENT I N N O V A T I O N S FOR PEOPLE Der Enterprise Manager von INNOFUTURE Enterprise Software ist eine Software zur integrierten Unternehmenssteuerung

Mehr

Web Data Mining. Alexander Hinneburg Sommersemester 2007

Web Data Mining. Alexander Hinneburg Sommersemester 2007 Web Data Mining Alexander Hinneburg Sommersemester 2007 Termine Vorlesung Mi. 10:00-11:30 Raum?? Übung Mi. 11:45-13:15 Raum?? Klausuren Mittwoch, 23. Mai Donnerstag, 12. Juli Buch Bing Liu: Web Data Mining

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

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

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

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

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

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin Software EMEA Performance Tour 2013 17.-19 Juni, Berlin HP Autonomy Information Governance Strategie: Die Kontrolle über die Informationsflut Petra Berneaud - Account Manager Autonomy Status in vielen

Mehr

Business Intelligence. Business Intelligence Seminar, WS 2007/08

Business 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

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

Leistungsbeschreibung. PHOENIX Archiv. Oktober 2014 Version 1.0

Leistungsbeschreibung. PHOENIX Archiv. Oktober 2014 Version 1.0 Leistungsbeschreibung PHOENIX Archiv Oktober 2014 Version 1.0 PHOENIX Archiv Mit PHOENIX Archiv werden Dokumente aus beliebigen Anwendungen dauerhaft, sicher und gesetzeskonform archiviert. PHOENIX Archiv

Mehr

CaseWare Monitor. ProduktNEWS CaseWare Monitor. Version 4.3. Mehr Informationen zu CaseWare Monitor und unseren anderen Produkten & Dienstleistungen

CaseWare Monitor. ProduktNEWS CaseWare Monitor. Version 4.3. Mehr Informationen zu CaseWare Monitor und unseren anderen Produkten & Dienstleistungen Mit der aktuellen Version hält eine komplett neu konzipierte webbasierte Anwendung Einzug, die sich neben innovativer Technik auch durch ein modernes Design und eine intuitive Bedienung auszeichnet. Angefangen

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

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES]

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES] NOW YOU KNOW [ SERIES] Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 001 Potential ontologiebasierter Wissens- Lösungen

Mehr

Verkaufen im 21. Jahrhundert Wir stellen vor: SAP Cloud for Customer

Verkaufen im 21. Jahrhundert Wir stellen vor: SAP Cloud for Customer Verkaufen im 21. Jahrhundert Wir stellen vor: SAP Cloud for Customer SAP Forum Baden, 11. Juni 2013 Kirsten Trocka Senior Industry Advisor, SAP Cloud Solutions SAP (Schweiz) AG Agenda Die Customer Cloud

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

Features VALyou Professional CRM

Features VALyou Professional CRM Online-Marketing Features VALyou Professional CRM 2006 Adressverwaltung Verwalten Sie die Adressen Ihrer Ansprechpartner in übersichtlichen und intuitiv bedienbaren Karteikarten. Weisen Sie jedem Datensatz

Mehr

Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3

Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3 Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3 Copyright 2005, SAS Institute Inc. All rights reserved. Ulrich Reincke, SAS Deutschland Agenda Der Neue Enterprise Miner 5.2 Der Neue Text Miner 2.3

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

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting.

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Schober Group Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Mag. (FH) Alexandra Vetrovsky-Brychta Wien, 23.10.2012 Mehr IQ für Ihre Kundendaten Seite 2 Agenda Themen

Mehr

Vorwort. Danksagung. Teil A Überblick und Setup 1

Vorwort. Danksagung. Teil A Überblick und Setup 1 Vorwort Danksagung Einführung Für wen ist dieses Buch konzipiert? Wie ist dieses Buch aufgebaut? Microsoft Dynamics CRM Live Systemanforderungen Client Server Codebeispiele Zusätzliche Inhalte online finden

Mehr

Christian Kurze BI-Praktikum IBM WS 2008/09

Christian Kurze BI-Praktikum IBM WS 2008/09 Einführung in die multidimensionale Datenmodellierung e mit ADAPT BI-Praktikum IBM WS 2008/09 1 Gliederung Einführung multidimensionale Datenmodellierung 1. Multidimensionales Modell BI-Praktikum IBM WS

Mehr

Data Mining-Modelle und -Algorithmen

Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,

Mehr

SAP Cloud for Customer

SAP Cloud for Customer protask Inforeihe SAP Cloud for Customer www.protask.eu 25.04.2014 1 Agenda Ziel Lösungsbeschreibung / Abdeckung Integration von SAP in der Cloud Abgrenzung von SAP in der Cloud zu SAP CRM Live-Demo www.protask.eu

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

Versand von Newslettern aus Sage CRM mit MailChimp

Versand von Newslettern aus Sage CRM mit MailChimp Versand von Newslettern aus Sage CRM mit MailChimp Autor: Robert Cwicinski letzte Änderung: 06.05.2015 Inhaltsverzeichnis 1 Ausgangssituation... 3 2 Zielsetzung... 3 3 MailChimp Konto... 4 3.1 Account

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

Qualitätsberichte im MS Word-Format

Qualitätsberichte im MS Word-Format Qualitätsberichte im MS Word-Format StatSoft GmbH und STATISTICA 9.1 auf dem Forum der Control 2010 www.statsoft.de StatSoft (Europe) GmbH 2010 Michael Busch Inhalt StatSoft STATISTICA Anwendungen in der

Mehr

Intelligente Kundensegmentierung mit SAP HANA

Intelligente Kundensegmentierung mit SAP HANA GLOOOBAL E A l GLOOOBAL Energy Analyzer Intelligente Kundensegmentierung mit SAP HANA Die Herausforderung Wenn Energieversorger Strom an Unternehmenskunden verkaufen, ist ein detailliertes Verständnis

Mehr

SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN

SOZIALES BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN CHRISTIAN KÖNIG BUSINESS EXPERT COMPETENCE CENTER CUSTOMER INTELLIGENCE Copyr i g ht 2012, SAS Ins titut e Inc. All rights res

Mehr

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede Data Warehouse Version: June 26, 2007 Andreas Geyer-Schulz und Anke Thede Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften Gebäude 20.20 Rechenzentrum,

Mehr

Business Intelligence Meets SOA

Business Intelligence Meets SOA Business Intelligence Meets SOA Microsoft People Ready Conference, München, Nov. 2007 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

Enterprise Portale & Enterprise Application Integration

Enterprise Portale & Enterprise Application Integration EP & - & Enterprise Application Integration Jörg Streibhardt Technische Universität Dresden EP & 21. Januar 2005 / Seminar Rechnernetze Gliederung Enterprise Application Integration EP & - EP & & Enterprise

Mehr

DataMining in der polizeilichen Anwendung

DataMining in der polizeilichen Anwendung Hintergrund / Motivation DataMining in der polizeilichen Anwendung Heiko Held, BKA Wiesbaden Zur Zuständigkeit des Fachbereichs KI14 zählt u.a. die Marktbeobachtung und Toolauswahl im Bereich von Analysesoftware.

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

SPTools Übersicht...2. SPTools - Integration von SharePoint Dokumenten Bibliotheken in TYPO3...3

SPTools Übersicht...2. SPTools - Integration von SharePoint Dokumenten Bibliotheken in TYPO3...3 SPTools V.1.6 SharePoint TYPO3 Konnektor Software SPTools Funktionen! Inhalt SPTools Übersicht...2 SPTools - Integration von SharePoint Dokumenten Bibliotheken in TYPO3...3 SPTools - Integration von SharePoint

Mehr

Die 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 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

Mehr

MEHRWERK. Berechtigungsmanagement. für gängige ERP-Systeme Compliance & Authorizations

MEHRWERK. Berechtigungsmanagement. für gängige ERP-Systeme Compliance & Authorizations MEHRWERK Berechtigungsmanagement für gängige ERP-Systeme Compliance & Authorizations Compliance Compliance & Authorizations Compliance für SAP Systeme Management > 10 Regeln SoD Regelwerk Compliance WP

Mehr

Lizenz Verwaltung. Adami Vista CRM

Lizenz Verwaltung. Adami Vista CRM Lizenz Verwaltung Alle CRM Applikationen können entweder mit einer Demo Datenbank oder mit einer realen Datenbank funktionieren. Die Demo Datenbank ist allgemein für alle und der Benutzer kann die Funktionsvielfalt

Mehr

EIN ARBEITSTAG MIT WAVE.CRM

EIN ARBEITSTAG MIT WAVE.CRM EHRICKE & STRANKMANN SOFTWARE GMBH Wolfgang Ehricke 01.04.2010 WAVE.CRM EIN ARBEITSTAG MIT WAVE.CRM FÜR VERTRIEBSLEITER, VERKÄUFER, BETREUER, BAULEITER, USW. EIN ARBEITSTAG MIT WAVE.CRM 2 INHALTSVERZEICHNIS

Mehr

Eigenschaften von Web Content Management Systemen (WCMS) Thorsten Kanzleiter Web Content Management Systeme

Eigenschaften von Web Content Management Systemen (WCMS) Thorsten Kanzleiter Web Content Management Systeme Eigenschaften von Web Content Management Systemen () 1 Gliederung 1.1 Motivation 1.2 Problemstellung 2. 2.1 Begriffsbestimmung CMS 2.2 Übergang von CMS zu 2.3 sonstige 2.4 Content Life Cycle 2.5 Webpublishing

Mehr

Caleido Address-Book wird zu

Caleido Address-Book wird zu Caleido wird zu Funktionsvergleich Durch den Wechsel von Caleido zu, entstehen viele zusätzliche Möglichkeiten für komfortables - und Kontaktmanagement. Leistungen im Überblick Datenmanagement Beliebig

Mehr

Inhaltsverzeichnis. Teil I Überblick... 21

Inhaltsverzeichnis. Teil I Überblick... 21 Inhaltsverzeichnis Einleitung................................................................................. 13 Ein Hinweis zu Sandbox-Umgebungen......................................................

Mehr

Nur Einsatz bringt Umsatz Wir stellen vor: SAP Cloud for Customer

Nur Einsatz bringt Umsatz Wir stellen vor: SAP Cloud for Customer Nur Einsatz bringt Umsatz Wir stellen vor: SAP Cloud for Customer Swiss CRM Forum, 11. Juni 2014 Kirsten Trocka Senior Solution Advisor, SAP Cloud SAP (Suisse) AG Die Customer Cloud von SAP Das CRM in

Mehr

Stand 2008.08. Vorstellung der EXXETA

Stand 2008.08. Vorstellung der EXXETA Stand 2008.08 Vorstellung der EXXETA Unternehmensprofil EXXETA optimiert ausgewählte Geschäftsprozesse ihrer Kunden auf Fach- und IT-Ebene. EXXETA bietet Fach- und Technologie-Beratung mit Branchen-, Prozessund

Mehr

Dokumentieren im Wiki

Dokumentieren im Wiki Dokumentieren im Wiki Atlassian User Group München München, 15. September 2011 Referent Dipl. Inf. Tobias Anstett Gründer und CTO von K15t Software Autor und Referent Wiki-basierte Dokumentation Sicherheitskonzepte

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

The integration of business intelligence and knowledge management

The 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

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

Von der Literaturverwaltung zur Dokumentenverwaltung

Von der Literaturverwaltung zur Dokumentenverwaltung Von der Literaturverwaltung zur Dokumentenverwaltung Literaturverwaltung erfasst Metadaten über ein Dokument Dokumentenverwaltung kümmert sich um die Dokumenten-Technologien Umsetzung meist in einem Dokumentmanagementsystem

Mehr

Informationsflut bewältigen - Textmining in der Praxis

Informationsflut bewältigen - Textmining in der Praxis Informationsflut bewältigen - Textmining in der Praxis Christiane Theusinger Business Unit Data Mining & CRM Solutions SAS Deutschland Ulrich Reincke Manager Business Data Mining Solutions SAS Deutschland

Mehr

Data Mining mit Microsoft SQL-Server 2005/2008

Data Mining mit Microsoft SQL-Server 2005/2008 Data Mining mit Microsoft SQL-Server 2005/2008 Marcel Winkel Hochschule für Technik, Wirtschaft und Kultur Leipzig Fachbereich Informatik, Mathematik und Naturwissenschaften 19. Mai 2010 1 2 Klassifikationsalgorithmen

Mehr

TimeSafe Leistungserfassung

TimeSafe Leistungserfassung Keep your time safe. TimeSafe Leistungserfassung Adressimport 1/8 Inhaltsverzeichnis Inhaltsverzeichnis... 2 1 Allgemeines... 3 1.1 Adressen in der TimeSafe Leistungserfassung... 3 1.2 Organisationen und/oder

Mehr

Apteco GmbH Readiness Check. Sind Sie bereit für Marketing Automation? Apteco GmbH 069/2566 9700 info@apteco.de www.apteco.de

Apteco GmbH Readiness Check. Sind Sie bereit für Marketing Automation? Apteco GmbH 069/2566 9700 info@apteco.de www.apteco.de Apteco GmbH Readiness Check Sind Sie bereit für Marketing Automation? Apteco GmbH 069/2566 9700 info@apteco.de www.apteco.de Readiness Check: Sind Sie bereit für Marketing Automation? Marketing Automation

Mehr

Integrierte Lösung für die Verarbeitung von Eingangsrechnungen in SAP

Integrierte Lösung für die Verarbeitung von Eingangsrechnungen in SAP Integrierte Lösung für die Verarbeitung von Eingangsrechnungen in SAP Management Summary Mit der Standardlösung d.3 und dem Standard SAP- Workflow- Template maxflow steht Ihnen eine Komplettlösung zur

Mehr

Loyalty Management in SAP

Loyalty Management in SAP Loyalty Management in SAP CRM 7.0 Ihr Weg zu langfristigen und profitablen Kundenbeziehungen André Wolzenburg, Product Manager SAP CRM Agenda 1. Vorstellung Data Migration Consulting AG 2. SAP CRM 7.0

Mehr

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining Gliederung 1. Einführung 2. Grundlagen Data Mining Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining 3. Ausgewählte Methoden des Data

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr

12.04.2011. Kundenbeziehungsmanagement im Mittelstand

12.04.2011. Kundenbeziehungsmanagement im Mittelstand 12.04.2011 Kundenbeziehungsmanagement im Mittelstand Die Situation Ausgangslage Neugründung als Dienstleister für Kundenbeziehungsmanagement Leistungsspektrum Datenmanagement (Verwaltung der Kundendaten)

Mehr

Infrastruktur für Web Intelligent Systems

Infrastruktur für Web Intelligent Systems Infrastruktur für Web Intelligent Systems Thema: Business Intelligence Teil II: Data Mining & Knowledge Discovery von Christian Merker Gliederung Web-Intelligent-Systeme Begriffsklärung Personalisiertes

Mehr

ZIELGERICHTETE KUNDENANSPRACHE AUF ALLEN KANÄLEN DER DIGITALEN WELT.

ZIELGERICHTETE KUNDENANSPRACHE AUF ALLEN KANÄLEN DER DIGITALEN WELT. ZIELGERICHTETE KUNDENANSPRACHE AUF ALLEN KANÄLEN DER DIGITALEN WELT. DIE AUDIENCE ENGAGEMENT PLATTFORM: MARKETING AUTOMATION DER NEUSTEN GENERATION. Selligent ermöglicht durch Marketingautomatisierung

Mehr

Neuerungen GEDYS IntraWare 8

Neuerungen GEDYS IntraWare 8 Neue Benutzeroberflächen (.notes,.web,.mobile) GEDYS IntraWare 8 (GI8) hat eine komplett neue Benutzeroberfläche für den Lotus Notes Client erhalten. Die Masken wurden überarbeitet und besser strukturiert

Mehr