Alles für den Kunden Analyse von Kundendaten. Katrin Plickert, Heiko Hartenstein
|
|
- Rüdiger Kaufman
- vor 8 Jahren
- Abrufe
Transkript
1 Alles für den Kunden Analyse von Kundendaten Katrin Plickert, Heiko Hartenstein
2 Zum Verständnis 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 2 Quelle: Heilmann, Kempner, Baars: Business and Competitive Intelligence, HMD 2006, S. 2
3 Agenda Verfahren allgemein speziell SPSS Clementine SQL Server 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 3
4 Marketing Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Go-to-market Kundenorientierung, Marktbearbeitung Querschnittsaufgabe der betrieblichen Unternehmung Vertrieb, Produktion, Forschung Ressourcen Finanzen, Personal, Informationen, Technik, Leitung Strategisch vs. Operativ Controlling / Management 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 4
5 Marketing Mix Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Basismodell: Kommunikationspolitik (promotion) Leistungspolitik (product) Vertriebspolitik (place) Preispolitik (price) Erweitertes Modell: Personalpolitik (personnel) Ausstattungspolitik (physical facilities) Prozesspolitik (process) 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 5
6 Regelkreis Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Quelle: Link, Brändli, Schleuning, Kehl: Handbuch, 1997, Fachverlag Marketing Forum GmbH, S Februar 2007 Heiko Hartenstein, Katrin Plickert 6
7 Grundlagen Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Massenmarketing Individual-Marketing Kosten-Nutzen-Verhältnis Analyse Einflüsse Kostendruck, geändertes Kaufverhalten, neue Vertriebswege, Dynamisierung der Märkte Technik als Mittel Eigentlich Prozess-, Management- und Organisations- und Kommunikationsthema Querschnittsaufgaben (descriptive und predictive) 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 7
8 Grundlagen Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Quelle: Link, Brändli, Schleuning, Kehl: Handbuch, 1997, Fachverlag Marketing Forum, S Februar 2007 Heiko Hartenstein, Katrin Plickert 8
9 BI, CRM, DBM Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Quelle: Chamoni, Gluchowski: Analytische Informationssysteme, 2006, Springer, S Februar 2007 Heiko Hartenstein, Katrin Plickert 9
10 Vorteile Kundenbeziehung Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Segmentierung und Bewertung der Kunden Kundendeckungsbeitrag Lebenszyklus Klassifizierung Produktkombinationen Optimierungen von Prozessen, Planungen und der Steuerung 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 10
11 Kritische Erfolgsfaktoren Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Technisch Verteilte Datenhaltung, komplexes Datenmanagement Unternehmensweites Datenmodell / Begriffe Integration interner und externer Quellen Trennung fachlich + technisch / Plattformunabhängigkeit Realisierung Multikanalnutzung Skalierbarkeit / Performance 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 11
12 Kritische Erfolgsfaktoren Marketing Marketing Mix Regelkreis Grundlagen DBM BI, CRM, DBM Vorteile Kritische Erfolgsfaktoren Rechtlich / Ethisch Datenschutz, Datensicherheit Minderheiten, Klassifizierung, Interpretation Qualitativ Richtigkeit (fehlend, falsch, plausibel, Format) Aktualität, Relevanz, Repräsentanz, Ausreißer, Komplexität Prävention, Korrektur, kultureller Wandel Organisatorische, infrastrukturelle und technische Maßnahmen 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 12
13 Definition Definition KDD Clusteranalyse Künstliche Neuronale Netze Assoziation Entdeckung unbekannter, unvermuteter und nichttrivialer Datenmuster in großen, strukturierten Datenbeständen zur Entscheidungsunterstützung betriebswirtschaftlicher Fragestellungen Unbekannt Mustererkennung Große, strukturierte Datenbestände Entscheidungsunterstützung 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 13
14 KDD Definition KDD Clusteranalyse Künstliche Neuronale Netze KDD: Knowledge Discovery in Databases Unterschiedliche Definitionen KDD: Gesamtprozess Datenvorbereitung, Analyse und Ergebnisauswertung Assoziation KDD: Oberbegriff zu - Wissensbezug : eigentliche Analyse 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 14
15 Clusteranalyse Definition KDD Clusteranalyse Künstliche Neuronale Netze Assoziation Einteilung in vorher unbekannte Gruppen Innerhalb der Gruppen: Elemente möglichst homogen Zwischen den Gruppen: Elemente möglichst heterogen Verschiedene Methoden für Handhabung Homogenität / Heterogenität Iteration z.b. Anwendung für Segmentierung von Kundengruppen 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 15
16 Clusteranalyse Definition KDD Clusteranalyse Künstliche Neuronale Netze Assoziation Quelle: Prof. Swat, Vorlesungsskript Entscheidungsunterstützung im Management, Februar 2007 Heiko Hartenstein, Katrin Plickert 16
17 Künstliche Neuronale Netze Definition KDD Clusteranalyse Künstliche Neuronale Netze Assoziation Keine neuen Probleme, nur neue Verfahrensklasse Stammt aus KI und Neuronalen Netzen Modernes, netzorientiertes Verfahren, aber Aufwand, Training Einsatz in Abbildung, Entdeckung von Strukturen und in der Prognose Vielseitig anwendbar Betriebswirtschaftliche Ableitung schwierig 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 17
18 Assoziation Definition KDD Clusteranalyse Künstliche Neuronale Netze Assoziation Entdeckung von Beziehungen Erstellung von Regeln Einsatz in der Warenkorbanalyse Traditionelle Methode Viel in Handel genutzt Bsp. Bier + Windeln 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 18
19 Definition KDD Clusteranalyse Künstliche Neuronale Netze Assoziation Einsatzbeispiele Methode Klassifikation, Regression, Cluster Neuronale Netze Assoziationsanalyse Einsatzbeispiele Vorhersage Analyse von Teilgruppen Kreditwürdigkeitsprüfung Antwortprognose im Direktmarketing Zufriedenheitsanalyse Qualitätsprüfung Customer Lifetime Value Marktsegementierung Kundensegmentierung Individualisierte Kundenansprache in der Werbung Aufzeigen von Kaufverhaltensmustern Routenplanung im Außendienst Missbrauchserkennung von Versicherungsnehmern Klassifikationsprobleme Clusterprobleme Vorhersage Warenkorbanalyse Sortimentsanalyse 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 19
20 Vorhersagendes Modell, aber auch Beschreibungscharakter Zielvariable als abhängige Variable a priori bestimmt Prediktoren: unabhängige Variablen, die den Wert der Zielvariable erklären können Einteilung in Gruppen, die den Wert der Zielvariable signifikant erklären Auf Basis des Modells ist Prognose möglich Anwendung für Prognose von bestimmten Eigenschaften, bspw. Kreditwürdigkeit 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 20
21 Einsatz von Regressions- und Klassifikationsmodellen Streng genommen kein Data-Mining- Verfahren sondern ein Verfahren der klassischen multivariaten Statistik (überwachtes Lernen), da Zielvariable im Vorhinein bestimmt Vorteil: leicht verständliche Regeln Nachteil: Bäume können unübersichtlich werden 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 21
22 Zum Verständnis Quelle: Kotler, Armstrong, Saunders, Bong: Grundlagen des Marketing, 2007, Pearson Studium, S Februar 2007 Heiko Hartenstein, Katrin Plickert 22
23 - Toolanbieter 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 23
24 Zufriedenheitsanalyse einer Krankenkasse Fragebogenauswertung von Kunden (geschichtete Stichprobe aus Kunden) Antwort auf die Fragen nach Zufriedenheit und mehr Ziel: Anhand festgestellter Klassifizierung Marketingmaßnahmen zu forcieren Bitte mitmachen! 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 24
25 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 25
DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374
DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne
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.
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
MehrData/Information Quality Management
Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!
Mehrsystems for success Unsere Lösungen bringen Sie den Sternen näher 1. danova GmbH 2. Grundlagen Database Marketing 3. win cr
1999 in Eichstätt/Bayern gegründet systems for success Unsere Lösungen bringen Sie den Sternen näher Technischer Dienstleister für Database Marketing Systeme Wissens- und Erfolgsmanagement Von den Kundenanforderungen
MehrTiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining
Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe
MehrMS SQL Server 2012 (4)
MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql
MehrSeminar Business Intelligence Teil II. Data Mining & Knowledge Discovery
Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?
MehrUniversität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Bachelorarbeit Netzwerkservices
Universität Passau Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Bachelorarbeit Netzwerkservices Betreuer: Robert Richter Eingereicht von: Alexander Gehm
Mehr2.4.2.2 Strategisches und operatives Kundenbeziehungs- Controlling 38
Inhaltsverzeichnis 1 Einleitung 1 1.1 Problemstellung 1 1.2 Gang der Untersuchung 5 2 Kundenorientiertes Management und Controlling - Der Kunde im Fokus betriebswirtschaftlicher Konzepte 9 2.1 Bedeutung
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
MehrBWL für soziale Berufe
Gabriele Moos, André Peters BWL für soziale Berufe Eine Einführung 2., aktualisierte Auflage Mit 71 Abbildungen und 25 Tabellen Ernst Reinhardt Verlag München Basel Prof. Dr. Gabriele Moos lehrt Sozialmanagement
MehrData Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse
Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher
MehrProaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze
Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze INAUGURALDISSERTATION zur Erlangung des akademischen Grades eines Doktors der Wirtschaftswissenschaften an der Wirtschaftswissenschaftlichen
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
MehrSpezialisierung Business Intelligence
Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business
MehrFallbeispiel: Intelligente Steuerung von Geschäftsprozessen auf Basis von Big Data
Fallbeispiel: Intelligente Steuerung von Geschäftsprozessen auf Basis von Big Data Institut für Finanz- und Aktuarwissenschaften Lise-Meitner-Str. 14 89081 Ulm Oktober 2015 www.ifa-ulm.de Einführung Mit
MehrPRINZIP PARTNERSCHAFT
PRINZIP PARTNERSCHAFT for.business - Arbeitsplatz 4.0 1 RÜCKBLICK 1996 Nokia Communicator in Deutschland verfügbar 1999 AOL wirbt mit Boris Becker für den Internetzugang Bin ich da schon drin oder was?
MehrPPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.
PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt
MehrInfografik Business Intelligence
Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz
MehrMarketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele
MehrBig Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von
MehrMit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence
Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston
MehrHöhere Conversion mehr Umsatz:
Höhere Conversion mehr Umsatz: Warum es sich lohnt Ihre Kunden kennen zu lernen München, 25. Februar 2014 Muna Hassaballah Senior Consultant CRM Muna.Hassaballah@SHS-VIVEON.com inkl. Vorstellung zweier
MehrMarketingspezialisierung: Pharmamarketing
Marketingspezialisierung: Pharmamarketing Bachelorseminar WS 2013/14 Universität Hamburg, Lehrstuhl für Health Care Management Prof. Dr. Tom Stargardt Dr. Katharina Fischer, MBR Dipl.-Volksw. Dennis Guhl
MehrBusiness Intelligence braucht mehr Business!
Business Intelligence braucht mehr Business! Oder: Raus aus der BI-Falle! Dr. Guido Kemper 16. Handelsblatt Jahrestagung: Strategisches IT-Management. München, 25.01.2010 prometis - Management & Technology
MehrCRM-Systeme Kostensenker oder Kostenfalle?
CRM-Systeme Kostensenker oder Kostenfalle? CRM & Groupware Vom Adress- und Daten-Wirrwarr zur Unternehmenskommunikation und -organisation Wirtschaftlichkeitsbetrachtung Franciska Lion-Arend, imuse GmbH/Open-Sales.IT
MehrIntegriertes Marketingmanagement 2013
Integriertes Marketingmanagement 2013 Schneller sehen, verstehen und entscheiden Dr. Andreas Becks Senior Business Architect SAS Deutschland GmbH Agenda Integriertes Marketingmanagement 2013 Die neue Bank
MehrW.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)
Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,
MehrInnovationsstrategien im Wandel der Zeit
Innovationsstrategien im Wandel der Zeit Wie entstehen Innovationen? Aus Ideen entstehen Unternehmen Unternehmen sind mit Personen verbunden Personen bringen Innovationen durch Kreativität Je geringer
MehrRichtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services
Launch Microsoft Dynamics AX 4.0 Richtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services Sonia Al-Kass Partner Technical
MehrData Mining (ehem. Entscheidungsunterstützungssysteme)
Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE
MehrLÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG CLOSED LOOP MARKETING
LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG CLOSED LOOP MARKETING W W W. N O V E M B A. D E Branchenlösung pharma navigator CLOSED LOOP MARKETING VON DER ERFOLGREICHEN ANALYSE ZUR ZIELGERICHTETEN PROMOTION ANALYSE
MehrCustomer Relationship Ana lyt ics
Peter Necke1 Bernd Knobloch Customer Relationship Ana lyt ics Praktische Anwendung des Data Mining im CRM d p u n kt.ve r I ag 1 1.1 1.2 1.3 Customer Relationship Management. ein Bezugsrahmen Die Entwicklung
MehrInterview zum Thema Management Reporting &Business Intelligence
Interview zum Thema Management Reporting &Business Intelligence Das ist ja interessant. Können Sie etwas näher beschreiben, wie ich mir das vorstellen kann? Jens Gräf: In einem Technologieunternehmen mit
MehrITIL 3LGM²: Methoden und Werkzeuge für das IT Service Management im Krankenhaus
: Methoden und Werkzeuge für das Management im Alfred Winter, Lutz Ißler Universität Leipzig Institut für Medizinische Informatik, Statistik und Epidemiologie : Methoden und Werkzeuge für das Management
Mehr26. GIL Jahrestagung
GeorgAugustUniversität Göttingen 26. GIL Jahrestagung Einsatz von künstlichen Neuronalen Netzen im Informationsmanagement der Land und Ernährungswirtschaft: Ein empirischer Methodenvergleich Holger Schulze,
MehrPredictive Modeling Markup Language. Thomas Morandell
Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML
MehrInhaltsverzeichnis. 2012 W. Kohlhammer, Stuttgart
Inhaltsverzeichnis 1. Gegenstand und Besonderheiten von Nonprofit-Organisationen..... 15 1.1 Bedeutung und Entwicklung von Nonprofit-Organisationen....... 15 1.1.1 Entwicklung und gesellschaftliche Relevanz
MehrTeil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3
xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable
MehrIntegrierte IT Portfolioplanung
Integrierte Portfolioplanung -en und _e als zwei Seiten einer Medaille Guido Bacharach 1.04.010 Ausgangssituation: Komplexe Umgebungen sportfolio Ausgangssituation: Komplexe Umgebungen portfolio Definition:
MehrFachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß
Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche
MehrMarketing für Nonprofit-Organisationen
Manfred Bruhn Marketing für Nonprofit-Organisationen Grundlagen - Konzepte - Instrumente 2., aktualisierte und überarbeitete Auflage Verlag W. Kohlhammer Inhaltsverzeichnis 1. Gegenstand und Besonderheiten
MehrData Mining und maschinelles Lernen
Data Mining und maschinelles Lernen Einführung und Anwendung mit WEKA Caren Brinckmann 16. August 2000 http://www.coli.uni-sb.de/~cabr/vortraege/ml.pdf http://www.cs.waikato.ac.nz/ml/weka/ Inhalt Einführung:
MehrKonzept Controlling RoadMap. Auswahl, Implementierung und Beratungen für Lösungen zur Konzernsteuerung
Konzept Controlling RoadMap Inhalt Ausgangspunkt und Definition der Controlling RoadMap Bestandteile der Controlling RoadMap Steuerungsinstrumente der Controlling RoadMap (Bandbreite) Benefits der Controlling
Mehrextensible Business Reporting Language Status des Promotionsvorhabens und Ausblick
extensible Business Reporting Language Status des Promotionsvorhabens und Ausblick 30. September 2008 Agenda Aufbau der Untersuchung Fortschritt im Untersuchungsverlauf Offene Forschungsfragen Methodik
MehrExecutive Summary: Banken und Versicherungen Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken
Executive Summary: Banken und Versicherungen Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken Lehrstuhl für Wirtschaftsinformatik und Electronic Government Universität
MehrKienbaum Management Consultants. Vertriebssteuerung
Kienbaum Management Consultants Vertriebssteuerung 1 Für die Herleitung der Kern-Handlungsfelder zur Vertriebsoptimierung und steuerung werden alle wesentlichen Parameter berücksichtigt Einfluss-Parameter
MehrDatenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006)
Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau (01/2006) Strategisches Informationsmanagement 1 Definition Notwendige Vermaischung der Daten in der Vorstufe zur Destillation von hochprozentiger
MehrJenseits der Datenbank: Ausweg zu verkaufen. Vorsprung im Wettbewerb durch one to one - Marketing
Jenseits der Datenbank: Ausweg zu verkaufen Vorsprung im Wettbewerb durch one to one - Marketing Erfahrungen im Vertrieb 2004 Regionalisierung der Kundenstruktur Aufträge werden kleiner Kunden verhalten
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
MehrLinked Open Data (LOD) in der Landwirtschaft. Workshop 23.04.2013-24.04.2013 Anwendungsbeispiele nach Themen I
Linked Open Data (LOD) in der Landwirtschaft Workshop 23.04.2013-24.04.2013 Anwendungsbeispiele nach Themen I zentrum der BLE (Qualitative Aspekte in Bezug auf linked Data) Dr. Maul 1 Ziele des zentrums
MehrCustomer Relationship Management
Customer Relationship Management Titel des Lernmoduls: Customer Relationship Management Themengebiet: New Economy Gliederungspunkt im Curriculum: 2.2.1.3.7 Zum Inhalt: Diese Modul befaßt sich mit der Vorgehensweise
MehrInhaltsverzeichnis. Literatur... 35
1 Warum ist die Steigerung der Innovationsfähigkeit wichtig?......... 1 1.1 Volkswirtschaftliche Bedeutung von Innovation.............. 6 1.2 Innovationserfolg................................. 7 1.3 Innovationsfähigkeit
MehrInnovationsmanagement im
Martin Kaschny Matthias Molden Siegfried Schreuder Innovationsmanagement im Mittelstand Strategien, Implementierung, Praxisbeispiele ^ Springer Gabler Inhaltsverzeichnis 1 Warum ist die Steigerung der
MehrAnwendung der Predictive Analytics
TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg
MehrHealthCare Relationship Management. http://www.terraconsult.de
HealthCare Relationship Management 1 Warum nehmen wir uns solcher Themen wie Kundenzufriedenheit oder Online-Dienstleistungen an? Wir beschäftigen uns mit Kundenbeziehungsmanagement (CRM*). Dies ist ein
MehrSUBTITEL. Innovatives Kennzahlenmanagement. Matthias Glahn. Geschäftsführer
Innovatives Kennzahlenmanagement Matthias Glahn Geschäftsführer Innovatives Kennzahlenmanagement BOOM!! DIE ZEIT NACH DER KRISE? Die Fragestellung 1. Kommt der Aufschwung / Boom? 2. Welche Auswirkungen
MehrWarum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität
Warum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität Marcus Winteroll oose GmbH Agenda I. Ziele und Zusammenarbeit II. Was wir vom agilen Vorgehen lernen
MehrKurzanleitung ejax Online-Demo
Dieser Leitfaden führt Sie in 12 Schritten durch die Module der Online Demo-Version des ejax Management Systems. Übersicht und Navigation Schritt 1 Nach der Anmeldung und dem Start der Anwendungsoberfläche
MehrDie kritischen Erfolgsfaktoren für die EDI-Dienstleistungsanbieter - Eine Delphi-Studie - E-Businesskommunikation. Einleitung
Die kritischen Erfolgsfaktoren für die EDI-Dienstleistungsanbieter - Eine Delphi-Studie - 1/18 Einleitung Die Hauptursachen für die geringe Nutzung Laut Fachpresse: Zu hohe Kosten Zu hohe Komplexität Mangelnde
MehrTitel BOAKdurch Klicken hinzufügen
Titel BOAKdurch Klicken hinzufügen Business Objects Arbeitskreis 2015 Aufbau einer BI-Strategie Referent Stefan Weber, ZIS Verkehrsbetriebe Zürich 15.09.2015 Hotel UTO KULM Thema Um was geht es! C1: Aufbau
MehrVorhersage mit CA CleverPath Predictive Analysis Server. Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com
Vorhersage mit CA CleverPath Predictive Analysis Server Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com Agenda Herausforderung CP PAS Neugents Modelle Mustererkennung Tools CA World 1 Herausforderung
MehrBig Data, Amtliche Statistik und der Datenschutz
Konferenz für Sozial- und Wirtschaftsdaten 20./21. Februar 2014, Berlin Gute Forschung braucht gute Daten aber bitte anonymisiert! Big Data, Amtliche Statistik und der Datenschutz Peter Schaar Europäische
MehrGrundlagen des CRM. Dr.-Ing. Jubran Rajub
Grundlagen des CRM Dr.-Ing. Literatur H. Hippner, K. D. Wilde (Hrsg.): Grundlagen des CRM, Konzepte und Gestaltung, Gabler Verlag, Wiesbaden (2007). K.C. Laudon, J.P. Laudon, D. Schoder: "Wirtschaftsinformatik
MehrDieter Brunner ISO 27001 in der betrieblichen Praxis
Seite 1 von 6 IT-Sicherheit: die traditionellen Sichtweise Traditionell wird Computer-Sicherheit als technisches Problem gesehen Technik kann Sicherheitsprobleme lösen Datenverschlüsselung, Firewalls,
MehrBegriffsbestimmung 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
Mehrmasventa - XRM Strategien und Lösungen
masventa - XRM Strategien und Lösungen Ganzheitliches Beziehungsmanagement masventa Business GmbH Von-Blanckart-Str. 9 52477 Alsdorf Tel. 02404 91391-0 Fax 02404 91391 31 crm@masventa.de www.masventa.de
MehrSmart Business Day. B2B. E-Commerce. Agile. Best Practice. Namics. Dr. Tim Dührkoop. Partner.
Smart Business Day. B2B. E-Commerce. Agile. Best Practice. Namics. Dr. Tim Dührkoop. Partner. 29. September 2011 Was macht der Leader? 29.09.11 2 Smart Business Day. B2B. Best Practice. Namics. 29.09.11
MehrDie aktuellen Top 10 IT Herausforderungen im Mittelstand
Die aktuellen Top 10 IT Herausforderungen im Mittelstand Ronald Boldt, SPI GmbH Über mich Ronald Boldt Leiter Business Solutions SPI GmbH Lehrbeauftragter für Geschäftsprozess orientiertes IT Management
MehrProjektplanung und management für den erfolgreichen Aufbau Ihres Call Centers
Projektplanung und management für den erfolgreichen Aufbau Ihres Call Centers Grundlagen des Umsetzungskonzeptes Projektplanung und -organisation Kritische Erfolgsfaktoren bei der Realisierung 5 Phasen
MehrWege zur Service Orientierten Organisation. Prof. Dr. Eberhard Schott e-mail: eberhard.schott @ fh-aschaffenburg.de
Vortrag Prof. Dr. Eberhard Schott e-mail: eberhard.schott @ fh-aschaffenburg.de 1. Anforderungen an eine Service Orientierte -Organisation Eine -Organisation sollte den Mentalitätswandel zum Dienstleistungsanbieter
MehrBessere Daten durch Stammdatenmanagement
make connections share ideas be inspired Bessere Daten durch Stammdatenmanagement Mit SAS MDM, bessere Stammdaten für operativen Systeme make connections share ideas be inspired Overview Mit SAS MDM bessere
MehrDieser Handlungsbedarf wird organisatorisch durch das Aufsetzen konkreter (Teil-)Projekte wahrgenommen
Vorlesung vom 13.06.2005 - Geschäftsprozessmangement / Standardsoftware 08.30 Begrüßung durch Dr. Wolfram Jost, Vorstand der IDS Scheer AG 08.35 Prozessmanagement (Fortsetzung des Vorlesunginhalts vom
MehrOrientierungsveranstaltung für Studierende der Bachelorstudiengänge. Schwerpunkt Wirtschaftsinformatik. Prof. Stefan Lessmann
Orientierungsveranstaltung für Studierende der Bachelorstudiengänge BWL und VWL Schwerpunkt Wirtschaftsinformatik Prof. Stefan Lessmann Agenda Schwerpunkt Wirtschaftsinformatik Gegenstand der Wirtschaftsinformatik
MehrWie Sie Ihr B2B-Geschäftsmodell richtig digitalisieren
Wie Sie Ihr B2B-Geschäftsmodell richtig digitalisieren Grenzüberschreitendes Innovationsforum 31. Mai 2016 "Wir müssen in Geschäftsmodellen denken! [ ] Ich habe die Sorge, dass wir tolle Technologien entwickeln
MehrStrategiebildung und Erfolgskontrolle in Kompetenznetzwerken
Strategiebildung und Erfolgskontrolle in Kompetenznetzwerken Prof. Dr. Thomas Heimer Frankfurt School of Finance & Management 2. Erfahrungsaustausch hessischer Cluster- & Kompetenznetzwerke 28. April 2009
MehrMEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015
MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015 DAS ERWARTET SIE IN MEINEM VORTRAG Neue Anforderungen, neue Herausforderungen, neue Möglichkeiten Software Demo:
MehrSummary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6
Inhaltsverzeichnis Summary... 4 Keywords... 4 Granularität der Daten... 5 Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Partitionierung der Datenbestände... 7 Vergrößerter Aktionsradius von
MehrUnit 13 Marketing. October 2004 Project Management Wilhelm F. Neuhäuser IBM Corporation 2003
Unit 13 Marketing October 2004 Project Management Wilhelm F. Neuhäuser IBM Corporation 2003 Agenda Unit 13: Marketing Was ist Marketing? Das richtige Produkt Marktsegmentierung Marketing Mix 2 Was ist
MehrWorüber reden wir heute? Resilienz. » Lebensstile im Wandel der Zeit. » Identiting als Instrument zur Resilienzsteigerung und -sicherung
20. November 2013 B7 Arbeit und Leben STARKE MENSCHEN! STARKE WIRTSCHAFT! Resilienz und neuer Lebensstil Resilienz AGENDA Worüber reden wir heute?» Lebensstile im Wandel der Zeit» Identiting als Instrument
MehrWie aus Steuerungsinformation öffentliche Statistik wird
Wie aus Steuerungsinformation öffentliche Statistik wird Schweizer Statistiktage Vaduz, 19. - 21. September 2012 Lukas Calmbach, Statistisches Amt des Kantons Basel-Landschaft Statistisches Amt des Kantons
Mehr9 Resümee. Resümee 216
Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls
Mehr----------------------------------------------------------------------------------------------------------------------------------------
0 Seite 0 von 20 03.02.2015 1 Ergebnisse der BSO Studie: Trends und Innovationen im Business Performance Management (BPM) bessere Steuerung des Geschäfts durch BPM. Bei dieser BSO Studie wurden 175 CEOs,
MehrErfolgsfaktoren im E-Commerce bei Ravensburger
Erfolgsfaktoren im E-Commerce bei Ravensburger Spieleklassiker von Ravensburger Ravensburger ist der führende Anbieter von Puzzle, Spielen und Beschäftigungsprodukten in Europa und einer der führenden
Mehr2006 COGNOSCO AG, 8057 ZUERICH, SWITZERLAND All rights reserved. Performance Management Markterfolg dank Kundenrating
Performance Management Markterfolg dank Kundenrating Welches sind Ihre besten Kunden? Frage 1: Kennen Sie die Umsatzentwicklung jedes Kunden über die letzten 5 Jahre? Frage 2: Kennen Sie den Produkte-Mix
MehrMehr 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
MehrFakultät für Wirtschaftswissenschaften Einführungsveranstaltung für Studienanfänger 8. Oktober 2015. Masterstudiengang Value Chain Management
8. Oktober 2015 Masterstudiengang Value Chain Management Value Chain Management Management betrieblicher Wertschöpfungsketten Der Weg eines Produktes vom Lieferanten über den Hersteller hin zum Endkunden
MehrVDI-Gesellschaft Systementwicklung und Projektgestaltung VDI-GSP. Kompetenz in. Projektmanagement Wertanalyse
VDI-Gesellschaft Systementwicklung und Projektgestaltung VDI-GSP Kompetenz in Projektmanagement Wertanalyse Zuverlässigkeit Qualität Die VDI-GSP ist das Forum für die ganzheitliche Entwicklung und Optimierung
MehrMining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr.
Mining the Web Analyse von Benutzerpfaden und Nutzertypen im Internet Dr. Frank Säuberlich Business Unit CRM Solutions SAS Deutschland Agenda 1. Einleitung: Der Lebenszyklus eines e-kunden Begriffsdefinition
MehrHannover, 20.03.2015 Halle 5 Stand A36
Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center
MehrVorlesung Grundzüge der Wirtschaftsinformatik W1311 Fakultät für Wirtschaftswissenschaften
Vorlesung Grundzüge der Wirtschaftsinformatik W1311 Fakultät für Wirtschaftswissenschaften Lernziele Nach dieser Veranstaltung sollten Sie einen Gesamtüberblick über die Wirtschaftsinformatik, die von
MehrDatenschutz im Unternehmen
Datenschutz im Unternehmen lästige Pflicht oder Chance zur Profilierung? Prof. Dr. Jürgen Taeger Carl von Ossietzky Universität Oldenburg InfoTreff Googlebar und rechtssicher 6. Mai 2013 I. Datenschutz
MehrPraxis-Leitfaden Erfolgsfaktoren der Nutzerakzeptanz für IT-Projekte in sozialen Organisationen
Praxis-Leitfaden Erfolgsfaktoren der Nutzerakzeptanz für IT-Projekte in sozialen Organisationen Ergebnisse der FINSOZ-Arbeitsgruppe Sozialmanagement und IT FINSOZ e.v. - Fachverband Informationstechnologie
MehrAuszug aus Stolperstein Datenqualität im CRM Umfeld
Auszug aus Stolperstein Datenqualität im CRM Umfeld Sichere Wege zur Datenqualität? CRM Gipfeltour CRM IST Situation Ausgangssituation: Prozess- und Medienbrüche Kundendaten werden in mehreren Systemen
MehrDISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 348
DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 348 Konzeption eines Projektvorgehensmodells für die Business-Intelligence-Strategieberatung
MehrWISSENSCHAFTSMARKETING Database Management
WISSENSCHAFTSMARKETING Database Management Dipl.-Kfm. Christian Kramberg Bonn, 15. März 2006 Christian Kramberg 15.03.2006 www.kramberg.de Seite 1 Übersicht Vergleich Definition Situation Christian Kramberg
Mehrmedien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk
Reihe medien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk Band 48 Ute GUndling Die Neuausrichtung des Zeitungsmarfcetings durch Customer Relationship Management
MehrMessung im Einkauf revolutioniert. Einkaufspreis-Performance-Index
Messung im Einkauf revolutioniert Einkaufspreis-Performance-Index Messen Sie Ihre Einkaufsperformance! Wie gut sind Ihre Einkaufspreise im Vergleich zum Markt? Können Sie den Markt langfristig schlagen
Mehr