Management Consulting GmbH Effizientes Vertriebscontrolling mit Data-Mining Christoph Albrecht Elmshorn, den 16. Januar 2003 Agenda Ziele und Rahmenbedingungen Aufgaben Kennzahlen Planung und Steuerung Data-Mining Beispiele 2 1
Vertrieb hat nur ein primäres Ziel : Die Steigerung des Customer Lifetime Value Kundenwert- Bestandssicherung Kundenidentifizierung Kundenwert-Optimierung Kundenwert Zeit Customer Lifetime Value = Return on Customer = Kundenwert (t) dt Quelle: META Group Deutschland 3 Ist das Vertriebscontrolling auf die Ziele des Vertriebes ausgerichtet?? 4 2
Controlling muss die kurz- und langfristigen Ziele im Vertrieb unterstützen Erhöhung der Deckungsbeiträge Verbesserung des Kundennutzens Senkung der Vertriebskosten Anhebung des Marktanteils Verbesserung der Kundenzufriedenheit 5 Agenda Ziele und Rahmenbedingungen Aufgaben Kennzahlen Planung und Steuerung Data-Mining Beispiele 6 3
Effektives Vertriebscontrolling konzentriert sich auf die wesentlichen Bereiche Aufstellung von gewinnorientierten Absatz- und Umsatzplänen Durchführung von ergebnisorientierten Kontrollen Einhaltung von engpassorientierten Steuerungen 7 Effektives Controlling wird erst durch die Abdeckung weiterer Bereiche erreicht Kundensegmentierungen Deckungsbeitragsrechnungen ABC-Analysen Konkurrenz-Analysen Portfolio-Analysen Potenzial-Analysen Aufnahme neuer Produkte Eliminierung von Produkten Stärken- und Schwächenprofilen 8 4
Operatives und strategische Controlling sind für die Zielerreichung im Vertrieb wichtig Planungszeiträume Operatives Controlling Strategisches Controlling 9 Die wesentlichen Aufgaben des operativen Controlling sind Gewinnsteuerung mit transparenten Berichtswesen Zeitnah Genauigkeit Schaffung von Planungsgrundlagen Basis ist eine kurzfristige Erfolgsrechnung Sinnvolle Einteilung nach - Produktgruppen - Kundengruppen - Verkaufsgebieten - Absatzkanälen 10 5
Die wesentlichen Aufgaben des strategischen Controlling sind Die Existenzsicherung des Unternehmens Reaktion auf externe und internen Veränderungen Konzentration auf neue Erfolgspotenziale Unterstützung der strategische Ziele Entwicklung neuer Produkte und Dienstleistungen Aufbau neuer Vertriebsstruktur Erschließung neuer Vertriebswege Steigerung der Qualifikation der Mitarbeiter Erschließung neuer Märkte 11 Agenda Ziele und Rahmenbedingungen Aufgaben Kennzahlen Planung und Steuerung Data-Mining Beispiele 12 6
Kennzahlen bilden die Grundlagen für ein erfolgreiches Controlling Kennzahlen müssen den Anforderungen des Marktes entsprechen Kennzahlen werden erst im Vergleich aussagekräftig Monatlich Quartal Jahr Kennzahlen müssen die Ziele des Unternehmens abbilden Harte Kennzahlen sind nicht alles Weniger ist mehr Verlässlichkeit geht vor Masse Weiche Kennzahlen nehmen an Bedeutung zu 13 Folgende Ziele sind für die Unternehmen besonders wichtig: Mitarbeiterzufriedenheit Rentabilität Liquidität Marktanteil Produktivität der Mitarbeiter Marktwachstum Kundenzufriedenheit Qualitätssicherung Kostensenkung 14 7
Wichtige Kennzahlen sind u.a. Anzahl Kunden Neukundenquote Anzahl Aufträge Angebotshitrate Anzahl Reklamationen Umsatz pro Kunde Deckungsbeitrag pro Kunde Wichtigkeit der Kunden Besuchzeit pro Kunden Anzahl Besuche pro Tag Besuchsdauer Besuchshäufigkeit Umsatz pro Besuch Kosten pro Besuch Rabatt-Entwicklung Preis-Entwicklung Ziel ist Steigerung der Effektivität und der Effizienz 15 Kennzahlen eines Vertriebcontrollings Vertriebscontrolling-Kennzahlensystem Strukturanalyse Wirtschaftlichkeitsanalyse Lageanalyse Vertriebsstruktur Marktstruktur Erfolg der Effizienz der Vertriebsorganisation Wirtschaftlichkeitsanalyse Erfolgsträger (Segmente) Variable Vertriebskosten Vertriebskosten (insgesamt) Marktanteil Eigener Umsatz Branchenumsatz Verkaufsergebnis Nettoverkaufsgewinn Umsatz Personaleffizienz Umsatz eingesetzte Mitarbeiter Vertriebskostenstruktur Produktgruppenbezogener Umsatzanteil (A-,B-,C-Produkte) Umsatz A-Artikel Gesamtumsatz Marktanteilsentwicklung MA der Periode t MA der Basisperiode Umsatzstruktur Umsatz je Artikelgruppe Gesamtumsatz Kundenstruktur Neukunden/Inlands-/ Auslandskunden Kunden (insgesamt) DBU-Steuerung DB-A-Artikel Umsatz A-Artikel Auftragseffizienz Umsatz eingesetzte Akquisitionskosten Kundengruppenbezo-gener Umsatzanteil (A-,B-,C-Kunden) Umsatz A-Kunde Gesamtumsatz Umsatzentwicklung Umsatz der Periode t Umsatz der Basisperiode Auftragsstruktur Konkurrenzstruktur Budget/ Kapitaleffizienz Verkaufsförderungsmaßnahmen Regionenbezogener Umsatzanteil Auftragsentwicklung Auftragseingänge je Artikelgruppe Auftragseingänge (insgesamt) Marktvolumen der Konkurrenten Marktvolumen insgesamt Œ Umsatz Œ Kosten der Verkaufsförderung Umsatz eingesetztes Budget/Kapital Umsatz Verkaufsgebiet X Gesamtumsatz Auftragseingänge der Periode t Auftragseingänge der Basisperiode Rabattstruktur Preiselastizität des Marktes Werbeerfolgskontrolle Key-Account-Effizienz Betriebsformbezogener Umsatzanteil SGE-Entwicklung Rabatt vom Umsatz A- Artikel Umsatz A-Artikel Œ Umsatz Œ Preis Œ Werbekosten Œ Umsatz Netto-Auftragssumme Akquisitionskosten Umsatz Fach-/ Einzel- /Großhandel Gesamtumsatz Relatives Marktwachstum (%) Relativer Marktanteil (%) Deckungsbeitragsvolumen 16 8
Vertriebskennzahlen als Früh- und Spätindikatoren Spätindikatoren Frühindikatoren Umsatz Umsatz je Vertriebsgebiet für internes Benchmarking von Profit Centern geeignet Umsatz je Kunde/Umsatz je Kundengruppe zeigt DB-starke und -schwache Kunden/Kundengruppen;... Umsatz je Produkt/Umsatz je Produktgruppe zeigt DB-starke und -schwache Produkte/Produktgruppen; Renner- Penner-Analyse Pro-Kopf-Umsatz Umsatz-Ranking von Verkäufern; Welcher Verkäufer liegt unter dem Durchschnitt? Deckungsbeitrag (DB) DB je Vertriebsgebiet für internes Benchmarking von Profit Centern geeignet DB je Kunde/Umsatz je Kundengruppe zeigt DB-starke und -schwache Kunden/Kundengruppen;... DB je Produkt/Umsatz je Produktgruppe zeigt DB-starke und -schwache Produkte/Produktgruppen; Renner- Penner-Analyse Pro-Kopf-DB DB-Ranking von Verkäufern; Welcher Verkäufer liegt unter dem Durchschnitt? Marktanteil (Spätindikator, Frühindikator nur bei Beobachtung der Marktanteilsentwicklung) je Vertriebsgebiet je Kunde/je Kundengruppe Die Neuverkaufsquote ist der Quotient aus der Anzahl der Zweitverkäufe eines Produkts und der Anzahl aller Erstverkäufe. Planabweichung z.b. für Umsatz und DB je Vertriebsgebiet je Kunde/je Kundengruppe je Produkt/je Produktgruppe Neuproduktquote je Vertriebsgebiet je Kunde/je Kundengruppe Die Neuproduktquote ist der Quotient aus der Anzahl der Erstverkäufe eines Produkts und der Anzahl aller Verkäufe. Angebotshitrate je Vertriebsgebiet/je Verkäufer je Kunde/je Kundengruppe je Produkt/je Produktgruppe Die Angebotshitrate ist der Quotient aus der Anzahl generierter Aufträge und der Anzahl abgegebener Aufträge. Neukundengewinnungsquote je Vertriebsgebiet je Kunde/je Kundengruppe Die Neukundengewinnungsquote ist der Quotient aus der Anzahl der Neukunden und der Summe aller betreuten Interessenten. Neuverkaufsquote je Vertriebsgebiet je Kunde/je Kundengruppe Die Neuverkaufsquote ist der Quotient aus der Anzahl der Zweitverkäufe eines Produkts und der Anzahl aller Erstverkäufe. Rabatt und Preisentwicklung je Vertriebsgebiet je Kunde/je Kundengruppe je Produkt/je Produktgruppe Verkaufen einzelne Verkäufer hauptsächlich über den Preis? Relativer Marktanteil (RMA) (Spätindikator, Frühindikator für Unternehmenswachstum) je Vertriebsgebiet je Kundengruppe je Produkt/je Produktgruppe Der RMA wird errechnet aus dem Quotient aus Ihrem Marktanteil und der Summe der Marktanteile der drei größten Anbieter. Kundenzufriedenheit je Vertriebsgebiet je Kunde/je Kundengruppe je Produkt/je Produktgruppe Die Kundenzufriedenheit lässt sich durch eine systematische Befragung der Kunden bestimmen. 17 Agenda Ziele und Rahmenbedingungen Aufgaben Kennzahlen Planung und Steuerung Data-Mining Beispiele 18 9
Planung ohne nachfolgende Steuerung ist Ressourcenverschwendung Planungsbereiche sind Absatzplanung Umsatzplanung Kostenplanung Gewinnplanung (DB I, DBII) Produktionsplanung Investitionsplanung Personalplanung Steuerung ist die Überwachung der Planung und Einleitung von Maßnahmen bei Abweichungen Nur realistische Planungen können sinnvoll gesteuert werden 19 Kundenbindungsportfolio als Beispiel für zielgerichtetes Controllinginstrument Kundenattraktivität/Handelskunden/Großkunden hoch niedrig Star-Kunden Melk-Kunden Cash Cows hoch Nachwuchs- Kunden Question Marks Rückzieh- Kunden Poor Dogs niedrig in Anlehnung an: Meyer/Oevermann, 1995, S. 1347 Strategische Position und Kundenzufriedenheit Kundenbindung/ Lieferanteil des anbietenden Unternehmens Verfahren zur Messung und Darstellung der Kundenzufriedenheit Quantitative Verfahren Kaufabschlussquoten (direkt) Servqual (direkt) Umsätze, Deckungsbeiträge (indirekt) Leistungs-Qualitäts-Indikator (indirekt) Kundenbarometer (Befragung) Qualitative Verfahren Mystery Customer Research Beschwerdemanagement Strategische Positionen und Inhalte der Marketingplanung 1. Sortimentsbezogene Kundenbindung: Zubehörprogramm, Service 2. Kommunikationsbezogene Kundenbindung: Maßnahmen des Direkt-Marketing, Kundenzeitschrift, 3. Preisbezogene Kundenbindung: Treuerabatte, segmentspezifische Preisdifferenzierungen 4. Vertriebsbezogene Kundenbindung: Verteilung von Produktproben bei Events 20 10
Agenda Ziele und Rahmenbedingungen Aufgaben Kennzahlen Planung Data-Mining Beispiele 21 Data-Mining unterstützt Entscheidungen Kosten und Komplexität Data Mining Entdecke Verbindungen und Muster Analytisches Processing online Wie war unser Verkaufstrend im Westen in den letzten Jahren? Abfrage-Instrumente Wie war unser Umsatz im Norden im Mai? Anzahl der Anwender 23 11
Definition Data Mining ist der Prozess des Extrahieren von bisher unbekannter, verständlicher und umsetzbarer Information aus großen Datenmengen und der Nutzung für wichtige Geschäftsentscheidungen. (Zekulin) Historische Daten Vorhersagemodell Neue Daten 24 Data-Mining ist ein kontinuierlicher Prozess Reaktion Datenquellen Laden Transformation Extraktion Enterprise Data Warehouse Aktuelle und historische Daten Data Marts OLAP Mining Query Analyse Marketing Controlling Aktion Metadaten Geschäftsführung Daten Information Analyse Wissen 25 12
Agenda Ziele und Rahmenbedingungen Aufgaben Kennzahlen Planung und Steuerung Data-Mining Beispiele 26 Beispiele für ein effektives Vertriebscontrolling mit dem DeltaMiner 27 13
Die Beherrschung der Komplexität ist ein wesentliches Resultat des Data-Mining Komplexität Controlling gesamt 3.929.516 Elemente / Jahr bereits nach Kunde/Monat/Artikel verdichtet 15 Daten-Dimensionen + Periode etc. 304 Einstiegspunkte ohne Sorten, mit: 2.384! < 14 Produkthauptgruppen < 2 Bohrerarten < 12 Branchen < 4 Erzeugnisbereiche < 11 Hersteller < 126 Kundengruppen < 12 Wirtschaftsräume < 37 Marken < 8 Materialarten < 52 Rabattschlüssel < 11 Schneidstoffe < 2.080 Sorten < 5 Vertriebsbereiche < 7 VK-Bereiche < 3 Vertretergruppen 28 Visualisierung schafft Überblick Hyperbolic Tree Prinzip see & go 19 Dimensionen 29 14
Data-Mining unterstützt Entscheidungen 1. Datenbankabfrage (Artikel, Umsatz) 2. Sortieren 3. Summieren 4. Anteile errechnen All-Trek 800 Himalaja 34000 Alpenstar 5000 Light_S 25000 Carbon_Pro 16000 Carbon_Pro 16000 City_Trek 1000 Alpenstar 5000 Family 2500 Family 2500 Himalaja 34000 City_Trek 1000 Light_S 25000 All-Trek 800 5.-7. Weitere Aufbereitungen (kumulierte Anteile an Umsatz und Objekten) Himalaja 34000 40,3% 40,3% 14,3% Light_S 25000 29,7% 70,0% 28,6% Carbon_Pro 16000 19,0% 89,0% 42,9% Alpenstar 5000 5,9% 94,9% 57,1% Family 2500 3,0% 97,9% 71,4% City_Trek 1000 1,2% 99,1% 85,7% All-Trek 800 0,9% 100,0% 100,0% 9. Klasseneinteilung festlegen: A Himalaja B Alpenstar C City_Trek Light_S Carbon_Pro Family All-Trek Himalaja 34000 Himalaja 34000 40,3% Light_S 25000 Light_S 25000 29,7% Carbon_Pro 16000 Carbon_Pro 16000 19,0% Alpenstar 5000 Alpenstar 5000 5,9% Family 2500 Family 2500 3,0% City_Trek 1000 City_Trek 1000 1,2% All-Trek 800 All-Trek 800 0,9% Summe 84300 8. Grafische Darstellung erzeugen 100,0% 90,0% 80,0% 70,0% 60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0% 0 14,3% 28,6% 42,9% 57,1% 71,4% 85,7% 100% ABC-Analysen verschaffen schnell Klarheit Die Konzentrationskurve zeigt die Bedeutung der ABC-Klassen ABC-Analysen weisen unabhängig vom Analyseobjekt immer dieselben Schritte auf Mit Hilfe einer KI-Heuristik wird automatisch eine sinnvolle Klasseneinteilung vorgeschlagen 15
Data-Mining macht Muster und Merkmale sichtbar Top- und Last-n nach Ähnlichkeit zum Gesamtverlauf unähnlichste Entwicklung ähnlichste Entwicklung 32 Automation in der Abweichungsanalyse < Vertretergruppen < Regionen < Produkthauptgruppen < Stoffgruppen < Bezirke < Kunden < Produktgruppen < Artikel 1 Frage -> 104 denkbare Ursachen in 8 Betrachtungsebenen 33 16
Die Zusammenführung verschiedener Sichten und Schichten führt zur Lösung 34 Ihre Ansprechpartner Management Consulting GmbH Dipl.-Ing. Christoph Albrecht Geschäftsführer Wisserweg 22 Tel.: +49 (40) 870 00 631 D-22589 Hamburg Fax: +49 (40) 870 00 632 calbrecht@c-al-consulting.de Mobil: +49 (172) 67 67 267... 35 17