Wirtschaft Alisa Laura Löwenstrom Big Data - Möglichkeiten und Grenzen des Data Mining im Dialogmarketing Bachelorarbeit
Löwenstrom, Alisa Laura: Big Data - Möglichkeiten und Grenzen des Data Mining im Dialogmarketing, Hamburg, Diplomica Verlag GmbH 2014 PDF-eBook-ISBN: 978-3-95636-403-7 Herstellung: Diplomica Verlag GmbH, Hamburg, 2014 Zugl. Duale Hochschule Baden-Württemberg, Stuttgart, Bachelorarbeit, 2014 Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Dies gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Bearbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Die Informationen in diesem Werk wurden mit Sorgfalt erarbeitet. Dennoch können Fehler nicht vollständig ausgeschlossen werden und die Diplomica Verlag GmbH, die Autoren oder Übersetzer übernehmen keine juristische Verantwortung oder irgendeine Haftung für evtl. verbliebene fehlerhafte Angaben und deren Folgen. Alle Rechte vorbehalten Diplom.de, Imprint der Diplomica Verlag GmbH Hermannstal 119k, 22119 Hamburg http://www.diplom.de, Hamburg 2014 Printed in Germany
II Inhaltsverzeichnis Seite Abkürzungsverzeichnis... IV Abbildungsverzeichnis... VI Tabellenverzeichnis... VII 1 Einleitung... 1 1.1 Ziel der Arbeit... 2 1.2 Vorgehensweise und Aufbau der Arbeit... 2 1.3 Abgrenzung der Arbeit... 3 2 Begrifflich-systematische Grundlagen... 3 2.1 Dialogmarketing... 3 2.1.1 Definition des Begriffs Dialogmarketing... 3 2.1.2 Einordnung des Dialogmarketings in das Aufgabenfeld Marketing... 5 2.1.3 Instrumente des Dialogmarketing... 9 2.2 Data Mining... 13 2.2.1 Definition des Begriffs Data Mining... 13 2.2.2 Einordnung von Data Mining ins Dialogmarketing... 14 2.2.3 KDD-Prozess... 16 2.2.4 Aufgaben des Data Minings... 18 2.2.5 Methoden des Data Mining... 21 2.3 Big Data... 27 2.3.1 Definition des Begriffs Big Data... 27 2.3.2 Einordnung von Big Data ins Dialogmarketing... 31 2.3.3 Entwicklung des Trends Big Data... 33 2.4 Zusammenfassung der begrifflich-systematischen Grundlagen... 38
III 3 Empirische Forschung durch Befragung... 39 3.1 Durchführung von Experteninterviews... 39 3.1.1 Experten bei der SIG... 39 3.1.2 Branche Lebensmittelhersteller... 40 3.1.3 Branche Consulting... 41 3.1.4 Telekommunikationsbranche... 42 3.1.5 Versicherungsbranche... 43 3.1.6 Finanzdienstleistungsbranche... 46 3.2 Erstellung und Durchführung des Fragebogens... 46 3.2.1 Erstellung des Fragebogens... 46 3.2.2 Durchführung des Fragebogens... 48 3.3 Auswertung des Fragebogens und Ergebnisse... 49 4 Möglichkeiten und Grenzen des Data Mining im Dialogmarketing... 65 4.1 Möglichkeiten... 65 4.2 Grenzen... 67 4.3 Zusammenfassung der Ergebnisse... 69 5 Fazit... 71 Anhang... 74 Literaturverzeichnis... 80 Verzeichnis der Internetquellen... 85 Gesprächsverzeichnis... 88
IV Abkürzungsverzeichnis App ARIS BI BITKOM BDSG CpC CpO CRM D2D Applikation Analyse Research Information Support Business Intelligence Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.v. Bundesdatenschutzgesetz Cost per Click Cost per Order Customer Relationship Management Doctor to Doctor E-Commerce Electronic Commerce E-Mail E-Miner EMC F2F F & E Geo IAIS IBM IDC KDD Ltd. NSA Electronic Mail Enterprise Miner Egan-Marino-Corporation Face to Face Forschung & Entwicklung Geographisch Intelligente Analyse- und Informationssysteme International Business Machine Corporation International Data Corporation Knowledge Discovery in Databases Limited National Security Agency
V POS QR-Code SAP SIG SMS TV WWW Point of Sale Quick Response Code Systemanalyse und Programmentwicklung Schober Information Group Deutschland Short Message Service Television World Wide Web
VI Abbildungsverzeichnis Abb. 1: Marketing als duales Führungskonzept... 6 Abb. 2: Theoriezyklen des sektoralen Marketings... 7 Abb. 3: Die 7 P im Dienstleistungsmarketing... 8 Abb. 4: Eingliederung der Dialogmarketing-Instrumente in den Marketing-Mix... 9 Abb. 5: Einordnung der Dialogmarketing-Medien in den Marketing-Mix... 12 Abb. 6: Einordung des Data Mining ins Dialogmarketing... 16 Abb. 7: Phasen des KDD-Prozess... 17 Abb. 8: Beispiel für eine Clusteranalyse... 24 Abb. 9: Quellen des Datenaufkommens bei Big Data... 28 Abb. 10: Charaktermerkmale von Big Data... 30 Abb. 11: Umfrage zu Big-Data-Aktivitäten in Unternehmen weltweit 2012... 34 Abb. 12: Prognose zum weltweit generierten Datenvolumen bis 2020... 36 Abb. 13: Über welche Kanäle erheben Sie (Kunden-)Daten?... 52 Abb. 14: Wie sind die Daten in Ihrem Unternehmen früher und aktuell gewachsen?... 54 Abb. 15: Wie werden die Daten in Ihrem Unternehmen in Zukunft wachsen?... 55 Abb. 16: Welche Hürden müssen Sie überwinden, um Daten gewinnbringend zu nutzen?.. 58 Abb. 17: Wo setzen Sie in Ihrem Unternehmen Data Mining ein?... 60 Abb. 18: Welcher Bereich in Ihrem Unternehmen ist für Data Mining & Big Data zuständig?61 Abb. 19: Welche Technologien setzen Sie für Big Data und Data Mining ein?... 63
VII Tabellenverzeichnis Tab. 1: interne und externe Datenquellen für Big Data im Dialogmarketing... 33 Tab. 2: Übersicht der abgebeben Stimmen für die Bedeutung von Data Mining & Big Data. 51 Tab. 3: Gründe für das Datenwachstum... 57 Tab. 4: Übersicht der Möglichkeiten und Grenzen des Data Mining im Dialogmarketing... 70
1 1 Einleitung Zwei Millionen Suchanfragen in Google, 70 neu registrierte Domains, 571 neu erstellte Websites, Download von 15.000 Liedern in itunes, Versand von 204 Millionen E-Mails, 278.000 Tweets in Twitter und 1,8 Millionen Likes in Facebook und das in 60 Sekunden. 1 So schnell kann man als Mensch online sein. Und täglich kommen neue Domains, Websites, Blog-Einträge und Nachrichten hinzu. 2 Wie die Zahlen zeigen, werden fast pausenlos Kurznachrichten über Whatsapp und SMS, Fotos oder der aktuelle Standort um die ganze Welt geschickt. Die Welt ist heute voll von Daten. 3 Die klassischen Datenbanken, in denen große Mengen und Berge generierter Daten gesammelt werden, können den Datenwust nicht mehr bewältigen und müssen weiterentwickelt werden. Um jedoch mit den Daten effektiv etwas anfangen zu können, wird im ersten Schritt Data Mining benötigt. Mit Hilfe dessen entsteht eine Vielzahl an Möglichkeiten, wie man sich diese Daten und die darin enthaltenen Informationen zu nutze machen kann. Die Daten gewinnen somit für die Gesellschaft, die Unternehmen und die Wirtschaft immer mehr an Bedeutung. Nicht ohne Grund sagt man, dass die Daten neben Kapital, Arbeitskraft und Rohstoffen zum vierten Produktionsfaktor werden. 4 Außerdem spricht man davon, dass die Daten das Öl des digitalen Zeitalters sind. 5 Befasst man sich konkreter mit diesem Thema, stößt man sehr schnell auf den Begriff Big Data, das zur Zeit in aller Munde ist. Der Datenhype und das Bild eines gläsernen Kunden wurde und wird medial unter anderem durch den Whistleblower Edward Snowden gestärkt. 6 Dabei wird nicht nur Big Data uns die nächsten Jahre begleiten. Auch viele weitere Trends, wie beispielsweise der sogenannte Second-Screen, werden im täglichen Leben eine Rolle spielen. 7 Darunter ist zu verstehen, dass die Konsumenten, während sie eine Sendung oder Show im TV sehen, über soziale Netzwerke wie Facebook und Twitter via iphone, ipad oder andere Smartphones und Tablets über die Sendung mit anderen Konsumenten und Zuschauern diskutieren und ihre Meinungen austauschen. Das Medium TV bekommt 1 Vgl. Qmee (Hrsg.) (2013), blog.qmee.com/qmee-online-in-60-seconds/; Abruf: 16.04.2014 2 Vgl. Wartala, R. (2012), S. 15 3 Ebenda, S. 16 4 Deutsche Welle (Hrsg.) (2013), http://www.dw.de/kampf-um-einen-neuen-rohstoff-big-data/a- 16578387; Abruf: 16.04.2014 5 Gesellschaft für Informatik (Hrsg.) (2013), http://www.gi.de/nc/service/informatiklexikon/detailansicht/article/big-data.html; Abruf: 16.04.2014 6 Vgl. Geiselberger, H./ Moorstedt, T. (2013) 7 Vgl. WirtschaftsWoche (Hrsg.) (2013), http://www.wiwo.de/technologie/gadgets/gadgets-big-dataund-co-diese-technik-trends-kommen-2013/7551064.html; Abruf: 28.11.2013
2 dadurch Konkurrenz, wird gleichzeitig aber auch mobiler. Das führt zurück zu der Erkenntnis wie schnell man als Person (in 60 Sekunden) online und mobil sein kann. Wenn es gelingt, aus den stetig wachsenden Datenbergen durch geeignete Verfahren und Analysen, wie das bereits erwähnte Data Mining, diese Daten zu strukturieren, kann dies für viele verschiedene Lebens- und Geschäftsbereiche genutzt werden. 8 Die vorliegende Arbeit soll genau dieses Themengebiet aufgreifen und die Möglichkeiten, jedoch auch die Grenzen von Data Mining vor allem im Hinblick auf das Dialogmarketing aufzeigen. 1.1 Ziel der Arbeit Ziel dieser Bachelorarbeit ist es aufzuzeigen, welche Möglichkeiten und Grenzen das Data Mining im Dialogmarketing hat. Hierbei wird der Begriff Big Data aufgegriffen, der in der Fachdiskussion inflationär verwendet wird. Viele kritisieren, dass den weitreichenden Möglichkeiten des Big Data nur eine geringe praktische Relevanz gegenübersteht. Dieses Spannungsfeld soll diese Arbeit empirisch beleuchten und besonders Aspekte des Data Minings sollen dabei betrachtet werden. Durch Experteninterviews und eine Online Survey sollen die Ergebnisse empirisch erhoben und ausgewertet werden. 1.2 Vorgehensweise und Aufbau der Arbeit Zu Beginn der vorliegenden Arbeit werden in Kapitel 2 allgemeine begriffliche Grundlagen zu den Themen Big Data, Data Mining und Dialogmarketing erläutert. Die Einordnungen der Begriffe Data Mining und Big Data in das Dialogmarketing sollen ebenfalls dargestellt werden. Außerdem werden der Prozess im Data Mining, die Aufgaben und Verfahren hier aufgegriffen und detailliert dargestellt. Die Entwicklung des Trends Big Data wird des Weiteren im zweiten Kapitel veranschaulicht. Das darauffolgende dritte Kapitel dieser vorliegenden Arbeit setzt sich mit der praktischen Umsetzung, einer empirischen Forschung auseinander. Hierfür werden Experteninterviews durchgeführt und ein Fragebogen erstellt und dieser ausgewertet. Die Ergebnisse der Befragung werden ebenfalls in diesem Kapitel gesammelt und festgehalten. In Kapitel 4 folgt dann der Kern dieser Arbeit. 8 Vgl. Gesellschaft für Informatik (Hrsg.) (2013), http://www.gi.de/nc/service/informatiklexikon/detailansicht/article/big-data.html; Abruf: 16.04.2014