Post on 05-Apr-2015
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Prof. Dr. Andreas Hilberthilbert@wiid.wiwi.tu-dresden.de
http://wiid.wiwi.tu-dresden.de01062 Dresden
Telefon +49 351 463-32359Telefax +49 351 463-32736
Rico LudwigChris ReichePatrick Schwabe
Ausgewählte Aspekte der BI:Projektseminar
Zwischenpräsentation
Mat. Nr.: 3111685Mat. Nr.: 3206958Mat. Nr.: 3235860
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Zwischenpräsentation
Die LinusbankAllgemeine Marktübersicht
Unternehmenssicht
ProblembeschreibungProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodellKampagnenauswertung
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 3
Die LinusbankAllgemeine Marktübersicht
• Höhere Preissensitivität
• Häufig 2 bis 4 Bankverbindungen
• Entwicklung kostenloser Girokonten:– 2000: gesamt: 6 %
– 2005: gesamt: 10 % - 2 % Onlinekonten
– 2010: gesamt 20 % - 19 % Onlinekonten
• Allgemeine Demografie am Markt:– 21 % jünger als 30
– 15 % älter als 70 Jahre
– 19 % zwischen 40 und 49
– andere Altersgruppen jeweils ca. 15 %
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 4
Die LinusbankUnternehmenssicht
• Mittelgroße Filialbank mit 500.000 Kunden
• 5 Produkte :
• Umfangreiches Data Warehouse mit historisierter Datenbasis
• Sowohl Online- als auch Filialgeschäft
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Zwischenpräsentation
Die LinusbankProblembeschreibung
Was der Kunde sagt
Was der Kunde will
ProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodellKampagnenauswertung
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 6
ProblembeschreibungWas der Kunde sagt
„Wir wollen den Produktbesitz und die Produktnutzung unserer Bestandskunden intensivieren, um dem Wettbewerbsdruck zu begegnen. Allerdings sind die Kosten unserer jeweils produktbezogenen Cross- und Up-Selling-Kampangen hoch, und zu häufig sollten die Kunden auch nicht angesprochen werden. Deshalb wollen wir mit unseren Kampagnen vorranging die wertvollsten Kunden adressieren. Leider können wir den Erfolg von Kampagnen nur schwer beurteilen. Anhand von Vergangenheitsdaten wissen wir, dass sich unsere Kunden hinsichtlich ihres Produktbesitzes, ihrer Produktnutzung sowie ihrer Reaktion auf Kampagnen zum Teil deutlich unterscheiden.“
„Wir wollen den Produktbesitz und die Produktnutzung unserer Bestandskunden intensivieren, um dem Wettbewerbsdruck zu begegnen. Allerdings sind die Kosten unserer jeweils produktbezogenen Cross- und Up-Selling-Kampangen hoch, und zu häufig sollten die Kunden auch nicht angesprochen werden. Deshalb wollen wir mit unseren Kampagnen vorranging die wertvollsten Kunden adressieren. Leider können wir den Erfolg von Kampagnen nur schwer beurteilen. Anhand von Vergangenheitsdaten wissen wir, dass sich unsere Kunden hinsichtlich ihres Produktbesitzes, ihrer Produktnutzung sowie ihrer Reaktion auf Kampagnen zum Teil deutlich unterscheiden.“
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 7
ProblembeschreibungWas der Kunde will
• Kosten für Kampagnen sehr hoch
• Kunden nutzen wenige Produkte
• Keine Erfolgsmessung der Kampagnen
• Wertvolle Kunden unbekannt
Ziele:– Kundenzufriedenheit und Bindung erhöhen
– Wertvolle Kunden identifizieren
– Kosten reduzieren
– Erfolgsmessung für Marketingkampagnen einführen
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Zwischenpräsentation
Die LinusbankProblembeschreibungProjektplan
ProjektablaufKoordination der Projektarbeit
Deskriptive AnalyseKundenwertkonzeptKlassifikationsmodellKampagnenauswertung
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 9
ProjektplanProjektablauf
• Orientierung des Projektablaufes an den Phasen des CRISP-DM
• Einarbeitung in Bankgeschäft und Daten der Linusbank
• Festlegen der Teilziele für Projektablauf
• Erarbeiten von Kennzahlen auf Basis der vorhandenen Daten
• Evaluation der erstellten Modelle und ableiten von Handlungsempfehlungen
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 10
ProjektplanKooperation der Projektarbeit
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Zwischenpräsentation
…ProjektplanDeskriptive Datenanalyse
Übersicht über vorhandene DatenProduktverteilungProdukterträgeKundenstruktur
KundenwertkonzeptKlassifikationsmodellKampagnenauswertung
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 12
Deskriptive DatenanalyseÜbersicht über vorhandene Daten
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 13
Deskriptive Datenanalyse Produktverteilung
• Girokonto hat größten Produktanteil
• Kredit nur vergleichsweise geringer Anteil
• Anteil für Riester und Sparen minimal
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 14
Deskriptive Datenanalyse Produkterträge
• Riester und Kredit haben die höchsten Anteile an den Erträgen
• Zins, Giro und Depot vergleichsweise niedriger Ertragsanteil
Jahresertrag Laufzeitertrag
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Riester
Zins
Giro
Depot
Kredit Jahresertrag Laufzeitertrag
530 1970
140 290
40 260
25 90
450 570
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 15
Deskriptive Datenanalyse Kundenstruktur 1/2
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 16
Deskriptive Datenanalyse Kundenstruktur 2/2
• Mehr Filial- als Onlinekunden
• Kaum Unterschiede in der Altersstruktur im Vergleich Online/ Offline
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Zwischenpräsentation
…Kundenwertkonzept
Motivation
AnforderungenMögliche VerfahrenDreidimensionales KundenwertmodellKundenwert im ProjektZielsegmentierung
KlassifikationsmodellKampagnenauswertung
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 18
KundenwertkonzeptMotivation
• Banken besitzen nur beschränkte Ressourcen für Aktivitäten der
Kundenbindung
• Ziel ist es Kundensegmente zu identifizieren, die den Einsatz dieser
Ressourcen rechtfertigen
• Ermöglichung einer spezifischen Art der Betreuung von
Bestandkunden und potenziellen Neukunden
bester Bezugspunkt zur Einschätzung des Umfangs der Aktivitäten ist der Kundenwert
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 19
Kundenwertkonzept Anforderungen
• Wertebeitrag von Bestandskunden und potenziellen Neukunden
einschätzen
• Aktivitäten auf attraktive Kunden konzentrieren
• Kundenloyalität erhöhen
• Ausschöpfung von Cross- & Up-Selling-Potenzialen
• Vertriebsressourcen optimal nutzen
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 20
KundenwertkonzeptProbleme 1/2
• Zukünftiger Wertebeitrag eines Kunden unterscheidet sich sehr stark
• Relevante Daten für Kunden-Segmentierung müssen aus großer
Menge
verschiedener Daten gefiltert werden und sollen nötige
Trennschärfe
vorweisen
• Unterschiedliche Kundeneigenschaften, insb. asymmetrisch verteilte
Informationen erschweren einen objektiven Vergleich
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 21
Kundenwertkonzept Probleme 2/2
• Welche monetären und nicht-monetären Determinanten müssen
berücksichtigt werden?
• Wie können diese Determinanten operationalisiert werden?
• Wie kann die Entwicklung der zukünftigen Erträge und Kosten
geschätzt werden?
• Wie können die notwendigen Informationen aus der Vergangenheit zur
Verfügung gestellt werden?
• Wie kann das Problem der Zurechenbarkeit auf einen einzelnen
Kunden gelöst werden?
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 22
KundenwertkonzeptMögliche Verfahren
• Qualitative Segmentierung
• ABC-Analysen
• Kunden-Deckungsbeitragsrechnung
• Kunden-Scoring-Modelle
• Kunden-Portfolio-Analyse
• Customer-Lifetime-Value
Entscheidung für ein dreidimensionales Kundenwertmodell
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 23
KundenwertkonzeptDreidimensionales Kundenwertmodell
• Kundenwert misst den
erwarteten Wertebeitrag eines
Kunden
• Derzeitige & zukünftige CFs
werden berücksichtigt
Kundenwert
=
Quelle: Reuß, Zimmermann, Zwiesler: „spartenübergreifendes Kundenwertmodell“ in Versicherungswirtschaft, Heft 4/2006, S. 303 - 307
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 24
KundenwertkonzeptKundenwert im Projekt
Merkmale von "guten" Kunden:
• mit hohem Kreditvolumen
• geringer Kreditausfallwahrscheinlichkeit
• mit hoher Einlage
• mit hohen Einkommen • treu
Durch welche Daten lassen
sich solche Kunden erkennen?
• Kreditvolumen (VOLUMEN_KREDIT)
• Kreditwürdigkeit
• Einlagen-Netto-Volumen
• Einlagenvolumen
• Saldo Girokonto
• Beziehungsdauer
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 25
KundenwertkonzeptZielsegmente
Quelle: Börner: „Kundenwert als Maßstab für die Vertriebssteuerung“ in Bankstrategien im Firmenkundengeschäft (2005)
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Zwischenpräsentation
…ProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodell
Bedingungen
Voraussetzung
Modelltypen
Kampagnenauswertung
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 27
KlassifikationsmodellBedingungen
• Fehler erster Art (falsch positiv) vermeiden Kunde wird als Wertvoll klassifiziert, obwohl er nicht wertvoll ist
Kunde wird ein hohes Abschlusspotenzial vorhergesagt, obwohl er kein Produkt kaufen wird
• Fehler zweiter Art (falsch negativ) ausschließen wertvolle Kunden werden nicht erkannt Abschlusspotential bleibt unerkannt
praktisch nicht erfüllbar!
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 28
KlassifikationsmodellVoraussetzung
• Kennzahlen– An was lassen sich wertvolle Kunden messen?
• VOLUMEN_GESCHÄFT
• Kreditvolumen (VOLUMEN_KREDIT
• Kreditwürdigkeit
• Einlagen-Netto-Volumen
• Einlagenvolumen
• Saldo Girokonto
• Beziehungsdauer
• (Daten aus SAS suchen und für Problem nehmen)
– Woran lässt sich die Erfolgswahrscheinlichkeit einer Kampagne messen?• ABSCHLUSSWAHRSCHEINLICHKEIT
• Verhältnis zwischen WIRKGRUPPE KONTROLLGRUPPE
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 29
KlassifikationsmodellModelltypen 1/2
• Klassifikationsmodelle ordnen Elemente in Segmente ein
• Klassifikationsmodelle sind– Entscheidungsbäume
– Künstliche Neuronale Netze• Einschichtig vs. mehrschichtig
• Feedforeward vs. Feedback
– Multivariate Verfahren der Statistik• Regressionsanalyse
• Varianzanalyse
• Diskriminanzanalyse
• Kontingenzanalyse
• Logistische Regression
• Strukturgleichungsmodell
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 30
KlassifikationsmodellModelltypen 1/2
Diskriminanzanalyse als Kanditat für Kundenwertmodell
• Aufgrund einer Menge von p Variablen ("features") auf die Klassenzugehörigkeit eines Objektes schließen
• Standard-Beispiel: Kredit-Scoring– mtl. Einkommen
– Familienstand
– Beruf
– Kredithöhe
– Zurückzahlungsschema
• Auswertung nach Statistischen Kriterien, wie:– Kleinste erwartete Fehlerrate
– Minimale erwartete Kunden
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research
Zwischenpräsentation
Die LinusbankProblembeschreibungProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodellAusblick
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research
Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 32
Ausblick
• Kampagnenauswertung
• Modellauswahl
• Dokumentation der Projektschritte