Potenziale in Kundendaten erkennen
-
Upload
mhp-a-porsche-company -
Category
Data & Analytics
-
view
260 -
download
0
Transcript of Potenziale in Kundendaten erkennen
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Potenziale in Kundendaten erkennen
Auf Schatzsuche im Datenberg
Dr. Dorothee Brauner und Dr. Horst-Florian Jaeck | MHPBoxenstopp: 14.04.2015
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 2
Ihre Gesprächspartner
Dr. Dorothee Brauner
Senior Consultant
SU CRM
MHPBoxenstopp: Potenziale in Kundendaten erkennen
Dr. Horst-Florian Jaeck
Senior Manager
SU CRM
3 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Einleitung
MHPBoxenstopp: Potenziale in Kundendaten erkennen
www.youtube.de/MHPProzesslieferant
Agenda
www.mhp.com/de/events
Zu Anfang sind alle Teilnehmer auf stumm geschalten.
www.mhp.com/de/events
11.00 – 11.10 Uhr Begrüßung Dr. Horst-Florian Jaeck
11.10 – 11.45 Uhr Vortrag Dr. Dorothee Brauner
11.45 – 12.00 Uhr Offene Fragerunde Sie können bereits während der Web Session über die
Chatfunktion im rechten Fenster Fragen einreichen.
www.slideshare.net/MHPInsights
Weitere MHPBoxenstopps
Wo Sie uns in 2015 auch finden können…
16.04.2015 AutomotiveIT Kongress auf der CeBIT 2015 CeBIT, Hannover
21.04.2015 Oracle Business Intelligence Enterprise Mit Ad-hoc Analysen einsteigen und Dashboards durchstarten
Edition
28.04.2015 MHP PLM Migration Factory Der Turbo für Ihre PLM Datenmigration
28.04.2015 AddOn Rekla-Cockpit & CCX Optimierte Reklamationsbearbeitung zur Kunden-
/Lieferantenintegration mit QDX
4 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Prozesse verbessern kann nur, wer sich im Detail auskennt.
Genauso wie im Großen und Ganzen.
MHPBoxenstopp: Potenziale in Kundendaten erkennen
Wir wissen aus Erfahrung,
wie man Ziele erreicht und dabei vorneweg fährt.
5 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Mieschke Hofmann und Partner (MHP)
A Porsche Company
MHPBoxenstopp: Potenziale in Kundendaten erkennen
Die Leistung
Management Consulting
System Integration
Application Management
Business Solutions
Business Solutions
Der Unterschied
Symbiose aus Prozess- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden
Die Kompetenz Ganzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
6 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.
Unsere Kompetenzbereiche mit Themenfeldern.
MHPBoxenstopp: Potenziale in Kundendaten erkennen
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
Production
Planning
Strategic
Production
Consulting
Lean Production
Manufacturing
Execution
Maintenance
Retail Service
Management
Retail
Consulting
Fleet
Management
Sourcing
Planning
Affiliation
Performance
Development &
Talent
Management
Governance,
Risk and
Compliance
Template
Development
and Rollouts
Business
Process
Development &
Optimization
Legal and Fiscal
Requirements
Accounts,
Reporting and
Consolidation
System
Harmonization
CIO
Management
Consulting
Enterprise
Content
Management
Standard
Software
Individual
Software
Application &
Process Services
Application
Management
Consulting
Product
Structure
Management
Product
Development
Process (PDP)
Management
SAP PLM
Consulting &
Solution
Implementation
PTC Windchill
Solution
Integration
DS Enovia V6
Solution
Integration
PLM Strategy &
Management
Consulting
Production
Logistics
Procurement &
Quality
Sales Logistics
Service
Management
Spare Parts
Management
Supply Chain &
Demand
Planning
Service
Management
Spare Parts
Management
Warranty
Processes
(Pro-active)
Complaint
Management
Digital incl.
Connected CRM
& Social CRM
CRM Strategy &
Management
Consulting
Sales Force
Automation incl.
Mobile CRM
Analytics incl.
Segmentation &
Campaign
Management
Vertical Retail
Integration
(Pro-active)
Complaint
Management
BI Technology
BI Strategy
Integrated
Corporate
Planning
Analytical
Business
Processes
Next Generation
BI & BIG DATA
Mobile BI
Scenarios
CRM IT
Consulting &
Solution
Implementation
Transition &
Change
Management
Administrative
Core Processes
MHP Dealer
Performance
Management
Finance and
Controlling for
Automotive
Retailers
Dealer
Management
Systems
MHP Carbon
Innovations Connected
Vehicle Cloud Compute
Sustainable
Mobility Social Business Mobile Business
Real-time
Business Industry 4.0
Analytisches CRM
-
Data Mining
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 7
1. Einführung
2. Analytisches CRM im Überblick
3. Anwendungspotenziale von Data Mining im CRM
4. Informationsmehrwert durch Data Fusion
5. MHP Angebot und Referenzen im Data Mining
6. Fazit
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 8
1. Einführung
2. Analytisches CRM im Überblick
3. Anwendungspotenziale von Data Mining im CRM
4. Informationsmehrwert durch Data Fusion
5. MHP Angebot und Referenzen im Data Mining
6. Fazit
9 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
1. Einführung
„Wir ertrinken in Informationen und
hungern nach Wissen“ (John Naisbitt)
Wie kann die Masse an verfügbaren Informationen effektiv genutzt
werden, um zu besseren Entscheidungen zu gelangen?
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 10
1. Einführung
2. Analytisches CRM im Überblick
3. Anwendungspotenziale von Data Mining im CRM
4. Informationsmehrwert durch Data Fusion
5. MHP Angebot und Referenzen im Data Mining
6. Fazit
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 11
Analytisches CRM (aCRM) generiert aus Daten relevantes Kundenwissen
2. Analytisches CRM im Überblick
Datenintegration Datenanalyse
Analytisches
CRM
(aCRM)
Zentrale Sammlung und
Aufbereitung aller
kundenbezogenen Daten aus
operativen Systemen
Anreicherung durch
maschinengenerierte Daten
und Texte sowie durch externe
Datenquellen
Intelligente und prädiktive
Auswertung der Daten durch
Data Mining und Text Mining
Analyseprozess als
„Closed Loop“
Moderne Big Data und Analytics Lösungen bilden die technologische Basis
Customer
Data
Warehouse
12 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Anwendungspotenzial von aCRM im Kundenbeziehungs-Lebenszyklus
2. Analytisches CRM im Überblick
Potentielle Kunden Aktive Kunden
Ziel: Optimales Customer Management bei effizientem Budgeteinsatz
Interessenten-
Management Kundenbindungs-
Management
Rückgewinnungs-
Management
Kundencharakterisierung
Gefährdete Kunden Verlorene Kunden
?
? ?
?
? !
Kundentypologisierung
Kundenpriorisierung
Zielgruppenanalyse
Next Best Offer/ Cross/ Up Selling Analyse
Abwanderungsanalyse
?
! !
!
! ! !
Kundenrisikoanalyse
stra
teg
isch
ta
kti
sch
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 13
1. Einführung
2. Analytisches CRM im Überblick
3. Anwendungspotenziale von Data Mining im CRM
4. Informationsmehrwert durch Data Fusion
5. MHP Angebot und Referenzen im Data Mining
6. Fazit
14 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Strategische Optimierung kundenbezogener Prozesse
Kundentypologisierung Kundenpriorisierung Kundencharakterisierung
Value
Relationship
Potential
Segmentierung von Kunden gemäß ihrer
Bedürfnisstruktur
Differenzierte Bearbeitung unterschiedlich
attraktiver Kundengruppen
Sammeln und Strukturieren
relevanter Daten zur Erlangung
einer 360-Grad Kundensicht
+++
--- ---
+++
+-- +--
+++
Platz für Familie,
kostenbewusst,
…
„Cabriofahrer“,
motorsportbegeistert,
…
Connectivity,
umweltbewusst,
…
3. Anwendungspotenziale von Data Mining im CRM
Marktforschung,
Social Media Daten,
Geodaten, Sensordaten
etc.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 15
Taktische Optimierung spezifischer CRM-Maßnahmen
3. Anwendungspotenziale von Data Mining im CRM
Zielgruppenanalyse Next Best Offer/
Cross/ Up Selling Analyse Abwanderungsanalyse Kundenrisikoanalyse
Welche Kunden reagieren auf
eine Kampagne?
Welche Angebote präferiert
der Kunde?
Welche Kundenbeziehungen
sind mit hohem Risiko
verbunden?
Prognose der
Kaufwahrscheinlichkeiten für
Produktalternativen
Prognose von Kauf-
wahrscheinlichkeiten für das
Zielprodukt
Selektion der Kunden mit der
höchsten Response-
wahrscheinlichkeit
Credit-Scoring-Modell
Kunde erhält bevorzugtes Produkt
zur richtigen Zeit
Analyse des Kündigungswegs
Identifizieren von
Abwanderungsgründen
Ermittlung von
Frühwarnindikatoren und
Kündigungsprofilen
Ableitung von
Kündigungspräventions-
maßnahmen
Kündigungs-
wahrscheinlichkeit
von 70%
Kündigungsprofil (exemplarisch):
Kunden zwischen 35 und 40
Jahren
Ein Fahrzeug in Besitz
Fahrzeug seit 5 Jahren in Besitz
Letzter Kundenkontakt vor 12
Monaten
Davor 2 Beschwerden in 10
Monaten
Messung von
Transaktionsdaten ,
Bonitätsauskünfte
Prognose von
Risikoscores
Prozesssteuerung
gemäß
Bonitätsrisiko
Erfolgs-
kontrolle
Individuell angepasster Zinssatz
für Leasingvertrag
Welche Kundenbeziehungen
sind gefährdet?
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 16
1. Einführung
2. Analytisches CRM im Überblick
3. Anwendungspotenziale von Data Mining im CRM
4. Informationsmehrwert durch Data Fusion
5. MHP Angebot und Referenzen im Data Mining
6. Fazit
17 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Marktforschungsdaten
Soziodemographische Daten:
• Alter, Geschlecht, Beruf etc.
• Anzahl der Kinder etc.
Einstellungen/ Motivation:
• Kundenzufriedenheit
• Markenwahrnehmung
• Markenbindung
• Einstellungsvariablen etc.
Soft facts: warum?
Interne Kundendaten als klassische Datenquelle des aCRM
Stammdaten (Identifikations- und
Deskriptionsdaten)
• Name, Adressdaten
• Alter, Geschlecht, Beruf etc.
Transaktionsdaten
• Kauf- und Kontakthistorie
• Beschwerden, Anfragen etc.
Hard facts: wer, was, wann, wieviel?
360-Grad
Kundensicht
Anreicherung der klassischen Kundendaten durch Data Fusion
4. Informationsmehrwert durch Data Fusion
Geo Daten
• Gebietsstrukturen
• Geometrien
• Räumliche Marktinformationen
• Branchenspezifische Strukturen
Social Media Daten
• Kundenerwartungen
• Kundenbeschwerden
• Aktuelles Meinungsbild
• etc.
Weitere Datenquellen
Sensordaten
• Motortemperatur
• Motordrehzahl
• Reifendruck
• etc.
18 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Ziel: Erfolgreichere Ausgestaltung von Marketing, Sales und Service
4. Informationsmehrwert durch Data Fusion
Strategische Anwendungen
Kunden-
Charakterisierung
Kunden-
typologisierung
Kunden-
priorisierung
Analytisches CRM
Taktische Anwendungen
Zielgruppen-
analyse
Next Best Offer/
Cross/Up Selling-
Analyse
Abwanderungs-
analyse
Kundenrisiko-
analyse
half-
open
(m7, r1)
good (m3, r2)
medium poor
Integration aller verfügbaren und relevanten Daten
Steigerung der
Prognosegenauigkeit
durch neue Erkenntnisse
Noch treffsicherere und
individuellere
Kundenansprache
Adressierte Kunden
Kau
fen
de K
un
den
19 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Alternative Formen der Data Fusion
4. Informationsmehrwert durch Data Fusion
Produktnutzung
Soziodemographische Daten (Alter, Einkommen, Geschlecht)
Kunden ID
Name
Adresse
Transaktionen
Produktaffinität
Bedürfnisse
Lifestyle…
Übertragung der Informationen (Analogieschluss)
Information aus Kundendatenbank Information aus externen Quellen
Quelle: in Anlehnung an Göb (2010)
20 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Das Problem fehlender Werte für die Variablen aus dem (kleineren) Marktforschungsdatensatz wird umso
gravierender je unterschiedlicher die Größe der verschiedenen zu fusionierenden Datensätze ist
Beispiel: Methodische Herausforderungen bei der Anreicherung von
CRM-Daten durch personenbezogene Marktforschungsdaten
4. Informationsmehrwert durch Data Fusion
Fehlende
Werte
+ =
Interne
Kundendatenbasis
(3.000.000 Fälle)
Marktforschungsdatensatz
(100.000 Fälle)
Fusionierter Datensatz
(2.900.000 fehlende Werte für
die Variablen aus dem
Marktforschungsdatensatz)
21 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Aufgabe:
Methodik:
Klassische statistische Ansätze
V.a. multiple Imputation
Data Mining Ansätze
Entscheidungsbäume (CRT & CHAID)
Logistische Regression Steigerung des Kampagnenerfolgs durch
noch bessere Responseprognose!
Signifikante Steigerung des Kampagnenerfolgs durch Data Fusion!
4. Informationsmehrwert durch Data Fusion
Mit Selektion von
10% der Kunden
erreicht man ca. 58% der „Responder“
Mit Selektion von
30% der Kunden
erreicht man ca. 87% der „Responder“
Mit Selektion von
50% der Kunden
erreicht man ca. 95% der „Responder“
Zielgruppenanalyse auf Basis
fusionierter Daten Beispiel
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 22
1. Einführung
2. Analytisches CRM im Überblick
3. Anwendungspotenziale von Data Mining im CRM
4. Informationsmehrwert durch Data Fusion
5. MHP Angebot und Referenzen im Data Mining
6. Fazit
23 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
MHP Vorgehensmodell für Data Mining
5. MHP Angebot und Referenzen im Data Mining
Definition/
Aufbereitung
relevanter Daten
Modelldefinition
basierend auf
historischen Daten
Selektion
des besten Modells
Anwendung
basierend auf
aktuellen Daten
Projekt-Scoping (Use Cases,
Märkte, Produkte etc.)
Bereitstellung/ Anforderung
der Rohdaten
Datenscreening
Datenaufbereitung
Datentransformation
Datenintegration
Datenfusion
Bildung von Trainings- und
Testdatensatz
Fachliche Konzeption gemäß
Problemstellung
Setup Modelle auf Basis
verschiedener Methoden und
historischer Daten
Durchführung von
Testkalkulationen und
Finalisierung Modell-Setup
Modellselektion nach
Prognosegüte
Plausibilität
Generalisierungsfähigkeit
Ggf. Nachjustierung der
Modellparameter auf Basis
sachlogischer Überlegungen
Anwendung des jeweils
besten Data Mining Modells
auf die gesamte Kundenbasis
Aktualisierung der Analyse
auf Basis neuer Daten
Ggf. Übergabe und
Implementierung Scoring
Engine im BI-System
Externe Datenquellen
Transaktionsdaten
Stammdaten (m7, r1)
good (m3, r2)
medium poor
24 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Vorteile der systemischen Trennung von operativen und analytischen Systemen:
Bestehende operative IT-Systeme können unverändert bleiben
Besonders schnelle Umsetzung („time-to-market“)
Nutzung von spezifischem Know-how für komplexe Analysemodelle
Effiziente Realisierung durch die MHP aCRM Engine
5. MHP Angebot und Referenzen im Data Mining
Operative Systeme MHP aCRM Engine
Analysen
Datenbasis
Prozesskontrolle
Kundeninteraktion Daten
Entscheidungs
Parameter
Kunden
Die MHP aCRM Engine basiert auf IBM SPSS und
kann als separates System sowohl on-site, als auch off-site eingesetzt werden
25 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Optimierung operativer CRM-Prozesse durch innovative Predictive Analytics-Lösungen
Konzeption und Umsetzung von Kunden-Scoring und Next Best Offer-Modellen
Durchführung von umfangreichen Data Mining-Analysen mit der MHP aCRM Engine
„Wichtig war für uns, dass MHP über ausgezeichnete Kompetenzen zu den Themen analytisches CRM und insbesondere Predictive
Analytics verfügt. Das hat uns bereits bei den Vorgesprächen zum konzeptionellen Vorgehen und der technischen Umsetzung
überzeugt.“
Premium Automobilhersteller
Individuelle Kundenansprache durch analytisches CRM
5. MHP Angebot und Referenzen im Data Mining
26 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Definition von Use Cases und Evaluierung der vorhandenen Datenbasis
Umfangreiche Data Mining-Analysen mit IBM SPSS Modeler und IBM SPSS Statistics
Schaffung eines bedarfsorientierten Angebots mittels Warenkorb- und Next Best Offer-Analysen
Effiziente Steuerung von Vertrieb und Marketing auf Basis von Modellen zur Kundenpriorisierung
Spezialisierter Softwarehersteller und IT-Dienstleister
Optimierung von Vertrieb und Marketing durch analytisches CRM
5. MHP Angebot und Referenzen im Data Mining
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 27
1. Einführung
2. Analytisches CRM im Überblick
3. Anwendungspotenziale von Data Mining im CRM
4. Informationsmehrwert durch Data Fusion
5. MHP Angebot und Referenzen im Data Mining
6. Fazit
28 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Die zunehmende Flut von Daten aus unterschiedlichen Quellen führt zu einer steigenden
Komplexität in der Datenverarbeitung
Die Sammlung, Aufbereitung und Konsolidierung von Kundendaten aus
verschiedensten Quellen bietet jedoch die Chance, den Erfolg von Customer Management
deutlich zu steigern
Die systematische Auswertung von Kundendaten und -reaktionen durch Data Mining
bildet die Grundlage für einen individuell relevanten Kundendialog und sichert so die
Kundenloyalität
aCRM hilft zudem, Streuverluste zu vermeiden und unterstützt so den effizienten
Budgeteinsatz im Marketing, Sales und After Sales
Mit aCRM Kundenbedürfnisse verstehen und Potenziale erkennen
6. Fazit
29 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Ihre Fragen
6. Fazit
30 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Ihre Ansprechpartner
MHPBoxenstopp: Potenziale in Kundendaten erkennen
Dr. Dorothee Brauner
Senior Consultant
SU Customer Relationship Management
Mobil: +49 151 4066 7370
E-Mail: [email protected]
Dr. Horst-Florian Jaeck
Senior Manager
SU Customer Relationship Management
Mobil: +49 151 2030 1786
E-Mail: [email protected]
31 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
MHPBoxenstopp
Potenziale in
Kundendaten erkennen
11-12 Uhr | 14.04.15
MHPTimetable
weitere Infos
www.mhp.com/
events
Mit nur einem “Klick” zur MHPBoxenstopp Anmeldung
Haben Sie einen MHPBoxenstopp verpasst? Kein Problem - in unserem MHP YouTube-Channel
und auf unserem SlideShare Profil finden Sie alle vergangenen Websessions:
Mitschnitte und Videos im Channel: Präsentationsunterlagen:
http://www.youtube.com/MHPProzesslieferant http://de.slideshare.net/MHPInsights
MHPBoxenstopp
AutomotiveIT Kongress
auf der CeBIT 2015
9 Uhr | 16.04.15
MHPBoxenstopp
Oracle BI Enterprise
Edition 11g
13-14 Uhr | 21.04.15
MHPBoxenstopp
MHP PLM Migration
Factory
11-12 Uhr | 28.04.15
MHPBoxenstopp
AddOn Rekla-Cockpit
& CCX
13-14 Uhr | 28.04.15