Potenziale in Kundendaten erkennen

31
© 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

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