Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Mehrwert aus Daten gewinnen mit Datamining und Textmining Entwicklung der Datenanalyse Einsatzgebiete Umsetzung.

Ähnliche Präsentationen


Präsentation zum Thema: "Mehrwert aus Daten gewinnen mit Datamining und Textmining Entwicklung der Datenanalyse Einsatzgebiete Umsetzung."—  Präsentation transkript:

1 Mehrwert aus Daten gewinnen mit Datamining und Textmining Entwicklung der Datenanalyse Einsatzgebiete Umsetzung

2 SPSS in Zahlen Gründung 1968 über 30 SPSS Niederlassungen, 1000 Beschäftigte weltweit Umsatz 2001: 185 Mio. $US ca. 2-3 Millionen Anwender weltweit SPSS Software in 12 Sprachen in Deutschland nutzen ca Firmen SPSS, mit ca Anwendern

3 Warum Datamining

4 Analysen und Vorhersagen Predict or Perish Unternehmen, die aus ihren Daten nicht zukünftige Entwicklungen vorhersagen haben einen Wettbewerbsnachteil

5 Enwicklung der Datenanalyse Analyse und Vorhersage Analyse und Vorhersage Operationale Systeme Operationale Systeme Business Intelligence Business Intelligence

6 O P E R A T I O N A L E S Y S T E M E Datenanalyse: Phase 1 Vorteil: Instrumentalisierung, Automatisierte Prozesse Operationale Systeme Operationale Systeme ERP ERM Web CRM BASIS Interaktion mit Kunden Interaktion mit Kunden Lagerhaltung Lagerhaltung Supply Chain Management Supply Chain Management Qualitäts-Kontrolle Qualitäts-Kontrolle Employee Self Service Employee Self Service

7 B U S I N E S S I N T E L L I G E N C E Datenanalyse : Phase 2 Vorteil: Hohe Effizienz Indiv. Informationen Operationale Systeme Operationale Systeme ERP ERM Web CRM Business Intelligence Business Intelligence OLAP ETL Data Quality Data Quality Query/ Report Query/ Report Data Warehouse Data Warehouse VERSTEHEN Kundenzufriedenheit Kundenzufriedenheit Umsatz Umsatz Kosten Kosten Personalwechsel Personalwechsel BASIS Interaktion mit Kunden Interaktion mit Kunden Lagerhaltung Lagerhaltung Supply Chain Management Supply Chain Management Qualitäts-Kontrolle Qualitäts-Kontrolle Employee Self Service Employee Self Service Vorteil: Instrumentalisierung, Automatisierte Prozesse

8 Erfolgreiche analytic prediction bedeutet das Zähmen großer Datenmengen aus verschiedenen Quellen. Dabei müssen Erfahrungen aus der Vergangenheit, Wissen über die Gegenwart und eine fundierte Vorausschau in die Zukunft zusammenkommen. Analysen und Vorhersagen (Predictive Analytics, Datamining)

9 P R E D I C T I V E A N A L Y T I C S Datenanalyse: Phase 3 Analyse und Vorhersage Analyse und Vorhersage Recommendations Scoring Data Mining Data Mining Verteil: Identifizieren und Nutzen neuer PotentialeOPTIMIEREN Kundenbindung Kundenbindung Product Affinities Product Affinities Direktmarketing Direktmarketing Forecasting Forecasting Qualität verbessern Qualität verbessern Personalbindung Personalbindung Operationale Systeme Operationale Systeme ERP ERM Web CRM Business Intelligence Business Intelligence OLAP ETL Data Quality Data Quality Query/ Report Query/ Report Data Warehouse Data Warehouse VERSTEHEN Kundenzufriedenheit Kundenzufriedenheit Umsatz Umsatz Kosten Kosten Personalwechsel Personalwechsel BASIS Interaktion mit Kunden Interaktion mit Kunden Lagerhaltung Lagerhaltung Supply Chain Management Supply Chain Management Qualitäts-Kontrolle Qualitäts-Kontrolle Employee Self Service Employee Self Service Vorteil: Instrumentalisierung, Automatisierte Prozesse Vorteil: Hohe Effizienz Indiv. Informationen

10 Operational Systems Operational Systems Business Intelligence Business Intelligence Break Even ROI (%) Negative Returns Positive Returns Time (Years) Predictive Analytics Predictive Analytics PersonalizationEffect ROI

11 Was Beispiele für predictive analytics

12 Was ist Datamining?

13 Optimierung Direktmarketing Genauere Kenntnis der Zielgruppen Gezieltere Kundenansprache Optimierter Einsatz des Budgets Erhöhter ROI

14 Gainskurve Mit 40% der angesprochenen Kunden, können 85% des Umsatzes erzielt werden

15 Kundenscoring Wert eines Kunden in der Zukunft Umsatz und Kosten in der Zukunft Integration in bestehende Anwendungen z.B. CRM Bessere Ansprache durch Callcenter

16 Analyse von Produktdaten Gewährleistungsdaten eines Tintenstrahldruckers Quelle Prof. DeVaux

17 Webmining Voraussetzung sind Anwendungen zum Sammeln und Auswerten von Daten aus Internetauftritten Fragen sind: Wie lange bleiben Besucher? Auf welchen Wegen bewegen sie sich? Welche Art von Seiten besuchen sie? Welche Informationen (Produkte) soll ich ihnen anbieten?

18 Textmining 80% aller Daten liegen als Text vor und werden heute maschinell nicht ausgewertet

19 Linguistischer Ansatz Computerlinguistik Sprachunabhängigkeit Erkennen von Konzepten und Sätzen Maus (Biologie), Maus (EDV-Equipment) Subjekt eines Satzes (Namen) Adjektiv (schnelle (langsame) Reaktion)

20 Textmining Konkurrenzanalyse wissenschaftliche Recherchen Klassifizierung von Kundenresponse Beschwerdemanagement Weiterleiten von s automatische Ablage elektronischer Dokumente

21 Wie werden Analysen und Prognosen erstellt und verteilt?

22 Voraussetzungen Zugang zu relevanten Datenquellen Wissen über die Bedeutung der Daten Business know how Datenanalyse know how Die richtigen Werkzeuge

23 Datenquellen ERP CRM legacy s Webseiten Berichte logfiles Other info Datenanalyse Struktierte Daten Benutzerverhalten Im Web Freier Text

24 Arbeitsweise von Clementine Möglichst viele Operationen der DB durchführen lassen. Den Rest auf einem Server.

25 Automatisierung und Verteilung Model export (z.B. PMML) Clementine Solution Publisher: Model und Processing

26 API Call Center Web Site Customer Scoring Call Center Web Site Customer Scoring IMAGE FILE Runtime Engine Realtime oder Batch Einfacher Update durch Clementine Solution Publisher Data Database DB2DB2 DatamartDatamart Flat files Data

27 Integration in operationale Systeme Integration in OLAP Integration in CRM SPSS ist strategischer Siebel-Partner

28 Ein Dataminig-Projekt besteht aus... Installation der Software Analyse-Arbeitsplätze Server-Software zur Automatisierung Integration in bestehende Systeme u.U. Aufbau eines DW Analyse-Projekten MA aus der IT und der Fachabteilung (i.d.R. 2 – 4 Wochen)

29 Zusammenfassung Datenanalyse-Projekte gewinnen an Wichtigkeit Integration in bestehende Systeme z.T. sehr einfach CRM (z.B. Siebel) Reportingsysteme (OLAP) ERP-Systeme (z.B. SAP) Infrastruktur muss von der IT bereitgestellt werden Durchführung von IT und Fachabteilung

30 Contact Information Karl Busl SPSS GmbH Software Rosenheimerstr München


Herunterladen ppt "Mehrwert aus Daten gewinnen mit Datamining und Textmining Entwicklung der Datenanalyse Einsatzgebiete Umsetzung."

Ähnliche Präsentationen


Google-Anzeigen