Operative Strategien optimal und automatisiert umsetzen Wertschöpfung durch verfeinertes Decision Management Frank Häger Sr. Account Executive FICO 11. November 2010 Page 1

Agenda Motivation für Decision Management © 2010 Fair Isaac Corporation. Confidential. 2 Agenda Motivation für Decision Management Was ist Enterprise Decision Management? Enterprise Decision Management heute Case Studies Diskussion Page 2

Motivation für Enterprise Decision Management © 2010 Fair Isaac Corporation. Confidential. 3 Motivation für Enterprise Decision Management “Eine gute Entscheidung ist ein Process, um eine gegebene Zielsetzung optimal zu erreichen... ...eine gute Entscheidung resultiert niemals aus Zufall!" von Applied Management Science, Prof. Hossein Arsham Page 3

Einflüsse auf Decision Management Motivation Kundenorientierung Überwindung Produkt-bezogener und organisatorischer Silos Expansion auf geographisch verteilte Märkte Qualitätsverbesserung von Entscheidungen durch Analytik und Optimierung In financial services and in other markets, there are a number of drivers that are making Decision Management more important than ever. Businesses are looking to manage across products and across organizational silos, to take a more customer-centric approach to marketing, risk and other areas. Businesses are looking for a common set of tools they can use to manage decisions in diverse geographic markets, and accelerate their entry into new markets. As we just noted, businesses are looking to improve the quality of their decisions by advancing their analytic capabilities. And businesses are looking for greater transparency into how they conduct business – how are decisions being made is a critical part of that, and is especially important in highly regulated markets. Transparenz Page 4

Enterprise Decision Management Bedarfserkennung Geschäftsmodelle basieren auf „End-to-End“ Prozessen. Entscheidungen werden von vielen Variablen beeinflusst. Man möchte Strategien vor deren Einsatz testen Viele Entscheidungen wären valide – aber auch optimal? Das Treffen richtiger, optimaler Entscheidungen … spart Geld bzw. erhöht den Umsatz … ist wichtig für das Kunden-Management … erfordert Compliance mit gesetzlichen oder unternehmerischen Richtlinien Kundeninteraktion geschieht durch verschiedene Kanäle Data Warehouses sind implementiert. Potential wird nicht genutzt. Falsche, unvollständige Daten behindern Geschäftsprozesse

Typische Aufgabenbereiche für den Einsatz von Decision Management (Dr Typische Aufgabenbereiche für den Einsatz von Decision Management (Dr. Hossein Arsham, University of Baltimore) Prognosen Wie groß wird die Produktnachfrage sein? Wie sehen die Vertriebsmuster aus? Wie entwickelt sich Absatz und Profit? Finanz und Investment Wie viel Kapital benötigen wir? Wo bekommen wir es her? Wie viel wird dies kosten? Personaleinsatzplanung und -zuweisung Wie viele Mitarbeiter brauchen wir? Welche Qualifikation sollten sie haben? Wie lange werden sie benötigt? Reihenfolgeplanung und Terminierung Welche Lose sind die Wichtigsten? In welcher Reihenfolge sollten wir die Lose abarbeiten? Lokation, Allokation, Distribution &Transport Wo wäre die beste Lokation für eine Betriebsstelle? Wie groß sollte sie sein? Welche Ressourcen werden benötigt? Wo sind Engpässe? Welche Prioritären sollten wir setzen? Betriebssicherheit und Ersatzplanung Wie gut funktioniert das Material? Wie zuverlässig ist es? Wann sollte es ersetzt werden? Lagerbestand und Fehlbestand Wie viel Bestand sollten wir halten? Wann bestellen wir nach? Wie viel sollten wir bestellen? Projektplanung und -kontrolle Wie lange wird das Projekt dauern? Welche Aktivitäten sind wichtig? Wie werden Ressourcen eingesetzt? Warteschlangen- und Stauplanung Wie groß sind die Warteschlangen? Wie viel Server sollten wir nutzen? Welchen Servicelevel gewähren wir?

Decision Management Life Cycle Ziele Bereit- stellen & Ausführen Implementieren Simulieren & Testen Überwachen Analysieren & Modellieren Definieren & Optimieren v. Entscheidungs-Strategien Konsistente, wiederholbare Unternehmensentscheidungen treffen Agile, flexible Entscheidungs- Prozesse implementieren KPIs aktiv überwachen Präzisere Entscheidungen treffen und optimieren Verantwortung für Entscheidungen dem Fachbereich überantworten

Decision Management Strategie Ziele „Connected Decisions“ Bessere individuelle Entscheidungen & Bewertungen Erkenntnisse und Fähigkeiten über Abteilungsgrenzen hinaus wirksam einsetzen „Connected Strategy Management“ Adaptive Kontrolle und Simulation über Lebenszyklen von Projekt, Produkt oder Kunde Transparenz, Automatisierung und Effizienz erhöhen „Connected Technology“ IT Effizienz erhöhen System-Pflegekosten senken Bereitstellungszeiten verkürzen (Zime-to-Market) Neue Services mit weniger Risiken nutzen

Entscheidungen an Geschäftsziele anpassen Actio  Reactio  Wertschöpfung Jede Entscheidung resultiert in einer oder mehreren Aktionen Erweitere die Kreditlinie von Herrn Meier um 3.000 € Biete Frau Neumann ein Bonussystem zum Erreichen eines VIP Kunden-Status Herrn Götting persönlich anrufen, weil er 3 Monate mit seinen Zahlungen im Rückstand ist Jede Aktion resultiert in einer oder mehreren Reaktionen Herr Meier akzeptiert die neue Linie, nutzt sie und zahlt pünktlich Frau Neumann, akzeptiert Angebot, nutzt einige Boni und wandert zur Konkurrenz ab Herr Götting spricht mit dem Sachbearbeiter einige Male, zahlt aber dennoch nicht Jede Aktion oder Reaktion produziert eine Wertschöpfung Gewinn wird erhöht Die Kosten übersteigen den Umsatz ein wenig Kein Umsatz trotz hoher Kosten The key to understanding the business impact of operational decisions is measuring the reaction and subsequent value of those decisions. This slide illustrates the triangle of value. For some decisions, the value can be measured as only the expense of performing the actions. For those decisions it may be unnecessary to model the reaction to the decision. However, more complex decisions will want to model reactions in addition to the total value. Furthermore, the $$s at stake may require modeling the reactions based on historical data. Page 9

Kundenbindung erhöhen Geschäftliche Optimierung heißt: Die richtigen Ziele setzen und abwägen Optimierung ist ein mathematischer Prozess, um die „beste“ Entscheidung für ein gegebenes geschäftliches Problem zu finden Kundenbindung erhöhen Kapital erhalten Marge erhöhen Risiko minimieren Regulierung Entscheidungen This multi dimensional view of the decision space enables a move away from one size fits all actions or strategies by balancing the conflicting constraints and finding the best answer, given those constraints and goals There are several examples of competing goals on this slide Improve Retention or drive Growth “We need to grow business in this region by 5% . . .” “Maybe we should lower our underwriting standards?” But Minimize Risk, is pulling in the opposite directions “We need to keep the combined ratio below 98% . . .” “Maybe we should raise our underwriting standards?” Optimization is a mathematical process of finding the “best” decision for a given business problem, within a defined set of conflicting constraints „Beste“ meint gewöhnlich höchste Marge, geringste Kosten, etc. unter Einhaltung sich widersprechender geschäftlicher Randbedingungen Page 10 Page 10

Agenda Motivation für Decision Management © 2010 Fair Isaac Corporation. Confidential. 11 Agenda Motivation für Decision Management Was ist Enterprise Decision Management? Enterprise Decision Management heute Case Studies Diskussion Page 11

Enterprise Decision Management? © 2010 Fair Isaac Corporation. Confidential. 12 Was ist Enterprise Decision Management? “The Difficulty in Life is the Choice!” Unbekanntes Zitat aus der Epoche der Aufklärung, 17.– 18. Jahrhundert Page 12

Bessere Entscheidungen = erhöhte Profitabilität Beispiele FICO Kunden – Nutzen im Banking Customer Lifecycle Akquisition Management Schutz Marketing Antrags-bearbeitung Customer Management Beitreibung Betrug Anwendung Akquise Kredite: Gebühren und Linien Kreditlinien Management Beitreibung im Frühstadium Betrugs-erkennung und -prävention Nutzen durch BRMS und Optimierung € 1.05 / Kd. höherer Profit pro Mailing + 45% Marge während des Kredit Lebenszyklus, Beibehaltung der Verluste und Akzeptanz-raten € 12.36 / Konto verbesserter Profit innerhalb begrenzter Risiken und Verluste € 2.0 Mio. weniger Verlust pro Jahr pro 1 Million Konten 10.5 Mio mehr genehmigte Transaktionen pro Mrd Transaktionen bei konstanter Betrugsrate in industriellen Anwendungen und Nutzen Supply Chain Optimierung – € 260 Mio (14%) Einsparungen Produktionsplanung – 22% Erhöhung in verkauftem Lagerbestand; 200% ROI / 1. J. Energiehandel und –produktion – 28% Einsparungen im 1. , 37% im 2. u. 3. Jahr Our portfolio of solutions includes: Decision Management applications for particular decisions throughout the customer lifecycle Scores and Analytics, including credit bureau scores and our custom analytics Decision Management tools that can be used to build applications, models and strategies for any type of decision Services that advance our clients’ use of Decision Management

Decision Management für bessere Entscheidungen Wertigkeit Optimierung Nutzen- maximierung Prädiktive Modelle Adaptive Kontrolle Simulation Szenarien- Management Nutzen Konsistenz und Automatisierung Geschäfts- Regeln Verfeinerung des Decision Managements Page 14

Decision Management Komponenten Beispiel der Interaktion Anwendungs- Datenbank Kundendaten EDW 3rd Party PIM Protokolle & Berichtswesen Prädiktive Analytik Kampagne Geschäfts- regel Mgt. Optimierung Kundenspezifisch angepasstes Produktangebot KampagnenManagement Verkauf Kosten Compliance Testen Lernen Adaptieren Page 15

Agenda Motivation für Decision Management © 2010 Fair Isaac Corporation. Confidential. 16 Agenda Motivation für Decision Management Was ist Enterprise Decision Management? Enterprise Decision Management heute Case Studies Diskussion Page 16

Enterprise Decision Management heute © 2010 Fair Isaac Corporation. Confidential. 17 Enterprise Decision Management heute “Sapere aude!” “Have courage to use your own reason!” Motto aus der Epoche der Aufklärung, 17. – 18. Jahrhundert Page 17

Entscheidungen in Geschäftsprozessen Business Rule Management - Prinzip und Wertschöpfung 2. Juli 2007 Entscheidungen in Geschäftsprozessen Entscheidungen in Geschäftsprozessen Checkpunkte: Änderungskosten? Konsistenz? Business-IT Alignment? SOA konform? Manuelle Prozesse Alt- Anwendungen Spreadsheets hohe Kosten Regeln finden sich im Programm-Code Änderungen müssen programmiert werden eine Verschlechterung der Konsistenz keine zentrale Regelverwaltung wenig Wiederverwendung von Regeln keine gemeinsame Nutzung eine Vergrösserung der Distanz von Business Analysten zu IT Administratoren ein Verblassen von Know How (Geschäftslogik) hohe Aufwände bei Audits Datenbanken ILOG Deutschland GmbH 18

Business Rule Management - Prinzip und Wertschöpfung 2. Juli 2007 Reifegrad von Unternehmen, im Hinblick auf ihr Decision Management Knowledge Partner‘s Rule Maturity Model™ (adaptiert: Frank Häger, FICO) Stufe 0 Unbewusst Stufe 1 Ad Hoc Stufe 2 Wiederholbar Stufe 3 Definiert Stufe 4 Messbar Stufe 5 Kont. Verbessert DESIGN TIME Kosten Hoch Vorhersage Gering Analyse Keine Günstiger Gering Manuell Automatisiert Niedrige Kosten Möglich Durchweg autom. Gute Vorhersage Vorhersage und Schutz Integrität: Allgemeine Praxis RUN TIME Treffen v. Entscheid. in der Anwendung, Dokument & Kopf Wertschöpfung: Keine Separierung von Regel und Modell in „Repositorien“ Wunsch Im Einsatz: Vorlagen Design/Analyse Technologie Fühlbar Integration von Repository und Decision Management Erkennbar Verwaltung von KPI & Regeln & Modellen im Repository Messbar! Verhaltenskodex in Geschäftsprozesse Integriert: Planbare Wertschöpfung CHANGE TIME Identifikation Planungen existieren Regeln, Modelle sind bekannt, IT implementiert Fachseite definiert & ändert Entscheidungen Unterstützt durch Was-wäre-wenn Szenarien und Tests Fachseite verfügt über KPI zusammen mit DM Infrastruktur Agiles, lernendes Unternehmen: Status haltbar Stufe 0 Unbewusst Stufe 1 Ad Hoc Stufe 2 Wiederholbar Stufe 3 Definiert Stufe 4 Messbar Stufe 5 Kont. Verbessert Wie hoch werden Änderungskosten sein?  80/20 Regel Ist eine Impakt-Analyse von Maßnahmen möglich? Ist die Analyse der Grundlagen unseres Entscheidungsmanagements möglich? Zur Design Time von Anwendungen Folgenden Fragen sollten Sie sich stellen: Werden Änderungskosten hoch oder niedrig sein?  80/20 Regel Wird die Abschätzung der Auswirkungen meiner Maßnahmen möglich sein? Werde ich Geschäfts-Regeln und -Prozesse analysieren können? Bei der Run Time Wichtige Fragestellungen im Hinblick auf BR Management: Sind Massnahmen getroffen für die Verwaltung von Geschäfts-Regeln, wie Erstellen, Speichern, Dokumentieren, Logging, etc und ist eine Messung von Key Performance Indikatoren möglich? Management – Level bzw. Change Time Erfolgreiche Umsetzung von Änderungen Werde ich die Möglichkeit zur Analyse mit What-if-Szenarien haben? Ist ein direktes Engagement von Business Analysten möglich? Universelle Wahrheiten über das Modell: Unabhängig davon, wohin ein Unternehmen glaubt mit Business Rule Management gehen zu können, fängt jede Organisation an derselben Stelle an: dem Level 0. Organisationen, die eine BR Engine verwendet, die Regeln aber nicht als geschäftlichen Vermögenswert getrennt von der BR Engine verwalten, agieren näher an Level 0. Jedes Unternehmen kann einen Erfolg verzeichnen mit dem Level 1 als Piloten mit wenig Kosten und Risiko. Jedes Unternehmen wird auf dem Level 2 einen signifikanten Fortschritt und Erfolg erfahren – welcher normalerweise das Ziel für ein erstes Business Rule Projekt ist. Die Risiken Level 2 nicht zu versuchen können erheblich sein. Wenige Organisationen befinden sich heute auf dem Level 3. Die geschäftlichen Merkmale, die ein Unternehmen vom Anderen absetzen wenn sie Level 3 oder höher erreichen werden sich über die nächsten Jahre manifestieren. Haben wir Maßnahmen für die Verwaltung unserer Entscheidungen getroffen? Ist eine Messung von Key Performance Indikatoren möglich? Können wir protokollieren, berichten, nachweisen? Hat die Fachseite die Möglichkeit zur Analyse (z.B. „What-If“ Szenarien)? Ist ein direktes Engagement unserer Business Analysten möglich? Können wir minimales „Time to Market“ erreichen? ILOG Deutschland GmbH 19

Externalisierung des Entscheidungs-Managements Decision Management User Tools Editoren und Modellierung Manuelle Prozesse Repositories Regel- und Modell- Repositorien Alt- Anwendungen Spreadsheets Externalized rules offer: Auditability Maintainability Readability Fast response to change Better Control Engines Regel-Engines Optimierung Datenbanken 20

Agenda Motivation für Decision Management © 2010 Fair Isaac Corporation. Confidential. 21 Agenda Motivation für Decision Management Was ist Enterprise Decision Management? Enterprise Decision Management heute Case Studies Diskussion Page 21

Case Studies “The sleep of reason produces monsters” © 2010 Fair Isaac Corporation. Confidential. 22 Case Studies "Sueño": "Schlaf". Aber auch: "Traum". "El sueño de la razón produce monstruos", "Der Schlaf der Vernunft bringt Ungeheuer hervor", heißt die vielleicht bekannteste Skizze aus Goyas Capricho-Serie, die den schlafenden oder eben: träumenden Maler, umflattert von düsteren Nachtgestalten, zeigt. Vom "Schlaf der Vernunft" spricht in der Regel die deutsche Übersetzung, und das zu Recht, denn sie umreißt eine gängige Erfahrung: Kaum erschlafft die wachsame Vernunft, stellen sich die Ungeheuer ein, dunkle Seelentiere, die dem Menschen den Verstand verdüstern. Aber was, wenn die Vernunft nicht schläft, sondern träumt? Wenn sie träumt von sich selbst, von sich als Herrscherin der Welt schwärmt, wie sie es im 18. Jahrhundert, dem Zeitalter der Aufklärung, so gerne tat, an seinem Ende, unter Karl III., sogar im katholischen Spanien? 1798, wenige Jahre nach der Französischen Revolution, hat Goya die Skizze der schlafenden/träumenden Vernunft gemalt, und zu jener Zeit wusste er längst, dass die Vernunft alles andere als vernünftig ist, dass auch sie -Robespierre lässt grüßen - die schlimmsten Ungeheuer hervorbringt. Der Traum der Vernunft als Vater des Ungeheuerlichen: Auch das macht Sinn, es illustriert die größenwahnsinnige Anmaßung, deren Zumutungen Spanien wenige Jahre später, 1808, auf furchtbare Weise zu spüren bekommt: Denn niemand Geringerer als der oberste Streitherr der Vernunft, Napoleon Bonaparte, marschiert in das Land ein und überzieht es mit jener Gewalt, die Goya in den "desastres de la guerra", den "Schrecken des Krieges", festhalten wird. Spätestens jetzt kann es keinen Zweifel mehr geben: Auch der Traum der Vernunft gebiert Ungeheuer. “The sleep of reason produces monsters” Francisco Goya’s masterpiece, 1799 Page 22

Case Studies Portfolio Optimierung Verbessern bestehender Kreditlinien-Strategien Erstellen eines Angebots zu Schuldenkonsolidierung aus Millionen von Kombinationsmöglichkeiten Auswählen der richtigen Aktion aus Millionen von Alternativen (Marketing im Handel) Finden einer akzeptablen Lösung, auch wenn nicht alle Regeln erfüllt werden können (Raumplanung im Handel)

Portfolio Optimierung Die BANK bietet einen personalisierten Service an, welcher Privatkunden in Echtzeit Vorschläge macht, wie ein optimaler Satz von Handels-Transaktionen ein vorhandenes Portfolio in ein Zielportfolio mit einem spezifischen Investment-Profil wandeln kann.

Vorgehen bei der Portfolio Optimierung Eingangsdaten BRMS Opinion Score: Rating Optimierer Zielfunktion  Max. Opinion Score  Min. Impakt der Sell/Buy Transakt. Ausgangdaten Page 25

Lösung des Business Problems Die Lösung berücksichtigt Randbedingungen, welche auf den Verkaufspositionen, den verfügbaren Produkten, Kundenpräferenzen und Investment-Profilen, sowie auf globalen Bedingungen wie Portfolio Risiko, Anzahl und Größe der Transaktionen beruht. Zielfunktion: Maximiere den “Opinion Score” (das Rating des Portfolios). Minimiere den Impakt durch die notwendigen Transaktionen. Die BANK verwendet die Lösung auch offline, als Basis für Marketing Kampagne, mit dem Ziel bestimmte Investment- Produkte zu empfehlen.

Lösungskomponenten BRMS, um geeignete IN / OUT Produkte + globale Randbedingungen zu bestimmen Lineare Optimierung, um den optimalen Satz von Handelsempfehlungen zu bestimmen  Direkter Datenaustausch zwischen BRMS und Optimierer Maßgeschneidertes GUI für Analysten mit grafischen und textuellen Reporting-Möglichkeiten, um Simulationen (Szenarien) zu fahren und zu modellieren. Ausgabe des Score-Wertes “Opinion”, welcher dem Produkt von der BANK zugewiesen wird. Z.B. Risiko als Standard Abweichung nach Markowitz Portfolio Theorie. Multiple Zielfunktionen z.B. „bringe aktuelles Portfolio so nah wie möglich an Ziel-Portfolio“ oder „Maximize der Score-Wert “opinion” des Porfolios während der Impakt minimiert wird (Begrenzung der sell/buy Positionen)“. Automatische Anpassung von Randbedingungen, wenn erforderlich

Case Studies Portfolio Optimierung Verbessern bestehender Kreditlinien-Strategien Auswählen der richtigen Aktion aus Millionen von Alternativen Erstellen eines Angebots aus Millionen von Kombinations- möglichkeiten Finden einer akzeptablen Lösung, auch wenn nicht alle Regeln erfüllt werden können

Credit Line Management Model Variables Action Predictions Target Function Influence diagrams are a key graphical paradigm in structuring decision problems An influence diagram is an acyclic directed graph where: Each node represents a single variable in the decision problem (e.g., decisions, uncertain outcomes, objectives) Each arc represents one of two relationships: Information arcs (into a decision node) mean that a given variable is observed before the decision is made Dependence arcs represent possible probabilistic dependence – the lack of such arcs represent conditional independence For example, response is dependent on the offer; however, risk is conditionally independent of the offer given risk score. Advantages of influence diagrams: Visualize the structure and dependencies of complex decision problems in a compact graph Conveys the relationships among variables and the flow of information to the decision maker Page 29

Decision Modeling & Optimierung konkurrierender geschäftlicher Ziele Kreditlinien Management – “Efficient Frontier” Prognostizierte Gewinne und Verluste für multiple Optimierungsszenarios -5% 95 100 105 110 115 120 -10% 0% 5% 10% Szenario 2 Steigerung der Profitabilität um 10 € pro Konto ohne zusätzliche Verluste in Kauf nehmen zu müssen Szenario 1 Erhalt der Profitabilität per Konto und Senken der Verluste um 6% Effizienzlinie I H G F E D C B J A Prognostizierter GEWINN pro Konto Aus einem Universum von möglicher Szenarien kann eine Kurve (Efficient Frontier) von optimalen Kreditlinien konstruiert werden. Jede Kreditlinie auf der Efficient Frontier zeigt die maximal mögliche erwartete Rendite zu einem gegebenen Risiko. Basislinie Ausgangspunkt Prognostizierte VERÄNDERUNG DER VERLUSTE Page 30 Page 30

Ansatz für Decision Optimization Analytischer Prozessfluss Daten Modellierung Optimierung Szenario Auswahl Strategie Optimierungsergebnisse können wie folgt verwendet werden Indirekt – als Basis für eine bessere Strategie Im Batch – die Aktionen der gewählten Strategie anwenden Interaktiv – jede Transaktion direkt beeinflussen Page 31

Case Studies Portfolio Optimierung Verbessern bestehender Kreditlinien-Strategien Erstellen eines Angebots zur Schuldenkonsolidierung aus Millionen von Kombinationsmöglichkeiten Auswählen der richtigen Aktion aus Millionen von Alternativen (Marketing im Handel) Finden einer akzeptablen Lösung, auch wenn nicht alle Regeln erfüllt werden können (Raumplanung im Handel)

Aktuelle Forschung: Schuldenkonsolidierung Das Problem der Schuldenkonsolidierung Benutzerangaben und Präferenzen bestimmen: Kreditangebot, genaue Darlehenshöhe, Schulden-Verhältnis, etc. Während des Managements der Schuldentilgung Kreditkarte A – Schulden: € 2.000 Jahreszins 12,5% Optimization Engine Maximales Verkürzen des Rückzahlungs-zeitraums Flexikredit B – Schulden: € 9.000 Jahreszins 11% Darlehensbetrag Monatliche Zahlung Welche Schulden tilgen? Leasing C – Schulden: € 21.000 Jahreszins 7,5% Minimierung der monatlichen Zahlung Gewünschter Darlehensbetrag Erstrangiger Hypothekenkredit Home Value und etc. Page 33 Page 33

Schuldenkonsolidierung: Daten FICO Optimization Dashboard: Debt Consolidation Module Confidential – do not copy Daten des einzelnen Kunden Kreditkarte A – Schulden: € 2.000 Jahreszins 12,5% Flexikredit B – Schulden: € 9.000 Jahreszins 11% Leasing C – Schulden: € 21.000 Jahreszins 7,5%

Schuldenkonsolidierung: Kundenziele FICO Optimization Dashboard: Debt Consolidation Module Confidential – do not copy Kundenziele Reduktion der monatlichen Zahlungen Verkürzung des Rückzahlungszeitraums Reduktion der Abschlusskosten

Schuldenkonsolidierung: Analytik FICO Optimization Dashboard: Debt Consolidation Module Confidential – do not copy Analytikfunktionen Rückzahlungsfähigkeit Response-Funktionen Wettbewerbsdaten Response Function, Wirkungsfunktion; Beziehung zwischen beliebig vielen Marketingvariablen (z.B. Preis, Kommunikation, Distribution) und dem Response (Antwort), den die Marketingvariablen bei Konsumenten und Nachfrager auslösen. Unabdingbare Voraussetzung für rationale Marketingentscheidungen. Messung: Die Responsefunktion kann in tabellarischer, grafischer oder mathematischer Form beschrieben werden. Der Response (abhängige Variable) wird oft in Form von absoluten oder relativen Absatzmengen oder Marktanteilen gemessen, so dass die Responsefunktion Auskunft gibt über Art und Stärke der Wirkung verschiedener Marketingvariablen auf den Absatz und/oder Marktanteil eines Produktes; die Wirkung kann nicht direkt oder indirekt über andere Marketingvariable erfolgen. Page 36

Schuldenkonsolidierung: Regeln FICO Optimization Dashboard: Debt Consolidation Module Confidential – do not copy Regeln bzw. Eigenschaften der wählbaren Produkte

Schuldenkonsolidierung: Wählbare Produkte FICO Optimization Dashboard: Debt Consolidation Module Confidential – do not copy Wählbare Produkte

Schuldenkonsolidierung: Entscheidungen FICO Optimization Dashboard: Debt Consolidation Module Confidential – do not copy Optimale Lösung Anzeigen der optimalen Lösung für den Kunden Verhandlungstools

Vorteile Das gesamte Kundenprofil wird berücksichtigt Entscheidungen weisen eine enorme Preiselastizität aus Lösung vereinigt Einflussfaktoren aus den Allgemeinen Kreditrichtlinien, den geschäftlichen Zielen und den den individuellen Kundenzielen Anwendung läuft in Echtzeit und ermöglicht konsistente, profitrable Entscheidungen höhere Kundenfreundlichkeit wenig IT-Aufwand bei der Implementierung

Case Studies Portfolio Optimierung Verbessern bestehender Kreditlinien-Strategien Erstellen eines Angebots zur Schuldenkonsolidierung aus Millionen von Kombinationsmöglichkeiten Auswählen der richtigen Aktion aus Millionen von Alternativen (Marketing im Handel) Finden einer akzeptablen Lösung, auch wenn nicht alle Regeln erfüllt werden können (Raumplanung im Handel)

FICO™ Retail Action Manager Prediction Engine Optimization Engine Rules Engine Narrator: “Introducing the Retail Action Manager from FICO. Fueled by Next Best Action TechnologyTM.” The Retail Action Manager has an Insight Engine which is an interactive tool that recognizes and displays purchase patterns; a Propensity Engine that predicts which product each customer is most likely to purchase and when; and an Optimization Engine that allows you to add budgetary, operational and other constraints to campaign decision criteria. (The Retail Action Manager also has a built-in campaign manager that allows you to automatically launch customer-centric campaigns directly from the application. (wording)) Seamlessly integrates regardless of technology. Wissen, welche Produkte ein Verbraucher wahrsch. kaufen wird – und wann Optimale Ergebnisse beim Management von Auflagen Bereitstellen konsistenter und präziser Botschaften im gesamten Unternehmen Testen - Lernen - Adaptieren Page 42

Mit diesen Daten funktioniert es… Sie stellen FICO folgende Daten bereit: Historische Kundentransaktionen Kunden Segmente Daten aus dem POS Demographien Altersstufen Lifestyles Data Warehouse 3rd Party Product Preise Kategorien Hersteller, Anbieter 3rd Party Produkt

Prediction Engine… ein näherer Blick Man kann das beste Produkt für jeden Kunden wählen… … je nach seiner Präferenz (Propensity). Pr(LCD TV) Pr(Dessert) Pr(Bier) Pr(Pizza) Pr(Keks) ... Hans 0.0815 0.0158 0.6564 0.2067 0.0439 … Johann 0.0906 0.0971 0.0363 0.0329 0.0382 Peter 0.0127 0.0957 0.8499 0.2773 0.0766 Michel 0.0913 0.0485 0.0734 0.0967 0.0795 Maria 0.0063 0.0008 0.6790 0.0972 0.0187 Fred 0.0098 0.0142 0.7586 0.4239 0.8049 Frieda 0.0278 0.0422 0.0430 0.2958 0.0446 Narrator: “The propensity engine is the heart of the Retail Action Manager. It is a predictive tool, that tells you the likelihood that a customer will purchase a particular product within a timeframe that you select. And, it can do this for tens of millions of customers across 150 different products or product subcategories. Never has a solution this powerful been available for retail management. The propensity engine provides you with actionable information so you can make customer-centric marketing decisions at every turn. Those related to campaign targeting, branding strategy, customer contact point management, merchandising, and more.” Page 44

FICO Retail Client Kundendaten Anwendungs- Protokolle & Datenbank EDW 3rd Party PIM Protokolle & Berichtswesen Prädiktive Analytik Kampagne Geschäfts- regel Mgt. Optimierung Kundenspezifisch angepasstes Produktangebot KampagnenManagement Verkauf Kosten Compliance Testen Lernen Adaptieren Page 45

Vorteile einer „Retail Management“ Technologie Konsistente und präzise Aussagen über das gesamte Unternehmen hinweg treffen Wissen, welches Produkt die Kunden wahrscheinlich kaufen werden – und wann Optimale Resultate im Rahmen der geschäftlichen Strategie erzielen

Case Studies Portfolio Optimierung Verbessern bestehender Strategien Erstellen eines Angebots zur Schuldenkonsolidierung aus Millionen von Kombinationsmöglichkeiten Auswählen der richtigen Aktion aus Millionen von Alternativen Finden einer akzeptablen Lösung, auch wenn nicht alle Regeln erfüllt werden können (Raumplanung im Handel)

Kundenbeispiel: Räumliche Anordnung von Verkaufsregalen Regelbasierte Systeme Raumplanung auf Makroebene Raumplanung auf Mikroebene Ziel: Reduktion manueller Eingriffe in der Absatzförderung für über 6.000 Regale Ziel: Verlinkung von POS-Statistiken mit Qualität der Absatzförderung Page 48

Entscheidungsbereiche innerhalb der Raumplanungslösung Powered by FICO™ Blaze Advisor® Sortiment/Planogram-Regeln kodifiziert für künftigen Gebrauch Managen von Erkenntnissen als Corporate Asset Priorisierung / Ranking von Regeln Schaffen von Regelsätzen & Regelflows je Geschäft/Cluster Entscheidungen basierend auf der Kundennachfrage Berücksichtigung der Regalabmessungen – je Cluster oder Geschäft Page 49

Visualisierung der Ergebnisse Visualisierungslösung Beschreibung und Standort jeder Einheit Anzahl der Blenden Brand-Share nach Kategorie und Regalraum Gefüllter Regalraum in % Page 50

Raumoptimierung: Einschränkungen in der Sortimentsoptimierung Regeln Page 51

Vielen Dank für Ihre Aufmerksamkeit! Frank Häger +49-4161-597406 FrankHaeger@fico.com 11. November 2010 Page 52

Agenda Motivation für Decision Management © 2010 Fair Isaac Corporation. Confidential. 53 Agenda Motivation für Decision Management Was ist Enterprise Decision Management? Enterprise Decision Management heute Case Studies Diskussion Page 53

Decision Management der nächsten Generation Ein kombinierter Ansatz verspricht besten Erfolg Geschäftsregeln: Eignungsregeln verwalten und Entscheidungen automatisieren Prädiktive Modelle: Wahrscheinlichkeiten und Unwägbarkeiten verringern Simulation: Auswirkungen auf Aktionen erkennen Optimierung: die beste Lösung finden und Strategien verbessern FICO NextGen Werkzeuge FICO™ Blaze Advisor® Business Rules Management System FICO™ Model Builder für prädiktive, analytische Modelle Decision Simulator für Impakt-Analyse FICO™ Decision Optimizer für Preis Optimierung FICO™ Xpress Optimization Suite für industrielle Optimierung Custom Decision Optimization – Beratung Page 54