Allgemeine Marktübersicht Problembeschreibung Projektplan

Slides:



Advertisements
Ähnliche Präsentationen
Hochschul-PR in Deutschland Ziele, Strategien, Perspektiven
Advertisements

aus informationsökonomischer Sicht -
Vorteile der Online-Produkte
Rechnergestützte Musikanalyse Einführung Projektseminar Musikwissenschaftliches Institut Hamburg WS 2005/06 Leitung: Klaus Frieler.
Entwicklungsansätze zur Erhöhung der Kooperationsfähigkeit
Warum sind die Wünsche von Kindern wichtig für die Stadtentwicklung?
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Eine Fallstudie zur Wirtschaftsinformatik
Nutzung und Bedeutung von Business Intelligence und Business Intelligence Methoden und -Werkzeugen Durch die Analyse des BI mit dem Fokus der Managementunterstützung.
Philosophische Fakultät 3: Empirische Humanwissenschaften Fachrichtung Erziehungswissenschaft Statistik I Anja Fey, M.A.
Algorithmentheorie 04 –Hashing
WS Algorithmentheorie 02 - Polynomprodukt und Fast Fourier Transformation Prof. Dr. Th. Ottmann.
Prof. Dr. S. Albers Prof. Dr. Th. Ottmann
Grundkurs Theoretische Informatik, Folie 2.1 © 2006 G. Vossen,K.-U. Witt Grundkurs Theoretische Informatik Kapitel 2 Gottfried Vossen Kurt-Ulrich Witt.
Kundenwert-Analyse am Beispiel des Vertriebs für mobile Datendienste
Internet facts 2006-I Graphiken zu dem Berichtsband AGOF e.V. September 2006.
Internet facts 2006-III Graphiken zum Berichtsband AGOF e.V. März 2007.
Internet facts 2008-II Graphiken zu dem Berichtsband AGOF e.V. September 2008.
Internet facts 2006-II Graphiken zu dem Berichtsband AGOF e.V. November 2006.
Internet facts 2005-IV Graphiken zu dem Berichtsband AGOF e.V. Juli 2006.
Internet facts 2005-III Graphiken aus dem Berichtsband AGOF e.V. März 2006.
Herzlich willkommen beim 1. Workshop der AG Methodik
1/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS Projektgruppe KIMAS MultiAgenten-Systeme Andreas Goebels.
Prof. Dr. Peter Schmidt, Hochschule Bremen
Große Umfrage zum Thema Unternehmensbeteiligungen / Geschlossene Fonds Online- und telefonische Befragung Dezember 2005 / Januar Teilnehmer.
Was machen wir besser als die Wettbewerber
Produkt und Sortimentsanalyse
Ziel der Veranstaltung
Betrügern auf der Spur WIN-Treffen 2010 Falko Meyer 04 BW.
Bild 1.1 Copyright © Alfred Mertins | Signaltheorie, 2. Auflage Vieweg+Teubner PLUS Zusatzmaterialien Vieweg+Teubner Verlag | Wiesbaden.
POSITIONIERUNG DES BAUSTOFFHANDELS IN OÖ 2012 WKOÖ POSITIONIERUNG DES BAUSTOFF-FACHHANDELS IN OÖ
Merkmale der Einkaufs-aufgabe aus Kundensicht
Se.uni-oldenburg.de/pg-eea Projektgruppe Energieeffiziente Applikationen Ein komponentenbasiertes Framework zur Erkennung und Klassifizierung der Energieeffizienz.
Kampagnen-Management Fazit
Allgemeine Marktübersicht Problembeschreibung Projektplan
5.1-1 © Albers/Krafft 2013 Außendienst-Entwicklung Anreizsysteme
Controlling - Regelkreis
© 2005, informations-broker.netinformations-broker.net© 2005, informations-broker.netinformations-broker.net Folie-Nr Basel II: Rating verbessern.
Folie 1 © IAB Austria, Presseinformation Roland M. Kreutzer, 4/2005.
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research Prof. Dr. Andreas Hilbert
Fachhochschule Gelsenkirchen
Auslegung eines Vorschubantriebes
STATISIK LV Nr.: 1375 SS März 2005.
Kapitel 10 Multikollinearität
Absatzwirtschaft Vertriebsumfrage Düsseldorf, den
Geschichte. Geschichte 1994: - Namensänderung in „Allgemeine Deutsche Direktbank“ Geschichte 1965: - Gründung der BSV: Bank für Spareinlagen und.
Das MINTmeter – Messinstrument für unseren gemeinsamen Erfolg
Managemententscheidungsunterstützungssysteme (Ausgewählte Methoden und Fallstudien) ( Die Thesen zur Vorlesung 3) Thema der Vorlesung Lösung der linearen.
Analytisches CRM Phonnet Gruppe 1 (Loher, Meier, Rehhorn, Piasini)
Großer Altersunterschied bei Paaren fällt nicht auf!
Die Kompetenzwerkstatt - Ich und meine Zukunft -
Analyseprodukte numerischer Modelle
Allgemeine Marktübersicht Problembeschreibung Projektplan
Marktübersicht Die Linusbank Problembeschreibung Projektplan
Evaluation des Zweiten Betreuungsrechtsänderungsgesetzes (2. BtÄndG)
Analytisches CRM Phonnet Gruppe 1 (Loher, Meier, Rehhorn, Piasini)
Qualitätsanalyse zur DKM 2007 Die Makler Die Messe Die Unternehmen Ergebnisse einer telefonischen Befragung bei Maklern November 2007 Marketing Research.
Statistische Analysen zur Situation von Frauen in Österreich
Händlerkongress 2006 Workshop 3
Positionspapier AG-SW syngenio AG
Werbung und Marketing: Worauf muss geachtet werden?
Bedeutung der stationären Geschäftsstelle für das PK-Geschäft in der Zukunft.
Fakultät Maschinenwesen, Professur für Technische Logistik THEMA DER ARBEIT (DIN Bold 48) Diplomand: Vorname Name Betreuer: Herr X Betreuender HSL: Prof.
Qualitative Interviews Sabina Misoch ISBN: © 2015 Walter de Gruyter GmbH, Berlin/Mu ̈ nchen/Boston Abbildungsübersicht / List of Figures.
Monatsbericht Ausgleichsenergiemarkt Gas – Oktober
Monatsbericht Ausgleichsenergiemarkt Gas – November
SWE for DS Thema und Organisation Prof. Dr. Stephan Trahasch 1.
Projektmanagement in den Projektausführungsphasen
Digitales Kundenverhalten 2016 Finanzbranche Österreich FMVÖ Business Breakfast
Business Model Canvas Projektname: Name des Vorhabens / Projektes
 Präsentation transkript:

Allgemeine Marktübersicht Problembeschreibung Projektplan Die Linusbank Allgemeine Marktübersicht Unternehmenssicht Problembeschreibung Projektplan Deskriptive Analyse Kundenwertkonzept Klassifikationsmodell Kampagnenauswertung

Die Linusbank Allgemeine 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 %

Die Linusbank Unternehmenssicht mittelgroße Filialbank mit 500.000 Kunden 5 Produkte : umfangreiches Data Warehouse mit historisierter Datenbasis sowohl Online- als auch Filialgeschäft

Klassifikationsmodell Kampagnenauswertung Die Linusbank Problembeschreibung Was der Kunde sagt Was der Kunde will Projektplan Deskriptive Analyse Kundenwertkonzept Klassifikationsmodell Kampagnenauswertung

Problembeschreibung Was 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.“

Problembeschreibung Was 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

Klassifikationsmodell Kampagnenauswertung Die Linusbank Problembeschreibung Projektplan Projektablauf Koordination der Projektarbeit Deskriptive Analyse Kundenwertkonzept Klassifikationsmodell Kampagnenauswertung

Projektplan Projektablauf 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

Projektplan Kooperation der Projektarbei

Klassifikationsmodell Kampagnenauswertung … Projektplan Deskriptive Analyse Übersicht über vorhandene Daten Produktverteilung Produkterträge Kundenstruktur Kundenwertkonzept Klassifikationsmodell Kampagnenauswertung

Deskriptive Analyse Übersicht über vorhandene Daten

Deskriptive Analyse Produktverteilung Girokonto hat größten Produktanteil Kredit nur vergleichsweise geringer Anteil Anteil für Riester und Spaern minimal

Deskriptive Analyse Produkterträge Riester und Kredit haben die höchsten Anteile an den Erträgen Zins, Giro und Depot vergleichsweise niedriger Ertragsanteil Jahresertrag Laufzeitertrag 530 1970 140 290 40 260 25 90 450 570

Deskriptive Analyse Kundenstruktur 1/2

Deskriptive Analyse Kundenstruktur 2/2 Mehr Filial- als Onlinekunden Kaum Unterschiede in der Altersstruktur im Vergleich Online/ Offline

Klassifikationsmodell Kampagnenauswertung … Deskriptive Analyse Kundenwertkonzept Motivation Anforderungen Mögliche Verfahren 3-Dimensionales Kundenwertmodell Kundenwert im Projekt Ziel Klassifikationsmodell Kampagnenauswertung

Kundenwertkonzept Motivation 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

Kundenwertkonzept Anforderungen Wertebeitrag von Bestandskunden und potenziellen Neukunden einschätzen Aktivitäten auf attraktive Kunden konzentrieren Kundenloyalität erhöhen Ausschöpfung von Cross- & Up - Selling Potenzialen Vertriebsressourcen optimal allokalisieren

Kundenwertkonzept Probleme 1/2 Mögliche Probleme, die bei der Analyse des Kundenwertes auftreten: zukünftiger Wertebeitrag eines Kunden differiert sehr stark relevante Daten für Kunden - Segmentierung muss aus großer Menge verschiedener Daten gefiltert werden und nötige Trennschärfe vorweisen Unterschiedliche Kundeneigenschaften, insb. asymmetrisch verteilte Informationen erschweren einen objektiven Vergleich

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 Kundengelöst werden?

Kundenwertkonzept Mögliche Verfahren Qualitative Segmentierung ABC - Analysen Kunden - Deckungsbeitragsrechnung Kunden - Scoring - Modelle Kunden - Portfolio - Analyse Customer Lifetime Value Entscheidung für ein 3 – Dimensionales Kundenwertmodell

Kundenwertkonzept 3 - Dimensionales 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

Kundenwertkonzept Kundenwert im Projekt Merkmale von "guten" Kunden: mit hohem Kreditvolumen geringer Kreditausfallwahrscheinlichkeit mit hoher Einlage mit hohen Einkommen treu Durch welche Daten lassen lassen sich solche Kunden erkennen? Kreditvolumen (VOLUMEN_KREDIT) Kreditwürdigkeit Einalgen - Netto - Volumen Einlagenvolumen Saldo Girokonto Beziehungsdauer

Kundenwertkonzept Ziel

Klassifikationsmodell Bedingungen Voraussetzung Die Linusbank Problembeschreibung Projektplan Deskriptive Analyse Kundenwertkonzept Klassifikationsmodell Bedingungen Voraussetzung Modelltypen ??? Kampagnenauswertung

Klassifikationsmodell Bedingungen 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!

Klassifikationsmodell Voraussetzung Kennzahlen An was lassen sich wertvolle Kunden messen? VOLUMEN_GESCHÄFT Woran lässt sich die Erfolgswahrscheinlichkeit einer Kampagne messen? ABSCHLUSSWAHRSCHEINLICHKEIT

Klassifikationsmodell Modelltypen 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

Klassifikationsmodell Modelltypen 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

Die Linusbank Problembeschreibung Projektplan Deskriptive Analyse Kundenwertkonzept Klassifikationsmodell Kampagnenauswertung Modellauswahl Kennzahlen

Kampagnenauswertung Modellauswahl Entscheidungsbaum: nachvollziehbar Künstliches Neuonales Netz: Black Box

Kampagnenauswertung Kennzahlen

Fragen usw.