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

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. 4.000 Firmen SPSS, mit ca. 20.000 Anwendern

Warum Datamining

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

Enwicklung der Datenanalyse Analyse und Vorhersage Operationale Systeme Business Intelligence

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

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

Analysen und Vorhersagen (Predictive Analytics, Datamining) 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.

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

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

Was Beispiele für predictive analytics

Was ist Datamining?

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

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

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

Analyse von Produktdaten Gewährleistungsdaten eines Tintenstrahldruckers Quelle Prof. DeVaux

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?

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

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

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

Wie werden Analysen und Prognosen erstellt und verteilt?

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

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

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

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

Einfacher Update durch Clementine Solution Publisher API Call Center Web Site Customer Scoring IMAGE FILE Runtime Engine Realtime oder Batch Database DB2 Datamart Flat files Data Data

Integration in operationale Systeme SPSS Data Mining Summit 2002 Integration in operationale Systeme Integration in OLAP Integration in CRM SPSS ist strategischer Siebel-Partner Siebel erweiterte die Funktionalität um analytisches CRM und Datamining Copyright 2002

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)

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

Contact Information Karl Busl kbusl@spss.com www.spss.de SPSS GmbH Software Rosenheimerstr.30 81669 München