mehrwert aus daten gewinnen mit datamining und textmining entwicklung der datenanalyse...
Post on 05-Apr-2015
105 Views
Preview:
TRANSCRIPT
Mehrwert aus Daten gewinnen mit
Datamining und Textmining
Entwicklung der DatenanalyseEinsatzgebieteUmsetzung
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 undVorhersageAnalyse undVorhersage
OperationaleSysteme
OperationaleSysteme
BusinessIntelligence
BusinessIntelligence
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
OperationaleSysteme
OperationaleSysteme
ERPERP
ERMERM
WebWeb
CRMCRM
BASISBASIS Interaktion mit KundenInteraktion mit Kunden LagerhaltungLagerhaltung Supply Chain ManagementSupply Chain Management Qualitäts-KontrolleQualitäts-Kontrolle Employee Self ServiceEmployee Self Service
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
OperationaleSysteme
OperationaleSysteme
ERPERP
ERMERM
WebWeb
CRMCRM
BusinessIntelligence
BusinessIntelligence
OLAPOLAP
ETLETL
DataQualityData
QualityQuery/ReportQuery/Report Data
WarehouseData
Warehouse
VERSTEHENVERSTEHEN KundenzufriedenheitKundenzufriedenheit UmsatzUmsatz KostenKosten PersonalwechselPersonalwechsel
BASISBASIS Interaktion mit KundenInteraktion mit Kunden LagerhaltungLagerhaltung Supply Chain ManagementSupply Chain Management Qualitäts-KontrolleQualitäts-Kontrolle Employee Self ServiceEmployee Self Service
Vorteil: Instrumentalisierung, Automatisierte Prozesse
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)
P R E D I C T I V E A N A L Y T I C S
Datenanalyse: Phase 3
Analyse undVorhersageAnalyse undVorhersage
RecommendationsRecommendations
ScoringScoring
Data MiningData Mining
Verteil: Identifizieren und Nutzen neuer Potentiale
OPTIMIERENOPTIMIEREN KundenbindungKundenbindung Product AffinitiesProduct Affinities DirektmarketingDirektmarketing Forecasting Forecasting Qualität verbessernQualität verbessern PersonalbindungPersonalbindung
OperationaleSysteme
OperationaleSysteme
ERPERP
ERMERM
WebWeb
CRMCRM
BusinessIntelligence
BusinessIntelligence
OLAPOLAP
ETLETL
DataQualityData
QualityQuery/ReportQuery/Report Data
WarehouseData
Warehouse
VERSTEHENVERSTEHEN Kundenzufriedenheit Kundenzufriedenheit UmsatzUmsatz KostenKosten PersonalwechselPersonalwechsel
BASISBASIS Interaktion mit KundenInteraktion mit Kunden LagerhaltungLagerhaltung Supply Chain ManagementSupply Chain Management Qualitäts-KontrolleQualitäts-Kontrolle Employee Self ServiceEmployee Self Service
Vorteil: Instrumentalisierung, Automatisierte Prozesse
Vorteil: Hohe Effizienz Indiv. Informationen
OperationalSystemsOperationalSystems
Business IntelligenceBusiness Intelligence
Break Even
RO
I (%
)N
eg
ati
ve
Retu
rns
Posi
tive
Retu
rns
Time (Years)
Predictive Analytics
Predictive Analytics
PersonalizationPersonalizationEffectEffect
ROI
Was
Beispiele fürpredictive 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 TintenstrahldruckersQuelle 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
Datenquellen
ERP
CRMlegacy
emails
Webseiten
Berichte
logfiles
Other info
DatenanalyseDatenanalyse
Struktierte DatenStruktierte Daten Benutzerverhalten Benutzerverhalten Im WebIm Web
Freier TextFreier Text
Arbeitsweise von Clementine
Möglichst vieleOperationen der DB durchführen lassen.
Den Rest auf einem Server.
Automatisierung und Verteilung
Model export(z.B. PMML)
Clementine Solution Publisher: Model und Processing
API
Call CenterWeb Site
Customer Scoring
Call CenterWeb Site
Customer Scoring
IMAGE FILEIMAGE FILE
Runtime EngineRuntime Engine
Realtime
oder
Batch
Einfacher Update durchClementine Solution Publisher
Data
DatabaseDB2DB2DB2DB2
DatamartDatamartDatamartDatamart
Flat filesFlat files
Data
Integration in operationale Systeme
• Integration in OLAP • Integration in CRM• SPSS ist strategischer Siebel-Partner
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 Buslkbusl@spss.com
www.spss.de
• SPSS GmbH Software Rosenheimerstr.3081669 München
top related