Anzeige
Anzeige
Anzeige
Beitrag drucken

Customer Data Warehouse

Vertriebssteuerung mit Kennzahlen

Durch den Wandel zu Käufermärkten bekommen die Pflege und der Ausbau der Beziehung zu den Kunden eine entscheidende Bedeutung für Unternehmen. Die Abteilungen des Frontoffice benötigen einen ganzheitlichen Blick auf den Kunden, um alle notwendigen Informationen für eine optimale Ansprache griffbereit zu haben. Dabei ist eine homogene Datenbasis wichtig, die Daten aus unterschiedlichen Systemen integriert.

Beispiele für den Einsatz von Busniness Intelligence-Funktionen im Kundenbeziehungsmanagement: Auf Basis der Kennzahlen aus verschiedenen IT-Systemen lassen sich Reports zu den umsatzstärksten Produkten genauso erzeugen wie Auswertungen zur Effizienz von Kampagnen in unterschiedlichen Medienformaten oder zu verschiedenen Anlässen.

Bild: IT-Novum

Die richtige Information zur richtigen Zeit am richtigen Ort zu bekommen, ist für eine effektive Unternehmenssteuerung von essenzieller Bedeutung. Entscheider sind tagtäglich mit einer Flut an Informationen aus den unterschiedlichsten Quellen konfrontiert, auf deren Basis sie die richtigen Stellhebel betätigen sollen. Um die relevanten Informationen zu verdichten und für eine Entscheidungsfindung aufzubereiten, kommen in der Regel Kennzahlen zum Einsatz. Eine einzelne Kennzahl besitzt aber nur beschränkte Aussagekraft, so dass der Aufbau eines verknüpften Kennzahlensystems Vorteile verspricht. Weit verbreitet sind Kennzahlen, die sich mit finanziellen Fragestellungen befassen.

Spätestens seit viele Unternehmen sich mit Themen wie Balanced Scorecard-Systemen befassen, rücken auch Kennzahlen mit nicht-finanziellem Charakter in den Fokus: Die geschäftliche Tätigkeit soll aus unterschiedlichen Perspektiven beurteilt werden können. Die dazu notwendigen Basisinformationen liegen in der Regel in einer heterogenen IT-Landschaft verteilt. Eine zentrale Herausforderung ist deshalb die Integration und Aggregation der Informationen aus den unterschiedlichen Quellen in eine homogene Datenbasis. Dazu werden die steuerungsrelevanten Informationen in einem so genannten Data Warehouse vorgehalten.

Das Data Warehouse vereinheitlicht Daten aus den verschiedenen Quellen, beseitigt Inkonsistenzen und bietet somit einen globalen Blick auf die Unternehmensdaten. Diese Datenschicht ist themenorientiert aufgebaut und dadurch auf die Informationsbedürfnisse der Anwender ausgerichtet. Durch die Vorhaltung von historischen Daten können Zeitreihenanalysen genutzt werden, um die Kennzahlen im Zeitverlauf zu betrachten. Ein Data Warehouse ist also ein Datenhaltungskonzept, um die funktionalen Anforderungen zur Unterstützung moderner Controllingmethoden zu unterstützen.

Daten-Integration für das Customer Relationship Management

Um steuerungsrelevante Informationen über das Unternehmen im Blick zu haben, ist es notwendig, die Datenquellen über Lieferanten, Ressourcen, Prozesse, Produkte und Kunden je nach Aufgabenstellung zusammenzuführen und zu verknüpfen. Im Mittelpunkt von Analysen und Auswertungen für das Customer Relationship Management (CRM) steht, ein umfassendes Verständnis für den Kunden zu erarbeiten und die Beziehung langfristig zu entwickeln. Dabei soll in der Regel sowohl die Neukundengewinnung als auch Bestandskundenpflege optimiert werden.

Operativ wird CRM vor allem in Unternehmensbereichen mit direktem Kundenkontakt genutzt, wie Vertrieb, Marketing oder Service. Hier werden Informationen genutzt, um die Kundenansprache zu verbessern und bei Kundenkontakten weitere Daten zu erfassen. Im Rahmen des kommunikativen CRM liegt der Schwerpunkt auf der Bereitstellung der unterschiedlichen Kommunikationskanäle zum Kunden, also vom Call-Center über Messaging bis hin zur ‚Face-to-Face‘-Kommunikation. Im kollaborativen CRM wird der Ansatz um weitere Unternehmensbereiche und gegebenenfalls externe Partner und Lieferanten erweitert.

Um diese Aufgaben umsetzen und unterstützen zu können, sind unterschiedliche IT-Systeme im Einsatz. In den operativen Bereichen, dem so genannten Frontoffice, kommt in der Regel spezielle CRM-Software zum Einsatz. Sie stellt den Mitarbeitern Informationen über die Kunden bereit und bietet Eingabemöglichkeiten für neue Daten. Im Backoffice werden die Geschäftsprozesse in der Regel im Enterprise Resource Planning-System (ERP) umgesetzt.

Customer Data Warehouse für aussagekräftige Analysen

Die Zwischensicht zwischen diesen beiden Welten wird als analytisches CRM bezeichnet. Dazu müssen Daten aus den unterschiedlichen Systemen von Front- und Backoffice zusammengeführt werden, um ein ganzheitliches Bild des Kunden entwerfen zu können. Dieses ‚Customer Data Warehouse‘ stellt eine einheitliche Datenbasis dar, die Informationen aus internen und externen Quellen vereinigt. So kann etwa die Kennzahl ‚Umsatz‘ in einem neuen Licht erscheinen, wenn sichtbar wird, dass überdurchschnittliche vertriebliche Aktivitäten notwendig waren, um einen Umsatz zu erzielen.

Ein derart aufbereitetes Data Warehouse ist die Grundlage für die Analyse unterschiedlichster Fragestellungen, die von einfachen Reports etwa zu umsatzstärksten Kunden nach Regionen über ABC- und Verkaufserfolgsanalysen hin zu komplexen Marktanalysen reichen. Typische Anwendungsfelder sind die Response-Optimierung von Kampagnen, das Aufdecken von Cross-Selling-Potentialen und die Vorhersage oder Prävention von Kundenstorni. Die auf dieser Basis gewonnenen Erkenntnisse können in Form von Berichten und Analysen wieder dem Backoffice bereitgestellt werden. Da sich dieser Informationsfluss schleifenartig wiederholt, wird von auch von einem ‚Closed-Loop‘-System gesprochen.

google plus


Das könnte Sie auch interessieren:

Der Automobilzulieferer Felss hat eine Software für vorausschauendes Scoring und Automatisierung eingeführt. Die Industriemaschinen mit ihrer hochpräzisen Umformungstechnik arbeiten jetzt messbar effizienter.‣ weiterlesen

Predictive Maintenance-Konzepte spielen eine immer größere Rolle in modernen Fabriken. Doch warum dauert es so lange, bis die Systeme großflächig zum Einsatz kommen, welche Rolle spielt dabei eine einheitliche Semantik und was muss sich noch verbessern?‣ weiterlesen

Microsoft hat Azure IoT Edge kostenfrei auf Github zur Verfügung gestellt. Der Dienst ermöglicht das lokale Ausführen von Datenanalysen und künstlicher Intelligenz (z.B. mit Azure Cognitive Services oder Machine Learning) in Geräten, Maschinen und Anlagen ohne dauerhafte Cloud-Konnektivität sowie die Übertragung dieser Daten in die Cloud für genauere Analysen. ‣ weiterlesen

Um Verwaltungsaufgaben schneller abzuwickeln, heißt es: Erst vereinfachen, dann automatisieren. Digitale Werkzeuge bieten hierzu weitreichende Möglichkeiten. Um eine umfassenden Analyse zuvor kommen Unternehmen aber nicht herum.‣ weiterlesen

Anzeige
Anzeige
Anzeige