Business Intelligence auf Basis von Olap-Technologie
Das beschriebene Data Warehouse Konzept ist ein Bestandteil des Business Intelligence-Ansatzes (BI). BI bezeichnet Verfahren und Prozesse zur systematischen Sammlung, Auswertung und Darstellung von Daten zur Verbesserung der Entscheidungsfindung im Unternehmen. Der Integration von Daten kommt bei diesen Analysen eine entscheidende Bedeutung zu. Zur regelmäßigen Beladung des Data Warehouse werden so gennannte Extraktions-, Transformations- und Ladeprozesse (ETL) definiert, welche Rohdaten aus den operativen System tagesaktuell in das Data Warehouse laden.
Online Analytical Processing-Technologie (Olap) ermöglicht den Anwendern dabei, die Daten für CRM-Analysen aus unterschiedlichen Perspektiven zu betrachten. OLAP ist ein Top-Down-Verfahren, das durch den Anwender gesteuert wird. Dazu werden die Daten speziell aufbereitet. Man stelle sich einen Daten-Würfel vor, dessen Kanten so genannte Dimensionen bilden. Im Fall von CRM könnte der Würfel aus einer Kunden-, einer Produkt-, einer Regionen-, einer Vertriebskanal- und einer Zeitdimension bestehen. Die Kennzahlen, innerhalb des Würfels auch ‚Fakten‘ genannt, liegen auf den Verbindungspunkten zwischen den Dimensionen. So kann der Anwender zuvor definierte Kennzahlen entlang der Dimensionen auf unterschiedlichen Aggregationsniveaus betrachten. So könnte er zunächst den Umsatz nach Regionen betrachten und dann in einem Folgeschritt die Vertriebskanäle hinzuziehen.
Weiterhin könnte er evaluieren, welche Produkte innerhalb einer Region über welchen Kanal besonders gut verkauft werden. Diese Erkenntnisse können wiederum für die Ausgestaltung von Marketing- und Vertriebsaktivitäten genutzt werden. Im Gegensatz dazu ist das Data Mining ein Bottom Up-Analyseverfahren, das datengetrieben ist. Data Mining nutzt mathematisch-statistische Verfahren, um große Datenbestände nach bislang unbekannten Mustern zu durchsuchen. Auf diese Weise lassen sich die Kunden etwa in Cluster mit einem bestimmten Kaufverhalten einteilen oder Scoring-Methoden zur Bewertung von Risiken umsetzen. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Nach Selektion der Daten und der Abbildung in einem statistischen Modell kann man auf diese Weise sowohl vergangenheits-, als auch zukunftsorientierte Aussagen über das Kundenverhalten treffen. So lassen sich beispielsweise Kampagnen zielgerichtet auf Kundengruppen auszurichten. Durch die Anreicherung der Daten mit Informationen aus den unterschiedlichen Systemen des Unternehmens und durch flexible Analysemethoden wie OLAP oder Data Mining kann Business Intelligence im Vergleich zu den häufig starren Standardberichte der operativen System einen deutlichen Mehrwert bieten. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Open Source-Software verspricht flexiblen Lösungseinsatz
Sowohl für Customer Relationship Management als auch für Business Intelligence gibt es inzwischen einen umfassenden Softwaremarkt. Die großen Entwicklercommunities hinter führenden Open Source-Softwareprodukten treiben ihre Weiterentwicklung kontinuierlich voran. Durch die Offenheit des Quellcodes lässt sich die Software an individuelle Anforderungen anpassen, so dass beispielsweise Schnittstellen zu anderen Systemen entwickelt werden können. Erfolgreiche Open Source-Projekte im Bereich BI und CRM verfolgen in der Regel einen so genannten Commercial Open Source Ansatz. Diese Anbieter offerieren dabei eine kostenfreie Community-Version und eine Enterprise-Version, die gegen Zahlung einer jährlichen Gebühr professionellen Support, Wartung und erweiterte Funktionalität bietet. Nichtsdestotrotz bietet dieser Ansatz Kostenvorteile gegenüber den klassischen Lizenzmodellen etablierter Anbieter. Zur Umsetzung eines analytischen CRM ist der Blick in die Open Source-Welt also auf jeden Fall lohnend.
Software-Einführung im Unternehmen begleiten
CRM im Allgemeinen und analytisches CRM auf einer integrierten Datenbasis im speziellen sind sicherlich nicht nur ein Thema für Großunternehmen. Auch mittelständische Unternehmen mit entsprechendem Kundenstamm und Marketingaktivitäten sollten die Mühe nicht scheuen. Bei der Einführung einer CRM-Lösung sollte auf jeden Fall eine intensive Analysephase mit Fachabteilung und IT-Dienstleister vorangehen. Es gilt, die relevanten Kennzahlen, Auswertungen und Berichte zu spezifizieren und deren Datenherkunft zu bestimmen. Auf Basis dieser Erkenntnisse kann ein entsprechendes Soll-Konzept erstellt werden, das die Basis für die spätere technische Implementierung ist. Ebenfalls nicht zu unterschätzen ist eine gemeinsame technische und fachliche Testphase, bevor die Lösung produktiv gehen kann. So bietet sich die Möglichkeit, das Vorhaben in abgegrenzte Phasen aufzuteilen und Schritt für Schritt umzusetzen.
