3. Termin TutoriumManagement Support Systeme
Einführung in die Wirtschaftsinformatik
Allgemeine Hinweise
2
• Die Unterlagen werden nicht durch den Lehrstuhl geprüft und können daher Fehler enthalten
• Verbindliche Antworten erteilt ausschließlich der Lehrstuhl
• Es werden lediglich zentrale Inhalte vertieft und wiederholt
Agenda
3
1) Wiederholung
2) CRM-Systeme
3) Management Support Systeme
1) Data Warehouse
2) OLAP
3) KDD
4) Data Mining
Wiederholung
4
• Was war Integration?
• Was ist ein ERP?
• Was ist ein SCM?
• Was lässt sich aus der Pyramide ableiten?
Agenda
5
1) Wiederholung
2) CRM-Systeme
3) Management Support Systeme
1) Data Warehouse
2) OLAP
3) KDD
4) Data Mining
CRM
Geschäftstransaktion
Informationsphase
• Ermittlung kaufrelevanter Informationen
• Bewertung der Produkte hinsichtl. bestimmter Kriterien
• Ermittlung potentieller Transaktionspartner
Vereinbarungsphase
• Kontaktaufnahme zwischen Transaktionspartnern
• Vereinbarung der Konditionen/ Vertragsgestaltung
Abwicklungsphase
• Durchführung von vereinbarten Transaktionen
• Austausch von Gütern, Geld und Informationen
6
[Hansen/Neumann (2005), S. 658]
CRM
• „Marketing-Philosophie“: Beziehungsmanagement• Es werden alle Kanäle zur Kundenansprache integriert
und in Hinblick auf den einzelnen Kunden optimiert.• Zielgruppen: Privatkunden (B2C) und Geschäftskunden
(B2B)• B2C-Kundenbeziehungsmanagementsystem
– Beinhaltet i.d.R. ein Konsumenteninformationssystem– Bezieht die Privatkundenkontakte anderer Absatzwege ein
• B2B-Kundenbeziehungsmanagementsystem– Unterstützt alle auf Geschäftskunden zielenden Marketing-
Maßnahmen
7
[Hansen/Neumann (2005), S. 706 f.]
CRM
• Kundenbeziehungsmanagement = Customer Relationship Management (CRM)– Dient zur Identifikation, Gewinnung und Erhaltung von
Kunden– Koordination sämtlicher Kundenkontakte– Verstärkung der Kundenbindung– Maximierung des Nutzens jeder einzelnen
Kundenbeziehung– Mittel:
• Konsequente differenzierte Kundenansprache• Abstimmung des Leistungsangebots auf die Kunden
8
[Hansen/Neumann (2005), S. 709 f.]
CRM
• Basis eines CRM sind Kundendaten
• Operative IS (ERP)
• Feedback der aktuellen u. potentiellen Kunden
• Marktforschung
• Internetbasierte Befragung/ Beobachtung
Gewinnung von
Kundendaten
• Kundenprofile
• Basis für eine individuelle od. kundengruppenbezogene Ausgestaltung der einzelnen Marketingmaßnahmen
• Beinhaltet die Gesamtheit der Eigenschaften, die typisch den Kunden und relevant für die Geschäftsbeziehung sind
• Kundenwert
• Customer-Lifetime-Value
• Kundensegmentbildung
Auswertung von
Kundendaten
10
[Hansen/Neumann (2005), S. 708 ff.]
CRM
• Rechnergestütztes Customer Relationship Management• Einbeziehung außenwirksamer Informationssysteme auf Basis des
Internets• Speicherung sämtlicher Kundenkontakte in einer einheitlichen
Kundendatenbank bzw. einem Data Warehouse• Aufbereitung sämtlicher Kundenkontakte mittels Datenanalyse und
Data-Mining-Techniken• Automatisierung der Bereiche Kommunikation, Verkauf & Service• Komponenten
– Analytisches CRM– Kommunikatives CRM– Operatives CRM
11
[Hansen/Neumann (2005), S. 709 ff.]
CRM - Komponenten
• Tätigkeit der Datengewinnung und –auswertung
• Entscheidungsunterstützung bei Optimierung kundenbezogener Prozesse
• Data-Warehouse
• OLAP
• DataMining
Analytisches CRM
• Abstimmung der Kommunikationskanäle zwischen Anbieter und Kunden
• Koordination von Marketingaktivitäten
• Customer Interaction Center als multimediale Kommunikationsschnittstelle
Kommunikatives CRM
14
CRM - Komponenten
• Dient dazu, innerh. des durch strategische Entscheidungen festgesetzten Aktionsraums automatisch die dem jeweiligen Kunden am besten entsprechende operativen Marketingentscheidungen zu treffen
• Rechnerunterstützung bezieht sich auf alle Phasen der Kundenbeziehung
• Schwerpunkte
• Kundenakquisition
• Verkauf
• Kundendienst
Operatives CRM
15
Agenda
16
1) Wiederholung
2) CRM-Systeme
3) Management Support Systeme1) Data Warehouse
2) OLAP
3) KDD
4) Data Mining
MSS - EUS
• Entscheidungsunterstützungssystem
– Decision Support System (DSS)
– Informationssystem zur Unterstützung bei der Entscheidungsvorbereitung
– Funktionen zur Überprüfung von Hypothesen
– Untersuchung möglicher Handlungsalternativedurch
• Mathematische Modelle
• Methoden
19
[Hansen/Neumann (2005), S. 781]
MSS
• Ausschnitt der Realität in vereinfachter Form
Modell
• Darstellung in mathematischer Form durch Variablen und Formeln (Business Case)
Entscheidungsmodell
• Systematische Vorgehensweise zur Lösung eines Problems
• Exakte und vollständig formulierte Verfahrensvorschrift - Algorithmus
Methode
20
[Hansen/Neumann (2005), S. 781 f.]
Agenda
23
1) Wiederholung
2) CRM-Systeme
3) Management Support Systeme
1) Data Warehouse2) OLAP
3) KDD
4) Data Mining
MSS - DW
• Data Warehouse (DW)– Unternehmensweites Konzept
– Einheitliche und konsistente Datenbasis zur Entscheidungsunterstützung
– Getrennt von den operativen Systemen
• “A data warehouse is a subject-oriented, integrated, nonvolatile, and time-variantcollection of data in support of management’sdecisions.”
24
[Inmon, 1993]
MSS - DW
• Ausrichtung an inhaltlichen Themenschwerpkt. (Dimensionen)
• Bspw. Kunden, Regionen, Produkte
Subject-oriented
• Vereinheitlichung der Daten aus den operativen Systemen
• Benennung, Skalierung und Kodierung
integrated
• Dauerhaftigkeit, Stabilität der Daten
• Bereitstellung von Zeitreihen über längere Zeiträume
nonvolatile
25
MSS -DW
• Zeitorientierung der Informationen
• Aktualität der Daten
• Schnappschuss des Unternehmensgeschehens
• Zeitbezug
• Bestandsgrößen – Datumsangabe
• Bewegungsgrößen - Zeitraumangaben
Time-variant
26
Agenda
29
1) Wiederholung
2) CRM-Systeme
3) Management Support Systeme
1) Data Warehouse
2) OLAP3) KDD
4) Data Mining
MSS - OLAP
• On-Line Analytical Processing (OLAP)
– Interaktive, multidimensionale Analyse
– Intuitive Benutzeroberfläche
– Definition der OLAP Fähigkeit von Informationen durch 12 Regeln von Codd
30
[Hansen/Neumann (2005), S. 818]
MSS - OLAP
• Auszug aus Regeln Codd– Mehrdimensionale konzeptionelle Perspektive
– Transparenz
– Zugänglichkeit
– Dynamische Verwaltung dünn besetzter Matrizen
– Mehrbenutzerunterstützung
– Flexibles Berichtswesen
– Unbegrenzte Anzahl an Dimensionen und Aggregation
31
[Hansen/Neumann (2005), S. 818]
Agenda
36
1) Wiederholung
2) CRM-Systeme
3) Management Support Systeme
1) Data Warehouse
2) OLAP
3) KDD4) Data Mining
MSS - KDD
Knowledge Discovery in Databases (KDD) describes the „non-trivial process ofidentifying valid, novel, potentially usefull, andultmately understandable patterns in data…“
37
[Fayyad, et al. 1996]
Agenda
39
1) Wiederholung
2) CRM-Systeme
3) Management Support Systeme
1) Data Warehouse
2) OLAP
3) KDD
4) Data Mining
MSS – Data Mining
• Datenbank-basierte Verfahren
– die unter Verwendung von
• Methoden der Statistik und
• Methoden der Künstlichen Intelligenz (KI)
– selbständig
• Annahmen generieren ("machine learning"),
• überprüfen und
• entsprechende Ergebnisse präsentieren.
40
MSS – Data Mining
• Zuordnung in vordefinierte Klassen
Klassifikation
• Einteilung in Klassen gemäß einem Ähnlichkeitsmaß
Clusterung
• Abhängigkeitsbeziehungen von Attributausprägungen
Entdecken von Abhänigkeiten
41
[Hansen/Neumann (2005), S. 822 f.]
Fragen?? Nein? Danke!
Vielen Dank für die Aufmerksamkeit!
Anregungen, Kritik und Fragen gerne an [email protected]
@p_schwan
42
Quellen
• Prof. Dr. Chamoni; Skript Einführung in die Wirtschaftsinformatik Sommersemester 2009
• Hansen, Hans Robert; Neumann, Gustaf: Wirtschaftsinformatik 1 - Grundlagen und Anwendungen. 9. Auflage, Lucius & Lucius, Stuttgart 2005.
43