CENIT EIM Innovationstag Predictive Analytics als Wettbewerbsvorteil

Transcrição

CENIT EIM Innovationstag
Predictive Analytics als Wettbewerbsvorteil
Motorworld Böblingen, 09. Juni 2015
Stephan Schnieber, IBM Analytics, Analytics Solution Architect
© 2015 IBM Corporation
Daten sind die neue
Basis für den
Wettbewerbsvorteil
Treiben das
Geschäftsergebnis
durch die Anwendung
höherentwickelter
Analysen über
weitereichendere
Datenquellen in allen
Organisationsbereichen.
2
Schaffung und
Nutzung eines
Zeitvorsprungs
mittels “speed of insight”
und “speed of action”
als Hauptunterscheidungsmerkmale.
Veränderungen
im Markt, den Industrien und
Berufen durch die Nutzung
von analytischen
Möglichkeiten in ALLEM.
Geschäftswert
von Information
Reifegrad der Informationslandschaft
Exzellenz
Optimierung
Einsatz
Differenzierung
Existenziell
Aufbau
Transparenter
Bedarf
1
3
2
3
4
5
Information als
Wettbewerbsvorteil
Information als
Innovationstreiber
Information zur aktiven
Geschäftssteuerung
Information für die
Geschäftskontrolle
Daten für den
Geschäftsbetrieb
•
•
•
Informationen zur Weiterentwicklung
der Unternehmensstrategie
Erweiterung der Geschäftsmodelle
Flexible & dynamische Architektur
•
•
•
Informationen als strategisches Asset
Innovation & Prognosen durch Daten
Aktive Entscheidungsunterstützung
•
Integrierte Auswertungen unter
Nutzung von Echtzeitdaten
Informationen werden portioniert
an den Entscheidungspunkt geliefert
Eine unternehmensweite Wahrheit
•
•
•
•
•
•
•
•
Grundlegende Berichte und Analysen
Teil-Automatisierung
Existenz von Datensilos
Elementares Berichtswesen
Geringe Automatisierung
Keine einheitliche Wahrheit
Reifegrad der Informationsnutzung (Thomas H.
Davenport)
Big Data & Analytics – Startpunkt
New Business
Existing Business
4
Existing Data
New Data
Monetize
Disruption
Optimization
Leverage
Was ist Predictive Analytics?
Predictive Analytics generiert aus Daten operative Aktionen, indem verlässliche Schlüsse zur aktuellen Situation und zukünftigen Ereignissen erkannt bzw. prognostiziert
werden.
Kundenanalyse
5
Prozeßanalyse
Risiko-‐/Gefahrenanalyse
•
gewinnen
•
managen
•
überwachen
•
wachsen
•
warten
•
erkennen
•
halten
•
maximieren
•
kontrollieren
Predictive Analytics nutzt historische Daten (Blick nach Hinten)
und Echzeitdaten (Seitenblick),
um nach vorn zu schauen
Blick nach Vorn
Was könnte passieren?
Was können wir tun,
um uns darauf
vorzubereiten??
?
Predictive
Analytics
Seitenblick
Was
passiert
in diesem
Moment
Seitenblick
Was
passiert
in diesem
Moment
6
Dashboards,
Sensoren,
Berichte,
Alarme
Blick nach
Hinten
Was ist
passiert?
Prediktive Analytik - Technologien
Klassifikation
7
Assoziation
Segmentierung
Forecast
(Funktionen,
Zeitreihe)
Textmining
Anwendungsbereiche
360°SICHT AUF DEN KUNDEN
8
Daten als Grundlage zur Zielgruppenanalyse
Hohe Werte, dynamischer Ansatz,
Grundlage für Wettbewerbsdiffernzierung
Wie?
Warum?
Meinungs – und Bedürfnisdaten
Interaktionsdaten
E-Mail / chat Mitschriften
•Call center Notizen
•Web-Clicks Datenströme
•Personendialoge
•Market Research
•Social Media
Beschreibende Daten
Verhaltensdaten
•Attribute
•Characteristiken
•Self-veröffentlichte Info
•(Geo)demographics
•Bestellungen
•Transaktionsdaten
•Bezahlungsvergangenheit
•Nutzenvergangenheit
Wer?
Was?
Traditioneller Ansatz
9
9
Die Qualität der Analysen kann durch zusätzliche interne & externe Daten deutlich
gesteigert werden
§ Mögliche zusätzliche beschreibende Daten
- Zeit (Jahresvergleiche, Saisonvergleich, Tageszeiten, …)
- Wetter (Sonnenschein bringt ein geändertes Verhalten gegenüber Regenwetter)
- Ereignisse (Ferien / Schulbeginn / Weihnachten / Messen / ….)
- Geographie (Käufer in Berlin verhalten sich anders als z.B. Käufer in Bayern)
- Soziodemographische Fakten (Einkommensstrukturen wirken sich auf das Kaufverhalten aus)
- weitere Fakten wie zum Beispiel Wahlergebnisse, ….
10
Customer Analytics
unterstützt Organisationen KUNDEN zu gewinnen, zu entwickeln und zu binden
Neue Kunden gewinnen
•
•
Gewinnen
Bestehende Kunden entwickeln
•
•
•
Binden
Reduzierung der Akquisekosten durch verbesserte Segmentierung
Die richtige Botschaft zum richtigen Zeitpunkt über den richtigen Kanal senden
Identifikation von Cross- und Up-Sell-Potentialen
Ermittlung des Kundenwertes (CLVT)
Sammlung aller Daten zur Erstellung einer 360º Kundensicht
Entwickeln
Wertvolle Kunden ans Unternehmen binden
•
•
•
360 Grad
Kundensicht
Text Mining
11
Identifizierung von abwanderungsgefährdeten Kunden und Auswahl der besten
Kundenbindungsmaßnahme pro Kunde
Ermittlung der Loyalitätsfaktoren und der Treiber für Unzufriedenheit
Entwicklung einer Kommunikationsstrategie zur Kundenbindung
Analytisches
Kampagnenmanagement
Enterprise
Feedback
Management
Warenkorbanalyse
Real Time
Decisioning im
Call Center
Kündigerprävention
Next Best
Action
Referenzen
Analystenreport
Grundlegendes – einfache erste Erfolge!
AUSWERTUNGEN & STATISTIKEN ALS
BASIS
12
Erste Auswertungen & Statistiken als Basis – Beispiel RFM Analyse
(Recency, Frequency, Monetary Value)
§
13
Anwendungsbereiche
ERWEITERTE ANALYSEN /
ASSOZIATIONEN
14
Erweiterte Analysen / Assoziationen
§ Warenkorbanalysen à Ermittlung von typischen Kaufkombinationen pro Kunde
» fokussierte Werbemaßnahmen
» Cross- / Upsell-Potential durch neues Store-Layout / Rabattierungen / Kundenansprache
§ Warenkorbanalysen à Ermittlung von typischen Kaufkombinationen pro Kundensegment
» fokussierte Ansprache der Kunden
» Hinweise auf produktbezogene Absatzpotentiale
15
Detailierung
WARENKORBANALYSE
16
Vorgehensmodell einer Warenkorbanalyse
Produkt-Bundles
Identifikation von Cross-Selling Potentiellen in den Warenkorbdaten.
1.
2.
Assoziation: Welche Produkte werden zusammen gekauft?
Sequenz: Welche Produkte werden hintereinander gekauft. Gibt
es ein Muster hinsichtlich des Zeitverlaufs
Kunden-Segmentierung auf Basis von Warenkorben
Aufspüren wichtiger, bisher unbekannter Kundengruppen, die für ein
bestimmtes Produktbundle affin sind
- Innerhalb der Segmente: hohe Ähnlichkeit
- Zwischen den Segmenten: möglichst unterschiedlich
17
Advance Auto Parts
Mehrumsatz durch Bundeling
Hintergrund
Ergebnisse
§ Zweitgrösster Händler in den USA von
Fahrzeugteilen, Batterien und
Serviceleistungen rund um das Auto.
§ 3200 Händler in über 40 Ländern.
Zielsetzung
§ Mehrumsatz durch besseres Verständnis
profitabler Produktsegmente / Kategorien
§ Mehrumsatz durch vertieftes Verständnis von
Beziehungsgeflechten einzelner Kategorien
§
§
Lösung
§ Assoziationsanalysen, Warenkorbanalysen
und Clusteranalysen zur Analyse der POS
Daten von 300 Stores
§ Integration von deskriptiven Daten der Stores
sowie Wetterdaten
18
§
ROI für initiale Investitionen in
SPSS Predictive Analytics Software
in 13 Monaten
Entwicklung von insgesamt 95
Produktbundles in insgesamt 9
Categories
Implementierung von 6
Empfehlungen (Produktbundles)
führte innerhalb von 2 Jahren zu
einem Mehrumsatz von insgesamt
21 Mio. USD
Anwendungsbereiche
KLASSIFIKATIONSMERKMALE ANALYSE
VON SEGMENTEN
19
Klassifikationsmerkmale / Analyse von Segmenten
§ Analyse von Kundensegmenten
» Kundensegmente à Analytische Segmente vs. kaufmännische Segmente (A, B, C, ….)
» Veränderungen im Kaufverhalten
20
Anwendungsbereiche
TREIBERANALYSEN / ERMITTLUNG
SIGNIFIKANTER WERTTREIBER
21
Ermittlung signifikanter Werttreiber
§ Was sind die Treiber für viel und für wenig Umsatz?
» Sortimentsanpassungen
» Standortoptimierung
§ Was sind die Treiber einzelner Produkte?
» Angebotssteuerung
§ Was sind die Treiber für Zahlverhalten im Echtzeit-Online-Vertrieb?
» Liquiditätssteuerung /-optimierung
§ Überprüfung der Wirksamkeit von Marketingmaßnahmen (Rabatte vs. Lieferzeit)
» Marketingoptimierung
» Optimierung der Auftragseinlastung
§ Angebotsoptimierung
» Fokussierung
§ Was sind die Treiber für umsatzstarke / umsatzschwache Kunden?
» Anpassung der Kundenansprache
22
Anwendungsbereiche
VORHERSAGEN
23
Was wird wahrscheinlich eintreffen?
§ Umsatzprognose
» Liquiditätsoptimierung
§ Produktabsatz
» Angepasste Produktion
» Optimierte Logistik
§ Zahlungausfallwahrscheinlichkeiten
» Risikosteuerung
§ Kampagnenoptimierung
» „optimale“ Kunden für eine Kampagne
» „optimale“ Kampagne für einen Kunden
» Steigerung der Conversion-Rate
§ Welche Kunden sollten mit welchen Themen wie angesprochen werden?
» Vertriebsoptimierung / Next best Action
24
Detailierung
KAMPAGNENOPTIMIERUNG
25
Analytisches Kampagnenmanagement
Schritt 1:
Von der Gießkanne zur zielgruppenorientierten Ansprache
Welche Kunden/ Prospects sind für eine bestimmte
Vertriebs- oder Marketingaktion affin?
26
Next Best Action
Schritt 2
Vom “besten Kunden pro Kampagne” zur “besten Kampagne für einen Kunden”
27
Potentielle
Kampagnen
Eligibel
Marge
Antwortwahrscheinlichkeit
Erwarteter
Value
A
No
B
Yes
90
65%
59
CC
Yes
103
62%
64
Cewe Color: Ein gestochen scharfes Bild
des Kunden
Lösung
•
•
•
•
Fundierte Prognosemodelle zeichnen ein Kundenbild. IBM SPSS
verarbeitet Kundendaten wie Name, Wohnort, Geschlecht und Alter des
Kunden sowie Registrierungsweg oder Bestellhistorie.
Nutzung der Newsletter liefert neue Erkenntnisse: Welchen Newsletter hat
ein Kunde geöffnet, welche Links hat er geklickt?
Anhand dieser Attribute erstellt die SPSS Lösung Scoring-Modelle, die
Kunden in verschiedene Segmentgruppen unterteilen: Top-Kunden,
durchschnittliche Kunden, abwanderungsgefährdete Kunden.
Kooperation mit 40.000 Handelspartner: Einblicke in Kundenpräferenzen
und Produktaffinitäten unterstützen Drogeriemärkte, Internethändler oder
Fachmärkte dabei, CEWE COLOR-Produkte in der richtigen Menge
einzukaufen und profitabel zu platzieren.
Business Results.
•
•
•
•
28
10%ige Steigerung der Conversion Rate von passiven zu aktiven Kunden
Steigerung der durchschnittlichen Responserate aus den Newslettern um
10% durch das erworbene Wissen über die jeweiligen Kundenbedürfnisse
und die Umsetzung in Content
Steigerung der Cross- and up-sell Opportunities um mehr als 20%
Zeiteinsparungen von mehr als 50% bei der Kampagnenerstellung
Detailierung
PREDICTIVE FORECASTING
29
Aktuelle Kundensituation: Getränkehersteller
Herausforderungen
• Zu ungenaue Vorhersage für den Absatz
• Bei Aktionen steigt der Absatz um bis zu 700%
• Bestellungen für Vorprodukte generell 10% über der
Vorhersage, um Out-Of-Stocks zu vermeiden
• Rezepturen benötigen teilweise einen Bestell-Vorlauf von
6 Monaten
30
• Benötigt wird eine kurzfristig genaue Vorhersage mit 6
Monaten Reichweite (??)
Mögliche Sicht des Endanwenders
Benutzer kann
den FC ad-hoc
laden => alle
Eingaben und
die aktuellste
Situation
werden im FC
berücksichtigt
Obere und untere
Konfidenz zeigen
die ‚Genauigkeit‘
der Vorhersage
und setzen dem
Benutzer
‚Schranken‘
IstVJ,
Errechneter
FC, bisheriges
Ist und Plan
können
angezeigt
werden – incl
Abweichungen
31
Abweichungen
werden
visualisiert –
Benutzer sieht,
wenn der
Forecast von
den
‚Erwartungen‘
abweicht
Anwendungsbereiche
TEXTANALYSE
32
3.
Textanalyse von Fehlerprotokollen
à Begriffsextraktion und Bildung von Kategorien
33
Anwendungsbereiche
PREDICTIVE MAINTENANCE AND
QUALITY
34
Welche Werte lassen sich im bzgl. vorausschauender Wartung und
Qualitätssteigerungen erzielen:
§ Produktion
» Steigerung der Stückzahl
» Reduktion von Ausfallzeiten
» Steigerung der Effizienz
» Verbesserte Qualitätsprozesse
» Steigerung der Effizienz
» Reduktion von Ausschuss
» Inventaroptimierung
» Steigerung der Mitarbeitereffizienz
Steigerung des Umsatzes durch
Steigerung der Kundenzufriedenheit
§ Assets
» Steigerung der Lebensdauer
» Optimierung des Risikomanagements
» Transparenz der Fehlerkosten
» Transparenz bzgl.. Garantiefällen
§ Prozessqualität
35
» Steigerung des Performance Managements
» Wettbewerbsvorteil
Wünschenswerte Funktionalitäten zur operationellen Nutzung von Asset-Daten
asset + instrumentation + data + connectivity + analytics + monitoring + reporting
Echtzeit, faktenbasiertes
Verständnis von Performance und
Nutzung
reduced unplanned downtime
lower maintenance costs
fewer warranty claims
lower parts and inventory costs
36
extended asset life
improved product quality improved production yield optimized maintenance schedule © 2015 IBM Corporation
Zusammenfassung
New Business
Existing Data
New Data
Monetize
Disruption
Was ist nun zu tun?
Existing Business
37
Optimization
Leverage
Action speaks louder than words!
§ Keep it simple – Beginnen sie mit der Nutzung der vorhandenen Daten….
- Zum Beispiel mit „Schnellstart“ mit Lizenz und einem 25 PT Services Kontingent inkl.:
• Beratung/Services zur Einführung in IBM Predictive Analytics
• Installationsunterstützung, Anbindung an Datenbanken, Konfiguration und Performance-Tests
• Ersteinweisung: initiales Training zu den Grundlagen der Software, Datenintegration und -Aufbereitung, Data Mining
Methoden und Verfahren sowie Modellierung und Modellbewertung
• Projektarbeit & Coaching nach CRISP DM am Beispiel von 1-2 ausgewählten konkreten Use Cases (z.B.
Kundensegmentierung, Warenkorb-Analyse)
• Projektkoordination
ODER à
38
Watson Analytics erlaubt
einfache Self-Service
Untersuchungen und
Validierungen der
Anwendungsfälle
IBM - Stephan Schnieber - Business Development for Smarter Analytics
39
07.01.2014
39
Kontaktdaten
Stephan Schnieber
IBM Deutschland GmbH
Nahmitzer Damm 12
D-12277 Berlin
Foto
Telefon: +49 7034 2741839
Mobil: +49-172 735 76 39
Mail: [email protected]
40
41

CENIT EIM Innovationstag Predictive Analytics als Wettbewerbsvorteil

Transcrição

Documentos relacionados

IBM Praktikaangebote für Studenten - Werkstudent/in im

Skillprofil german - hydrografix Consulting GmbH

2 - IBM

IBM InfoSphere Data Explorer (Vivisimo Velocity)

CICS und die Zukunft und Clouds

Leitender IBM MQ Administrator (m/w)

Neuerungen und Geräteunterstützung in IBM Lotus EasySync Pro

Barmherzige Brüder rüsten auf - Medizin-EDV

ALLES IST MÖGLICH.

Leseprobe - Computerwoche