Veranstaltung

Ponnia, Paulraj. Data Warehousing Fundamentals: A Comprehensive Guide for IT Professionals. Wiley, New York, 2001.

Duda, Richard O. und Hart, Peter E. und Stork, David G. Pattern Classification. Wiley-Interscience, New York, 2. Ausgabe, 2001.

Maddala, G. S. Introduction to Econometrics. Wiley, Chichester, 3rd Ed., 2001.

Theil, H. Principles of Econometrics. Wiley, New York, 1971.

In der Vorlesung Analytisches CRM werden Analysemethoden und -techniken behandelt, die zur Verwaltung und Verbesserung von Kundenbeziehungen verwendet werden können. Wissen über Kunden wird auf aggregierter Ebene für betriebliche Entscheidungen (z.B. Sortimentsplanung, Kundenloyalität, ...) nutzbar gemacht.

Voraussetzung dafür ist die Überführung der in den operativen Systemen erzeugten Daten in ein einheitliches Datawarehouse, das der Sammlung aller für Analysezwecke wichtigen Daten dient. Die nötigen Modellierungsschritte und Prozesse zur Erstellung und Verwaltung eines Datawarehouse werden behandelt (u.a. ETL-Prozesse, Datenqualität und Monitoring). Die Generierung von kundenorientierten, flexiblen Reports für verschiedene betriebswirtschaftliche Zwecke wird behandelt.

Zwei Analyseverfahren der multivariaten Statistik bilden die methodische Basis, auf der zahlreiche Anwendungen des analystischen CRM aufbauen:

1. Clusteranalyse. Clusteranalyseverfahren werden zur Segmentierung von Märkten und Kunden eingesetzt und bilden die Grundlage für Personalisierung. Die Ergebnisse dienen einerseits als empirische Grundlage strategischer Marketingentscheidungen und andererseits für operative Zwecke im Rahmen der Vertriebssteuerung bzw. für innovative Kunden/Produktberatungsdienste.
2. Regressionsanalyse. Regressionsmodelle werden häufig als Prognosemodelle eingesetzt. Prognosen reichen dabei von Umsatzprognosen, Kundenwertprognosen, ..., bis zur Prognose von Kundenrisiken. Solche Prognosemodelle werden häufig zur Entscheidungsunterstützung bzw. -automation herangezogen.

Als externe Datenquellen werden Kundenumfragen behandelt.

Lernziele:

Der Student

• wendet die wesentlichen im analytischen CRM eingesetzten wissenschaftlichen Methoden (Statistik, Informatik) und ihre Anwendung auf betriebliche Entscheidungsprobleme verstehen und selbständig auf Standardfälle an,
• hat einen Überblick über die Erstellung und Verwaltung eines Datawarehouse aus operativen Systemen, versteht die dabei notwendigen Prozesse und Schritte und wendet diese auf ein einfaches Beispiel an,
• führt mit seinen Kenntnissen eine Standard CRM-Analyse für ein betriebliches Entscheidungsproblem mit betrieblichen Daten durch und leitet eine entsprechende Handlungsempfehlung begründet daraus ab.
• versteht den Modellbildungsprozess und setzt diesen mit Hilfe eines Statistikpaketes (z.B. R) zur Lösung von Anwendungsproblemen ein.

Arbeitsaufwand:

Gesamtaufwand bei 4,5 Leistungspunkten ca. 135 Stunden:

Präsenzzeit

• Besuch der Vorlesung: 15 x 90min = 22h 30m
• Besuch der Übung: 7 x 90min = 10h 30m
• Prüfung: 1h 00m

Selbststudium

• Vor-/Nachbereitung der Vorlesung: 15 x 180min = 45h 00m
• Vorbereitung der Übung: 25h 00m
• Vorbereitung der Prüfung: 31h 00m

Summe: 135h 00m

Nachweis:

Die Prüfung wird für Erstschreiber letztmals im Sommersemester 2020 angeboten.
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). 
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) . Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Note: Mindestpunkte

• 1,0: 95
• 1,3: 90
• 1,7: 85
• 2,0: 80
• 2,3: 75
• 2,7: 70
• 3,0: 65
• 3,3: 60
• 3,7: 55
• 4,0: 50
• 5,0: 0