Analytisches CRM

Das klassische CRM-System wie wir es kennen, unterstützt Unternehmen im Service, Vertrieb und Marketing. Das analytische CRM hingegen soll die gewonnenen Kundendaten analysieren und auswerten, sodass empirisch belegte Prognosen über den Kunden getroffen werden können. Ein analytisches CRM umfasst dabei verschiedene Komponenten.

Datawarehouse

Zu Beginn jedes analytischen CRMs steht eine solide Datenbasis. Damit präzise Aussagen über das Kundenverhalten und die Bedürfnisse getroffen werden können, müssen zunächst genügend Daten gesammelt werden. Die benötigten Informationen werden zunächst im Front-End oder Back-Office gesammelt und liegen als Rohdaten vor. Um die Daten nutzen zu können, müssen diese den sogenannten ETL-Prozess durchlaufen. Kurz gesagt: Die Rohdaten werden aufbereitet und für die Auswertung brauchbar gemacht.

Das Datawarehouse dient dabei als Datenbasis, in der die aufbereiteten Daten gespeichert werden. Es kann also als Speicher betrachtet werden, der die Basis für den weiteren Vorgang des analytischen CRMs bietet. Die hier gespeicherten Daten werden ständig aktualisiert und vereinheitlicht.

Data Mining

Data Mining beschäftigt sich mit der eigentlichen Analyse der gesammelten Daten. Dabei werden Muster in den Daten gesucht, die Prognosen zum Kunden geben können. So kann mittels Data Mining ein Kundenprofil hergeleitet werden, welches aus Zusammenhängenden Informationen erstellt wurde. Die Prognosen werden als Wahrscheinlichkeiten dargestellt, da bei Data Mining lediglich Hypothesen aufgestellt werden.  Data Mining soll aus den Daten neue Muster erkennen und diese in einem Modell zusammenfassen.

OLAP (Online Analytical Processing)

OLAP ist eine weitere Variante des Analytischen CRMs, um die Daten aus dem Datawarehouse zu analysieren. Hierbei führt OLAP eine multidimensionale Analyse der Daten durch und präsentiert diese anschließend im sogenannten OLAP-Cube.

Im OLAP-Cube werden die Daten aus verschiedenen Blickwinkeln gezeigt und für die unterschiedlichen Unternehmensabteilungen bereitgestellt. Möchte der Vertrieb beispielsweise Informationen über profitable Produkte erhalten, kann er diese im OLAP-Cube einsehen und weiter verwerten. Anders als bei Data Mining, werden die Strukturen und Dimensionen selbst definiert und dann ausgewertet.

Ob man letztendlich mit Data Mining oder OLAP arbeitet ist vom gewünschten Ergebnis.  Werde neue Muster im Kundenverhalten gesucht, sollte man sich mit Data Mining beschäftigen. Sollen die vorhandenen Daten aber nach festgelegten Mustern durchsucht werden, empfiehlt sich OLAP. Natürlich lassen sich auch beide Verfahren gemeinsam nutzen, um sowohl bestimmte als auch neue Muster zu erkennen.

Vorteile/Fazit

Analytisches CRM lässt sich auf verschiedenste Daten anwenden. Je nach Anwendungsfall werden die jeweils relevanten Daten des Unternehmens gefiltert und ausgewertet. Anschließend können aus den Ergebnissen, neue Strategien entwickelt oder neue Maßnahmen eingeleitet werden.

Häufig werden die Daten aus dem analytische CRM zur Optimierung im Vertrieb, Service oder Marketing verwendet. Jedoch kann dadurch auch internes Optimierungspotential gefunden werden. Neben der Kundenzufriedenheit lassen sich auch, bei ausreichend gesammelten Daten, Aussagen über die Mitarbeiterzufriedenheit treffen.

Hauptsächlich wird analytisches CRM für die Auswertung der Kundendaten verwendet. Dafür erfüllen sowohl Data Mining, als auch OLAP ihren Zweck. Die ausgewerteten Daten können sofort genutzt und Strategien können schnell entwickelt werden.