Data Mining in der Praxis

Fussball Ergebnis Vorhersagen mittels Data Mining

In der Praxis lässt sich Data Mining in fast allen wirtschaftlichen und wissenschaftlichen Bereichen erfolgreich einsetzen.

Beispiel: A-B-C Kunden Segmentierung

Die vermutlich generischste aller Fragestellungen für alle Unternehmen lautet: wie klassifiziert man seine Kunden gewinnbringend in die Kategorie A (höchter Wert), B und C?

Viele Unternehmen berücksichtigen hier oftmals schlicht die Größe des Kunden (bemessen nach dessen Umsatz oder Mitarbeiterzahl) oder wenigstens den eigenen Umsatz mit diesem Kunden. Beides ist einfach zu bestimmen – kann aber sehr unzulänglich sein. Betrachtet man eher die Marge – u.U. inklusive der erwarteten Marge für die Zukunft – unter Berücksichtung vieler Faktoren, so ist dies weniger trivial, dafür aber wesentlich geeigneter.

Data Mining kann hier in mehrfacher Hinsicht helfen. Zum einen lassen sich mit einer solchen Data-Mining-Software auf Basis von Vergangenheitsdaten verschiedenartige Kunden-Muster bestimmen, welche ihrerseits sehr unterschiedliche Treiber-Attribute haben können. Dies ist deutlich aufschlussreicher als die übliche Durchschnittsanalyse mit herkömmlichen statistischen Programmen. Denn Unternehmen sind nicht wirklich daran interessiert, dass das Durchschnitts-(Existenz-) Alter der Kunden (B2B oder B2C) z.B. 30 Jahre ist – sondern vielmehr daran, was die jüngeren Kunden im Cluster 1 charakterisiert und was die älteren in Cluster 2; beide können vollkommen unterschiedliche Merkmale haben – angefangen von den bei Ihnen gekauften Produkten über den Vertriebkanal (Point of Sale) bis hin zu den erfolgreichsten Werbekampagnen. Auf Basis dieses Wissens können bereits viele Optimierungen eingeleitet werden.

Noch wichtiger für die Resourcen-Allokation einer Vertriebs-Einheit kann die errechnete Vorhersage-Qualität sein. Auf Basis der Analyse der Vergangenheitsdaten kann Data Mining mit dem errechneten Model vorhersagen, ob ein Potenzial-Kunde mit großer Wahrscheinlichkeit ein A-, B- oder C-Kundewird. Dies wiederum ist entscheidend, wenn ein Unternehmen seine Vertriebskräfte effektiv einsetzen und seine Kräfte bestmöglich bündeln möchte.

Data Mining kann somit allen Unternehmen dabei helfen, ihre Vertriebs-Aktivitäten zu optimieren, und treffsicher vorauszusagen, auf welche Erst-Kontakte (Leads) sich die Vertriebs-Mitarbeiter konzentrieren sollten.

Data Mining Beispiel: Banken

Bei Banken tritt unter anderem die Fragestellung auf, wie aus historischen Kundendaten die Kreditwürdigkeit von neuen Kunden vorhergesagt werden kann.

Die Kreditwürdigkeit beeinflusst auch den Zinssatz, zu denen ein Kredit an einen Kunden vergeben wird. Im Folgenden wird beschrieben, wie [Data-Mining] für dieses Problem angewendet wird:

Eine Bank hat Daten über die Kunden, an welche sie in der Vergangenheit Kredite vergab. Die Kundendaten beinhalten das Kundenverhalten bezüglich der Kontoführung, persönliche Merkmale des Kunden und andere Daten, die seine finanzielle Situation zum Zeitpunkt der Kreditvergabe beschreiben. Die Kunden werden in vier Klassen unterteilt. Die erste Klasse enthält all jene Kunden, die ihren Kredit absolut ohne Probleme zurückzahlten; die zweite Klasse diejenigen, die ab und an nur mit Problemen zurückzahlten; die dritte enthält jene, Kunden welchen man nur noch nach genauester Prüfung einen Kredit gewähren sollte, da hier substanzielle Probleme bei der Rückzahlung auftraten; und die vierte Klasse diejenigen, die den Kredit nicht zurückbezahlt hatten. Auf der Basis dieser Kundentabelle wird ein Vorhersagemodell erstellt, um die Wahrscheinlichkeit für die einzelnen Klassen bei neuen Kunden vorherzusagen. Übrigens: die Kombinationen von Merkmalen/ Attributen, die dafür verantwortlich sind, dass Kunden einen Kredit mit hoher Wahrscheinlichkeit nicht zurückzahlen, werden ebenfalls durch das Vorhersagemodell identifiziert.

Data Mining kann einer Bank also beispielsweise helfen, Kreditwürdigkeiten von Kunden besser vorherzusagen und somit einerseits die Anzahl von Kreditausfällen zu reduzieren, andererseits bessere Konditionen für Kunden mit geringem Kreditausfallrisiko anzubieten. Der resultierende Vorteil ergibt sich für die Bank, aber auch für deren Kunden.

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Data Mining erfolgreich für Herausforderungen im Banken-Sektor eingesetzt werden kann. Für Kreditinstitute und professionelle Anlageberater haben wir übrigens eine spezielle Produkt-Variante entwickelt. Gerne erhalten Sie auf Nachfrage weitere Informationen.

Data Mining Beispiel: Bier & Windeln

Den größten Mehrwert zieht man meist aus neuen und überraschenden Zusammenhängen. Wüssten Sie, was Bier und Windeln miteinander zu tun haben?

Hier kommt die Auflösung: Ein Supermarkt hat alle vermeintlichen Annahmen konsequent beiseite gelassen und seine Verkaufstrategie in Sachen Waren-Positionierung mit Data-Mining neu überprüft. Dabei wurden auch die üblichen Produktkategorien der Handelskette ignoriert, d.h. man hat nicht nur Lebensmittel mit Lebensmitteln verglichen, sondern eben alles – eine Aufgabe, welche mit manuellen Mitteln und ohne den Einsatz von [Data-Mining] bei tausenden von Produkten schlicht unmöglich wäre. Außerdem hat die Warenkette geschickt andere Daten für die Analyse beigemischt – z.B. das Geschlecht der Einkäufer, die Wochentage, und vieles mehr.

Das interessante Ergebnis: Männer, die Kinder haben und die am Samstag einkaufen (müssen), erwerben neben Windeln für die Kleinen oftmals auch das Bier für den Wochenend-Fernsehabend. Folglich hat sich der Großmarkt dazu entschlossen, an Samstagen die Bierpaletten neben den Windeln zu positionieren – mit dem Erfolg, dass die Verkaufszahlen für Bier stark angestiegen sind.

Data.Mining.Fox® kann einem Supermarkt also beispielsweise helfen, durch intelligenten Einsatz von Data-Mining-Software die Waren-Positionierung deutlich zu optimieren.

Selbstverständlich ist dieses Beispiel nur eines von vielen wie Easy.Data.Mining™ im Bereich von Supermarkt-Ketten erfolgreich eingesetzt werden kann. Seien Sie kreativ – und erfolgreich!

Data Mining Beispiel: CRM

Im Customer-Relationship-Management (CRM) ist bekannt, dass es viel teurer ist (circa sieben mal), einen neuen Kunden zu gewinnen als einen bereits vorhandenen Kunden zu halten (churn prevention).

Wenn ein Kunde zur Konkurrenz wechselt, kommt immer die Frage auf, was hätte man tun können, um den Kunden zu halten? Hätte man vorhersehen können, dass der Kunde unzufrieden ist? Im folgenden Szenario wird beschrieben, wie man für dieses Problem [Data-Mining] sehr gewinnbringend einsetzen kann:

Ein Unternehmen hat ein CRM-System, mit welchem die Kundendaten verwaltet werden. Zu jedem Kunden sind reichlich Merkmale der Kaufhistorie und persönliche Merkmale vorhanden. Es werden alle Kunden betrachtet, die vor einem Jahr Kunden des Unternehmens waren. Diese werden in zwei Klassen unterteilt: die erste Klasse enthält die Kunden, die jetzt noch Kunden des Unternehmens sind, die zweite Klasse enthält diejenigen, die es nicht mehr sind. Aus diesen Daten wird ein Vorhersagemodell erstellt für die Wahrscheinlichkeit, dass ein Kunde im Verlauf von einem Jahr zur Konkurrenz wechselt bzw. seinen Vertrag kündigt.

Anhand dieses Vorhersagemodells wird nun für jeden gegenwärtigen Kunden des Unternehmens vorhergesagt, wie hoch die Wahrscheinlichkeit ist, dass er innerhalb des nächsten Jahres das Unternehmen verlässt, und welche Kombination von Faktoren hier den maßgeblichen Treiber darstellt. Die Kunden mit der höchsten Wahrscheinlichkeit können dann näher analysiert werden und mit persönlich zugeschnittenen Angeboten versorgt und folglich eher gehalten werden.

Data.Mining.Fox® kann im Bereich CRM also beispielsweise helfen, die sogenannte Churn Rate (Abwanderungsrate) zu reduzieren. Damit kann ein Unternehmen eine Reihe von Vorteilen erlangen – von einer höheren Kundenzahl (geringerer Churn) über geringere Kosten (sinkende Akquisekosten je Kunde) bis zur Erhöhung des Umsatzes je Kunde (erhöhter Life-Time-Value). Die Kunden ihrerseits profitieren von individuelleren Kundenansprachen und -Angeboten.

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen im CRM-Bereich eingesetzt werden kann.

Beispiel: IT und Computer Technologie

Data-Mining kann nicht nur auf der kaufmännischen Seite großen Mehrwert stiften. Nachfolgend ein Beispiel aus dem technischen Bereich der Informations-Technologie:

Ein Unternehmen bietet aus einem zentralen Daten-Zentrum heraus einen Online-Service für verschiedene Länder an. Aufgrund von Kundenbeschwerden und sog. Last-Mile-Messungen (welche die Service-Erfahrung von Endkunden in Bezug auf Webseiten-Antwortzeiten messen können) weiß das Unternehmen, dass es für manche Kunden absolut unzureichende Ladezeiten der Homepage gibt. Die Mitarbeiter der IT-Abteilung haben bereits mehrfach in den Log-Dateien gegraben, sind aber auf keinen erkennbaren Problemtreiber gestoßen.

Die Geschäftsleitung weiß nun, dass die Geschwindigkeit der Internet-Seite stark mit den Online-Verkäufen korreliert, und ist bestrebt, möglichst schnell Herr dieses Problems zu werden. Zu diesem Zweck werden die Log-Dateien nun mit einem [Data-Mining] Tool analysiert. Interessanterweise wird dabei ersichtlich, dass es den einzigartigen repräsentativen Problem-Kunden so gar nicht gibt (weshalb die Log-Files im Durchschnitt auch keine statistisch verwertbaren Auffälligkeiten gezeigt hatten). Vielmehr deckt das Data-Mining-Programm nun auf, dass es verschiedenartige Problem-Cluster gibt. Eines dieser Muster ist hierbei im Wesentlichen durch eine Kombination aus der Landeskennung (TLD), dem Betriebssystem (OS/ Operating System) und der Browser-Version des Kunden bestimmt; ein anderes Muster hingegen zeigt im Ergebnis zwar ebenfalls die Probleme bei der Ladezeit der Website, allerdings getrieben von anderen Faktoren: der Geschwindigkeit des Internetanschlusses (Dial-Up, ISDN, DSL, usw.) in Kombination mit der Cookie-Einstellung im Kunden-Browser sowie der Anzahl paralleler Sessions auf der zentralen Haupt-Datenbank.

Data.Mining.Fox® kann im Bereich Informations-Technologie bzw. in IT-Abteilungen aller Unternehmen die Fehlersuche unterstützen. Somit werden wertvolle Resourcen für die eigentliche Entwicklungs-Arbeit frei.

Data Mining Beispiel: Marketing

Im Marketing können im Bereich Werbekampagnen die Antwort- und Kauf-Raten durch Data-Mining oft um das 2-3-fache erhöht werden.

Im folgenden wird ein typisches [Data-Mining] Szenario als Beispiel beschrieben:

Ein Unternehmen möchte eine Werbekampagne für ein Produkt starten. Aus dem vorhandenen Kundenstamm sollen Kunden angeschrieben werden, die eine hohe Wahrscheinlichkeit haben, dass sie das Produkt kaufen werden. Das Unternehmen hat über jeden Kunden das Kundenverhalten der Vergangenheit sowie personenbezogene Merkmale zur Verfügung. Es weiß außerdem von Kunden, die das Produkt bereits gekauft haben, z.B. in einer Test-Phase. Die Kunden der Test-Phase werden in zwei Klassen unterteilt: Die Kunden, die das Produkt bereits gekauft haben, und diejenigen, die es noch nicht haben. Aus diesem Datenmaterial wird ein Vorhersagemodell erstellt für die Wahrscheinlichkeit, dass ein Kunde das Produkt kauft. Danach wird mit diesem Modell die Wahrscheinlichkeit für alle übrigen Kunden vorhergesagt, und es werden nur diejenigen mit höherer vorhergesagter Wahrscheinlichkeit angeschrieben. Als Nebenprodukt lernt das Unternehmen durch die Data-Mining-Analyse, welche Kundenattribute ausschlaggebend dafür sind, dass sie sich für ein bestimmtes Produkt nachhaltig interessieren.

Data.Mining.Fox® kann im Bereich Marketing also beispielsweise helfen, das Kaufverhalten von Kunden in Bezug auf bestimmte Produkte vorherzusagen. Dadurch reduzieren sich die Kosten, weil die Vertriebsaktivitäten besser fokusiert werden können (weniger Kosten für Briefe und Flyer oder auch für kostenintensive Kundenbesuche). Die Kunden profitieren wiederum davon, weil für sie die durchschnittliche Relevanz der Angebote steigt (umgekehr formuliert reduziert sich die Zahl der „Spam“-Angebote, die für den Kunden keine Relevanz haben).

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen im Marketing eingesetzt werden kann.

Data Mining Beispiel: Medien-Logistik

In vielen Bereichen der Logistik sind Vorhersagen für den Bedarf an Waren an verschiedenen Orten nötig.

Gleichzeitig sammeln sich in der Logistik viele Daten an, da sehr viele Transporte regelmäßig durchgeführt werden. Die Voraussetzungen für [Data-Mining] sind daher meist gegeben. Im Folgenden ein Beispiel aus dem Medien-Bereich:

Ein Zeitungsdistributor liefert verschiedene Zeitungen und Magazine an viele Kioske und Supermärkte einer Region. Hierbei variiert der Absatz von verschiedenen Zeitungen und Magazinen an den verschiedenen Verkaufsstellen erheblich in Abhängigkeit von sehr unterschiedlichen Parametern wie beispielsweise Wochentag, Monat, große Sportereignisse, Feiertage, Schulferien, Wetter,… Anhand der Absatzzahlen an Tagen in der Vergangenheit und der dazugehörigen Parameter (Wochentag, Wetter,…) kann man ein Vorhersagemodell für die Absatzzahl einer Zeitung in Abhängigkeit der Parameter erstellen, und somit die Absatzzahlen in der Zukunft weit besser voraussagen (Anmerkung: die Information, welche Kombinationen von Parametern hohe beziehungsweise niedrige Absatzzahlen verursachen, ist natürlich auch für die Verlage selbst höchst interessant).

Data.Mining.Fox® kann einem Medien-Logistik-Unternehmen also beispielsweise helfen, die Absatzzahlen an verschiedenen Standorten besser vorherzusagen und somit einerseits verhindern, dass an manchen Tagen nicht ausreichend Exemplare zur Verfügung stehen, und andererseits den täglichen Überschuss auf ein Minimum zu reduzieren. Somit kann viel Geld und Rohstoff gespart werden – und die Kunden bekommen noch regelmäßiger ihre gewünschte Lektüre.

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen im Logistik-Bereich eingesetzt werden kann.

Data Mining Beispiel: Medizin & Pharma

Im medizinisch-pharmazeutischen Bereich geht es häufig darum, ob eine Behandlung oder ein Medikament für einen Patienten wohl wirksam sein wird oder nicht, und welches gegebenenfalls die entscheidenden Einflussfaktoren sind.

Auch Fragestellungen von Medizin und Pharma bezüglich der Nebenwirkungen können mit [Data-Mining] gelöst werden. Im Folgenden ein beispielhaftes Szenario:

In einem medizinischen Versuch wird an Testpatienten eine neue Behandlung durchgeführt. Von allen Testpatienten werden viele perönliche medizinische Merkmale (wie z.B. Gewicht, Geschlecht, Krankheitsgeschichte,…) aufgenommen und abgespeichert. Die Testpatienten werden am Ende in Klassen unterteilt. Eine Klasse mit den Testpatienten, bei denen die Behandlung erfolgreich verlief, eine zweite Klasse mit Patienten, bei denen keine Besserung eintrat, und eine dritte Klasse mit Patienten, bei denen Nebenwirkungen auftraten. Aus den Daten des medizinischen Tests wird dann ein Vorhersagemodell erstellt, um die Wahrscheinlichkeiten für die einzelnen Klassen bei neuen Patienten vorherzusagen. Sehr interessant ist dann auch die Mustererkennung, die zeigt, welche Kombinationen von Merkmalen dafür verantwortlich sind, dass Patienten auf die Behandlung ansprechen oder Nebenwirkungen auftreten.

Bisher werden in der Medizin/ Pharmazeutik oft nur sehr simple Statistiken erstellt. Data.Mining.Fox® bietet hier die Möglichkeit tiefere Analysen und Vorhersagen zu liefern. Viele medizinsiche Attribute sind außerdem nicht-numerisch, was Data.Mining.Fox® einmal mehr zu einem besseren Tool in diesem Zusammenhang werden lässt als die herkömmlichen Statistik-Anwendungen.

Data.Mining.Fox® kann im Bereich Medizin und Pharma also beispielsweise helfen, genauer zu bestimmen, welche Patienten warum von bestimmten Medikamenten profitieren oder nicht. Dies bringt die Industrie aus Medizin und Pharma voran, und ist allem voran natürlich ein Segen für Patienten.

Das obenstehende Beispiel stellt dabei aber nur eine von vielen Möglichkeiten dar wie Easy.Data.Mining™ erfolgreich im medizinisch-pharmazeutischen Sektor eingesetzt werden kann.

Data Mining Beispiel: Online Services

Im Bereich der Online-Anbieter kann Data-Mining sehr vielfältig eingesetzt werden, da sich hier viele Daten recht einfach und in großer Menge automatisch sammeln lassen.

Im Folgenden ein stellvertretendes [Data-Mining] Anwendungs-Beispiel eines Online-Dienstes:

Ein Unternehmen bietet im Internet einen kostenfreien Service sowie einen kostenpflichtigen Premium-Service an. Von den Besuchern der Webseite werden eine Reihe von Daten ermittelt – z.B. das Klickverhalten, die Anzahl der Besuche der Website, und die Verweildauer auf der Seite. Es ist nun wichtig für das Unternehmen anhand dieser Daten vorhersagen zu können, ob der Besucher empfänglich für den Premium-Service ist oder nicht, und welche Charakteristika primär über seinen Kauf entscheiden. Dadurch können weitere Maßnahmen effizient eingesetzt werden.

Das Online-Service-Unternehmen nutzt dabei mittels Data-Mining eine Vorhersagenmodell-Erstellung auf Basis von Vergangenheitsdaten der Webseiten-Besucher. Von diesen ehemaligen Besuchern kennt man nicht nur das damalige Verhalten, sondern man weiß auch, ob sie am Ende den Premium-Service in Anspurch genommen haben oder nicht. Mit diesem Datenmaterial wird dann ein Modell erstellt für die Vorhersage der Wahrscheinlichkeit, dass ein Besucher den Premium-Service kaufen wird.

Die Mustererkennung ermöglicht dabei die Identifikation von charakteristischen, nicht trivial erkennbaren Sub-Gruppen der Besucher. Für jede dieser Cluster errechnet Data.Mining.Fox® einerseits die durchschnittliche Kaufwahrscheinlichkeit, andererseits die Relevanz der wichtigsten Attribute für jede Sub-Gruppe von Nutzern. Somit kann jedem Kunden ein individuell angepasstes Produktangebot präsentiert werden – was die maximalen Nutzung der Besucherpotenziale durch den Online-Dienst ermöglicht. Mehr noch: im Zeitablauf kann dem Kunden immer genau das Angebot unterbreitet werden, welches seinen Bedürfnissen mit hoher Wahrscheinlichkeit am nächsten kommt (NBO – sog. Next Best Offer).

Im Bereich der Online-Industrie ist es vermutlich wichtiger als in nahezu allen anderen Bereichen, dass die vergangenheitsbasierten Data-Mining-Modelle sehr regelmäßig neu bestimmt werden. Die sich im Online-Segment sehr rasch ändernden Faktoren können nur auf diese Weise eine hohe Validität der Vorhersagen aufrechterhalten.

Data.Mining.Fox® kann einem Online-Portal also beispielsweise helfen, seine Kunden alleine aufgrund der hinterlassenen Online-Spuren so in Gruppen einzuteilen, dass diese individueller angesprochen werden können. Der Kunde erhält somit ein besser auf ihn zugeschnittenes Angebot, und das Unternehmen profitiert im Gegenzug von steigenden Konversion-Raten (von Interessenten hin zu zahlenden Premium-Kunden).

Das obenstehende Beispiel ist jedoch nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen der Online-Anbieter eingesetzt werden kann.

Beispiel: Qualitäts-Management (QA)

Der Bereich der Qualitäts-Sicherung (QA-Management) als Hebel für Gewinnsteigerungen wird immernoch häufig unterschätzt.

In industriellen Produktionsabläufen sammeln sich heute sehr große Datenmengen an. Anhand von [Data-Mining] kann man aus diesen Daten wesentlich mehr nützliche Erkenntnisse gewinnen als aus üblichen relationalen Datenbank-Abfragen oder -Reportings. Im Folgenden ein typisches Beispiel:

Ein Unternehmen stellt in einem automatisierten Produktionsverfahren ein Produkt her. Das Produktionsverfahren besteht aus mehreren Produktionsschritten und verarbeitet mehrere Teilkomponenten. Zu jedem Produktionsschritt und jeder Teilkomponente gibt es mehrere Parameter, die diese beschreiben, z.B. Alter einer Teilkomponente, Hersteller der Teilkomponente, Verarbeitungstemperatur in einem Produktionsschritt,… Die Endprodukte werden dann in verschiedene Güteklassen gemäß der Qualität des Produktes unterteilt. Nun ist es von entscheidendem Vorteil, herausfinden zu können, welche Kombinationen von Produktionsparametern die Entstehung von Produkten einer bestimmten Güteklasse begünstigen. Folgerichtig ist der Einsatz von Data-Mining-Software im Bereich der Qualitätsverbesserung auch ein nachhaltiger Hebel bei der Umsetzung von Six-Sigma-Zielen.

Data.Mining.Fox® kann einem Unternehmen im Bereich Qualitäts-Management (Quality Assurance) also beispielsweise helfen, den Ausschuss zu reduzieren und die durchschnittliche Qualität zu verbessern, Rückrufaktionen zu vermeiden, oder pro-aktive Wartungen kurz vor vorhergesagtem Schadenseintritt zu initiieren. Im Ergebnis stehen nicht nur höhere Profite, sondern eine oftmals erheblich gesteigerte Kundenzufriedenheit (NPS/ Net Promoter Score) – denn nichts ist aus Kundensicht ärgerlicher als ein Schadens- oder Reklamationsfall.

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen im Bereich QA-Management/ Qualitätssicherung eingesetzt werden kann.

Bsp.: Telekommunikation & Mobilfunk

Vermutlich generiert kaum eine andere Branche so viele Datenpunkte in so kurzer Zeit wie Mobilfunkund Telekommunikation.

Und wahrscheinlich ist die Entwicklung und Änderung von Angebot und Nachfrage in kaum einer anderen Branche höher. Dies stellt besondere Herausforderungen an die Anbieter. Hier ein Beispiel wie diesen Anforderungen mit Hilfe einer von [Data-Mining] Software erfolgreich begegnet werden kann:

Bekanntermaßen herrscht ein enormer Konkurrenzkampf zwischen Telekommunikations-Anbietern. Die Neukundengewinnung ist schwierig und meist kostspielig. Folglich kommt u.a. der Kundenbindung der einmal gewonnenen Kunden eine große Bedeutung zu. Aus den gesammelten Datenpunkten der Kunden wie beispielsweise der Häufigkeit und zeitlichen Verteilung der in Anspruch genommenen Dienste (Anrufe, SMS, MMS, Navigation, Mail-Exchange,…) können mit Data-Mining-Software charakteristische Kunden-Muster gebildet werden. Jeder dieser Kundengruppen können nun über den Kundenlebenszyklus (Customer-Life-Cycle) hinweg sehr individuell zugeschnittene Nachrichten und Angebote zugesandt werden.

Data.Mining.Fox® kann einem Telekommunikations-Anbieter also beispielsweise helfen, durch kundengerechtere Ansprache einerseits die Kundenzufriedenheit zu erhöhen, andererseits die Verkäufe und Gewinne über den gesamten Kunden-Lebenszyklus hinweg zu erhöhen (Customer Life-Time-Value).

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen im Telekommunikations-Sektor eingesetzt werden kann.

Data Mining Beispiel: Reise & Touristik

In der Touristik– und Reise-Branche gilt es, Kundenwünsche rasch zu verstehen und adäquate Angebote zu machen – ob online oder offline.

Gleichzeitig verfügen Tourismus-Unternehmen über eine große Menge historischer Kundendaten – ein hervorragendes Anwendungsgebiet für [Data-Mining]. Nachfolgend ein praktisches Beispiel:

Ein Online-Tourismus-Portal bietet eine Reihe von weltweiten Urlaubs-Angeboten. Mit Hilfe der Easy.Data.Mining™ Software kann aus Vergangenheitsdaten abgeleitet werden, dass es zwei Hauptgruppen von Kunden gibt: einerseits die primär preis-gesteuerten Kunden, die in ihrer Reisezielwahl recht flexibel sind; andererseits jene Kunden, die ihr Reiseziel recht genau kennen, aber das günstige Angebot suchen.

Weiter kann die Data-Mining-Software aus den vergangenen Web-Analyse-Daten ermitteln, durch welche Eingaben bzw. welches Klick-Verhalten sich beide Gruppen rasch unterscheiden lassen. Dies wiederum ermöglicht dem Touristik-Portal-Anbieter bereits nach den ersten Aktionen des Kunden die Gestaltung und den Inhalt der Homepage anzupassen und dem Kunden genau jene Inhalte und Angebote anzubieten, die für ihn von großem Interesse sind.

Data.Mining.Fox® kann einem Touristik-Unternehmen also beispielsweise helfen, durch Online-Customisation des Web-Portals einerseits die Kundenzufriedenheit sowie andererseits den Umsatz deutlich zu steigern.

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen im Tourismus-Sektor eingesetzt werden kann.

Beispiel: Universität & Forschung

Im Bereich der Bildung und Forschung – ob an der Universität oder an anderen Instituten – lässt sich Data-Mining-Software vielfältig sehr gut einsetzen.

Hier ein paar mögliche [Data-Mining] Anwendungsbereiche, die aus unserer Erfahrung besonders geeignet sind:

Vorhersage-Modell-Generierung; psychologische Analysen; Gewinn-Maximierungs-Modelle; komplexe Statistik; Fragebogen-Auswertungen; effiziente Reduzierung von Kombinationsmöglichkeiten bei Ursache-Wirkungs-Untersuchungen; mathematisch multivariate Aufgabenstellungen; u.v.m.

Data.Mining.Fox® kann an Universitäten und Forschungseinrichtungen also beispielsweise helfen, Vorlesungen mit einem einfachen und gut verständlichen Tool zu abzurunden, Forschung zu unterstützen, oder den Studenten einfach nur ein leistungsstarkes und für Studenten freies Tool an die Hand zu geben.

Die obenstehenden Beispiele sind aber sicher nur ein paar wenige von vielen Möglichkeiten wie Easy.Data.Mining™ im Bereich der Universität und Forschung erfolgreich eingesetzt werden kann.

Data Mining Beispiel: Versicherungen

Bei Versicherungen geht es oft um die Abschätzung des Eintretens eines Schadenfalls aus historischen Daten.

Das Potential von [Data-Mining] bei Versicherungen ist immens und meist noch nicht ausgeschöpft. Im folgenden ein Beispiel:

Eine Autoversicherung möchte ein Vorhersagemodell erstellen, das die Wahrscheinlichkeit eines Unfalls innerhalb eines Jahres vorhersagt auf der Basis von Kundenmerkmalen, die zum Zeitpunkt des Vertragsabschlusses zur Verfügung stehen (persönliche Merkmale, Merkmale des zu versichernden Autos, Unfallhistorie). Aus der Vergangenheit ist bekannt, ob ein Kunde in einem Jahr einen Unfall hatte oder nicht. Die Kunden werden in Schadensklassen unterteilt. Aus der Vergangenheit liegt somit eine Tabelle vor, die als Datensatz die Kundenmerkmale zu Jahresbeginn enthält und die Information zu welcher Schadensklasse der Kunde in diesem Jahr gehörte. Auf der Basis dieser Tabelle wird dann das Vorhersagemodell erstellt. Dieses Vorhersagemodell liefert auch die interessanten Muster von Kunden, die ein besonders hohes Risiko tragen, also zu einer schlechten Schadensklasse zu gehören.

Data.Mining.Fox® kann einer Versicherung also beispielsweise helfen, Schadensfälle in Form von zu deckenden Versicherungsfällen ihrer Kunden besser vorherzusagen und somit realitätsnähere Konditionen für Kunden zu errechnen. Der resultierende Vorteil ergibt sich für die Versicherung, aber auch für die meisten ihrer Kunden.

Das obenstehende Beispiel ist nur eine von vielen Möglichkeiten wie Easy.Data.Mining™ erfolgreich für Herausforderungen im Versicherungs-Sektor eingesetzt werden kann (ein weiteres gutes Beispiel wäre die Versicherungs-Betrugs-Erkennung).

Data Mining: Wein & weitere Beispiele

Die Anwendung unserer Data Mining Software Data.Mining.Fox® kennt eigentlich keine Grenzen.

Mit ein wenig Phantasie und unternehmerischem Denken werden Ihnen mit Sicherheit zahlreiche [Data-Mining] Einsatzmöglichkeiten für Ihr Unternehmen bzw. Ihr Tätigkeitfeld einfallen. Neben unseren ganz speziellen [Data-Mining-Goodies] haben wir im Folgenden stellvertretend noch einige Ideen zuammengestellt (einige dieser Beispiele stammen aus Ian Ayres‘ „Super Crunchers“):

  • Wein: Data-Mining kann helfen, mit den Wetter-, Klima- und anderen Daten sehr präzise vorauszusagen, wie gut (& teuer) ein Weinjahrgang wird oder nicht – und zwar noch bevor der erste Weinkenner einen Schluck zum Testen bekommt.
  • Fluggesellschaften: nur mit der Hilfe von Data-Mining kann eine Fluggesellschaft in die Lage versetzt werden, vorauszusagen, wann ein Fluggast recht wahrscheinlich erwägt zu einer anderen Linie zu wechseln – und so kann sie genau jenen Fluggästen freie Last-Minute-Plätze oder First-Class-Upgrades zukommen lassen und sie somit wieder zufriedener zu stellen und zu halten.
  • Online Verkaufsportale: um den Kunden ähnliche Produkte anzubieten, wie jene, die der Kunde bereits gekauft oder ausgewählt hat, benötigt ein Online-Verkaufsportal Data-Mining-Software, denn nur so können aus Vergangenheitsdaten von anderen Kunden die relevanten Ähnlichkeiten abgeleitet werden.
  • Sport: auch die Qualität (und der monetäre Markwert) eines Sportlers lässt sich mit Data-Mining-Software oft zielsicherer bewerten als durch Scouts. Außerdem lässt sich selbst bei der Vorhersage von Sport-Ergebnissen ein Informationsgewinn erzielen – siehe hierzu auch unsere Infotainment-Rubrik [Fußball-Vorhersagen].
  • Warenhaltung: ohne eine sophistizierte Analyse mit Hilfe von Data-Mining könnten Kaufhäuser nicht so kosten-optimierende Lagerhaltung betreiben, welche einerseits die Lagerbestände minimiert und gleichzeitig verhindert, dass gefragte Produkte nicht mehr im Regal zu finden sind – egal um welchen Wochentag, Feiertag, Ferientag oder besonderen Veranstaltungstag mit sportlichen oder musikalischen Großereignissen es sich handelt.
  • Betrugs-Aufdeckung und -Prävention: mit dem intelligenten Einsatz von Data-Mining-Software können Kreditkartenbetrüger, Mobiltelefondiebe, Preiskartelle, selbst terroristische Anschläge und andere Betrugsfälle in überdurchschnittlicher Zahl aufgedeckt bzw. vorab vereitelt werden.
  • Call-Center: moderne Systeme können hier in Kombination mit Data-Mining-Software helfen, Anrufer zu Agenten zu leiten, die mit hoher Wahrscheinlichkeit jenes Spezialgebiet abdecken, welches für den Kunden (direkt oder indirekt) relevant ist – noch bevor der Anrufer dies äußert, lediglich aufgrund seiner bekannten historischen Daten (und der Analyse von vielen anderen Kunden und Ihrer Wünsche in der Vergangenheit).
  • Bei Ihnen: Noch unsicher wo und wie Sie Data.Mining.Fox® am besten bei sich einsetzen können? Dann setzen Sie sich doch einfach mit uns in Verbindung – wir von Easy.Data.Mining™[helfen Ihnen gerne]!