Data Mining

Unternehmen besitzen große Mengen an Daten über ihre Kunden und deren Einkaufsverhalten. Doch dieses prall gefüllte Datenwarenhaus ist nutz- und wertlos, wenn sich aus den komplexen Informationen keine greifbaren Rückschlüsse auf das Kundenverhalten ziehen bzw. kunden- und marktbezogene Trends und Muster aufdecken lassen, die für weitere Unternehmensstrategien nützlich sind.

Ausgangssituation

  • Große Datenbestände können nicht "per Hand" analysiert werden.
  • Muster sind so kaum erkennbar!
  • Ergebnisse lassen sich nur schwer visualisieren bzw. in Geschäftsprozesse integrieren.
  • Der Erfolg der auf diesen Ergebnissen aufbauenden Marketingaktionen ist fraglich!
Ziele
  • Kaufverhalten von Kunden analysieren.
  • Beim Data Mining werden in der Regel Algorithmen und statistische Analysen auf Daten angewendet, um wichtige Geschäftschancen zu erkennen und aussagekräftige Informationen zu geschäftlichen Abläufen zu gewinnen.
  • Produktgruppen identifizieren (wird Produkt A gekauft, dann wird auch gerne Produkt B und C gekauft).
  • Passende Kampagnen mit diesen Produktgruppen planen:
    • Das Ergebnis der Kampagne verifizieren.
    • Dieses Ergebnis fließt in die Verfeinerung der Gruppe ein.
Lösung : Data Mining mit den Microsoft Analysis Services

Data Mining

  • kostengünstige Alternative
  • schnelle Bereitstellung
  • optimale Anbindung an bestehende Datenbank (MS SQL Server)
  • leichte Integration der Ergebnisse in Geschäftsprozesse via SQL Server Integration Services bzw. Data Transformation Services
  • Visualisierung im Business Intelligence Development Studio
Ihr Nutzen
  • bessere Ermittlung und Ausschöpfung bestehender Kundenpotenziale
  • Erhöhung des Absatzes
  • Verbesserung der Cross Selling Quote
  • optimale Steuerung und Dosierung der Kundenansprache
Unser Vorgehensmodell
  • Business verstehen: Unternehmensziele kennen bzw. Probleme definieren, Miningprozesse beschreiben, Projektplan erstellen
  • Daten verstehen: Ausgangsdaten definieren, sammeln und beschreiben, Daten im Hinblick auf fehlende und/oder fehlerhafte Werte erkunden, Datenqualität verifizieren
  • Daten vorbereiten: Daten auswählen und säubern, zusammenfassen und transformieren
  • Lösung modellieren: Modellierungsverfahren im Hinblick auf die Zielsetzung auswählen, Miningmodell bauen, trainieren und testen, Lösung(en) generieren
  • Lösung evaluieren: Ergebnisse evaluieren, bei Bedarf Modell anpassen
  • Lösung anwenden: Verfahren in bestehende Prozesse integrieren
  • Planung der Überwachung und Wartung
tiggs GmbH         Microsoft Silver Partner           tiggs GmbH

Ein Unternehmen der Impetus Gruppe - - Alle Rechte vorbehalten
Cookies erleichtern die Bereitstellung unserer Dienste. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden.
Weitere Informationen Ok