Analytics Ansätze im Überblick

Im nächsten Schritt müssen dann die verschiedenen Analytics-Ansätze daraufhin überprüft werden, wie diese konkret zur Zielerreichung beitragen können. Abbildung 3 gibt einen Überblick über zentrale Analytics-Bausteine und deren jeweiligen Nutzen. Das Spektrum dieser Ansätze umfasst Ad-hoc-Analysen, Kundenwert-Modelle oder Kundensegmentierungen, Prognose-Modelle bis hin zu Social Media Analytics und mikrogeographische Analysen.

Schließlich erfolgt dann eine Gap-Analyse: Im Mittelpunkt steht hier, welche Modelle vorhanden sind (und mit welchen Verbesserungspotentialen) und welche weiteren Analytics-Modelle für die Erreichung der Zielsetzungen notwendig sind. Diese Lücken gilt es dann zunächst aufzuzeigen und einen Prozess zu entwickeln, wie diese Lücken durch den Einsatz neuer Modelle, Weiterentwicklung der Datenqualität, Einpflegen von neuen Kundendaten, und so weiter geschlossen werden können.

Entwicklung und Umsetzung einer Analytics Roadmap

Schließlich steht dann als weiterer wichtiger Schritt die Entwicklung und Umsetzung der Roadmap an. Hierbei sind fünf wesentliche Aspekte zu beachten, die miteinander in Beziehung stehen (siehe Abbildung 4):

1. Auf der Grundlage der Gap-Analyse kann ermittelt werden, welche Analytics-Ansätze zur Zielerreichung beitragen und welche vorhandenen Ansätze weiter ausgebaut werden können. Daraus lässt sich dann ableiten, welche Ansätze eingeführt werden und welches Ergebnis diese Ansätze liefern sollten. Hierbei ist es aber besonders wichtig, nicht nur mittel- oder gar langfristige Ziele zu verfolgen. Sondern auch, mit den Analytics Ansätzen kurzfristige Vorteile zu erzielen - "Quick wins".
   Prinzipiell gilt: Es ist besser, mit wenigen ausgewählten Maßnahmen zu starten und diese umzusetzen, als sich zu viel vorzunehmen. Daher muss die Abfolge der einzusetzenden Ansätze genau geplant werden, aber auch die zeitliche Komponente berücksichtigt werden.
   

2. Damit einhergehend sind dann in der Regel auch Maßnahmen bezüglich des Datenmanagements notwendig. So gilt es zu ermitteln, wie die Datenqualität verbessert werden kann, welche Daten noch in das Datawarehouse eingepflegt oder neu erhoben werden oder neue Merkmale aus vorhandenen Daten gebildet werden müssen.
   

3. Darüber hinaus ist auch die Mitarbeiterentwicklung von Bedeutung. Diese kann kurzfristig durch Schulungen zu Statistik-Tools, Analytics Methoden und ihre Anwendung erfolgen. Mittel- bis langfristig kann auch der Teamausbau durch weitere Recruiting-Maßnahmen durchgeführt werden, um weiteres Know-how aufzubauen.
   

4. Auch Fragen der Organisation und Einbindung von Analytics Ergebnissen in laufende Prozesse müssen geklärt werden. So ist zu überprüfen, wie die Analytics Prozesse in die allgemeinen Unternehmensprozesse eingebunden werden - wie Analytics Modelle in die Kampagnenplanung regelmäßig integriert werden oder wie regelmäßige Ad hoc Analysen in das allgemeine Business Reporting eingepflegt werden, und so weiter.
   

5. Letztendlich muss entschieden werden, welches der zahlreichen am Markt verfügbaren Analytics Tools für das Unternehmen am geeignetsten ist (falls noch nicht vorhanden), um die anstehenden und zukünftigen Analyseaufgaben möglichst kostengünstig, aber auch leistungsfähig umsetzen zu können. Wichtig sind hierbei einerseits die Funktionalitäten bzgl. der geplanten Analysemodelle. Andererseits aber auch die Einbindung und technische Implementation in die vorhandenen Systeme sind hier wichtige Entscheidungsfaktoren. Hier ist es wichtig, möglichst langfristig zu planen, damit auch zukünftige Anforderungen erfüllt werden können.

Um einen Nutzen aus den gewonnenen Erkenntnissen der verschiedenen Analytics-Ansätze zu generieren, ist es schließlich auch zentral, die Ergebnisse zu messen, zu bewerten und die grundlegenden Ansätze und deren Nutzen im Unternehmen zu kommunizieren. Dies stellt oftmals eine große Herausforderung dar, da statistische Verfahren für viele Unternehmensangehörige eine "Black box" darstellen. Daher ist es umso wichtiger, die beteiligten Abteilungen hinsichtlich der Anwendung und der Umsetzung statistischer Ansätze zu beraten.

Fazit

Im Customer Relations Management wird der Kunde zunehmend stärker in den Fokus gestellt. Wir beobachten derzeit einen Wandel von der produkt- zur kundenzentrierten Sichtweise. Um diesen Wandel konsequent voranzutreiben, müssen Unternehmen aber die vorhandenen Potentiale, die in den Kundendaten liegen und mit den Analytics Ansätzen verbunden sind, stärker nutzen.

Um Customer Analytics-Ansätze gewinnbringend einzusetzen, ist eine Bewertung der Ist-Situation und der Soll-Situation wichtig. Diese sollte zwingend auf der Grundlage von Business Zielen erfolgen. Im Anschluss kann dann eine Roadmap entwickelt werden, die die Implementierung verschiedener Analytics Ansätze aufzeigt. Die Umsetzung der Roadmap ist unter anderem davon abhängig, wie die Klippen der Organisation, der Teamentwicklung, des Tooleinsatzes, des Data Managements und der Einbindung in Unternehmensprozesse gemeistert werden. Zentral ist es hierbei auch, "Quick wins" zu generieren und nicht nur auf langfristige Erfolge zu setzen.

Langfristiges Ziel sollte es aber sein, Analytics in das Unternehmen zu integrieren, den Nutzen auszuschöpfen und Daten-getriebene Analysen erfolgreich einzusetzen. Gelingt dies, so wird Customer Analytics zu einem wichtigen Schalthebel für die Ertragssteigerung und Kostenoptimierung im Customer Relations Management in Ihrem Unternehmen. (bw)