Wie kann man sich im Dschungel von Big Data und Analytics zurechtfinden und welchen Weg sollte man als Unternehmen einschlagen, um die Potentiale von Data Analytics richtig zu nutzen? In seinem Aufsatz zeigt Dr. Joachim Allhoff, wie in einem standardisierten Bewertungsprozess Unternehmen den Aufbau von Customer Analytics planen, Maßnahmen einleiten und umsetzen können, damit schrittweise der “Datenschatz” gehoben wird.
Datengetriebenes Marketing
Im Fokus: Geschäftsprozesse und Prozesskosten
Bereits in der Studie des Barc-Institutes aus dem Jahre 2014 “Big Data Analytics – Auf dem Weg zur datengetriebenen Wirtschaft” wird deutlich, dass sich viele Unternehmen zunächst eine Verbesserung von Geschäftsprozessen und Verringerung von Prozesskosten durch die Implementierung von schnelleren Data Analytics Anwendungen erhoffen. Im Fokus stehen hierbei einerseits die Anwendung von schnellen Analysemöglichkeiten durch Dashboards und die Visualisierung von Daten. Anderseits ist aber auch der Wunsch nach dem Einsatz von Prognose-Modellen (“Predictive Analytics”) besonders stark – etwa zur Vorhersage von Kündigern oder zur Berechnung von Produktkaufwahrscheinlichkeiten.
Prognosemodelle
Insbesondere in diesem Bereich der Prognose-Modelle sehen Unternehmen Potentiale für die Senkung von Prozesskosten und die Verbesserung von Geschäftsprozessen. Als Hindernis wird aber unter anderem das Fehlen von fachlichem und technischem Know-how kritisch gesehen. Auch die konkrete Einbindung von Analytics Ansätzen in die betrieblichen Prozesse stellt häufig ein Hemmnis für die Nutzung von Big Data / Predictive Analytics-Ansätzen dar.
Inhalt
Einleitung
- Trendthema Big Data
- Datengetriebenes Marketing
Analytics im Marketing
- Strategische Zielsetzung
- Bestandsaufnahme und Bewertung
- Analytics Reifegrade
Realisierung
- Analytics Ansätze im Überblick
- Analytics Roadmap (Entwicklung und Umsetzung)
Fazit
weiter …