In dieser Arbeit wird basierend auf der aktuellen Geschäftssituation eines fiktiven IT-Dienstleisters im Großraum Wien ein praxisnahes Konzept für die Analyse und Lösung von betrieblichen Problemstellungen erstellt. Basierend auf dem CRISP-DM-Vorgehensmodell werden die Bereiche Geschäftsbezugsanalyse, Datenexploration, Datenvorbearbeitung, Modellierung, Evaluierung und Bereitstellung betrachtet.
Inhaltsverzeichnis
Inhaltsverzeichnis
Abbildungs- und Tabellenverzeichnis
1 Einleitung
1.1 Aufbau der Arbeit
2 Konzept auf Basis des CRISP-DM-Vorgehensmodells
2.1 Geschäftsbezugsanalyse
2.1.1 Definition gewünschter Projektergebnisse – Ziele, Projektplan und KPIs
2.1.2 Bewertung der aktuellen Situation
2.1.3 Beschreibung des Ziels von Data Science
2.1.4 Erstellung des Projektplanes
2.2 Datenexploration
2.3 Datenvorbereitung
2.3.1 Bereinigung der Daten
2.3.2 Rekonstruktion fehlender erforderlicher Daten
2.3.3 Integration von Daten aus anderen Quellen
2.4 Modellierung
2.5 Evaluierung
2.6 Bereitstellung
2.6.1 Überwachung und Kontrolle der Bereitstellung
2.6.2 Erstellung eines Abschlussberichts
2.6.3 Bewertung der Projektdurchführung
2.7 Rolle des Marketings und der Kommunikation
Literaturverzeichnis
Abkürzungsverzeichnis
bzw. beziehungsweise
CRISP-DM Cross Industry Standard Process for Data Mining
DBA Doctor of Business Administration
dbzgl. diesbezüglich
DM Data Mining
DSGVO Datenschutzgrundverordnung
inkl. inklusive
IT Informationstechnologie
KPIs Key Performance Indicators
KVP Kontinuierlicher Verbesserungs-Prozess
KW Kalenderwoche
MA MitarbeiterInnen
PCs Personal Computers
SPSS Statistical Package for the Social Sciences
u. dgl. und dergleichen
vgl. vergleiche
z. B. zum Beispiel
Abbildungs- und Tabellenverzeichnis
Abbildung 1: CRISP-DM Tasks and Outputs, Quelle / Grafik: (Wirth und Hipp 2000)
Abbildung 2 / Tabelle: Aufbau des Projektplanes für das IT-Dienstleistungsunternehmen nach (IBM Corporation 2012)
Abbildung 3: Darstellung der Daten-Streams im beschriebenen CRISP-DM-Projekt, Quelle: Eig. Erstellung / Gangoly
1 Einleitung
Im Rahmen dieser Projektarbeit (Projektarbeit Modul 4, Marketing & Data Science) soll basierend auf der aktuellen Geschäftssituation eines fiktiven IT-Dienstleisters im Großraum Wien, ein praxisnahes Konzept für die Analyse und Lösung von betrieblichen Problemstellungen auf Basis des CRISP-DM Vorgehensmodells erstellt werden. Die Aufgabenstellung im Rahmen des DBA-Studium soll ermöglichen, die Themen der Lehrveranstaltung zu reflektieren und selbständig anhand eine fiktiven Praxisbeispiels anzuwenden.
1.1 Aufbau der Arbeit
Die Aufgabe und diese Projektarbeit wird in den folgenden Kapiteln, basierend auf dem CRISP-DM Vorgehensmodell strukturiert und teilt sich daher in folgende sechs Hauptbereiche auf:
1) Geschäftsbezugsanalyse
2) Datenexploration
3) Datenvorbearbeitung
4) Modellierung
5) Evaluierung
6) Bereitstellung
In folgender Abbildung 1 findet sich eine der ersten öffentlichen Darstellungen des CRISP-DM-Prozessmodells (Wirth und Hipp 2000), das mit Unterstützung der Europäischen Union und unter Mitwirkung mehrerer Großunternehmen (z. B. DaimlerChrysler, NCR, Teradata) zwischen 1996 und 1999 entwickelt wurde (Luber und Litzel 2019). Die Strukturierung des Prozesses ist in diesem Fall in Säulen inkl. der englischen Fachbegriffe dargestellt, die teilweise auch in dieser Projektarbeit zur Anwendung kommen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: CRISP-DM Tasks and Outputs, Quelle / Grafik: (Wirth und Hipp 2000)
2 Konzept auf Basis des CRISP-DM-Vorgehensmodells
2.1 Geschäftsbezugsanalyse
In der ersten Phase des CRISP-DM-Vorgehensmodells werden die Ziele des Projekts aus geschäftlicher Sicht definiert, um Klarheit und realistische Erwartungen über das Gesamtprojekt bei allen Mitwirkenden und Betroffenen zu erzielen.
2.1.1 Definition gewünschter Projektergebnisse – Ziele, Projektplan und KPIs
In diesem Kapitel werden Ziele, Projektplan und KPIs zum Projekt "IT-Dienstleister" im Detail beschrieben und praxisorientiert auf Maßnahmen eingegangen, die im Umfeld einer solchen Analyse und Projektdurchführung in einem Unternehmen beachtet werden müssen.
2.1.1.1 Ziele
Aus Sicht des IT-Unternehmens gibt es folgende drei übergeordnete Hauptziele des Gesamtprojekts (Ann. des Verfassers):
a) Rasch Management-Informationen und Analysen zu den internen und/oder externen Ursachen und Gründen erhalten, die im letzten Jahr zu starken Umsatzeinbußen führten.
b) Entscheidungsgrundlagen und Empfehlungen für das Management aufbereiten, deren Umsetzung einen raschen Turnaround und zukünftiges Wachstum unterstützen.
c) Tools und interne Maßnahmen im Unternehmen auf allen Ebenen etablieren, die kontinuierlich Zugang zu relevanten Geschäftsdaten und Markinformationen ermöglichen und damit als Krisenpräventions- und Steuerungsinstrument sowie zum Marketing-Support eingesetzt werden können.
2.1.1.2 Projektplan
In der Aufgabenstellung der Universität wurde die Verfeinerung des CRISP-DM Vorgehensmodells als eine der Anforderungen für diese Projektarbeit genannt. Da die aktive Kommunikation mit Management- und MitarbeiterInnen-Ebenen zum CRISP-DM-Projekterfolg maßgeblich ist (Rennolls und AL-Shawabkeh 2008) und das dies auch den Praxiserfahrungen des Verfassers entspricht, wird im folgenden CRISP-DM-Projektplan auf die notwendigen, begleitenden Kommunikationsmaßnahmen besonders eingegangen. Ergänzend zu den unter Kapitel 1.2. beschriebenen Hauptarbeitsbereichen nach dem CRISP-DM Vorgehensmodell sieht der Verfasser im Zusammenhang mit der Aufgabenstellung "IT-Dienstleister" in diesem Zusammenhang folgende individualisierten Schritte und Maßnahmen als Teil des Projektplanes vor:
- Information aller MitarbeiterInnen über den aktuellen, kritischen Stand der Geschäftsentwicklung und des daraus resultierenden, dringlichen Bedarfes nach Maßnahmen, um rasch einen Turnaround einleiten zu können. (vgl. Kotter 2015)
- Informationen aller MitarbeiterInnen über das Aufsetzen eines Data Science-Projektes unter Einbindung externer ExpertInnen.
- Detailinformation, Einladung und Beauftragung der jeweiligen Bereichs- und TeamleiterInnen (vor allem Sales, Kundenbetreuung, Hardware- & Software-Support, Marketing & Kommunikation) zur Mitwirkung am Projekt und zur Unterstützung der externen BeraterInnen.
- Erarbeitung und Vereinbarung der KPIs des Projekts zwischen Auftraggeberin und AuftragnehmerInnen.
- Information aller Management-Ebenen und MitarbeiterInnen über die zukünftig angestrebten Projekt- und Geschäftsziele sowie über die diesbezüglich zur Erfolgsmessung festgelegten KPIs. Erläuterung dazu, in welchen Bereichen die MitarbeiterInnen konkret zur KPI-Zielerreichung beitragen können und sollen, mit folgenden Schwerpunkten:
- Ausbau bestehender Kunden
- Reaktivierung "schlafender" bzw. Rückgewinnung verlorener Kunden
- Neukundengewinnung
- Trend- und Marktbeobachtung
- Interne und externe Kommunikation
- Datensammlung, wiederkehrende Inputs zum Data Science-Projekt
- Allgemeine Verbesserungsvorschläge zu den Geschäftsprozessen (KVP) und Alarmfunktion.
- Meetings des CRISP-DM-Projektteams mit MitarbeiterInnen der Geschäftsbereiche Sales, Kundenbetreuung, Hardware- & Software-Support, Marketing & Kommunikation zur darauffolgenden Bewertung und Verschriftlichung der aktuellen Situation (inkl. Ressourceninventar, Anforderungen, Annahmen, Einschränkungen, Terminologie, Kosten und Nutzen).
- Beschreibung der Data Science-Ziele (und Möglichkeiten) des Unternehmens (Geschäftserfolgskriterien, Data Science-Erfolgskriterien).
- Erstellung des Projektplans, Beschreibung des Ressourcenbedarfs, der benötigten Daten und Informationen, den dbzgl. Zuständigkeiten und Abhängigkeiten – inkl. deren unternehmensinterner Kommunikation – sowie Festlegung einer ersten Auswahl von Werkzeugen, Methoden und Techniken.
- Datenexploration inkl. Beschreibung der Grundcharakteristiken der Daten (Datenbasisbericht), der statistischen Charakteristiken der Daten und der Datenqualität.
- Datenvorbereitung, inklusive Bereinigung, Auswahl und Rekonstruktion der tatsächlich relevanten Daten, Integration von Daten aus anderen Quellen (z. B. PC-/IT-Marktanalysen, Mitbewerberanalysen, Trend- und Industrie-Reports, Medienberichte).
- Modellierung, inklusive Auswahl der Modellierungstechnik, Dokumentation Modellierungsannahmen, Erstellung eines Testplanes und Tests für das zukünftige Data Science-Monitoring-Tool, Erstellung und Bewertung des Datenmodells.
- Evaluierung, inkl. Überprüfung, ob das Projekt auf Basis des CRIPS-DM-Vorgehensmodells geeignet ist, die genannten Unternehmensziele und KPIs zu erreichen. Festlegung der nächsten Schritte vor der allgemeinen Bereitstellung im Unternehmen.
- Bereitstellung, inkl. Events zur Ergebnispräsentation auf allen Management- und Mitarbeiter-Innen-Ebenen
- Einschulungen zum Data Science- und Monitoring-Tool.
- Abschlussbericht und Bewertung der Projektdurchführung.
2.1.1.3 KPIs
Für diese Projektarbeit wird mit folgenden KPI-Annahmen zur Messung des Projekterfolges gearbeitet. Diese wurden vom Verfasser auf Basis eigener Praxiserfahrungen festgelegt:
- Turnaround noch im laufenden Geschäftsjahr mit positivem Geschäftsergebnis.
- Umsatzplus zwischen 5% und 10% im Folgejahr.
- Einrichtung eines Management-Dashboards zum Monitoring des laufenden Geschäfts sowie für Geschäftsprognosen und Produkt-/Service-Entwicklungen – auf Basis von internen und externen Daten (Kombination von Business Intelligence und Data Science).
2.1.2 Bewertung der aktuellen Situation
Nachdem die Projektziele festgelegt und im Unternehmen auf allen Ebenen kommuniziert wurden (z. B. Team-Meeting, MA-Versammlung, Intranet, MA-Mailings) ist die systematische Bewertung der aktuellen Situation des Unternehmens – vor der Einleitung von konkreten Data Science-Umsetzungsmaßnahmen – von großer Bedeutung.
In einem Unternehmen aus der IT-Handel und -Dienstleistungsbereich, in dem angenommen werden kann, dass viele MitarbeiterInnen selbst ExpertInnen im Umgang mit Daten sind, oder sich selbst als solche einschätzen, ist bereits beim Projektstart und der internen Ressourcenerhebung für das Data Mining-Projekt mit dementsprechender Sensibilität vorzugehen. Die erstmalige Durchführung eines CRISP-DM-Projekts in einem Unternehmen, ist in diesem Zusammenhang ähnlich wie ein Change Management-Projekt zu bewerten und sollte daher aus Sicht des Verfassers, um die Spezifika eines solchen ergänzt werden.
2.1.2.1 Ressourceninventar
Es gilt daher in der gesamten Geschäftsbezugsanalyse und bereits bei der Erstellung des sogenannten Ressourceninventars, die im Haus selbst vorhandene Daten-Expertise und die bestehenden Personal-Ressourcen bestmöglich für das Projekt zu nutzen, aber ebenso eine stringente Projektleitung und rasche Umsetzung nach dem CRISP-DM-Modell – mit stets den KPIs im Visier – sicherzustellen. Unter Beachtung dieser Grundsätze wird nun Folgendes erhoben:
- Welches Personal steht für das Projekt im IT-Dienstleistungsunternehmen selbst zur Verfügung; einzubindende Geschäftsbereiche, Abteilungen.
- Überprüfung, ob trotz in-house Expertise, externe Unterstützung zur Projektumsetzung notwendig bzw. sinnvoll ist (z. B. um Kerngeschäft, Kundensupport nicht zu belasten)
- Abfrage und Inventarisierung der im Unternehmen bereits vorhandenen Daten, darunter im Fall "IT-Dienstleistungsunternehmen" im Speziellen:
– Umsatzdaten, inkl. Geschäftsbereichsanalysen
– Kundendaten (z. B. Kundenfrequenz, Kundentypen und deren Umsätze)
– New Business-Pipeline und Produkt- und Service-Nachfragen
– Kundenzufriedenheit, Beschwerdemanagement, Retention-Management
– Bestellsystem, Logistik- und Lagerhaltungsdaten, Ausschuss, Defekte, Schwund
– Beschaffungs- und Reparaturfrequenzen (Ersatzteilbedarf)
– Marketing-Daten aus Kampagnen, Promotions, Newsletter u. Website-Nutzung, E-Commerce
– Mitbewerber-Kampagnen und Aktionen.
Als nächsten Schritt zur Bewertung der aktuellen Situation, werden die unter Kapitel 2.1.1.1. genannten Anforderungen an das Projekt im Detail beschrieben und mit der Realität vor Ort abgeglichen. Der Zeitplan bis zur geplanten Fertigstellung wird erstellt und in Fall "lokales IT-Dienstleistungsunternehmen" vom Verfasser mit 3,5 Monaten ab Beauftragung angenommen (Details im Kapitel 2.1.4. Erstellung Projektplan).
[...]
- Arbeit zitieren
- Jürgen Gangoly (Autor:in), 2021, Marketing und Data Science. Analyse und Lösung von betrieblichen Problemen mit dem CRISP-DM-Vorgehensmodell, München, GRIN Verlag, https://www.grin.com/document/1162879
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.