In der heutigen Zeit stellen die wachsende Dynamik und Komplexität des Unternehmensumfeldes sowie die zunehmende Globalisierung speziell durch die Fokussierung auf den asiatischen und osteuropäischen Markt das strategische Management vor immer größere Herausforderungen und Aufgaben. Damit sich Unternehmen fortlaufend an die sich ständig ändernden Marktanforderungen und Konkurrenzbedingungen anpassen können, gilt es, die richtige Strategie zu entwickeln und zu verfolgen. Ein entscheidender Faktor ist dabei vor allem die exzellente Positionierung des Unternehmens, die zum einen das optimale Produktportfolio berücksichtigt, zum anderen aber auch die strategischen Vertriebskomponenten wie Märkte, Wettbewerber und Kunden einschließt und hervorhebt. Dies macht deutlich,dass zur Sicherung des langfristigen Unternehmenserfolges das Vertriebscontrolling eine wesentliche Schlüsselrolle einnimmt. Um das Management jedoch aktiv durch geeignete Methoden und Informationsbereitstellung bei der Strategiefindung und
-umsetzung unterstützen zu können, ist ein gut strukturiertes Vertriebsinformationssystem für das Vertriebscontrolling unabdingbar. Nur mit Hilfe moderner Informationstechnik (IT) wie z.B. den Methoden des Data Minings können Auswertungen erstellt werden, die das Management in die Lage versetzen, notwendige Entscheidungen kurzfristig und effizient zu treffen, um das Unternehmen in die richtige Richtung steuern zu können. Ohne die Unterstützungsleistung der IT bei der Informationserfassung, -verarbeitung und -bereitstellung wäre ein effektives Vertriebscontrolling undenkbar.
Inhaltsverzeichnis
Abbildungsverzeichnis
1. Einleitung
1.1 Einführung in die Problemstellung
1.2 Zielsetzung und Aufbau der Arbeit
2. Begriffliche Grundlagen und Definitionen
2.1 Vertriebscontrolling
2.1.1 Aufgaben des Vertriebscontrollings
2.1.2 Formen des Vertriebscontrollings
2.2 Data Mining
2.2.1 Historie und Einbindung in den KDD-Prozess
2.2.2 Abgrenzung zu verwandten Gebieten
3. Data Mining als Informations- und Steuerungsinstrument im Vertriebscontrolling
3.1 Methoden des Data Minings
3.1.1 Datenbeschreibung
3.1.2 Abhängigkeitsanalyse
3.1.3 Abweichungsanalyse
3.1.4 Segmentierung
3.1.5 Konzeptbeschreibung
3.1.6 Klassifikation
3.1.7 Wirkungsprognose
3.2 CRISP Data Mining Prozess - Prozess der Datenmustererkennung
3.2.1 Business Understanding
3.2.2 Data Understanding
3.2.3 Data Preparation
3.2.4 Modeling
3.2.5 Evaluation
3.2.6 Deployment
4. Einsatzmöglichkeit von Data Mining im Vertriebscontrolling am Beispiel der Firma Vorwerk Deutschland Stiftung & Co. KG
5. Zusammenfassung und Ausblick
Literaturverzeichnis
-
-
-
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
-
¡Carge sus propios textos! Gane dinero y un iPhone X.