Marktorientierte Steuerungsgrößen mit Hilfe von Datenbanken. Dargestellt am Profiling Warehouse

Tesis , 2007 , 101 Páginas , Calificación: 2,0

Informática - Informatica de negocios

„I know, half the money I spend on advertising is wasted, but I can never find out which half.“
Dieses Zitat ist heute nicht nur noch aktuell, sondern erlangt immer größere Bedeutung. Die Anzahl an verschiedenen Produkten und die immer individueller werdenden Konsumenten erfordern mehr und mehr personalisiertere und zielgerichtetere Werbekampagnen. Die heute zumeist in den Unternehmen vorhandenen Datenvorkommen können unter bestimmten Voraussetzungen dazu genutzt werden, die Frage, die das Zitat aufwirft, zu beantworten. Das Problem besteht hierbei in der richtigen Nutzung der vorhandenen Daten. Oftmals finden sich in Unternehmensdatenbanken zwar eine Vielzahl von Einträgen, diese können aber auf Grund verschiedenster Ursachen nicht oder nur teilweise für Marketingzwecke genutzt werden, da sie entweder nicht sinnvoll verknüpft sind, unstrukturiert vorliegen, irrelevant, nicht aktuell oder redundant sind, keine Werkzeuge und Methoden zur Extrahierung aus der Datenbank zur Verfügung stehen oder einfach nicht an den richtigen Stellen im Unternehmen verfügbar sind.
In Bezug auf die Nutzung dieser Daten muss also eine Methodik entwickelt werden, welche die oben genannten Schwachpunkte und Missstände eliminiert. Nur so können die Inhalte von Unternehmensdatenbanken zu Steuerungszwecken genutzt werden.

Inhaltsverzeichnis

Danksagung

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Ursachen für den steigenden Bedarf von datenbankgestützter Steuerung in Organisationen
1.1 Datenbankgestützte Steuerung im Kontext der Marktorientierung
1.2 Definition zentraler Begriffe
1.3 Ziel und Gang der Untersuchung

2 Grundlagen für die Herleitung und Anwendung von markt­orientierten Steuerungsgrößen
2.1 Grundlagen derSystemtheorie
2.2 Die Rolle von Datenbanken in Unternehmen
2.3 Abgrenzung des Untersuchungsfeldes
2.4 Anforderungskriterien an marktorientierte Steuerungsgrößen

3 Die Dimensionen der Marktorientierung unter dem Steuerungs­aspekt
3.1 Partielle und integrierte Steuerungsansätze
3.2 Herleitung von Steuerungsgrößen in den verschiedenen Dimensionen der Marktorientierung
3.2.1 Organisationsorientierte Steuerungsgrößen
3.2.1. 1 Marketing-Mix Analyse
3.2.1.2 Analyse der durchschnittlichen Reaktionszeit bei Reklamationen
3.2.1.3 Return-On-Investment Analyse
3.2.2 Steuerungsgrößen für Kommunikationsmaßnahmen
3.2.2.1 AdClick-Analyse
3.2.2.2 Ad Impression-Analyse
3.2.2.3 Responseanalyse
3.2.3 Steuerungsgrößen für Kundenorientierung
3.2.3.1 Analyse des Customer Lifetime Value
3.2.3.2 Conversion-Rate Analyse
3.2.3.3 Kundenzufriedenheitsanalyse
3.2.4 Steuerungsgrößen für den Markt
3.2.4.1 Marktsegmentierungsanalyse
3.2.4.2 Marktausschöpfungsgradanalyse
3.2.4.3 Analyse des relativen bzw. absoluten Marktanteils
3.2.5 Produktbezogene Steuerungsgrößen
3.2.5.1 Analyse des Produkt-Mix
3.2.5.2 Produktlebenszyklusanalyse
3.2.5.3 Warenkorbanalyse
3.3 Steuerungsansatz von The Profiling Company

4 Zusammenfassung und Ausblick

Literaturverzeichnis

Anhang

Danksagung

Mein besonderer Dank bei der Erstellung dieser Diplomarbeit gilt den Geschäftsführern der CPC - The Profiling Company GmbH Christian Brosig und Harald Gall, die mit ihrer breiten Erfahrung im Bereich Database Marketing, ihrer konstruktiven Kritik und ihrer Bereitschaft, jederzeit Auskünfte zu einem Thema zu erteilen bzw. jenes zu diskutieren wesentlichen Anteil an der Fertigstellung tragen.

Bedanken möchte ich mich auch bei Herrn Professor Dr. Michael Ceyp, der als Betreuer dieser Diplomarbeit ihr Zustandekommen in der vorliegenden Fassung erst ermöglicht hat.

Abbildungsverzeichnis

1 Reifegradmodell von The Profiling Company

2 Controlling als zielorientiertes Führungskonzept

3 Zusammenhang der Einflussfaktoren der Balanced Scorecard

4 Elemente des Marketing-Mix

5 Vereinfachte RQI-Analyse

6 Steuerungsansatz für RQI

7 Systematik der Wirkfaktoren effizienter Bannerwerbung

8 CLV-bezogene Maßnahmen der Marktbearbeitung

9) Steuerungsansatz zu Conversion-Rates

10 Die Reaktionen des Kunden auf fUn-IZufriedenheit

11 Zusammenhang Marktanteil. Marktvolumen. Marktpotenzial

12 Regelkreis des Database Marketing

13 Die Kommunikationsmittel des Database Marketing

14 Kundenwert im Wissensmodell

15 Bestands- und Prognosewert

16 Profiling Company Infrastruktur

17 Prozess Katalogbestellung

A1 Segmentierungsbeispiel nach Soziodemographie und Kaufverhalten

A2 Schätzung von Responseraten: Ergebnis der BehaviourScan- Studie der GfK Nürnberg

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Ursachen für den steigenden Bedarf von datenbankgestützter Steuerung in Organisationen

1.1 Datenbankgestützte Steuerung im Kontext der Marktorientierung

Die Aufgabe des Marketings wird in der Schaffung und Befriedigung von Kundenbedürfnissen gesehen, so dass es langfristig das Überle­ben des Unternehmens sichert bzw. dessen Wachstum begünstigt. Marketing und Werbung jedoch galten lange Zeit als intuitive Manage­mentlehre, die an Hand von weichen Daten durchgeführt wird und de­ren Ergebnisse somit kaum quantifizierbar sind.¹

„I know half the money I spend on advertising is wasted, but I can ne­ver find out which half.“²

Dieses Zitat ist heute nicht nur noch aktuell, sondern erlangt immer größere Bedeutung. Die Anzahl an verschiedenen Produkten und die immer individueller werdenden Konsumenten erfordern mehr und mehr personalisiertere und zielgerichtetere Werbekampagnen.

Die heute zumeist in den Unternehmen vorhandenen Datenvorkommen können unter bestimmten Voraussetzungen dazu genutzt werden, die Frage, die das Zitat aufwirft, zu beantworten. Das Problem besteht hierbei in der richtigen Nutzung der vorhandenen Daten. Oftmals fin­den sich in Unternehmensdatenbanken zwar eine Vielzahl von Einträ­gen, diese können aber auf Grund verschiedenster Ursachen nicht oder nur teilweise für Marketingzwecke genutzt werden, da sie entwe­der nicht sinnvoll verknüpft sind, unstrukturiert vorliegen, irrelevant, nicht aktuell oder redundant sind, keine Werkzeuge und Methoden zur Extrahierung aus der Datenbank zur Verfügung stehen oder einfach nicht an den richtigen Stellen im Unternehmen verfügbar sind.

In Bezug auf die Nutzung dieser Daten muss also eine Methodik entwi­ckelt werden, welche die oben genannten Schwachpunkte und Miss­stände eliminiert. Nur so können die Inhalte von Unternehmensdaten­banken zu Steuerungszwecken genutzt werden.

1.2 Definition zentraler Begriffe

Im Folgenden werden wichtige Begriffe, die im Rahmen dieser Arbeit verwendet werden, erläutert.

Unter Profiling versteht man exakt das, was es impliziert: „The act of using data to describe or profile a group of customers or prospects. It can be performed on an entire database or distinct sections of the data­base. The distinct sections are known as segments. Typically they are mutually exclusive, which means no one can be a member of more than one segment.“³ Der Grad der Segmentierung kann hierbei bis hin zum einzelnen Individuum (echtes One-to-One Marketing) gehen. „Vom ein­zelnen Individuum ausgehend wird eine Definition von detaillierteren Zielgruppenprofilen mittels verschiedener Kommunikationsmodelle (Kundenlebenszyklusmodell, Kundenwertmodell etc.) vorgenommen. Diese zielgruppengenaue Ansprache bietet präzise Evaluationsmög­lichkeiten, Interaktivität sowie Aktualität mit minimalen Streuverlusten und soll der effizienten Kampagnenumsetzung mit einer sehr hohen Responserate dienen.“⁴

„Ein Data Warehouse ist die ideale Basis für eine entscheidungsorien­tierte Auswertung der Unternehmensdaten, die sonst einen erheblichen Mehraufwand für das Zusammentragen und Vorbereiten der Daten er­fordert.“⁵ Somit ermöglichen Data Warehouses, dass die „... quantitativ durch die limitierte Personalkapazität im Zeitalter des „lean manage­ment“ und qualitativ durch die beschränkte Fähigkeit des Menschen zur Verarbeitung multidimensionaler Zusammenhänge ...“⁶ entstehenden Engpässe geschlossen bzw. überbrückt werden können.

Unter der Möglichkeit des Cross-Selling versteht man das Verkaufen von zu dem Ausgangsprodukt unterschiedlichen Produkten an den be­stehenden Kunden. Up-Selling dagegen meint das Verkaufen von mehr Produkten an den bestehenden Kunden. Für beide Varianten müssen Möglichkeiten oder Gelegenheiten ermittelt bzw. identifiziert werden, damit der Kunde davon Gebrauch macht.⁷

Umfangreiches Wissen über die eigenen Kunden und die Zielgruppe ist essentiell, um auf dem Markt konkurrenzfähig zu bleiben. Profilana­lysen helfen dabei, den Kunden gezielter zu adressieren und die Pro­duktentwicklung auf die Bedürfnisse des Kunden einzustellen. Die Aus­wertung von demografischen Merkmalen (z.B. Alter, Geschlecht, Fami­lienstand) der Zielgruppe ist integraler Bestandteil von Profilanalysen, im Regelfall kommt aber eine weitaus größere Zahl an Merkmalen hin­zu. Profilanalysen werden oftmals in Verbindung mit Segmentierung verwendet um Vergleichswerte zu haben.⁸ In der Literatur wird die Pro­filanalyse häufig nur als Vorstufe der Segmentierung gesehen. Der Grund dafür liegt in der Tatsache, dass echtes One-to-One Marketing im Sinne von Profiling derzeit noch wenig eingesetzt wird bzw. einge­setzt werden kann, da es von den Initiatoren ein Modell bzw. System mit sehr hohem Reifegrad erwartet.⁹ Hinzu kommt die große Anzahl an möglichen Attributen¹⁰, die das Modellieren noch erschweren; auf der einen Seite muss ein Unternehmen möglichst viel von einem Kunden wissen und seine Bedürfnisse kennen¹¹, auf der anderen Seite muss es in der Lage sein, diese auch zu verwenden:

Unter Kampagnen versteht man dramaturgisch angelegte, zeitlich und thematisch klar umrissene Kommunikationsstrategien, die mittels unterschiedlicher Kommunikationsinstrumente, -maßnahmen und -tech­niken die Aufmerksamkeit, das Verständnis und das Vertrauen von be­stehenden oder potenziellen Kunden erlangen, sie zum Kaufeines Pro­duktes oder einer Dienstleistung veranlassen und an die Marke binden wollen.“¹²

1.3 Ziel und Gang der Untersuchung „Die Vergangenheit hat gezeigt, daß ... der Marktorientierung eine Schlüsselrolle für die Entstehung des Unternehmenserfolges zu­kommt.“¹³ Diese Diplomarbeit erörtert, wie marktorientierte Steuerungs­größen in betrieblichen Datenbanken in Bezug auf Marktorientierung eingesetzt werden können, um unternehmerische Planungs- und Ent­scheidungsprozesse zu unterstützen bzw. zu steuern.

Den Aspekt der Marktorientierung, also die Ausrichtung am Kunden, ist eine Voraussetzung, die moderne Unternehmen erfüllen bzw. berück­sichtigen müssen. Marktorientierung bedeutet auch „Voraussetzungen für zielgerichtetes Handeln zu schaffen“.¹⁴ Dabei stellt sich auch die Frage, was „zielgerichtet“ bedeutet. Dabei kann es um die Steigerung der Effektivität von Marketingmaßnahmen oder der marktorientierten Organisation gehen, um die Verminderung von Risiken oder die Opti­mierung von Wissensmodellen. Ob das Handeln eines Unternehmens tatsächlich zielgerichtet ist, gilt es zu beurteilen. Die Ziele müssen also in sofern operationalisiert sein, dass sie auch messbar sind, denn „Zie­le, die ich nicht messen kann, kann ich auch nicht erreichen.“¹⁵

Auch eine exakte und vollständige Zielformulierung ist an dieser Stelle notwendig, um die Zielerreichung kontrollieren zu können. „Was will ich steuern?“¹⁶ ist also die Frage, die über die Zielformulierung entscheidet und die Zieldimension absteckt.

Die Dimensionen stellen hierbei also das durch die Steuerung zu errei­chende Ziel dar. Dieses kann vielfältiger Natur sein. Häufig angestreb­te Zielsetzungen sind beispielsweise „die Organisation passgenau ma­chen“, „Maßnahmen effektiver gestalten“, „die richtigen Kunden errei­chen“, „den Markt aus Makro- und Mikrosicht ausschöpfen“, „die Effek­tivität der Organisation steigern“, „Risikominimierung bzw. Chancenma­ximierung“ oder „zielgruppennahe Produktentwicklung“.¹⁷ Einige dieser sind nach innen gerichtete, andere nach außen gerichtete Ziele.

Die das Ziel beschreibenden Zahlen müssen für das Unternehmen In­formationscharakter haben, quantifizierbar sein und die gelieferten In­formationen müssen in einer spezifischen Form vorliegen.¹⁸ Ist eine die­ser Bedingungen nicht erfüllt, ist die Messbarkeit eingeschränkt. Harald Gall, einer der Geschäftsführer von CPC - The Profiling Company GmbH - im Folgenden nur noch The Profiling Company genannt, for­muliert diese Aussage wie folgt: „Ziele, die ich nicht messen kann, kann ich auch nicht erreichen.“¹⁹

Das Ziel dieser Arbeit ist es daher, betriebswirtschaftliche Zielsetzun­gen in den verschiedenen Dimensionen der Marktorientierung formu­lier-, mess- und steuerbar zu machen oder, falls dies nicht möglich ist, Ansätze für diesen Anspruch zu liefern.

Das diese Arbeit betreuende Unternehmen, The Profiling Company, hat zu diesem Zweck eine Plattform entwickelt, mit deren Hilfe Unterneh­men ihre Marktorientierung erhöhen bzw. lenken können. Diese soge­nannte Profiling Infrastruktur und ihre Funktionen richten sich nach dem Reifegradmodell von The Profiling Company und werden im Hauptteil dieser Arbeit im dritten Unterpunkt behandelt.

Das Reifegradmodell beschreibt die Unternehmenskompetenz bezüg­lich Kundenkommunikationsprozessen in den Abstufungen Massen­kommunikation, Direktwerbung, Direktmarketing, Dialogmarketing und Profiling. Dabei wird ab der Stufe der Direktwerbung eine datenbankge­stützte Lösung erforderlich. Die Eignung wird dabei aus dem Betrach­ten der erfolgskritischen Dimensionen Organisation, Prozesse, Syste­me und Daten ermittelt. Die Stufe, auf der ein Unternehmen sich befin­det, hängt dabei immer von der Dimension mit der schwächsten Aus­prägung ab.²⁰

Auf der folgenden Seite stellt Abbildung 1 das Reifegradmodell von The Profiling Company mit seinen Dimensionen und Abstufungen dar. Die höchste Abstufung ist dabei das Profiling, die niedrigste, die im All­gemeinen nicht zum Leistungsspektrum von The Profiling Company ge­hört, ist die von hohen Streuverlusten geprägte Massenkommunikation.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Reifegradmodell von The Profiling Company[2]

Da The Profiling Company im Bereich des Database- und Dialogmarke­tings tätig ist, werden die in dieser Arbeit untersuchten bzw. entwickel­ten Steuerungsgrößen primär aus Sicht der Marktkommunikation und somit des Customer Relationship Management behandelt.²¹

2 Grundlagen für die Herleitung und Anwendung von marktorientierten Steuerungsgrößen

Als Einstieg dient das Kapitel über die Systemtheorie, welches ein grundsätzliches Verständnis in Richtung Steuerung vermitteln soll. Als Nächstes wird die Rolle von Datenbanken in heutigen Unternehmen betrachtet. Ohne diese wären die Messungen, welche als Grundlage für die Steuerung unverzichtbar sind, nicht oder nur unter sehr erhebli­chem Arbeitsaufwand möglich. Anschließend wird das Untersuchungs­feld abgegrenzt, bevor im letzten Teil dieses Kapitels die Anforderun­gen an Steuerungsgrößen ermittelt werden.

2.1 Grundlagen der Systemtheorie

Der Begriff der Steuerung findet sich in dem physikalischen Bereich Regelungstechnik wieder und wird in der DIN 19226 Teil 1 wie folgt be­schrieben: „Das Steuern, die Steuerung, ist ein Vorgang in einem Sys­tem, bei dem eine oder mehrere Größen als Eingangsgrößen andere Größen als Ausgangsgrößen auf Grund der dem System eigentümli­chen Gesetzmäßigkeiten beeinflussen. Kennzeichen für das Steuern ist der offene Wirkungsweg.“²²

Der Begriff der Steuerung bezeichnet also eine bestimmte Art und Wei­se, in der verschiedene Größen aufeinander einwirken, wobei die phy­sikalische Art der Größen dabei offen bleibt. Es können also prinzipiell alle denkbaren physikalischen Größen gesteuert werden, wie z.B. Elek­trische Spannung, Druckluft und Drucköl.²³

Diese Definition aus der Naturwissenschaft lässt sich auf die Betriebs­wirtschaft übertragen: „Die Steuerung geht von den Ergebnissen der Planung aus. Sie veranlaßt die Verwirklichung der Pläne, indem sie Aufträge zur Durchführung erteilt und dafür sorgt, daß die dafür erfor­derlichen Menschen, Betriebsmittel, Materialien und Informationen rechtzeitig zur Verfügung stehen. Sie überwacht die Durchführung, in­dem sie entweder die planmäßige Durchführung oder aber Soll-Ist-Ab- weichungen feststellt. Treten Abweichungen ein, so sichert sie die wei­tere Durchführung durch entsprechendes Eingreifen, das heißt, sie paßt durch erneutes Veranlassen die Ist- an die Soll-Daten an oder sie leitet Plankorrekturen ein.“²⁴

Das Ziel der Steuerung wird demnach wie folgt definiert: „Die Steue­rung soll gewährleisten, daß die Aufgaben in der geplanten Weise durchgeführt werden. Sie muß deshalb beim Auftreten von Störungen entsprechend reagieren.“[2]

Steuerungsgrößen sind demnach dem Controlling zuzuordnen. Das Prinzip dahinter verdeutlicht Abbildung 2. Die Zielformulierung besitzt die vier Dimensionen Zielinhalt, Zielausmaß, Zielzeitpunkt und Zielbe­reich, die es zu steuern gilt. Ist der Zeitpunkt der Zielerfüllung eingetre­ten, gilt es, die Zielkontrolle durchzuführen, beispielsweise durch den Vergleich von Soll- und Ist-Werten. Die daraus gewonnenen Erkennt­nisse fließen anschließend in die ursprüngliche Zielformulierung mit ein und helfen einen höheren Grad bzw. eine Effizienzsteigerung der Ziel­erfüllung zu ermöglichen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Controlling als zielorientiertes Führungskonzept[1]

Sowohl die Definition aus der Regelungstechnik als auch diejenige aus der Betriebswirtschaftslehre verdeutlicht die Idee, die hinter dem Be­griff der Steuerung steckt: das Beeinflussen eines Systems bzw. des­sen Ausgangsgrößen.

Das operative und das strategische Controlling übernimmt in den Un­ternehmen neben vielen anderen Aufgaben auch Steuerungsfunktio­nen, wie z.B. „Steuernd eingreifen, wenn die Zielsetzung gefährdet er­scheint“ im operativen Controlling sowie die „Steuerung der Erfolgspo­tentiale“ als Aufgabe des strategischen Controllings.^{25 26}

2.2 Die Rolle von Datenbanken in Unternehmen

Die rasante Entwicklung im IT-Bereich und insbesondere die ständig wachsenden Kapazitäten moderner Speichermedien (siehe Tabelle T1 im Anhang) ermöglichen zwar die Speicherung von immer detaillierte­ren Kundendaten in den Datenbanken der Unternehmen, ein grund­sätzliches Problem besteht jedoch - wie das folgende Zitat belegt - in der Optimierung der operativen Geschäftsprozesse im Marketing.

„Schlechtstrukturierte und dynamische Geschäftsprozesse haben im Marketing dazu geführt, dass die Unterstützung durch operative Infor­mationssysteme lange Zeit hinter den Standards anderer betriebswirt­schaftlicher Funktionen nachhinkte.“²⁷

Dort setzen die sogenannten Data Warehouses an: Bei einem Data Warehouse handelt es sich um ein „... Datenbanksystem, in dem alle zur Gestaltung der Geschäftsprozesse des Unternehmens und zur Un­terstützung sonstiger Managemententscheidungen erforderlichen Da­ten unter einer einheitlichen, zentralen Schnittstelle aus den operativen Informationssystemen des Unternehmens und aus unternehmensexter­nen Quellen (z.B. Marktforschungsinstitute, Listbroker etc.) zusammen­geführt werden.“²⁸

Um die Daten aus dem Data Warehouse für das Marketing analysieren und aufbereiten zu können, wurde das On-Line Analytical Processing entwickelt, das mittels spezieller Werkzeuge die in den multidimensio­nalen Datenbeständen verborgenen erfolgsrelevanten Geschäftserfah­rungen extrahiert.²⁹ Diese Methode geht auf Edgar F. Cobb zurück, der sich bereits in den 1960er Jahren mit relationalen Datenbanken be­schäftigte.³⁰

Das Extrahieren der Daten wird unter dem Begriff „Data Mining“ zusam­mengefasst, da dieser auf ein griffiges Bild aus dem Bergbau (Mining) Bezug nimmt: „ ... wo mit großem technologischen Aufwand enorme Gesteinsmengen maschinell abgebaut und aufbereitet werden, um Edelmetalle und Edelsteine zu fördern.“³¹ Dabei wird immer eine be­stimmte Reihenfolge eingehalten.

Begonnen wird mit der Datenbeschaffung. Bei der Datenbeschaffung unterscheidet man zwischen internen und externen Daten. Interne In­formationsquellen können z.B. das allgemeine Rechnungswesen, die Kostenrechnung, Statistiken, Primärforschung der eigenen Marketing­abteilung oder weitere interne Informationsquellen sein, wie z.B. Be­richte anderer Unternehmensbereiche, Kundenkarteien oder Interes­sentenkarteien. Externe Informationsquellen befinden sich außerhalb des Unternehmens und können von ihm nicht unmittelbar beeinflusst werden. Beispiele für externe Informationsquellen sind Veröffentlichun­gen staatlicher oder überstaatlicher Behörden, Veröffentlichungen der Statistischen Ämter, Veröffentlichungen der Industrie- und Handels­kammern, Berichte in Zeitungen und Zeitschriften, Untersuchungen be­auftragter Markt-/Meinungsforschungsinstitute, Fachbücher und viele andere.³²

Die Datenbeschaffung richtet sich hierbei an der betriebswirtschaftli­chen Zielsetzung aus, d.h. es wird bereits vor der Prüfung der Daten auf Relevanz eine Vorauswahl an Hand potenzieller Relevanz getrof­fen. Für den Fall, dass die Daten aus einem Data Warehouse extra­hiert werden können, stehen sie in der Regel zeitnah zur Verfügung; wird das Data Warehouse erst aufgebaut, so müssen die Daten aus den oben genannten Quellen erst beschafft und eingepflegt werden. Die Regelmäßigkeit der Nutzung priorisiert an dieser Stelle die häufiger genutzten Datenquellen bei der Einbindung in das Data Warehouse.³³

Der Schritt nach der Datenbeschaffung ist die Datenselektion. Die Da­tenselektion analysiert die Relevanz der Vorauswahl in Bezug auf die betriebswirtschaftliche Zielsetzung, die Datenqualität und dem Kosten-/ Nutzenverhältnis. Während die Datenrelevanz sich aus der Zielsetzung ergibt, lässt sich die Datenqualität beispielsweise aus der Datenvoll­ständigkeit, der Art und Häufigkeit von Datenfehlern, der Art und Häu­figkeit fehlender Werte, dem verfügbaren Zeithorizont der Daten sowie der sachlichen und zeitlichen Granularität der Daten ableiten. Ebenso sind Relationen der Daten untereinander zu prüfen, da sich Daten ein­zelner Abteilungen oftmals gegenseitig ergänzen und somit zu Syner­gieeffekten führen können.³⁴

Auf Grund der in dieser Arbeit gewählten Dimension wird an dieser Stelle speziell aufdie Kundenebene eingegangen. Ein Kunde lässt sich durch eine Kombination aus Identifikationsdaten, Deskriptionsdaten und Kommunikationsdaten beschreiben. Die Tabellen T1, T2 und T3 im Anhang dieser Arbeit geben jeweils einige Beispiele für die drei Arten von Daten.³⁵ Der Datenselektion folgt die Datenaufbereitung. Unter einer Aufberei­tung versteht man eine „Umgruppierung und Verdichtung“³⁶. Ebenso ge­hören die Konvertierung in ein bestimmtes zu nutzendes Format, die Beseitigung von Dubletten sowie die Eliminierung oder Reparatur von fehlerbehafteten oder lückenhaften Daten zu dieser Phase, die oftmals die zeitaufwendigste aber auch wichtigste bei der Vorbereitung der Da­ten darstellt.³⁷ Ebenso ist zu prüfen, ob die bereits miteinbezogenen Da­ten für die Analyse ausreichend sind oder ob noch eine Datenanreiche­rung durchgeführt werden muss; oder, im umgekehrten Fall, falls die Datenmenge zu groß oder zu komplex ist, eine Datenreduktion oder eine Reduktion der Dimensionalität.³⁸

Erst wenn diese Schritte abgeschlossen sind, kann mit der eigentlichen Datenanalyse begonnen werden. Dabei werden geeignete Methoden für die jeweilige Zielsetzung ausgewählt und angewendet, um die ge­wünschten Informationen aus den gesammelten Daten zu extrahieren.

2.3 Abgrenzung des Untersuchungsfeldes

Im Zuge dieser Arbeit werden nur die aus den Data-Warehouses zu ex­trahierenden Steuerungsgrößen, welche die Dimension Markt betref­fen, behandelt. Die exklusive Betrachtung dieser Dimension folgt aus ihrer Bedeutung für das heutige am Kunden bzw. am Markt orientierte Marketing und dem Geschäftsumfeld von The Profiling Company. Die Betrachtung der anderen Dimensionen wie z.B. die Beschaffung, die Produktion oder das Personalmanagement würde auf Grund ihrer Viel­fältigkeit den Rahmen dieser Arbeit übersteigen.

Da einige Dimensionen durchaus mehreren Gebieten zugeteilt werden können, wird an dieser Stelle folgende Zuordnung vorgenommen: Be­trachtet wird im Rahmen der Marktorientierung die Dimension der Or­ganisation, jedoch nur der Teil, der auch im Kontext der Marktorientie­rung steht, die Dimension der Kommunikationsmaßnahmen, die Dimen­sion der Kundenorientierung, die Dimension Markt an sich und die Di­mension Produkt. Im Hauptteil dieser Arbeit finden sich zu jeder der ge­nannten Dimensionen jeweils drei Beispiele.

2.4 Anforderungskriterien an marktorientierte Steuerungsgrößen

Die Formulierung einer oder mehrerer betriebswirtschaftlicher Zielset­zungen ist der Ausgangspunkt für die Definition von Steuerungsgrö­ßen. Es muss exakt beschrieben werden, was genau erreicht werden soll, bevor eine Methodik entwickelt werden kann. Das Data Mining kann hier als Beispiel herangezogen werden: „Im Gegensatz zur Vision eines Data Mining, das neue, valide und handlungsrelevante Informa­tionen ohne Vorgabe konkreter Fragestellungen liefert, erfordert die Praxis des Data Mining als Ausgangspunkt eine präzise Beschreibung der betriebswirtschaftlichen Problemstellung, für die eine Lösung ge­sucht wird.“³⁹

Dabei ist auch zu überprüfen, ob die Zielsetzung einen deskriptiven, also nur beschreibenden, oder einen voraussagenden Charakter be­sitzt, da diese Information zu einem späteren Zeitpunkt benötigt wird.⁴⁰

Ist eine exakte betriebliche Zielsetzung definiert, wird an Hand dieser eine Methodik ausgewählt und die Projektplanung initialisiert. Bei der Auswahl der Methodik hilft die die Klassifizierung der Zielsetzung. Die Möglichkeit der Klassifizierung von zielbeschreibenden Größen ähnelt der von Kennzahlen, bei denen ebenfalls seit langem versucht wird, diese in ein Raster einzupassen.⁴¹

Dabei sind folgende Klassifikationen denkbar⁴²:

- Klassifikation auf Informationsbasis
- Klassifikation auf Grund von statistischer Form
- Klassifikation an Hand der Zielorientierung
- Klassifikation auf Grund des Objektbereiches oder
- Klassifikation auf Grund des Handlungsbezugs

Während des eigentlichen Prozesses sind Kontrollen des Fortschritts unabdingbar. Für eine Beurteilung des Zielerreichungsgrades bietet die statistische Form die beste Grundlage. Dabei wird bei dieser ana­log zum Bereich der Kennzahlen klassifiziert.

Unterschieden werden dort absolute und relative Kennzahlen, absolute Kennzahlen sind Einzelkennzahlen, Summen und Differenzen; relative Kennzahlen untergliedern sich in Beziehungszahlen, Gliederungszah­len und Indexzahlen. Bei Gliederungszahlen können ungleichrangige⁴³ Größen stehen, Beziehungszahlen erfassen ungleichartige⁴⁴ Größen.⁴⁵ Differenzen können z.B. zur Beurteilung von Response herangezogen werden, Gliederungszahlen z.B. bei der Beurteilung des Anteils eines Geschlechts in Zielgruppenanalysen.

Zusammenfassend können also folgende Anforderungskriterien an marktorientierte Steuerungsgrößen gestellt werden:

[...]

---

¹ Vgl. Bauer, Hans H.; Stokburger, Gregor; Hammerschmidt, Maik: Marketing Performance: Messen - Analysieren - Optimieren, Wiesbaden: Betriebs-wirtschaftlicher Verlag Dr. Th. Gabler / GWV Fachverlage GmbH, 2006, S. 17

² Wanamaker, John in: Martin Mayer: Whatever Happened to Madison Avenue?, Boston, MA: Little, Brown and Company, 1991, S. 138. In anderer Literatur wird dieses Zitat u.a. William Hesketh Lever und Henry Ford zugeordnet, ersterem in Tony Augarde: Oxford Dictionary of Modern Quotations, New York: Oxford University Press, 1991, S. 136.

³ Parr Rud, Olivia: Data Mining Cookbook: Modeling Data for Marketing, Risk, and Customer Relationship Management, New York; Chichester; Weinheim; Brisbane; Singapore;

Toronto: Wiley Computer Publishing, 2001, S. 184

⁴ Wlecke, Timo Christian: Erfolgsfaktoren des Data Mining: Eine theoretisch und empirisch fundierte Studie; Veröffentlichung im Rahmen einer Diplomarbeit an der Fachhochschule Wedel 2006, S. 55

⁵ Strüby, R. et alii: Datenanalyse und Data Mining mit dem SAS System - Release 6.12: The Orlando II Release, Heidelberg: SAS Institute GmbH, 1999, S. 29

⁶ Strüby, R. et alii: Datenanalyse und Data Mining mit dem SAS System - Release 6.12: The Orlando II Release, Heidelberg: SAS Institute GmbH, 1999, S. 2

⁷ Vgl. Tod man, Chris: Designing a Data Warehouse: Supporting Customer Relationship Management, Upper Saddle River, New Jersey, USA: Prentice Hall PTR, 2000, S. 43

⁸ Vgl. Parr Rud, Olivia: Data Mining Cookbook: Modeling Data for Marketing, Risk, and Customer Relationship Management, New York; Chichester; Weinheim; Brisbane; Singapore; Toronto: Wiley Computer Publishing, 2001, S. 7f

⁹ Vgl. Wlecke, Timo Christian: Erfolgsfaktoren des Data Mining: Eine theoretisch und empirisch fundierte Studie; Veröffentlichung im Rahmen einer Diplomarbeit an der Fachhochschule Wedel 2006, S. 55

¹⁰ Vgl. Tabelle T1, T2, T3 im Anhang

¹¹ Kotler, Philip et alii: Principles of Marketing: Second European Edition, 8., veränderte Aufl. des Originals Principles of Marketing, Upper Saddle River, New Jersey, USA: Prentice Hall Inc., 1999, S. XV

¹² Mast, Claudia; Huck, Simone; Güller, Karoline: Kundenkommunikation, Stuttgart: Lucius & Lucius Verlagsgesellschaft mbH, 2005, S. 270

¹³ von der Oelsnitz, Dietrich: Marktorientierte Organisationsgestaltung: eine Einführung, Stuttgart; Berlin; Köln: Verlag W. Kohlhammer, 2000, S. 14

¹⁴ Auskunft durch Gall, Harald, Geschäftsführer der CPC - The Profiling Company GmbH im Rahmen eines Interviews, geführt am 22.12.2006 um 15:00 Uhr

¹⁵ Ebenda

¹⁶ Auskunft durch Brosig, Christian, Geschäftsführer der CPC - The Profiling Company GmbH im Rahmen eines Interviews, geführt am 22.12.2006 um 15:30 Uhr

¹⁷ Auskunft durch Brosig, Christian, Geschäftsführer der CPC - The Profiling Company GmbH im Rahmen eines Interviews, geführt am 22.12.2006 um 15:30 Uhr

¹⁸ Reichmann, Thomas: Controlling mit Kennzahlen: Grundlagen einer systemgestützten Controlling Konzeption, 2., verb. Aufl., München: Verlag Franz Vahlen, 1990, S. 15

¹⁹ Schriftliche Auskunft durch Gall, Harald, Geschäftsführer der CPC - The Profiling Company GmbH vom 22.12.2006, 16:10 Uhr

²⁰ Auskunft durch Brosig, Christian und Gall, Harald, Geschäftsführer der CPC - The

Profiling Company GmbH im Rahmen eines Interviews, geführt am 22.12.2006 um 15:30 Uhr

²¹ Zur Verfügung gestellt durch Gall, Harald, Geschäftsführer der CPC - The Profiling Company GmbH

²² Mann, Heinz; Schiffelgen, Horst; Froriep, Rainer: Einführung in die Regelungstechnik - Analoge und digitale Regelung, Fuzzy-Regler, Regler-Realisierung, Software, 7. Aufl., München / Wien: Carl Hanser Verlag, 1997, S. 7

Vgl. Mann, Heinz; Schiffelgen, Horst; Froriep, Rainer: Einführung in die Regelungstechnik - Analoge und digitale Regelung, Fuzzy-Regler, Regler-Realisierung, Software, 7. Aufl., München / Wien: Carl Hanser Verlag, 1997, S. 7

²³ Vgl. ebenda, S. 39f

²⁴ o.V.: Methodenlehre der Planung und Steuerung Teil 1, Grundbegriffe, Einflüsse auf das Unternehmen, Informationen und Daten, Erzeugnisdokumentation, 4. Aufl., München: Kommissionsverlag-Verlag: Carl Hanser, 1985, S. 39

²⁵ Vgl. Preißler, Peter R.: Controlling, Lehrbuch und Intensivkurs, 10., bearb. Aufl., München / Wien: R. Oldenbourg Verlag, 1998, S. 26

²⁶ Vgl. ebenda, S. 20f

²⁷ Wilde, Klaus D.: Data Warehouse, OLAP und Data Mining im Marketing - Moderne Informationstechnologien im Zusammenspiel, in: Hippner, Hajo et alii (Hrsg.): Handbuch Data Mining im Marketing - Knowledge Discovery in Marketing Databases, Braunschweig/Wiesbaden: Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, 2001, S. 3

²⁸ Vgl. ebenda, S. 6

²⁹ Vgl. Codd, E. F.; Codd, S.B.; Salley, C. T.: Providing OLAP to User-Analysts - An IT- Mandate, Sunnyvale, Vereinigte Staaten von Amerika; Manchester, England; Singapur, Republik Singapur: Hyperion Solutions Resource Library, 1998, S. 1-10

³⁰ Vgl. o.V.: Edgar F. Codd, http://de.wikipedia.org/wiki/Edgar_F._Codd, St. Petersburg, Florida, Vereinigte Staaten von Amerika: Wikipedia Foundation Inc., Abruf 13.11.2006, 20:05 Uhr

³¹ Adriaans, Pieter; Zantinge, Dolf: Data Mining, Harlow, England: Addison-Wesley Professional, 1997, S. 5

³² Vgl. Ehrmann, Harald; Weis, Hans Christian (Hrsg.): Marketing-Controlling, Ludwigshafen: Friedrich Kiehl Verlag GmbH, 1991, S. 51ff

³³ Vgl. Hippner, Hajo; Wilde, Klaus D.: Der Prozess des Data Mining im Marketing, in: Hippner, Hajo et alii (Hrsg.): Handbuch Data Mining im Marketing - Knowledge Discovery in Marketing Databases, Braunschweig/Wiesbaden: Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, 2001, S. 24

³⁴ Vgl. ebenda, S. 24f.

³⁵ Vgl. Hippner, Hajo; Wilde, Klaus D.: Der Prozess des Data Mining im Marketing, in: Hippner, Hajo et alii (Hrsg.): Handbuch Data Mining im Marketing - Knowledge Discovery in Marketing Databases, Braunschweig/Wiesbaden: Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, 2001, S. 27f

³⁶ Vgl. Ehrmann, Harald; Weis, Hans Christian (Hrsg.): Marketing-Controlling, Ludwigshafen: Friedrich Kiehl Verlag GmbH, 1991, S. 128

³⁷ Vgl. Parr Rud, Olivia: Data Mining Cookbook: Modeling Data for Marketing, Risk, and Customer Relationship Management, New York; Chichester; Weinheim; Brisbane; Singapore; Toronto: Wiley Computer Publishing, 2001, S. 60

³⁸ Vgl. Hippner, Hajo; Wilde, Klaus D.: Der Prozess des Data Mining im Marketing, in: Hippner, Hajo et alii (Hrsg.): Handbuch Data Mining im Marketing - Knowledge Discovery in Marketing Databases, Braunschweig/Wiesbaden: Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, 2001, S. 44ff

³⁹ Vgl. Hippner, Hajo; Wilde, Klaus D.: Der Prozess des Data Mining im Marketing, in: Hippner, Hajo et alii (Hrsg.): Handbuch Data Mining im Marketing - Knowledge Discovery in Marketing Databases, Braunschweig/Wiesbaden: Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, 2001, S. 22

⁴⁰ Vgl. Parr Rud, Olivia: Data Mining Cookbook: Modeling Data for Marketing, Risk, and Customer Relationship Management, New York; Chichester; Weinheim; Brisbane; Singapore; Toronto: Wiley Computer Publishing, 2001, S. 4

⁴¹ Vgl. Meyer, Claus: Betriebswirtschaftliche Kennzahlen und Kennzahlensysteme, Stuttgart: Verlag Wissenschaft und Praxis, 1976, S. 13

⁴² Reichmann, Thomas: Controlling mit Kennzahlen: Grundlagen einer systemgestützten Controlling Konzeption, 2., verb. Aufl., München: Verlag Franz Vahlen, 1990, S. 17

⁴³ z.B. Umlaufvermögen/Gesamtvermögen

⁴⁴ z.B. Eigenkapital/Anlagevermögen

⁴⁵ Vgl. Wissenbach, Heinz: Betriebliche Kennzahlen und ihre Bedeutung im Rahmen der Unternehmensentscheidung: Bildung, Auswertung und Verwendungsmöglichkeiten von Betriebskennzahlen in der unternehmerischen Praxis, Berlin: Erich Schmidt Verlag, 1967, S. 44ff

• Universidad: University of Applied Sciences Wedel
• Calificación: 2,0
• Autor: Dipl. Wirtsch. Inf. (FH) Dennis Grzywatz (Autor)
• Año de publicación: 2007
• Páginas: 101
• No. de catálogo: V83276
• ISBN (Ebook): 9783638015127
• ISBN (Libro): 9783638918176
• Idioma: Alemán
• Etiqueta: Marktorientierte, Steuerungsgrößen, Hilfe, Datenbanken, Hand, Beispiels, Profiling, Warehouse