Sie sind auf Seite 1von 40

Net Promoter Score, Contact Center Analysis, intelligentes Ticketsystem und Co.

Predictive Analytics Lsungen


Automatisierung und Optimierung durch Vorhersagen

Agenda
Kurzvorstellung Infomotion
Predictive Analytics

Was ist Predictive Analytics?


Welche Einsatzgebiete gibt es?
Wie funktioniert Predictive Analytics?
Welche Tools sind am Markt verfgbar?

Lsungsbausteine

Net Promoter Score


Contact Center Analysis
IntelligentesTicketsystem
Recommender Systeme

Predictive Analytics in Ihrem Unternehmen

Infomotion GmbH

14.01.2016

Business Intelligence, Big Data und Advanced Analytics

INFOMOTION

Infomotion GmbH

14.01.2016

Infomotion
Ihre Business Intelligence Experten
INFOMOTION gehrt zu den fhrenden deutschen IT-Beratungsunternehmen fr
Business Intelligence, Big Data und Advanced Analytics.
Wir realisieren mageschneiderte Lsungen in den Bereichen:
Data Warehousing, Enterprise Reporting, Data Mining und Planning.
Wir generieren entscheidungsrelevante Informationen zur
erfolgreichen Unternehmenssteuerung.
Unsere Leistungen beinhalten komplette Lsungen:
von der Entwicklung der BI-Strategie ber die
Beratung bis hin zur Applikationsbetreuung.
Infomotion ist ein unabhngiges Beratungsunternehmen und vermeidet Abhngigkeiten
von Softwareherstellern und Technologien.

Infomotion GmbH

14.01.2016

Advanced Analytics mit Infomotion

Spezialisiert auf
Business Intelligence

8 Niederlassungen mit
Hauptsitz in Frankfurt

Erfolgreiche Business
Intelligence Projekte

190 BI-Spezialisten mit


Prince2-Zertifizierung

Umfangreiches Predictive
Analytics Know-how

Expertise in zahlreichen
Branchen und Bereichen

Partnerschaften mit
fhrenden Anbietern

10 Predictive
Analytics Experten

BEST IN CLASS
Infomotion GmbH

14.01.2016

Unser Dienstleistungsportfolio
fr Advanced Analytics
Visual Analytics

Predictive Analytics
Optimierte
Planungsprozesse
Vorhersagenmodelle
Data Science
Affinittsscoring
Churn-Analysen

Finanzreporting
Vertriebsreporting
Standardreporting
Ad-hoc Auswertungen
Dashboarding
Datenexploration

Strategie

14.01.2016

Big Data
Management
Enterprise Data
Management
Datenerwirtschaftung
Datenmodellierung
Data Warehousing

Management

Architektur
Softwareauswahl
Konzeptreview
Systemlandschaft
Business Intelligence
Competence Center
(BICC)

Infomotion GmbH

Data Management

Interimsmanagement
Programmmanagement
Projektleitung
Teilprojektleitung

Sonstiges

360 Kundensicht
Data Governance
Security Konzepte
Data Quality
Datenanonymisierung

Best Practices aus einer


Vielzahl an Kundenprojekten

Infomotion GmbH

Automobil

Banken

Logistik & Mail

Handel

Versicherungen

Medien & Telekommunikation

14.01.2016

Prediction is very difficult,


especially if its about the future.
(Bohr, Niels)

PREDICTIVE ANALYTICS

Infomotion GmbH

14.01.2016

Aktuelle Entwicklung von Advanced Analytics


WIE KNNEN
WIR STEUERN?

Mehrwert

WAS WIRD
PASSIEREN?
WARUM IST ES
PASSIERT?
WAS IST
PASSIERT?

Prescriptive
Analytics

Predictive
Analytics

Diagnostic
Analytics

Descriptive
Analytics

Schwierigkeit
Infomotion GmbH

14.01.2016

Quelle: Gartner

Grnde fr Entwicklung

Predictive
Analytics

Infomotion GmbH

14.01.2016

10

Was ist Predictive Analytics

Statistik

Data Mining

Predictive Analytics vereinigt mehrere


Predictive
Methoden um zuknftige verbindet:
Ereignisse
Analytics
vorhersagen und steuern zu knnen.

Machine Learning
Infomotion GmbH

14.01.2016

11

Datenbankmanagement

Predictive Analytics im Alltag


Reise buchen

Infomotion GmbH

14.01.2016

12

Predictive Analytics Prozess


Schritt 1
Modellbildung

Schritt 2
Prognose

Modellbildung

Daten

Infomotion GmbH

Prognosemodell

14.01.2016

13

Prognose

Predictive Analytics Prozess


Schritt 1
Modellbildung

Schritt 2
Prognose

Modellbildung

Daten

Infomotion GmbH

Prognosemodell

14.01.2016

14

Prognose

Methoden im Bereich Predictive Analytics


Klassifikation
Ursache-Wirkungsanalyse
Was sind bisher unbekannte Einflussfaktoren und wie gro sind diese?

Assoziation
Erkennen von Mustern in sequentiellen bzw. zeitorientierten Daten
Welche Merkmalskombinationen treten hufig miteinander auf?

Segmentierung
Bildung von homogenen Gruppen, die untereinander heterogen sind
Gibt es Flle mit inkonsistentem Verhalten der Segmentzuordnung?

Regression | Zeitreihenanalyse
Statistischer Zusammenhang zwischen unterschiedlichen Attributen
Prognose von fehlenden/zuknftigen Attributwerten

Text Mining
Verarbeitung von unstrukturierten Daten
Welche Beitrge finden sich zu einer bestimmten Fragestellung?
Infomotion GmbH

14.01.2016

15

Einsatzgebiete fr Predictive Analytics


Churn-Analyse: Welcher Kunde hat Kndigungspotential?
Fraud-Detection: (automatisierte) Erkennung von ungewhnlichem
Kaufverhalten
Warenkorbanalyse: Welche Produkte werden zusammen gekauft?
Webseitenoptimierung: Welche Seitennavigation nimmt mein Kunde auf
dem Weg zur gewnschten Aktion (z.B. Kauf eines Produktes)
Kundentargeting: Ableiten von individuellen Kaufempfehlungen fr
Kundengruppen
Social Network Analyse: Erkennen von Communities
Absatzprognose: Wie viele l Bier werde wir im Sommer 2014 verkaufen?
Schadensprognose: Welche Schadenshhe wird der Versicherungsnehmer
in Zukunft voraussichtlich geltend machen?
Textlinkanalyse: hufige Begriffe im Zusammenhang mit meinem Produkt
Sentiment-Analyse: Gibt es mehr positive oder mehr negative Meinungen
zu meinem Produkt im Web?
Infomotion GmbH

14.01.2016

16

CRISP-DM
Cross Industry Standard Process for Data Mining

Geschftsverstndnis

Daten

Einsatz der
Ergebnisse
Business Manager

Infomotion GmbH

14.01.2016

Business Analysten /
Fachabteilung

Datenverstndnis

Modellbewertung

Datenaufbereitung

Modellbildung
Data Miner /Statistiker

17

Erforderliche Fhigkeiten fr Predictive Analytics


Business Analysten / Fachabteilung
Formulierung Fragestellung
Sammlung der relevanten Daten
Verstndnis der Daten

Data Miner / Statistiker

Analytische Methoden
Mathematische Kenntnisse
IT-Kenntnisse
Fachliches Verstndnis

Business Manager
Verstndnis der Daten
Ableitung von Handlungsempfehlungen aus den Ergebnissen
Bercksichtigung der Unternehmensstrategie

Infomotion GmbH

14.01.2016

18

unterschiedliche Anwender =
unterschiedliche Anwendungen?
Stufe 4
Stufe 3 +
Stufe 2 +
Stufe 1 +
Daten visuell
explorieren, schnell
Erkenntnisse gelangen

Detailanalyse der in
Stufe 1 gewonnenen
Erkenntnisse

Anwendung von
statistischen
Modellen, um die
Geschftsprozesse
zu verstehen
Grafische
Exploration und
Modellbildung

Schneller und
intuitiver Zugang zu
Predective Analytics
Analytische
Erkenntnisse einfach
teilen
Anwender aus dem
Fachbereich ohne
statistische Ausbildung
Infomotion GmbH

14.01.2016

Quantitativer Analyst mit


statistischen Kenntnissen
19

Individuelle Geschftsprozesse operativ


steuern

Komplexe und
optimierte
analytische Modelle
erstellen
Modellanwendung
automatisieren
Umfangreiche
Fachwerkzeuge fr
Statistiker / Data
Miner

Data Mining
Anwender

Operative Steuerung durch


Analytics automatisieren
und industrialisieren

Viele Modelle
managen und
optimieren
Erkenntnisse schnell
in Produktion
bringen
Qualitt prozessgesttzt und
automatisiert
sichern

Data Mining Experte

Data Mining Einordnung INFOMOTION


Fachanwender

Benutzerfreundlichkeit

SAP InfiniteInsight (KXEN)

SAP Predictive Analysis


IBM SPSS Modeler
SAS EnterpriseMiner

KNIME
RapidMiner

Data
Scientist

Basis
Infomotion GmbH

14.01.2016

Funktionalitt
20

Experte

Data Mining Einordnung INFOMOTION


Fachanwender

Benutzerfreundlichkeit

SAP InfiniteInsight (KXEN)

IBM SPSS Modeler


SAS EnterpriseMiner

SAP Predictive Analysis mit


R Integration
KNIME
RapidMiner

Data
Scientist

Basis
Infomotion GmbH

14.01.2016

Funktionalitt
21

Experte

Alternative Technologien
Verwendete Berechnungsgrundlage
Natural Language Processing ( NLP )
Statistische Methoden
Data Mining Methoden

Lizenzmodelle
Kommerziell
Open Source

Art der Software


ETL Tools
Advanced Analytics Tools
Data Mining Tools
Infomotion GmbH

14.01.2016

22

Ein Lsungsbaustein

NET PROMOTER SCORE

Infomotion GmbH

14.01.2016

23

Der Net Promoter Score


10

Auf einer Skala von 0 bis 10, wie wahrscheinlich


ist es, dass Sie dieses Unternehmen (oder Produkt/
Dienstleistung/Marke) einem Freund
oder Kollegen weiterempfehlen?
Kundenzufriedenheit
&
Kundenloyalitt

% Promotoren

Wiederkaufsabsicht
tatschliche
Weiterempfehlungen

Frage 1 / Rating
Frage 2 / Freitext
Begrndung

Bedrfnisse
&
Erfahrungen

Einblick in
Ausdrucksweise
des Kunden
Erwartungen

Infomotion GmbH

14.01.2016

24

% Kritiker

Net Promoter Score

Weiterempfehlungsfrage

Was ist der Hauptgrund


fr Ihre Bewertung?

Aus Kundenbegeisterung wird Kundenloyalitt

OPERATIV
Stimme des Kunden
Momente der
Wahrheit
Wahrgenommene
Leistungen & Service
Emotional und rational
verstehen

Infomotion GmbH

14.01.2016

TAKTISCH
Kunden-FeedbackSchleife
Verbesserte Service
Leistungen
Treiber fr Vertrauen
& Begeisterung
binden

25

STRATEGISCH
Mobilisierung
Wachstumsinitiativen
Wert-Innovationen
Vernderung der
Einstellung/Haltung

wachsen

Ein Lsungsbaustein

CONTACT CENTER ANALYSIS

Infomotion GmbH

14.01.2016

26

Contact Center Analysis:


Verschlagwortung (Beispielarchitektur)
Kunde

Unternehmen

)))

Transkription

360 DWH

Text-DB

CRM
E-Mail/Formular

Infomotion GmbH

14.01.2016

27

Extraktion

Bestands
system

Aus Reagieren wird Agieren

OPERATIV
Forecasting
Verschlagwortung
Sentimentanalyse
MeinungsmacherAnalyse

TAKTISCH
Automatische
Kategorisierung
Automatische
Priorisierung
Automatische
Lsungsvorschlge

effektivere
Ressourcenplanung

Infomotion GmbH

14.01.2016

manuellen Aufwand
reduzieren

28

STRATEGISCH
Next-Best-Action
Integration in
Geschftsprozesse
Qualittssicherung in
Form eines KVP
untersttzen
Kundenbeziehung
verbessern

Ein Lsungsbaustein

INTELLIGENTES TICKETSYSTEM

Infomotion GmbH

14.01.2016

29

Der Weg zum intelligenten Ticketsystem


Wie viele Tickets gab es in einem bestimmten Zeitraum?
Aus welcher Kategorie stammen die meisten Ticket?
Wie lange ist die durchschnittliche
Bearbeitungszeit eines Tickets?

Phase 1:
Verstehen
iTS 0.1

iTS 0.7

Welche Begriffe werden hufig in den Tickets genannt?


Phase 2:
Wie viele Tickets werden morgen zum Thema xy
Vorhersagen
voraussichtlich eingestellt werden?
Wie wird sich die Anzahl der Tickets bis zum
Ende des Jahres entwickeln?

Phase 3:
Verbessern
iTS 1.0

Infomotion GmbH

14.01.2016

30

Gab es ein hnliches Ticket schon mal?


Welche Lsung knnte die richtige sein?
Zu welcher Kategorie gehrt das Ticket?
Mit welcher Prioritt sollte das Ticket bearbeitet
werden?

Aus Effektivitt wird Effizienz

OPERATIV
Erweiterung des
klassischen Ticketreportings
Verschlagwortung
Forecasting

TAKTISCH
Automatische
Kategorisierung
Automatische
Priorisierung
Automatische
Lsungsvorschlge

effektivere
Ressourcenplanung

manuellen Aufwand
reduzieren

Infomotion GmbH

14.01.2016

31

STRATEGISCH
Automatische
Ticketdeeskalation
Automatisierte
Ticketbearbeitung

Kundenbeziehung
verbessern

Ein Lsungsbaustein

RECOMMENDER SYSTEME

Infomotion GmbH

14.01.2016

32

Mglichkeiten von Recommender Systemen

Collaborative Filtering
Personen mit hnlichen Profilen treffen hnliche
Entscheidungen
aktiv: direkte Empfehlung an Freunde
passiv: Empfehlung durch Vergleich mit anderen
Benutzern oder Produkten
User-based: Korrelationen zwischen Usern
Annahme: User, die bestimmte Items hnlich
bewertet haben, sind hnlich
Item-based: Korrelationen zwischen Items
Items an sich sind nicht entscheidend, sondern
deren Bewertung!

Content based Filtering

2
3

Idee: Empfehle Items, die hnlichen zu denen


sind, an denen der User interessiert ist/war.
Lernt ein Profil der Benutzer-Interessen
basierend auf den Features seiner gekauften /
positiv bewerteten Items

Demographic Filtering

Benutzer mit hnlichen demografischem Hintergrund


(Alter, Geschlecht, Beruf, ) haben hnliche Interessen
Bewertung der hnlichkeiten zwischen Usern
aufgrund demografischer und gruppenbezogener
Daten
Fr den Benutzer werden Benutzer mit hnlichen
demographischen Daten gefunden
Infomotion GmbH

14.01.2016

33

Aus Verstndnis wird Erkenntnis

OPERATIV
Deskriptive
Ermittlung von
Verhaltensmustern
Pauschale Produktempfehlungen

Verstndnis

Infomotion GmbH

14.01.2016

34

TAKTISCH
Prediktive Ermittlung
der Verhaltensmuster
Verbessertes
Portfoliomanagement
Individuelle
Produktempfehlungen
Hhere Zufriedenheit

STRATEGISCH
Preskriptive
Verhaltensmuster
Portfoliooptimierung
Individuelle
Produktkreationen
Kostenreduktion
Gewinnmaximierung

Einsicht

Erkenntnis

Der Weg zum Entscheidungsuntersttzungssystem

UMSETZUNG VON LSUNGSBAUSTEINEN

Infomotion GmbH

14.01.2016

35

Mgliche Umsetzungsschritte bis zum


Entscheidungsuntersttzungssystems (EUS)
Phase 1:
Fundament

Phase 2:
Erkenntnis

Umsetzung einzelner Lsungsbausteine


Ausfhrung erster Modelle
Nutzung des Erkenntnisgewinn fr individuelle
Modelloptimierungen
Ermittlung von konkreten Handlungsempfehlungen

Phase 3:
Integration

Integration Modelle in die Geschftsprozesse


und applikationen (z.B. in die Call-Center)
Einfhrung eines KVP
(Kontinuierlicher Verbesserungsprozess)
Permanentes Monitoring der Zielkenngren zur
Erfolgsmessung

EUS 0.1

EUS 0.7

Analyse Geschftsprozesse und BI-Landschaft


Evaluierung und Ergnzung der Datengrundlage
Definition ROI und Zielkenngren, Zeitplan
Auswahl der geeigneten Plattform fr das EUS

EUS 1.0
Infomotion GmbH

14.01.2016

36

Ihr Entscheidungsuntersttzungssystem
Nutzenorientiert und
Integriert

Modularer Aufbau

Integriert in Ihre
Architektur und Prozesse
Jedes Modul ist
nutzenorientiert designed
und wird anhand von
Erfolgs-KPIs gemonitored
Schnelle Reaktion auf sich
verndernde Mrkte und
Kundeninteressen

Alle Aspekte stehen zur


Verfgung (Beispiel: 360
Kundensicht)
Hochgradige
Automatisierung der
bentigten analytischen
Prozesse

Infomotion GmbH

14.01.2016

37

Hohe Flexibilitt

Vorhersagen sind nicht an


feste Muster gebunden,
sondern orientieren sich an
den echten Welt
Erweiterungen in weitere
Richtungen wie Kampagnen,
Social Media, etc. sind
problemlos mglich

einfach umsetzbar in ihrer Umgebung

Phase 1:
Verstehen
PAS 0.1

Phase 2:
Vorhersagen
PAS 0.7

Phase 3:
Verbessern
PAS 1.0

Infomotion GmbH

14.01.2016

38

Diskussion: Was sind die nchsten Schritte?

Infomotion GmbH

14.01.2016

39

Ihr Kontakt fr Fragen

DR. KATRIN ZAI


Master of Science Informatik
Professional Consultant
INFOMOTION GMBH
GEREONSTR. 18-32 50670 KLN
T: +49 (0)221 120697-0 F: +49 (0)221 120697-29
katrin.zaiss@infomotion.de www.infomotion.de

JRG THIEMANN
Diplom Wirtschaftsmathematiker
Business Unit Manager
INFOMOTION GMBH
GEREONSTR. 18-32 50670 KLN
T: +49 (0)221 120697-0 F: +49 (0)221 120697-29
joerg.thiemann@infomotion.de www.infomotion.de

Infomotion GmbH

14.01.2016

40