"Wissensadern" für Marketingentscheidungen
Mit dem Aufbrechen starrer Berichtswege entsteht im Marketing ein Bedarf an entscheidungsorientierten Analyselösungen. Diese müssen präzise und übersichtlich aus den zahlreichen Unternehmensdaten herausgearbeitet werden. Eine u.U. nach innen gewendete Sichtperspektive der dispositiven Datenverarbeitung muss zu einer ganzheitlichen Sicht mit Blick auf den Wandel von Märkten, Zielgruppen und Bedarfshaltungen von Kunden erweitert werden. Über die hohe Bedeutung der Information als Wettbewerbsfaktor besteht aufgrund verkürzter Lebenszyklen, Verkürzung der Time to Market, Öffnung der Märkte sowie globaler Vernetzung kein Zweifel. Es geht darum, Marketingentscheider gezielt zu informieren sowie ihnen Analysen und Bewertungen bestimmter Daten zu ermöglichen. Das Instrumentarium wird im Rahmen des Information-Driven-Marketing um mehrdimensionale Datenanalyse und Analysemethoden wie Data Mining erweitert. Die Informationssysteme fokussieren sehr stark die Ablaufunterstützung der primären Wertschöpfungskette.
Über die Jahre hinweg häufen sich in den Unternehmen Unmengen von Datensätzen an. Die in diesen riesigen Datenbeständen in allen Facetten abgebildeten Geschäfts- und Marktvorgänge entziehen sich oft der Analyse: „Wissens-Adern" bleiben unentdeckt, die wertvolle Informationen über Verbraucher-Kaufverhalten, Produktbeziehungen, Verbraucher-Profile und viele andere Fakten der modernen Geschäftsprozesse in sich bergen. Marketingentscheidungen basieren einerseits auf unternehmensinternen Informationen (Kunden, Produkte, Zulieferer) andererseits müssen auch externe Informationen (Konjunktur-, Markt-, Konkurrenzdaten, demographische und geographische Daten) mit einbezogen werden. Der Data Mining-Ansatz versucht, diese „Wissensadern" aufzuspüren, indem Datenbestände noch tiefer und mit unkonventionellen Methoden „gemint" d.h. „durchgraben" werden. Data Mining fragt nicht in bisher üblichen Rastern ab, sondern setzt Verfahren und Algorithmen wie z.B. neuronale Netze, Zeitreihen-Analyse u.a. ein, die nach Auffälligkeiten such sollen, an die man bisher noch gar nicht dachte. Vgl. Jörg Becker: Data Mining als Wissensbilanz-Zubringer, ISBN 978-3-8370-2163-9.
Data Mining ist ein Prozess, Daten aus großen Datenbeständen zu selektieren, zu erforschen und zu modellieren, um vorher unbekannte Zusammenhänge zu entdecken. Data Mining hilft, neue Zusammenhänge zu erkennen und dies mit Fakten zu stützen. Data Mining umfasst beispielsweise Grundtechniken wie Entscheidungsregeln (Induktion), Statistik, Neuronale Netze oder Datenvisualisierung. Data Mining hat als technologische Grundlage ein Data Warehouse, das die Integrität und Konsistenz der Daten sicherstellt. Ziel ist es, die daraus gewonnen Informationen als Grundlage für strategische Steuerungsimpulse zu nutzen. Methoden und Einsatzgebiete sind u.a. neuronale Netze für Credit Scoring und Bonitätsanalyse, Clusteranalyse für Marktsegmentierung, Regressions-/Diskriminanzanalyse für Credit-, Marketingscoring oder Assoziationsanalysen. Data Mining ist somit nicht länger eine Domäne von Mathematikern oder Statistikern, sondern findet mehr und mehr Anwendung im Business-Bereich, hier vor allem im Marketing. Vgl. Jörg Becker: Wissensbilanz mit Kundenbarometer, ISBN 978-3-8370-5177-3.
Jörg Becker
www.beckinfo.de
Kommentare von Besucher !
