Karlsruhe Institute of TechnologyKarlsruhe Institute of Technology
Webmaster | Print | German
Course

Vorlesung

Return to list
Semester:Summer Term 2018
Lecturer:Prof. Dr. Andreas Geyer-Schulz; B.Sc. Marvin Schweizer;
Appointment:Dienstag 15:45 - 17:15
Location:Geb. 05.20, 1C-01
SWS:2
Linked to:Übung Analytisches CRM (Übung) Summer Term 2018

Participate

To sign up to this course, you must login.

Content

Achtung! Dies ist der vorläufige Ablauf der Vorlesung. Es können sowohl inhaltliche Änderungen als auch terminliche Verschiebungen zwischen Vorlesung und Übung auftreten.

Übersicht

In der Vorlesung Analytisches CRM werden Analysemethoden und -techniken behandelt, die zur Verwaltung und Verbesserung von Kundenbeziehungen verwendet werden können. Wissen über Kunden wird auf aggregierter Ebene für betriebliche Entscheidungen (z.B. Sortimentsplanung, Kundenloyalität, ...) nutzbar gemacht. Voraussetzung dafür ist die Überführung der in den operativen Systemen erzeugten Daten in ein einheitliches Datawarehouse, das der Sammlung aller für Analysezwecke wichtigen Daten dient. Die nötigen Modellierungsschritte und Prozesse zur Erstellung und Verwaltung eines Datawarehouse werden behandelt (u.a. ETL-Prozesse, Datenqualität und Monitoring). Die Generierung von kundenorientierten, flexiblen Reports für verschiedene betriebswirtschaftliche Zwecke wird behandelt. Zwei Analyseverfahren der multivariaten Statistik bilden die methodische Basis, auf der zahlreiche Anwendungen des analystischen CRM aufbauen:
  1. Clusteranalyse. Clusteranalyseverfahren werden zur Segmentierung von Märkten und Kunden eingesetzt und bilden die Grundlage für Personalisierung. Die Ergebnisse dienen einerseits als empirische Grundlage strategischer Marketingentscheidungen und andererseits für operative Zwecke im Rahmen der Vertriebssteuerung bzw. für innovative Kunden/Produktberatungsdienste.
  2. Regressionsanalyse. Regressionsmodelle werden häufig als Prognosemodelle eingesetzt. Prognosen reichen dabei von Umsatzprognosen oder Kundenwertprognosen bis zur Prognose von Kundenrisiken. Solche Prognosemodelle werden häufig zur Entscheidungsunterstützung bzw. -automation herangezogen.
Als externe Datenquellen werden Kundenumfragen behandelt

Lernziele

Der Student ...

Weiteres

Möglicherweise nehmen Ihnen Download-Programme wie die Firefox Erweiterung DownThemAll Arbeit beim Herunterladen der Dateien ab.

Course dates

Time Content
04/14/2018, 15:45 - 17:15 Einführung
- Einführung (a_crm_intro)

Erhebungen
- Planung & Durchführung (a_crm_survey)
04/21/2018, 15:45 - 17:15 - Planung & Durchführung cont'd (a_crm_survey)
04/28/2018, 15:45 - 17:15 ENTFAELLT.
05/05/2018, 15:45 - 17:15 Umfragen
05/12/2018, 15:45 - 17:15 Regression
- Schätzung (a_crm_regestimation)
05/19/2018, 15:45 - 17:15 - Schätzung (a_crm_regestimation)
- Korrelation, Konfidenzen, ... (a_crm_regdiagnosis)
05/26/2018, 15:45 - 17:15    ..., Hypothesentests, Voraussagen, ... (a_crm_regdiagnosis)
06/02/2018, 15:45 - 17:15 - Modellselektion (a_crm_modelselection)
06/09/2018, 15:45 - 17:15 - Modellselektion (a_crm_modelselection)
06/16/2018, 15:45 - 17:15 -- TBA --
06/23/2018, 15:45 - 17:15 -- TBA --
06/30/2018, 15:45 - 17:15 Clustering
- Clustering (a_crm_clustering)
07/07/2018, 15:45 - 17:15 - Marktsegmentierung (a_crm_segmentation)
07/14/2018, 15:45 - 17:15 Data Warehousing
- Einführung (dw_intro)
07/21/2018, 15:45 - 17:15


Course material

Content Author
Organisatorisches Geyer-Schulz, Andreas; Schweizer, Marvin

Analytisches CRM: Einführung Geyer-Schulz, Andreas; Schweizer, Marvin

Planung und Durchfuehrung einer Erhebung Geyer-Schulz, Andreas; Schweizer, Marvin

Datenerhebungen mit Fragebögen Geyer-Schulz, Andreas; Schweizer, Marvin

Fallstudie: Messung der Kundenzufriedenheit in der Produktentwicklung mit dem Kano-Modell Geyer-Schulz, Andreas; Schweizer, Marvin

Analytisches CRM: Einführung Ökonometrie: Modellbildung Geyer-Schulz, Andreas; Schweizer, Marvin

Das lineare Regressionsmodell: OLS und ML Schätzung Geyer-Schulz, Andreas; Schweizer, Marvin

Das lineare Regressionsmodell: Testen, testen, testen! (TTT) Geyer-Schulz, Andreas; Schweizer, Marvin

Das lineare Regressionsmodell: Modellanpassung und Wechselwirkungen: Multipler und partieller Regressionskoeffizent, inkrementeller Beitrag von Variablen Geyer-Schulz, Andreas; Schweizer, Marvin

Analytisches CRM: Regression. Eine Karte für Modelle. GLM Geyer-Schulz, Andreas; Schweizer, Marvin

Das lineare Regressionsmodell: Modellselektion und Information. Geyer-Schulz, Andreas; Schweizer, Marvin

Clustering Geyer-Schulz, Andreas; Schweizer, Marvin

Marktsegmentierung Geyer-Schulz, Andreas; Schweizer, Marvin

Data Warehouse: Überblick und Konzepte Geyer-Schulz, Andreas; Schweizer, Marvin

Data Warehouse: Anforderungsanalyse Geyer-Schulz, Andreas; Schweizer, Marvin

Kundenwert: Customer Life Time Value Geyer-Schulz, Andreas; Schweizer, Marvin

Data Warehouse OLAP Geyer-Schulz, Andreas; Schweizer, Marvin

Data Warehouse physikalische Optimierung Geyer-Schulz, Andreas; Schweizer, Marvin

Data Warehouse ETL Prozess Geyer-Schulz, Andreas; Schweizer, Marvin

Data Warehouse Modellierung Geyer-Schulz, Andreas; Schweizer, Marvin

R-Manuals, Tutorials und Beispielsammlung Geyer-Schulz, Andreas; Schweizer, Marvin