Vorlesung Analytisches CRM
Semester: | Sommersemester 2018 |
Dozenten: | Prof. Dr. Andreas Geyer-Schulz; B.Sc. Marvin Schweizer; |
Termin: | Dienstag 15:45 - 17:15 |
Ort: | Geb. 05.20, 1C-01 |
SWS: | 2 |
Verlinkt mit: | Übung Analytisches CRM (Übung) Sommersemester 2018 |
Inhalt
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:- 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.
- 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.
Lernziele
Der Student ...- ... wendet die wesentlichen im analytischen CRM eingesetzten wissenschaftlichen Methoden (Statistik, Informatik) und ihre Anwendung auf betriebliche Entscheidungsprobleme verstehen und selbständig auf Standardfälle an.
- ... hat einen Überblick über die Erstellung und Verwaltung eines Datawarehouse aus operativen Systemen, versteht die dabei notwendigen Prozesse und Schritte und wendet diese auf ein einfaches Beispiel an.
- ... führt mit seinen Kenntnissen eine Standard CRM-Analyse für ein betriebliches Entscheidungsproblem mit betrieblichen Daten durch und leitet eine entsprechende Handlungsempfehlung begründet daraus ab.
- ... versteht den Modellbildungsprozess und setzt diesen mit Hilfe eines Statistikpaketes (z.B. R) zur Lösung von Anwendungsproblemen ein.
Weiteres
Möglicherweise nehmen Ihnen Download-Programme wie die Firefox Erweiterung DownThemAll Arbeit beim Herunterladen der Dateien ab.
Veranstaltungstermine
Time | Inhalt |
---|---|
14.04.2018, 15:45 - 17:15 | Einführung - Einführung (a_crm_intro) Erhebungen - Planung & Durchführung (a_crm_survey) |
21.04.2018, 15:45 - 17:15 | - Planung & Durchführung cont'd (a_crm_survey) |
28.04.2018, 15:45 - 17:15 | ENTFAELLT. |
05.05.2018, 15:45 - 17:15 | Umfragen |
12.05.2018, 15:45 - 17:15 | Regression - Schätzung (a_crm_regestimation) |
19.05.2018, 15:45 - 17:15 | - Schätzung (a_crm_regestimation) - Korrelation, Konfidenzen, ... (a_crm_regdiagnosis) |
26.05.2018, 15:45 - 17:15 | ..., Hypothesentests, Voraussagen, ... (a_crm_regdiagnosis) |
02.06.2018, 15:45 - 17:15 | - Modellselektion (a_crm_modelselection) |
09.06.2018, 15:45 - 17:15 | - Modellselektion (a_crm_modelselection) |
16.06.2018, 15:45 - 17:15 | -- TBA -- |
23.06.2018, 15:45 - 17:15 | -- TBA -- |
30.06.2018, 15:45 - 17:15 | Clustering - Clustering (a_crm_clustering) |
07.07.2018, 15:45 - 17:15 | - Marktsegmentierung (a_crm_segmentation) |
14.07.2018, 15:45 - 17:15 | Data Warehousing - Einführung (dw_intro) |
21.07.2018, 15:45 - 17:15 |
Vorlesungsmaterialien
Inhalt | Autor |
---|---|
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 |