Effektives Customer Relationship Management (CRM) ist spätestens nach der Verlagerung vieler Marketing-Aktivitäten und Kundentransaktionen in den digitalen Raum eine wesentliche Voraussetzung für nachhaltigen geschäftlichen Erfolg und steht unter anderem für die strategische Ausrichtung von Unternehmen an den Bedürfnissen ihrer Kunden.

Die elektronische Auswertung der im operativen Geschäft gewonnen Kundendaten wird in diesem Kontext auch als "analytisches CRM" bezeichnet - entsprechende Funktionen sind in die meisten CRM-Systeme heute standardmäßig integriert.

Ein analytisches CRM umfasst unterschiedliche Komponenten:

  • Sammlung, Systemintegration und digitale Aufbereitung von Kundendaten (Datawarehouse)
  • Auswertungs-Routinen (Datamining, OLAP)
  • Erstellung sogenannter "Dashboards" respektive die Ermittlung vordefinierter Key Performance Indikatoren (KPI´s) als Handlungsorientierung/Frühwarnsysteme für den operativen Sektor

Das Ziel jeden analytischen CRM ist die fortlaufende Optimierung operativer CRM-Prozesse - in einem "Closed-Loop"-Marketing-Konzept wirken Analyse und operatives Geschäft hier in einem "Regelkreis" zusammen, der durch fundiertes Wissen über den realen und den anvisierten Kunden unter anderem Raum für Innovationen/Neuprodukte schafft.

Datawarehouse als Basis-Komponente

Ein analytisches CRM benötigt für sein Funktionieren eine solide Datenbasis. Die Basis-Komponente des Systems ist daher das sogenannte Datawarehouse, in dem Kundendaten aus unterschiedlichen Anwendungsbereichen - Stammdaten, Transaktionsdaten, Marktforschungsergebnisse und andere relevante Informationen - gesammelt, integriert und gespeichert werden.

Wichtig ist in diesem Kontext - ständige Aktualiserungen einmal vorausgesetzt - die digitale Vereinheitlichung der Datenbestände als Voraussetzung für gezielte - und weitgehend automatiserte - Analyse.

Datamining - automatisierte Datensuche und Bewertung

Datamining bezeichnet ein grundlegendes Arbeitsverfahren im analytischen CRM. Dabei werden mittels statistischer Methoden in den Datensätzen des Datawarehouse "Muster" aufgespürt und in "Hypothesen" umgesetzt, welche dabei helfen sollen, Kundenbedürfnisse und -Bewegungen zu antizipieren.

Der Prozess des Dataminings ist im ersten Schritt weitgehend automatisiert - die so gewonnenen Erkenntnisse können dann bewertet, entweder direkt in den operativen Bereich implementiert oder aber durch weitere Analysetätigkeit (OLAP) verifiziert werden.

Analog zum klassischen Datamining sind auch sogenannte Text- oder Web-Minings möglich, bei denen aus unstrukturierten Daten - etwa E-Mails oder Weblogs - Informationen über das Kundenverhalten gewonnen werden können.

OLAP - komplexe Verifikations-Komponente im analytischen CRM

Das sogenannte "Online Analytical Processing" (OLAP) ist demgegenüber ein nachgelagertes Verfahren, bei dem durch multidimensionale Analysen Hypothesen über das Kundenverhalten bestätigt oder verworfen werden.

OLAP beantwortet komplexere und explizit vorformulierte Fragestellungen und eignet sich damit zum Teil auch als Grundlage für systemübergreifende Analysen, in dem die Datenbasis aus dem analytischen CRM mit anderen internen Datenbeständen zusammengeführt und ausgewertet wird.

Wichtig: Ein analytisches CRM stößt bei der Bewertung finanzieller Prozesse sowie der Kundenzufriedenheitsmessung an seine Grenzen - beide Segmente sind kein Bestandteil des Systems.
Wie hat Ihnen diese Seite gefallen?