Vom datengetriebenen Unternehmen zum Datentreiber

1.041 Aufrufe

Veröffentlicht am

Big Data treibt die Unternehmen um. Riesige Datenmengen erfordern komplexe Lösungen. Big-Data-Lösungen treiben somit vor allem die Kosten in die Höhe. Doch statt mit Big Data zu beginnen, sollten Unternehmen anfangen zu fragen: Welche Daten treiben mein Unternehmen voran? Woher bekomme ich diese Daten? Und wie nutze ich die Daten, um Kosten zu reduzieren und Umsätze zu steigern? Big Data ist hier nur eine Teilantwort unter vielen. Im Vordergrund des Vortrags stehen konkrete Anwendungsbeispiele, wie Unternehmen Daten gewinnbringend als Treibstoff für ihr Online-Business nutzen: von Customer-Insights-Analysen über Churn-Reduzierung bis hin zu Personalisierung.

Veröffentlicht in: Daten & Analysen
0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.041
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
17
Aktionen
Geteilt
0
Downloads
0
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Vom datengetriebenen Unternehmen zum Datentreiber

  1. 1. Vom datengetriebenen Unternehmen zum Datentreiber
  2. 2. 1996-2008 Berater, Buch- & Fachautor sowie Softwareentwickler Studium und Forschung der Bioinformatik (Data Science) 2001-2008 Geschäftsführer & Gesellschafter der SnipClip GmbH (Social Media Marketing & Analytics) 2008-2013 Beirat bei SnipClip die digitale Fabrik GmbH, nekst & TEAMing ENGINEERS 2014-dato Programmdirektor der Predictive Analytics World (Fachkonferenz) 2014-dato Geschäftsführer & Gründer von Datentreiber 2014-datoMartin Szugat
  3. 3. Don‘t believe the hype.
  4. 4. 70s: Artificial Intelligence 80s: Machine Learning 90s: Data Mining 00s: Predictive Analytics 10s: Big Data Don‘t believe the hype.
  5. 5. Erwartung
  6. 6. Anwendungen
  7. 7. Big Data ist nicht die Lösung.
  8. 8. Big Data ist das Problem.
  9. 9. Volume.
  10. 10. Velocity.
  11. 11. Variety.
  12. 12. Veracity.
  13. 13. Mehr Daten …
  14. 14. … weniger Information?
  15. 15. Digitale Transformation ist …
  16. 16. Research Online Marketing Vertrieb Produktion Service … der Wandel von Datensilos …
  17. 17. … über Big Data …
  18. 18. … zum Data-Driven Business.
  19. 19. Was ist Data- Driven?
  20. 20. Ziele & Kennzahlen definieren Daten erfassen & Kennzahlen messen Daten & Kennzahlen analysieren Hypothesen & Modelle bilden Hypothesen & Modelle testen Verbesser- ungen umsetzen Eine Unter- nehmenskultur.
  21. 21. Daten sind das neue Öl.
  22. 22. Ohne Daten sind Sie nur eine weitere Person mit einer Meinung. W. E. Deming (Management-Pionier)
  23. 23. Ohne Daten …
  24. 24. Daten sind der Treibstoff des 21. Jahrhunderts.
  25. 25. Erschließen Verfeinern Verwerten Daten Werte  Mehr Umsatz  Weniger Kosten  Neue Produkte
  26. 26. Erschließen Social DataEnterprise Data Open DataWeb Data Mobile Data
  27. 27. Verfeinern Big Data Business Intelligence Data Mining Personalisierung Analysen Vorhersagen
  28. 28. Verwerten Marketing Vertrieb Service Innovation
  29. 29. Was haben Babies und Bier gemeinsam?
  30. 30. Das Geheimnis von Amazon.
  31. 31. Kunden Kanäle Produkte Prozesse Systeme Daten treiben die Digitalisierung. Daten Einzigartigkeit Kopierbarkeit
  32. 32. Marketing Innovation Data Aggregation & Cleaning Diagnostic Analytics Descriptive Analytics Prescriptive Analytics Predictive Analytics Was ist passiert? Warum ist es passiert? Was wird passieren? Was soll ich machen?
  33. 33. Die Hälfte des Geldes, das ich für Werbung ausgebe, ist verschwendet. Das Problem ist, ich weiß nicht, welche Hälfte. John Wanamaker (Marketing-Pionier)
  34. 34. Marketing Innovation Marketing Controlling Marketing IntelligencePersona- lisierung Data Warehouse
  35. 35. Was Ihre Lotion über Sie verrät.
  36. 36. Marketing Innovation Marketing Controlling Marketing IntelligencePersona- lisierung Data Warehouse Attribution
  37. 37. Customer Journey Attribution Quelle: Dean Abbott, Predictive Analytics World Berlin 2014
  38. 38. Customer Journey Attribution Quelle: Dean Abbott, Predictive Analytics World Berlin 2014
  39. 39. Marketing Innovation Marketing Controlling Marketing IntelligencePersona- lisierung Uplift Modelling Data Warehouse Attribution
  40. 40. Daten treiben das Direktmarketing. Quelle: Miles & More, Predictive Analytics World Berlin 2014
  41. 41. Daten treiben das Direktmarketing. Quelle: Miles & More, Predictive Analytics World Berlin 2014
  42. 42. Retail is detail. Sam Walton (Gründer von Wal-Mart)
  43. 43. Marketing Innovation (Social) CRM Customer Insights
  44. 44. Daten treiben Social Media. Um zu erfahren, ob die Facebook-Fans auch Kunden sind, entwickelte Lufthansa eine spielerische Kampagne, bei der die Teilnehmer durch das Einladen von Freunden Meilen für das Bonusprogramm Miles & More gewinnen konnten. Über den Abgleich der Miles & More-Nummer mit den Social Media-Daten gewann die Lufthansa wertvolle Einsichten in ihre Kunden und Facebook-Fans.
  45. 45. Marketing Innovation (Social) CRM Sales Analytics Customer Insights Lead- Scoring Customer Lifetime Value
  46. 46. Ad Analytics  CpX Web Analytics  Traffic Sales Analytics  Umsatz Marketing Controlling  CAC Customer Insights  ARPU Impression | Prospective Visitor | Lead User | Qualified Lead Customer Loyal Customer Brand Ambassador Online-Marketing Klassisches Marketing & Sales
  47. 47. Customer Lifetime Value
  48. 48. Quelle: Forbes.com
  49. 49. Marketing Innovation (Social) CRM Sales Analytics Customer Insights Produkt- empfehlungen Lead- Scoring Customer Lifetime Value
  50. 50. Daten treiben den e-Commerce. Durch personalisierte Produktempfehlungen steigerte Globetrotter den e-Commerce-Umsatz um 8%. Ebenso stieg der durchschnittliche Bestellwert um 42,34 Euro und die Kunden kauften im Durchschnitt ein zusätzliches Produkt.
  51. 51. Wenn Du etwas nicht messen kannst, dann kannst Du es nicht managen. W. E. Deming (Management-Pionier)
  52. 52. Marketing Innovation Text Analytics Monitor- ing Krisen-/Trend- Erkennung Absatz- prognosen
  53. 53. Daten treiben die Logistik. Dank dem Einsatz von Predictive Analytics fand Wal-Mart heraus, dass bei Hurrikan-Warnungen der Absatz von Strawberry Pop-Tarts sprunghaft ansteigt. Dabei handelt es sich um Teigtaschen von Kellog‘s, die einzeln verpackt sind und keine Kühlung erfordern. Wal-Mart nutzt diese Erkenntnis, um bei entsprechenden Ereignissen rechtzeitig die Regale zu füllen. So vermeidet Wal-Mart Absatzengpässe und damit Verluste.
  54. 54. Marketing Innovation Text Analytics Monitor- ing Krisen-/Trend- Erkennung Auslastungs- prognosen Absatz- prognosen
  55. 55. Marketing Innovation Churn- Prediction Text Analytics Monitor- ing Krisen-/Trend- Erkennung Auslastungs- prognosen Absatz- prognosen
  56. 56. Daten treiben die Kundenbindung. Die Raiffeisen Analytik entwickelte für die österreichischen Raiffeisenbanken ein Kündiger- frühwarnsystem. Dieses System nutzt statistisch- analytische Modelle, um Kunden zu identifizieren, die kündigen werden. Es informiert und versorgt die Bankberater vor Ort mit automatisierten Text- Informationen, so dass diese ein persönliches Gespräch mit dem Kunden führen können. So reduzierte sich die Kündigungsquote um 30%.
  57. 57. Marketing Innovation Churn- Prediction Fraud- Detection Text Analytics Monitor- ing Krisen-/Trend- Erkennung Auslastungs- prognosen Absatz- prognosen
  58. 58. Daten treiben die Betrugserkennung. Der Spielehersteller Activision entwickelte ein hochskalierbares System zur Betrugserkenn- ung in Computerspielen wie Call of Duty. Dafür analysiert das Unternehmen mittels (mehr als 10 unterschiedlichen) statistischen Modellen bis zu 100 Milliarden Transaktionen pro Tag (pro Modell). Die Anzahl der erkannten Betrugsfälle stieg um den Faktor 200, während sich der personelle Aufwand um den Faktor 4 reduzierte.
  59. 59. Ein Risiko entsteht, wenn du nicht weißt, was du tust. Warren Buffet (US-Investor)
  60. 60. Marketing Innovation Open Data Market Research
  61. 61. Netflix, Marktführer für Video-on- Demand, stand vor der Entscheidung, die US-Serie House of Cards zu produzieren. Andere Unternehmen lehnten ab. Doch Netflix analysierte das bisherige Konsumverhalten seiner Nutzer, um den Erfolg vorherzusagen. Das Unternehmen entschied sich für die Produktion. House of Cards ist mittlerweile eine der erfolgreichsten US-Serien und exklusiv bei Netflix zu sehen. Daten treiben die Medien.
  62. 62. Marketing Innovation Open Data Data-as- a-Service Market Modelling Market Research
  63. 63. Daten treiben Prognosen. Auf Basis der Statistiken von Wikipedia-Seiten und Verfahren des maschi- nellen Lernens lässt sich das Umsatzpotential von Kinofilmen sehr genau prognostizieren.
  64. 64. Marketing Innovation Open Data Data-as- a-Service Market Modelling Market Research Predictive Applications
  65. 65. Predictive Applications …
  66. 66. … sind ubiquitär. Top 28 Apps Predictive Non-Predictive
  67. 67. Wo bleibt die Inspiration?
  68. 68. Die Zukunft: Predictive Marketing Das Prinzip Serendipität.
  69. 69. Martin Szugat Geschäftsführer Telefon 0176 1019 0176 Email martin.szugat@datentreiber.de Web datentreiber.de Spannende Fallstudien & hilfreiche Informationen zu Data-Driven Business finden Sie unter: Blog datentreiber.de/blog Twitter twitter.com/datentreiber LinkedIn linkedin.com/company/datentreiber SlideShare slideshare.com/datentreiber Facebook facebook.com/datentreiber DATENTREIBERWir treiben Ihr Unternehmen voran.
  70. 70. • Folie 9: Oracle.com • Folie 14 und 15: http://commons.wikimedia.org • Folie 16: Data Unser, ISBN 978-3-86881-319-7 • Folie 17: https://twitter.com/ResearchMark • Folie 33: http://romankmenta.com/ • Folie 44: http://de.slideshare.net/PAWDeutschland/paw-2014-der- einsatzvonupliftmodellingambeispielderlufthansamilesmorecreditcard • Folie 50: http://www.slideshare.net/padday/how-your-customers-social-circles- influence-what-they-buy-what-they-do-and-where-they-go • Folie 52: www.forbes.com • Folie 67: http://dataconomy.com/using-wikipedia-activity-data-forecast-movie- success/ • Folie 70: https://homescreen.is/ • Folie 71: http://insidesearch.blogspot.co.uk/ • Folie 72: https://www.addthis.com/blog/2013/08/28/personalization- innovators-amazon-netflix-and-yahoo/#.VXcTzc_tmko • Sonstige Bilder: http://www.shutterstock.de – Diverse Fotografen: donvictorio, ArtmannWitte, bikeriderlondon, Sascha Burkard, E.G.Pors, razlomov, xtock, Jirsak, Ollyy, Karramba Production, Simon Bratt, Oleksiy,Mark, patpitchaya, underworld, hxdbzxy, Thaiview, Nightman1965 , terekhov igor, Olga Danylenko, bikeriderlondon, Pot of Grass Productions, phipatbig, Oleksii Sagitov, maximmmmum, philia, Vinko93,Petr Jilek, Alexander Tihonov, Kondor83, Darryl Sleath, Stokkete, dvoevnore, mina, mharzl, ChrisVanLennepPhoto, Stock Creative, PhotonCatcher, Alexey Boldin, Digital Storm, Refat, vinnstock, donatas1205, Syda Productions, Pressmaster, Adriano Castelli, Banana Republic images, 24Novembers, tomertu, Grasko, Hasloo Group Production Studio, momente, Kaspars Grinvalds, Tyler Olson, bluecrayola, AlexKol Photography, Digital Storm, Peter Bernik, Lunov Mykola, Ollyy. Eugene Partyzan, maxim ibragimov, Creativa Images, Liudmila P. Sundikova, Anton Watman, Brian A Jackson, Galina Kovalenko, Ollyy, Deskoul, JonesHon. Die Liste erhebt keinen Anspruch auf Vollständigkeit. Quellenangaben für die verwendeten Bilder und Grafiken

×