Vertriebsdatenanalysen  mit Hilfe des Frontends Impromptu  3

Inhaltsverzeichnis

Abbildungsverzeichnis.   4

Abk  ürzungsverzeichnis  5

1.  Problemstellung und Gang der Untersuchung  6

2.  Die strategische Neuausrichtung des Marketings.  6

2.1.  Konzeption und Grundlagen des Customer Relationship Managements  6

2.2.  Schlüsselstrategien des CRM  7

2.3.  Kundenbindungsmanagement als zentrales Ziel des CRM  8

2.4.  CRM - Systeme in der Praxis  9

3.  Das vertriebsorientierte Data Warehouse auf Basis SAP  13

3.1.  Datengrundlage und Struktur der SAP Musterfirma IDES.  15

3.2.  Auswahl der IDES - Daten für das Data Warehouse.  16

3.3.  Anbindung der Frontend Software Impromptu  23

4.  Vorstellung der Software Impromptu zur Berichterstellung auf Datenbankbasis  24

4.1.  Der Impromptu Katalog und die Schnittstelle zu den Daten  25

4.2.  Berichtskomponenten mit Impromptu  28

5.  Kritische Würdigung und Schlussbetrachtung  35

ANHANG 1   37

Datenmodell  des DWH  37

ANHANG 2   39

Tabellen und  Scripte zu dem Datenmodell des DWH  39

ANHANG 3   42

Weitere  Beispiele für Impromtu Analysen.  42

Literaturverzeichnis   47

Vertriebsdatenanalysen  mit Hilfe des Frontends Impromptu  

Abbildungsverzeichnis   

Abbildung  1 : Beispiel für die Darstellung eines OLAP Cubes  

Abbildung  2 : Business Intelligence Integration in das Marketing  

Abbildung  4 : Aufbau der IDES Unternehmensgruppe  

Abbildung  5 : Verzeichnis der aus der SAP Firma IDES verwendeten Tabellen.  

Abbildung  6 : Die Standard SAP Struktur.  

Abbildung  7 : SAP Geschäftsprozesse und SAP R/3 Funktionalität.  

Abbildung  8 : SAP Module und Komponenten.  

Abbildung  9 : Strukturdetails des SAP Moduls SD, Sales and Distribution.  

Abbildung  10 : SAP Hierarchien für den Bereich Ergebnis- und  

Marktsegmentrechung.   

Abbildung  11 : Grafische Darstellung eines DWH auf Basis einer SQL Datenbank.  

Abbildung  12 : Grafische Darstellung eines SAP / R3 Datawarehouses.  

Abbildung  13 : Zusätzliche Kennzahlen mit Impromptu zur Unternehmensanalyse.  

Abbildung  14 : Einbettung der Impromtu Software in die DWH Architektur  

Abbildung  15 : Benutzeroberfläche der Software Impromptu.  

Abbildung  16 : Anmeldung der Software Impromtu zur DWH Datenbank.  

Abbildung  17 : Öffnen des Impromtu Katalogs Consumerframe.  

Abbildung  18 : Beispiel einer OLAP Abfrage mit Impromtu aus dem DWH.  

Abbildung  19 : Beispiel eines Abfrageberichts mit den Spalten: Order Number,  

Customer  Number, Article Number, Article Name, Gross Turnover, Net Turnover,  

Gross  Quantity, Net Quantity.  

Abbildung  20: Beispiel eines Abfrageberichtes mit den Spalten: Representative  

Number  , Representative Name, Customer Name, Article Number, Article Name,  

Gross  Quantity, Net Quantity.  

Abbildung  21 : Übersicht über die verwendeten Tabellen im DWH (IN ACCESS an  

Stelle  von SQL gespeichert)  

Abbildung  22 : Entwurfsansicht der ausgewählten Tabelle PA0001  

Vertriebsdatenanalysen mit Hilfe des Frontends Impromptu 5

Abkürzungsverzeichnis

ABAP Advanced Business Application Programming, SAP Programmiersprache BI Business Intelligence ca cirka CAS Computer Aided Selling CIS Customer Integration Systems CRM Customer Relationship Management DTS Data Transformation Services DWH Data Warehouse eCRM electronic CRM ERM Enterprise Relationship Management ERP Enterprise Ressource Planing F & E Forschung und Entwicklung KIS Kundeninformationssystem KKM Kundenkontaktmanagement KMU Kleine und mittelständische Unternehmen MAIS Marktinformationssystem MIS Managementinformationssystem OLAP Online Analytical Processing PPS Produktionsplanungssystem ROI Return on Investment RMP Repräsentant Markt Potenzial SFA Sales Force Automation SQL Structured Query Language VIS Vertriebsinformationssystem VKB Verkaufsgebiet z. B. zum Beispiel

Vertriebsdatenanalysen mit Hilfe des Frontends Impromptu 6

1. Problemstellung und Gang der Untersuchung

Im Rahmen des Projektstudiums im zweiten Studienabschnitt des Sozialökonomischen Studienganges im WiSe 2001 bis SoSe 2002 an der HWP - Hamburger Universität für Wirtschaft und Politik unter Leitung von Prof. Dr. Gerhard Brosius soll ein Managementinformationssystem / Muster Data Warehouse für kleine und mittelstä ndische Unternehmen, nachfolgend KMU genannt, erstellt werden. Die Durchführung des Projektes erfolgt in Zusammenarbeit mit dem Unternehmen Powercase Informatik GmbH, Hamburg.

Ziel dieser Arbeit ist eine Beurteilung, ob das mittels eins Data Warehouses errichtete Management Informationssystem mit dem Schwerpunkt Vertriebsinfo rmationssystem / Customer Relationship Management ein relevanter Wettbewerbsfaktor im Konsumgüterbereich sein kann und ob dadurch die Wettbewerbsfähigkeit und der Unte rnehmenswert gesteigert werden kann. Diese Arbeit gründet auf den Erkenntnissen der zwei Semester dauernden Projektarbeit und dem darin entwickelten Datenmodell sowie den vertriebsorientierten Funktionalitäten des Data Warehouses.

Zur Beantwortung dieser Frage soll insbesondere untersucht werden, welche Date nbanken und welche Software geeignet sind, um ein Vertriebsanalyse- und ein CRM System in ein Unternehmen zu implementieren, die signifikante Wettbewerbsvorteile und Wertzuwächse generieren. Anliegen dieser Arbeit ist es explizit, eine SQL Datenbank, die mit Daten aus der SAP Musterfirma ID ES befüllt wurde, mit der Software Impromtu zu analysieren. Sowohl das Unternehmen SAP als auch das Unte rnehmen Cognos, das die Software Impromptu vertreibt, sind auf ihren Gebieten Weltmarktführer, so dass diese Untersuchung ein übergreifendes Interesse repräsentiert.

2. Die strategische Neuausrichtung des Marketings

2.1. Konzeption und Grundlagen des Customer Relationship Ma-

nagements

Vor dem Hintergrund fragmentierter Absatzkanäle sowie einer grundlegend verän- derten Medien und Informationslandschaft sehen sich Marketing und Vertrieb He r-

Vertriebsdatenanalysen mit Hilfe des Frontends Impromptu 7

ausforderungen gestellt, denen mit klassischen Marketingmethoden nicht mehr zu begegnen ist. Die bedeutsamste Neuausrichtung hierbei ist die die permanente He rausarbeitung von Kundennutzen und eine langfristige Kundenbindung. ¹ Das Relationship Marketing entspricht dabei einer neuen Kundenfokussierung der marktbezogenen Arbeit auf längerfristig angelegte, intensive, vertrauensvolle und ergiebige Geschäftsbeziehungen. Der Analysefokus wird dabei von einzelnen Transaktionen auf zusammenhängende Prozessfolgen erweitert, wobei vor allem langfristige und prozessuale Aspekte des Marketings in den Vordergrund treten. Relationship Management konzentriert sich auf die Optimierung bestehender Kundenbeziehungen und nicht auf die Akquisition neue r Kunden. ² Dabei sollen wichtige Kunden möglichst umfassend zufrieden gestellt werden und kostspielige Neuakquisitionen vermeiden we rden.

2.2. Schlüsselstrategien des CRM

Das Konzept des CRM bezieht sich im Gegensatz zum Relationship Marketing auf alle zentral en Kundeninteraktionspunkte in einem Unternehmen und umfasst über das Marketing hinaus auch die Bereiche Vertrieb und Service, es ist das Äquivalent einer kundenzentrierte n Unternehmenskultur.

Ein systematisches CRM verfolgt das übergeordnete Ziel, zum Treiber von messbaren Unternehmenswertsteigerungen zu werden. ³ Dafür ist die Optimierung der Kundenprofitabilität im Rahmen des Customer Life Circles von zentraler Bedeutung. Die Beantwortung folgender strategischer CRM Fragen setzt eine möglichst exakte und tief differenzierte Analyse der Kundenbeziehungen voraus:

è Welche Kunden sind die profitabelsten?

è Welche Leistungen sollten diesen Kunden offeriert werden, damit sie dem Unternehmen langfristig erhalten bleiben?

è Wie kann für unterschiedliche Kunden ein differenziertes Leistungsangebot ohne Kostenerhöhung entwickelt werden?

è Wie können neue, ähnliche, profitable Kunden auf Dauer gewonnen werden?

¹ Vgl. Reinecke, Sven; Tomczak, Torsten; Geis, Gerold (2001), S. 82 ff.

² Vgl. Bach, Volker; Österle, Hubert (2000), S. 30.

³ Vgl. Bhattacharya, C. B.; Boltron, R. N. (2000), S. 329.

Vertriebsdatenanalysen mit Hilfe des Frontends Impromptu 8

Die Beantwortung dieser Fragen ist qualifiziert in der Regel nur mit Datenbanken und Analysesoftware möglich. 4

2.3. Kundenbindungsmanagement als zentrales Ziel des CRM

Gesättigte Märkte und die internationale Intensivierung des Wettbewerbdrucks erfo rdern einerseits offensive Kundenstrategien, lassen aber andererseits auch defensive Kundenstrategien, zu denen das CRM zu rechnen ist, in den Fordergrund treten. ⁵ Langfristige Kundenbindung, Kundenloyalität, Kundentreue, Kundenzufriedenheit und Kundenprofitabilität sind die zentralen Parameter des CRM. Die Begriffe Zufriedenheit und Bindung verkörpern hypothetische Konstrukte und repräsentieren somit theoretische Erscheinungsformen, die sich einer direkten Quantifizierung verschließen. Unbestritten ist hingegen, dass die Kundenzufriedenheit eine wichtige Voraussetzung für die Kundenbindung ist, die wiederum zu profitablen Dauerkunden führt. Mit dem Begriff Kundenbindungsmanagement soll das Ziel erreicht werden, dass die Kunden auch künftig die Geschäftsbeziehung aufrechterhalten und intensivieren. 6

Zu den Dimensionen einer Kundenbindungsstrategie gehören insbesondere: 7

a) Bezugsobjekt der Kundenbindung:

Auf das Produkt bzw. die Marke, den Hersteller, oder den Absatzmittler. b) Zielgruppe der Kundenbindung:

Dient der gezielten und individualisierten Ansprache der Kunden, bestimmt ein konkretes Profil von strategisch bedeutsamen Kunden und identifiziert eine Kernzielgruppe für aktive Kundenbindungsmaßna hmen.

Zu den Arten der Kundenbindung gehören:

a) Situative Kundenbindung, b) Vertragliche Kundenbindung, c) Ökonomische Kundenbindung, d) Technisch - funktionale Kundenbindung,

⁴ Vgl. Microsoft Corporation (2001), SQL Server 2000 - Die technische Referenz, S. 481.

⁵ Vgl. Gawlik, Tom; Kellner, Joachim; Seifert, Dirk (2002), S. 132.

⁶ Vgl. Brezina, R. (2001), S. 219 bis 226.

⁷ Vgl. Gerecke, U. (2001), S. 235 bis 240.

Vertriebsdatenanalysen mit Hilfe des Frontends Impromptu 9

e) Emotionale - psychologische Kundenbindung.

Festlegung der Kundenbindungsinstrumente: 8

a) Maßnahmen der Produkt-, Preis-, Kommunikations- und Distributionspolitik, b) Ausrichtung auf den Aufbau von Kundendialog und Interaktion sowie auf Kundenzufriedenheit.

c) Intensität und Timing der Kundenbindung,

d) Bestimmung der Einsatzpunkte und Einsatzintervalle sowie der Intensität der ausgewählten Kundenbindungsinstrumente.

e) Kooperationsstrategien der Kundenbindung, hierzu zählen die Optionen, die Ziele der Kundenbindung mit anderen Unternehmen zu erreichen. Denkbar sind auch Kooperationen zwischen Hersteller und Ha ndel.

2.4. CRM - Systeme in der Praxis

Der betriebswirtschaftlichen Komponente des CRM, die sich als Modifizierung des Marketings auf das theoretische CRM Konzept bezieht, ist die technologische Komponente, die dessen Umsetzung und Implementierung ermöglicht, gegenüber zu ste llen. Die Umsetzung von CRM vollzog sich Mitte der neunziger Jahre zunächst im Bereich der technologischen Automatisierung von Vertriebsprozessen und dem Einsatz entsprechender IT - Tools. Mit der Weiterentwicklung der technischen Möglichkeiten wurden auch die Vorteile des ganzheitlichen Ansatzes des CRM Konzeptes fortentwickelt. ⁹ Hierzu zählen insbesondere:

Database Marketing 10

Das DB ¹¹ Marketing benutzt Daten, Technologie und statistische Techniken, um detaillierte Informationen über Kunden und deren Verhalten zu gewinnen. Hieraus lassen sich idealtypische Kundenprofile erstellen und hinsichtlich deren Kaufverhaltens

⁸ Vgl. Helmke, s. (2000), S. 36 bis 39.

⁹ Vgl. Henn, H. (2000), S. 16.

¹⁰ Vgl. Mentzel, R.; Ludwig, C. (1998), S. 171 - 189.

¹¹ Data Base, oder Datenbank.

Vertriebsdatenanalysen mit Hilfe des Frontends Impromptu 10

Analysen und Bewertungen durchführen. ¹² Daher kann das DB - Marketing als Fundament eines systematischen und effektiven Kundenbeziehungsmanagements ve r-standen werden. Das CRM geht etwas weiter und bezieht den gesamten Prozess der Kundenbeziehung auf Basis fundierter Analysen mit ein.

Kundeninteraktionskanäle und Kundeninteraktionspunkte 13

Zu den Kundeninteraktionskanälen, über die Interaktionen mit den Kunden laufen, zählen z. B. Direct Mail, Fax, direkte Interaktion über den Außendienst, Call Center, Customer Interaktion Center, und das Internet.

Im Konsumgüterbereich werden die für das analytische CRM benötigten Daten hä ufig mit der Datenbankarchitektur eines Customer Data Warehouses gespeichert, das vom operationalen System isoliert ist. Ein Customer Data Warehouses entspricht als Konzept zur Informationsgewinnung einem System zur Bereitstellung und Abfrage aller im Unternehmen vorhandenen Kundendaten und dient innerhalb des CRM als unternehmensweite Datenbasis für ein Management Informationssystem MIS. Vor diesem Hintergrund enthalten vollständige Data Warehouse Lösungen Werkzeugsammlungen mit Programmen zur multidimensionalen Darstellung komplexer Z usammenhänge. Die am häufigsten verbreiteten Verfahren sind das Online Analytical Processing OLAP und das Data Mining. 14

Mit OLAP können Daten über z. B Kunden, Produkte, Vertriebskanäle und Zeiten mit analytischen Verfahren in Informationen umgewandelt werden. Dabei ist eine multidimensionale Perspektive auf die zugrunde liegenden Daten möglich. OLAP ermöglicht sowohl eine anwenderspezifische Aggregation von Kundendaten als auch eine Definition von berechneten Kenngrößen. Es können Zeitreihenanalysen, U msatz-und Erfolgsprognosen und Optimierungsanalysen durchgeführt werden. ¹⁵ Das Online Analytical Processing wurde 1993 von dem Begründer der relationalen Datenbanken Codd eingeführt. ¹⁶ Es sollte im Wesentlichen schnelle Analysen von mehrfach ge-

¹² Vgl.Below, C. V. (1998), S. 53.

¹³ Vgl. Brändli, D. (1998), S. 75 - 82.

¹⁴ Vgl. Gabriel, R.; Chamoni, P.; Gluchowski, P. (2000), S. 74 bis 96.

¹⁵ Vgl. Microsoft Corporation (2001), S. 775 ff.

¹⁶ Vgl. Stahlknecht, Peter; Hasenkamp, Ulrich (1999), S. 407.

Vertriebsdatenanalysen mit Hilfe des Frontends Impromptu 11

nutzten (shared) multidimensionalen Informationen ermöglichen. Aus betriebswirtschaftlicher Perspektive spielte dabei die Mehrdimensionalität die entscheidende Rolle, weil beispielsweise bei Umsatzauswertungen nach Artikel- und Kundengruppen, Vertriebsbereichen und Perioden differenziert wird. In den Microsoft SQL Analysis Services ist der OLAP Würfel oder Cube die vorrangige Form der Darstellung. ¹⁷ Der Cube wird benutzt zur multidimensionalen Darstellung von Detail- und Übersichtsdaten, wobei sich die Detaildaten jeweils auf Zeilendaten beziehen und die Übersichtsdaten eine Zusammenfassung verschiedener Daten repräsentiert. Aus der Vielzahl von zur Verfügung stehenden Cubes stellt jeder eine Unternehmenseinheit dar, wie beispielsweise den Lagerbestand oder den Vertrieb. Dabei zeigt jede Seite des Würfels eine andere Dimension der Daten an, so dass der Würfel aus verschiedenen Datenebenen besteht. Mit den SQL Analysis Services lassen sich Cubes entweder nach dem Datenbankschema des Sternschemas oder dem Schneeflockenschema erstellen. ¹⁸ Beide Schemen bestehen aus Faktentabellen und Dimensionstabellen. Mit Analysis Services werden diese Datentabellen zusammen gestellt, um daraus die Cubes zu produzieren. Nachfolgende Abbildung zeigt einen Beispiel Cube: _____________________________________________________

Abbildung 1 : Beispiel für die Darstellung eines OLAP Cubes

¹⁷ Vgl. Garcia, Marci Frohock; Reding, Jamie; Whalen, Erdward; DeLuca, Steve (2000), S. 707.

¹⁸ Vgl. Garcia, Marci Frohock; Reding, Jamie; Whalen, Erdward; DeLuca, Steve (2000), S. 708.