In dieser Arbeit wird basierend auf der aktuellen Geschäftssituation eines fiktiven IT-Dienstleisters im Großraum Wien ein praxisnahes Konzept für die Analyse und Lösung von betrieblichen Problemstellungen erstellt. Basierend auf dem CRISP-DM-Vorgehensmodell werden die Bereiche Geschäftsbezugsanalyse, Datenexploration, Datenvorbearbeitung, Modellierung, Evaluierung und Bereitstellung betrachtet.
Inhaltsverzeichnis
1 EINLEITUNG
1.1 AUFBAU DER ARBEIT
2 KONZEPT AUF BASIS DES CRISP-DM-VORGEHENSMODELLS
2.1 GESCHÄFTSBEZUGSANALYSE
2.1.1 Definition gewünschter Projektergebnisse – Ziele, Projektplan und KPIs
2.1.2 Bewertung der aktuellen Situation
2.1.3 Beschreibung des Ziels von Data Science
2.1.4 Erstellung des Projektplanes
2.2 DATENEXPLORATION
2.3 DATENVORBEREITUNG
2.3.1 Bereinigung der Daten
2.3.2 Rekonstruktion fehlender erforderlicher Daten
2.3.3 Integration von Daten aus anderen Quellen
2.4 MODELLIERUNG
2.5 EVALUIERUNG
2.6 BEREITSTELLUNG
2.6.1 Überwachung und Kontrolle der Bereitstellung
2.6.2 Erstellung eines Abschlussberichts
2.6.3 Bewertung der Projektdurchführung
2.7 ROLLE DES MARKETINGS UND DER KOMMUNIKATION
Zielsetzung & Themen
Die vorliegende Projektarbeit verfolgt das Ziel, basierend auf der Geschäftssituation eines fiktiven IT-Dienstleisters, ein praxisnahes Konzept zur Analyse und Lösung betrieblicher Problemstellungen mittels des CRISP-DM-Vorgehensmodells zu entwickeln, um einen raschen Turnaround und künftiges Wachstum zu unterstützen.
- Anwendung des CRISP-DM-Vorgehensmodells im Data-Science-Kontext
- Integration von internen Geschäftsdaten und externen Marktdaten
- Strategische Planung zur Gewinnung und Reaktivierung von Kunden
- Etablierung eines Management-Dashboards für Prognosen und Monitoring
- Bedeutung von Change Management und Kommunikation bei Datenprojekten
Auszug aus dem Buch
2.1.2.1 Ressourceninventar
Es gilt daher in der gesamten Geschäftsbezugsanalyse und bereits bei der Erstellung des sogenannten Ressourceninventars, die im Haus selbst vorhandene Daten-Expertise und die bestehenden Personal-Ressourcen bestmöglich für das Projekt zu nutzen, aber ebenso eine stringente Projektleitung und rasche Umsetzung nach dem CRISP-DM-Modell – mit stets den KPIs im Visier – sicherzustellen. Unter Beachtung dieser Grundsätze wird nun Folgendes erhoben:
Welches Personal steht für das Projekt im IT-Dienstleistungsunternehmen selbst zur Verfügung; einzubindende Geschäftsbereiche, Abteilungen.
Überprüfung, ob trotz in-house Expertise, externe Unterstützung zur Projektumsetzung notwendig bzw. sinnvoll ist (z. B. um Kerngeschäft, Kundensupport nicht zu belasten)
Abfrage und Inventarisierung der im Unternehmen bereits vorhandenen Daten, darunter im Fall "IT-Dienstleistungsunternehmen" im Speziellen:
– Umsatzdaten, inkl. Geschäftsbereichsanalysen
– Kundendaten (z. B. Kundenfrequenz, Kundentypen und deren Umsätze)
– New Business-Pipeline und Produkt- und Service-Nachfragen
– Kundenzufriedenheit, Beschwerdemanagement, Retention-Management
– Bestellsystem, Logistik- und Lagerhaltungsdaten, Ausschuss, Defekte, Schwund
– Beschaffungs- und Reparaturfrequenzen (Ersatzteilbedarf)
– Marketing-Daten aus Kampagnen, Promotions, Newsletter u. Website-Nutzung, E-Commerce
– Mitbewerber-Kampagnen und Aktionen.
Zusammenfassung der Kapitel
1 EINLEITUNG: Einführung in die Zielsetzung der Projektarbeit, die auf einem fiktiven IT-Dienstleister basiert und den Aufbau der Arbeit entlang der Phasen des CRISP-DM-Modells erläutert.
2 KONZEPT AUF BASIS DES CRISP-DM-VORGEHENSMODELLS: Detaillierte Ausarbeitung des CRISP-DM-Prozesses, unterteilt in die Phasen Geschäftsbezugsanalyse, Datenexploration, Datenvorbereitung, Modellierung, Evaluierung und Bereitstellung.
Schlüsselwörter
Data Science, CRISP-DM, IT-Dienstleister, Geschäftsanalyse, Datenvorbereitung, Modellierung, KPI, Umsatzprognose, Kundenbindung, Marketing, Change Management, Datenexploration, Business Intelligence, Marktanalysen, Projektmanagement
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit entwickelt ein praxisnahes Konzept zur Lösung betrieblicher Probleme bei einem fiktiven IT-Dienstleister unter Anwendung des CRISP-DM-Vorgehensmodells.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf der Datenanalyse zur Geschäftssteuerung, Kundenbindung, Marktbeobachtung sowie der effektiven Einbindung von Mitarbeitern durch Change-Management-Kommunikation.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist es, den Projekterfolg durch datengestützte Analysen zu sichern, um einen Turnaround bei sinkenden Umsätzen zu erreichen und nachhaltiges Wachstum zu generieren.
Welche wissenschaftliche Methode wird verwendet?
Es wird das standardisierte, sechsstufige CRISP-DM-Vorgehensmodell (Cross Industry Standard Process for Data Mining) genutzt.
Was wird im Hauptteil behandelt?
Der Hauptteil durchläuft chronologisch die Phasen des CRISP-DM-Modells, von der Geschäftsbezugsanalyse über die Datenexploration bis hin zur Modellierung und Implementierung im Unternehmen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wesentliche Begriffe sind Data Science, CRISP-DM, Umsatzprognose, Kundenbindung, Geschäftsbezugsanalyse und Change Management.
Warum wird dem Ressourceninventar eine so große Bedeutung beigemessen?
Das Ressourceninventar stellt sicher, dass interne Datenexpertise und Personalressourcen optimal genutzt werden, während gleichzeitig die KPIs und ein stringentes Projektmanagement im Fokus bleiben.
Welche Rolle spielt die Kommunikation im Projekt?
Neben der technischen Umsetzung betont der Autor die Notwendigkeit aktiver kommunikativer Begleitmaßnahmen, um die Akzeptanz bei den Mitarbeitern zu erhöhen und den Projekterfolg nachhaltig zu sichern.
- Citar trabajo
- Jürgen Gangoly (Autor), 2021, Marketing und Data Science. Analyse und Lösung von betrieblichen Problemen mit dem CRISP-DM-Vorgehensmodell, Múnich, GRIN Verlag, https://www.grin.com/document/1162879
