Im Rahmen dieser Fallstudie wird ein Projekt erarbeitet und geplant, das eingebettet ist in die Digitalisierungsstrategie des weltweit agierenden Online-Versandhändlers „Global Retail AG“. Das Ziel des Unternehmens ist es, den Absatz in den Online-Shops auf Basis von Digitalisierungsprojekten zu erhöhen. Zu diesem Zweck wurde das Thema Big Data Analytics bereits definiert, das nun im nächsten Schritt in einem Pilotprojekt etabliert werden soll. Im Folgenden wird daher die Initiierung des Projekts ausgestaltet, die einen Lösungsansatz sowie einen Projektplan umfasst. Erste Interviews mit den Abteilungen des Vertriebs und der Informationstechnologie zeigten auf, dass in der Analyse der Kundendaten Bedarf zur Optimierung bestehe, da bisher nur unregelmäßig Kundensegmentierungen stattfänden. Die Absicht ist es, den Kund:innen im Online-Shop individuelle Angebote machen zu können, abhängig vom aktuellen Nutzungsverhalten. Seitens der Informationstechnologie sei eine Infrastruktur für Business Intelligence (BI) bereits vorhanden und die Verantwortlichen gegenüber einer Erweiterung im Sinne der Absatzsteigerung positiv eingestellt.
Inhaltsverzeichnis
1. Einleitung
1.1 Projektkontext
1.2 Auftrag
1.3 Ablauf
2. Technologien zur Auftragserfüllung
2.1 Methoden der Nutzungsdatenanalyse
2.1.1 Data Mining
2.1.2 Web Analytics
2.2 Erweiterung der IT-Infrastruktur
2.3 Projektplanung
2.4 Stakeholder Management
2.4.1 Zeitplanung
2.5 Kostenplanung
3. Abschluss
Zielsetzung & Themen
Die vorliegende Fallstudie verfolgt das Ziel, einen strukturierten Lösungsansatz und einen detaillierten Projektplan zu entwickeln, um durch den gezielten Einsatz von Data Analytics und Big Data Technologien den Absatz in den Online-Shops der „Global Retail AG“ zu steigern. Dabei steht die Optimierung der Kundensegmentierung und die Ableitung individueller Kaufimpulse auf Basis des Nutzungsverhaltens im Zentrum der Analyse.
- Analyse und Auswahl geeigneter Data-Mining-Methoden für den E-Commerce
- Konzeption zur Erweiterung der bestehenden IT-Infrastruktur mittels Lambda-Architektur
- Methodische Durchführung einer Stakeholderanalyse zur Identifikation von Risiken und Ressourcen
- Erstellung eines Projekt- und Zeitplans inklusive einer fundierten Kostenschätzung
Auszug aus dem Buch
2.1.1 Data Mining
Die Methode des Data Mining bietet im Rahmen dieser Fallstudie geeignete Analysen an, soll zunächst aber im übergeordneten Verfahren umrissen werden. Dieser als „Knowledge Discovery in Databases“ (KDD) bezeichnete Prozess diene dem Generieren neuen Wissens aus Datenbeständen (Meier 2021: S. 10) und bestehe aus fünf Teilschritten. Dem Data Mining (4) vorangestellt sind die Phasen der Selektion (1), der Vorverarbeitung (2) sowie der Transformation (3) der Daten. Die Extraktion über mögliche Muster oder Zusammenhänge erfolge im letzten Schritt, der Evaluation (5). Abbildung 1 stellt den Prozess graphisch dar.
Folglich müsse im Vorfeld des Data Mining identifiziert werden, welche Daten für die Analyse von Bedeutung sind, diese anschließend bereinigt und in eine für die Verarbeitung geeignete Form überführt werden. Zudem sei es im Rahmen der Zielsetzung notwendig, die Fachbereiche und Data Scientist zusammenzuführen, um Domänen- und technisches Wissen zu verbinden. (Meier 2021: S. 15). Im vierten Schritt werden die Methoden des Data Mining schließlich angewandt und eventuell interessante Muster in den Datenbeständen aufgezeigt. Diese Methoden teilen sich dabei auf in Verfahren zur Vorhersage (Prädiktion) sowie zur Beschreibung (Deskription).
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung definiert den Projektkontext der Global Retail AG, den Auftrag zur Absatzsteigerung sowie das methodische Vorgehen der Fallstudie.
2. Technologien zur Auftragserfüllung: Dieses Kapitel erläutert Data-Mining-Methoden und Web Analytics sowie die notwendige Erweiterung der IT-Infrastruktur durch die Lambda-Architektur, ergänzt um Projekt- und Kostenplanungsaspekte.
3. Abschluss: Der Abschluss fasst die entwickelten Lösungsansätze und die Projektplanungskonzepte zusammen und resümiert die erarbeiteten Erkenntnisse zur Absatzsteigerung.
Schlüsselwörter
Data Analytics, Big Data, Online-Shop, Absatzsteigerung, Data Mining, Web Analytics, IT-Infrastruktur, Lambda-Architektur, Projektplanung, Stakeholder Management, Kundensegmentierung, Knowledge Discovery in Databases, Geschäftsprozessoptimierung, Drei-Punkt-Schätzung, Business Intelligence
Häufig gestellte Fragen
Was ist das Hauptziel der Arbeit?
Das Hauptziel ist die Entwicklung eines Projektplans zur technologischen Aufrüstung, um mittels Big-Data-Analysen den Absatz in den Online-Shops der Global Retail AG signifikant zu erhöhen.
Welche zentralen Themenfelder werden behandelt?
Die Arbeit fokussiert sich auf die Methoden der Nutzungsdatenanalyse (Data Mining und Web Analytics), die Architektur einer skalierbaren IT-Infrastruktur sowie das operative Projekt- und Stakeholder-Management.
Welche Forschungsfrage wird verfolgt?
Die Arbeit untersucht, wie durch die Integration von Data-Analytics-Systemen in eine bestehende IT-Umgebung eine datengestützte Individualisierung von Kundenangeboten ermöglicht werden kann.
Welche wissenschaftlichen Methoden kommen zum Einsatz?
Es werden Literaturanalysen zur Data-Mining-Theorie durchgeführt, eine Stakeholder-Analyse vorgenommen und eine Drei-Punkt-Schätzung für die finanzielle Projektplanung angewandt.
Was wird im Hauptteil der Arbeit vermittelt?
Der Hauptteil liefert eine detaillierte technische und organisatorische Betrachtung, von der Wahl geeigneter Analysewerkzeuge wie dem Hadoop-Framework bis hin zur zeitlichen und finanziellen Meilensteinplanung.
Durch welche Schlagworte lässt sich die Arbeit am besten charakterisieren?
Die Arbeit lässt sich primär über die Begriffe Data Mining, Lambda-Architektur, Projektmanagement und E-Commerce-Optimierung beschreiben.
Was unterscheidet das Data Mining von der Web Analytics im Kontext dieser Studie?
Während Data Mining für die Gewinnung von Erkenntnissen aus heterogenen Datenbeständen zur Kundensegmentierung genutzt wird, dient Web Analytics speziell der Sammlung und Auswertung von Nutzerverhalten auf digitalen Kanälen.
Warum wird die Lambda-Architektur als Lösungsansatz gewählt?
Die Lambda-Architektur wird gewählt, weil sie durch die Trennung von Batch- und Speed-Layer eine skalierbare Verarbeitung sowohl großer Datenmengen als auch Echtzeit-Daten zur Absatzsteigerung erlaubt.
- Quote paper
- Lennart Loose (Author), 2022, Technologieauswahl und Projektplanung zur Absatzsteigerung eines Online-Shops, Munich, GRIN Verlag, https://www.grin.com/document/1266987
