In dieser Projektarbeit wird ein fiktives IT-Dienstleistungsunternehmen im Großraum Wien behandelt. Als Kerngeschäft gilt der Verkauf von PCs an Privatpersonen. Zusätzlich werden Dienstleistungen wie Support und Hilfestellungen angeboten. Das Unternehmen musste im letzten Jahr starke Umsatzeinbußen hinnehmen, obwohl weder das Produktportfolio verändert noch die Preise erhöht wurden.
Der Grund für die Umsatzeinbußen ist dem Unternehmen also nicht bekannt. Der Autor soll als externer Berater auftreten und auf Basis des CRISP-DM Vorgehensmodell ein Konzept für die Analyse und Lösung des betrieblichen Problems planen. Im Zuge dessen soll zudem festgelegt werden, welche Daten von externen und internen Quellen benötigt werden. Schlussendlich soll ebenfalls dargelegt werden, welche Rolle das Marketing für den Projekterfolg spielen könnte und welche Daten für dieses benötigt werden.
Inhaltsverzeichnis
1 EINLEITUNG
1.1 AUFGABENSTELLUNG
1.2 ZIELSETZUNG
2 KONZEPT AUF BASIS DES CRISP-DM VORGEHENSMODELLS
2.1 GESCHÄFTSBEZUGSANALYSE
2.1.1 Definition gewünschter Projektergebnisse
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
2.2.1 Beschreibung der Grundcharakteristiken der Daten
2.2.2 Beschreibung der statistischen Charakteristiken der Daten
2.2.3 Überprüfung der Datenqualität
2.2.4 Erstellung des Datenqualitätsberichts
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
2.3.4 Transformation der Daten
2.4 MODELLIERUNG
2.4.1 Erstellung des Testplans
2.4.2 Erstellung des Datenmodells
2.4.3 Bewertung des Datenmodells
2.5 EVALUIERUNG
2.5.1 Evaluierung des Gesamtprozesses
2.5.2 Festlegung der nächsten Schritte
2.6 BEREITSTELLUNG
2.6.1 Überwachung und Kontrolle der Bereitstellung
2.6.2 Erstellung eines Abschlussberichts
2.6.3 Bewertung der Projektdurchführung
3 ROLLE DES MARKETINGS FÜR DEN PROJEKTERFOLG
Zielsetzung & Themen
Das primäre Ziel der Arbeit ist die Planung und Verfeinerung eines Data Science Projekts für ein IT-Dienstleistungsunternehmen mittels des CRISP-DM Vorgehensmodells, um die Ursachen für unerklärliche Umsatzeinbußen zu identifizieren und Gegenmaßnahmen zu etablieren.
- Strukturierte Anwendung des CRISP-DM Prozessmodells
- Analyse und Vorbereitung interner sowie externer Datensätze
- Entwicklung von Prognosemodellen zur Echtzeitanalyse
- Identifikation der Rolle des Marketings als Datenquelle und Impulsgeber für den Projekterfolg
Auszug aus dem Buch
2.4 Modellierung
Die Phase der Modellierung, im englischen Data Modeling genannt, folgt auf die Datenvorbereitung und beschäftigt sich mit der Kategorisierung, Klassifikation, Prognose und Abhängigkeitsanalyse der vorbereiteten Daten. Es werden ein oder mehrere passende Werkzeuge aus dem Data Mining ausgewählt, um die Beziehungen zwischen den Daten darzustellen und zu definieren. Zudem können auch Verfahren zur Kategorisierung, wie das Clusterverfahren und KNN angewendet werden.8
In Bezug auf das IT-Dienstleistungsunternehmen können in etwa Zusammenhänge aus allgemeinen Marktdaten und Unternehmensdaten aufgedeckt werden. Ebenso wäre es denkbar, dass Daten aus dem Marketing in direkter Verbindung mit den Umsatzeinbußen stehen. Eine eventuelle Abwanderung von Kunden zur Konkurrenz kann durch das kreierte Modell nachvollzogen werden. Durch Anwendung des Clusterverfahrens auf die Daten des Ticket-Systems des Unternehmens, kann zudem relativ einfach ermittelt werden, welche Beschwerden Kunden am öftesten einbringen. Diesen gilt es dann gezielt entgegenzuwirken, um die Kundenzufriedenheit zu erhöhen. Die Modellierung mit Entity-Relationship Diagramme kann hierbei die Beziehungen zwischen den Daten visualisieren.
Zusammenfassung der Kapitel
1 EINLEITUNG: Einführung in das Projektziel, ein fiktives IT-Dienstleistungsunternehmen durch den Einsatz von Data Science bei der Identifizierung unbekannter Umsatzeinbußen zu unterstützen.
2 KONZEPT AUF BASIS DES CRISP-DM VORGEHENSMODELLS: Detaillierte Darstellung des sechsstufigen CRISP-DM Vorgehensmodells von der Geschäftsbezugsanalyse bis zur Bereitstellung der Ergebnisse.
3 ROLLE DES MARKETINGS FÜR DEN PROJEKTERFOLG: Erläuterung der Bedeutung der Marketingabteilung als essenzielle Datenquelle und strategischer Partner zur Umsetzung datenbasierter Optimierungsmaßnahmen.
Schlüsselwörter
Data Science, CRISP-DM, Geschäftsbezugsanalyse, Datenexploration, Datenvorbereitung, Modelliernung, Evaluierung, Bereitstellung, Umsatzeinbußen, IT-Dienstleister, Marketing, Prognosemodelle, Datenqualität, Kundenzufriedenheit, Performance-Messung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit?
Die Arbeit befasst sich mit der Planung eines Data Science Projekts für ein IT-Dienstleistungsunternehmen, das unter unerklärlichen Umsatzeinbußen leidet, unter Verwendung des CRISP-DM Vorgehensmodells.
Was sind die zentralen Themenfelder?
Zentrale Themen sind der strukturierte Data-Mining-Prozess, die Datenaufbereitung, statistische Analysen sowie die Einbindung operativer Abteilungen wie Marketing und Support.
Was ist das primäre Ziel des Projekts?
Das Hauptziel ist die Aufdeckung der Ursachen für die Umsatzeinbußen und die Etablierung eines datenbasierten Systems zur Echtzeitanalyse und proaktiven Problembehebung.
Welche wissenschaftliche Methode wird verwendet?
Es wird das branchenübliche CRISP-DM Vorgehensmodell eingesetzt, um den Workflow von der ersten Geschäftsanalyse bis zur finalen Bereitstellung systematisch zu strukturieren.
Was wird im Hauptteil behandelt?
Der Hauptteil durchläuft sequenziell die sechs Phasen des CRISP-DM, inklusive der technischen Aspekte der Datenbereinigung und Modellierung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Data Science, CRISP-DM, Datenexploration, Modellierung, Umsatzanalyse und Marketingstrategie.
Warum spielt das Marketing eine so wichtige Rolle für das Projekt?
Das Marketing verfügt über entscheidende Datenquellen wie Kundeninteraktionen, Werbekampagnen und Website-Analysen, die zur Ursachenforschung der Umsatzeinbußen essenziell sind.
Welche Herausforderung wird für die Modellierung besonders hervorgehoben?
Besonders die Qualität der Daten und die Notwendigkeit, sowohl interne ERP-Daten als auch externe Marktdaten sinnvoll miteinander zu verknüpfen, werden als Herausforderung und Chance identifiziert.
- Arbeit zitieren
- Ing. / BSc Florian Wokurek (Autor:in), 2022, CRISP-DM Vorgehensmodell und Rolle des Marketings für Projekterfolge. Analyse und Lösung eines betrieblichen Problems, München, GRIN Verlag, https://www.grin.com/document/1301059
