Intelligenz für das Kundenmanagement - Die Zusammenführung von Business-Analyse und CRM-Prozessen bei der Credit Suisse

Inhaltsverzeichnis

1 Einleitung

2 Klassisches Customer Relationship Management (CRM)
2.1 Customer Relationship Management (CRM)
2.2 Analytisches CRM

3 CRM bei der Credit Suisse Group
3.1 Zeitgeist und Marktentwicklung
3.2 CRM Systemeinführung
3.3 Das CRM Verständnis der Credit Suisse

4 Das analytische CRM der Credit Suisse
4.1 Zielsetzung des analytischen CRM bei der Credit Suisse
4.2 Strategischer Stellenwert des analytischen CRM vs. System Front Net bei der Credit Suisse
4.3 Datenquellen
4.4 Analytisches CRM bei der Credit Suisse vs. klassisches analytisches CRM

5 Fazit

Quellenverzeichnis

Anhang

1 Einleitung

Die Credit Suisse Group gehört zum heutigen Zeitpunkt zu den weltweit führenden Finanzdienstleistungsunternehmen der Welt. Rund 48.000 Mitarbeiter agieren in über 50 Ländern des Credit Suisse Dienstleistungsnetzwerks. Die Dienstleistung erstreckt sich auf die Bereiche: Private Banking, Investment Banking und Asset Management. Daraus ergibt sich ein vielfältiger Kundenstamm bestehend aus Unternehmen, institutionellen Kunden, staatlichen Körperschaften sowie vermögenden Privatkunden. Die Geschäftspolitik der Credit Suisse ist darauf ausgerichtet, jedem Kunden ein maßgeschneidertes Lösungspaket anbieten zu können.^[1] Mit Hilfe innovativer Methoden in Kombination mit technischen Möglichkeiten hat die Credit Suisse es geschafft, ein gewinnbringendes Kundenmanagement^[2] zu betreiben. Welche dieser Methoden und Techniken für das Kundenmanagement von Credit Suisse zielführend waren, und vor allem welche Rolle in diesem Zusammenhang das analytische Customer Relationship Management (CRM)^[3] gespielt hat, wird in der vorliegende Fallstudie untersucht und diskutiert.

Als Informationsquelle für die Erarbeitung dieser Fallstudie dient hauptsächlich der Artikel „Intelligenz für das Kundenmanagement - Die Zusammenführung von Business-Analyse und CRM-Prozessen bei der Credit Suisse“ verfasst von Thomas A. Ackermann (Credit Suisse Private Banking) und Dr. Alex Nippe (Universität Credit Suisse Private Banking), veröffentlicht im Buch „Customer Relationship Management“ im Jahr 2003, herausgegeben von M. Stadelmann u.a.. Alle weiteren Informationsquellen, die in dieser Fallstudie ihre Anwendung finden, werden mit Fußnoten belegt.

Nach der Einleitung wird im Kapitel 2 das klassische CRM und im speziellen das analytische CRM vorgestellt. Kapitel 3 spiegelt die Systemeinführung des CRM bei der Credit Suisse wieder. Im Kapitel 4 wird das analytische CRM der Credit Suisse diskutiert. Das letzte Kapitel 5 rundet die Arbeit mit einem Fazit ab.

2 Klassisches Customer Relationship Management (CRM)

2.1 Customer Relationship Management (CRM)

Das Customer Relationship Management “ist eine kundenorientierte Unternehmensstrategie, die mit Hilfe moderner Informations- und Kommunikationstechnologien versucht, auf lange Sicht profitable Kundenbeziehungen durch ganzheitliche und individuelle Marketing-, Vertriebs- und Servicekonzepte aufzubauen und zu festigen“. (Hippner/Wilde 2002, S. 6 ff)^[4]

Ein CRM System beinhaltet eine Vielzahl an Prozessen (siehe Abbildung 1 im Anhang I), die sich in drei Funktionsbereiche unterteilen lassen: das operative CRM, das analytische CRM und das kollaborative CRM. Alle drei Funktionsbereiche stehen in einer engen Austauschbeziehung zu einander.^[5] Abbildung 2 visualisiert das Zusammenspiel der drei Funktionsbereiche.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2 - Komponenten und Closed Loop Architecture eines CRM-Systems

Das operative CRM ist auf unmittelbare kundenbezogene Geschäftsprozesse ausgerichtet, agiert im Front Office Bereich und beinhaltet somit alle Prozesse mit direktem Kundenkontakt. Dazu gehören: u.a. das Kampagnenmanagement, Vertriebsmanagement, Servicemanagement, Beschwerdemanagement, Kundenbindungsmanagement, Rückgewinnungsmanagement und das Neukundenmanagement.^[6]

Für das analytische CRM werden Daten aus dem operativen CRM in einer Datenbank verarbeitet. Durch eine systematische und kontinuierliche Auswertung (Data Mining) kann die Optimierung der operativen Prozesse gewährleistet werden, zum Beispiel durch Kundenscoring, Leadmanagement, Kundenprofiling oder Kundensegmentierung.^[7]

Das strategische CRM, auch als kollaboratives CRM bezeichnet,^[8] dient zum einen der Führung und Entwicklung der angewandten CRM Informationssysteme. Dazu gehören: die CRM Strategieentwicklung, CRM Prozessführung oder das Multikanalmanagement. Zum anderen beschäftigt es sich mit dem vorhandenen Wissen in einer Unternehmung, den Wissensflüssen und dem Wissensaustausch innerhalb der gegebenen Informationssysteme, aber auch mit der Wissensqualität und der Datensicherung.^[9]

Das klassische CRM beinhaltet somit Unternehmensaktivitäten, die darauf ausgerichtet sind, nachhaltige Kundenbeziehungen zu generieren, zu pflegen und auszubauen. Die Entwicklung und Optimierung der dazu geeigneten Informations- und Kommunikationssysteme, Maßnahmen, Prozesse und der übergeordneten Strategie des Kundenmanagements gehören ebenfalls zum Wirkungsbereich des CRM.

2.2 Analytisches CRM

Wie im Kapitel 2.1 aufgeführt, gehört das analytische CRM zu den drei Funktionsbereichen des klassischen CRM und ist somit verantwortlich für die Datenerfassung, die Datenanalyse und die Datenaufbereitung.^[10]

Die Datenerfassung erfolgt systematisch in einer zentralen Datenbank, diese ist an alle relevanten Schnittstellen des Systems gekoppelt. Hierzu werden die im operativen CRM und kollaborativen CRM generierten Daten im so genannten Data Warehouse zusammengeführt und archiviert. Im analytischen CRM sind alle Informationen, die an Customer Touch Points^[11] entstehen wichtig.^[12]

Sobald eine Rohdatensammlung vorliegt, erfolgt im weiteren Verlauf des analytischen CRM die Datenanalyse und die Datenaufbereitung. Unter Einsatz geeigneter Analysetechniken (wie z.B. OLAP oder Data Mining) werden erfolgsrelevante Daten aus dem Rohdatenbestand ermittelt und zu standardisierten Berichten oder Ergebnislisten aufbereitet. Die Analyseergebnisse dienen dem Management im Wesentlichen zur Orientierung für die Strategien- und Maßnahmenbildung.^[13]

Die bekanntesten programmierten Datenanalyseverfahren sind:

- Das Online Analytical Processing (OLAP) strukturiert Rohdaten aus dem Data Warehouse in eine multidimensionale Darstellung. Diese Darstellungsweise ermöglicht die Analyse der Daten zum einen nach vielfältigen Kriterien, zum anderen aus unterschiedlichen Blickwinkeln und schließlich über längere historische Zeiträume. OLAP hilft somit Trends zu erkennen und den Ist-Zustand zu ermitteln.^[14]
- Die Technologie des Data Mining verwendet zur Analyse von Daten statistische Methoden und Verfahren aus der künstlichen Intelligenz^[15]. Hierbei werden aus dem vorhandenen Datenbestand Muster identifiziert, die wiederum auf bestimmte Verhaltensweisen analysiert werden. Dies ermöglicht die Generierung von Trends und Prognosen, die Aufdeckung von verborgenen Strukturen und Zusammenhängen, sowie die Ermittlung von Ursachen.^[16]
- Das Web Mining basiert auf dem gleichen Prinzip wie das Data Mining findet jedoch seine Anwendung im WWW und dient der Optimierung des webbasierten Customer Touch Points.^[17]

[...]

^[1] Vgl. o.V. (2007), Geschäftsbericht 2007, S. 10ff.

^[2] Kundenmanagement – „ umfasst die Kundenaquisition, Kundenbetreuung und Kundenbindung, Kundenrückgewinnung “ – vgl, Hippner, H., Wilde, K. (2006), Grundlagen des CRM, S. 401-402.

^[3] Siehe Kapitel 2

^[4] Vgl. Hippner, H., Wilde, K. (2006), Grundlagen des CRM, S. 18.

^[5] Vgl. Rebstock, M. (2007), Lernmodul 7, Anwendungen: Übersicht, Operatives CRM, Darmstadt 2008, Folie: Operative, Analytical und Collaborative CRM.

^[6] Vgl. Dous, M. (2007), Kundenbeziehungsmanagement …, S. 31-32 und vgl. Hippner, H., Wilde, K. (2006), Grundlagen des CRM, S. 1 ff.

^[7] Vgl. Dous, M. (2007), Kundenbeziehungsmanagement …, S. 32-33.

^[8] Vgl. Rebstock, M. (2007), Lernmodul 7, Anwendungen: Übersicht, Operatives CRM, Darmstadt 2008, Folie: Operative, Analytical und Collaborative CRM.

^[9] Vgl. Dous, M. (2007), Kundenbeziehungsmanagement …, S. 33-35.

^[10] Vgl. Weihofen, C. (2004), Potenziale des Internet …, S 96.

^[11] z.B. eine Filiale, das Customer Interaktion Center oder eine Webseite.

^[12] Vgl. Hippner, H., Wilde, K. (2006), Grundlagen des CRM, S. 49.

^[13] Vgl. Hippner, H., Wilde, K. (2006), Grundlagen des CRM, S. 49.

^[14] Vgl. Hippner, H., Wilde, K. (2006), Grundlagen des CRM, S. 49-51.

^[15] Künstliche Intelligenz - Computergestützte Verfahren, die Verhalten analysieren und daraus Rückschlüsse ziehen. – Vgl. o.V., (2009), KI (Künstliche Intelligenz), www.itwissen.info, (Abrufdatum 24.01.2009).

^[16] Vgl. Weihofen, C. (2004), Potenziale des Internet …, S 147-148.

^[17] Vgl. Weihofen, C. (2004), Potenziale des Internet …, S 148.