Die Bewältigung gigantischer Datenvolumen (Big Data) stellt die meisten Unternehmen heute vor erhebliche Probleme. Während es in der Vergangenheit noch hauptsächlich um die Speicherung und Verwaltung mehrerer Tera- oder sogar Petabytes ging, so fragt man sich gegenwärtig, ob und in welchen Branchen diese oft irrelevanten Daten zur Umsatzsteigerung, zu Einsparungen oder zu Prozessoptimierungen genutzt werden können.
Als Stichwort kann hier Predictive Analytics (PA) genannt werden. PA gilt als eine neuartige Methode, bei der auf Basis von prognostizierenden Analysen komplexe wirtschaftliche Zusammenhänge durch Unternehmen identifiziert werden und das daraus ableitbare Wissen als fundierte Entscheidungsgrundlage herangezogen wird. Durch die Identifikation von Mustern und Algorithmen strukturierter und unstrukturierter Datenmengen, lassen sich künftig nicht nur Trends und damit einhergehende Chancen, sondern auch Bedrohungen und damit zusammenhängende Risiken kalkulieren und prognostizieren.
Die vorliegende Arbeit soll aufzeigen, welche Bedeutung PA-Systeme für das Customer Relationship Management (CRM) haben und wie die verschiedenen Systeme bewertet werden können. Darüber hinaus wird veranschaulicht, wie komplexe PA-Systeme auch Input für die Strategische Ausrichtung geben können.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Aktuelle Forschungsansätze von Predictive Analytics im Customer Relationship Management
- 2.1 Funktionen und Prozess der Predictive Analytics
- 2.2 Relevanz der Predictive Analytics für das Customer Relationship Management
- 3. Praxisrelevante Kriterien für die Bewertung von Predictive Analytics-Systemen
- 4. Anwendung von Predictive Analytics Tools zur ganzheitlichen Fokussierung auf das Customer Relationship Management in einer Unternehmung
- 5. Fazit und Ausblick
Zielsetzung und Themenschwerpunkte
Die Ausarbeitung befasst sich mit dem Thema "CRM 2.0" und konzentriert sich auf die Bewertung neuer Systeme der "Predictive Analytics". Sie untersucht die aktuellen Forschungsansätze und die Relevanz von Predictive Analytics im Customer Relationship Management. Darüber hinaus werden praxisrelevante Kriterien zur Bewertung von Predictive Analytics-Systemen vorgestellt und die Anwendung dieser Tools zur ganzheitlichen Fokussierung auf das Customer Relationship Management in einem Unternehmen analysiert.
- Aktuelle Forschungsansätze von Predictive Analytics im Customer Relationship Management
- Relevanz von Predictive Analytics für das Customer Relationship Management
- Bewertungskriterien für Predictive Analytics-Systeme
- Anwendung von Predictive Analytics Tools im Customer Relationship Management
- Ganzheitliche Fokussierung auf das Customer Relationship Management in einem Unternehmen
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung: Die Einleitung stellt das Thema "CRM 2.0" und den Fokus der Ausarbeitung auf "Predictive Analytics" vor. Sie gibt einen Überblick über die Bedeutung von Predictive Analytics im Kontext des Customer Relationship Managements.
- Kapitel 2: Aktuelle Forschungsansätze von Predictive Analytics im Customer Relationship Management: Dieses Kapitel beleuchtet die Funktionen und den Prozess der Predictive Analytics. Es untersucht, wie diese Technologie das Customer Relationship Management beeinflusst und welche Relevanz sie für Unternehmen hat.
- Kapitel 3: Praxisrelevante Kriterien für die Bewertung von Predictive Analytics-Systemen: Dieses Kapitel stellt wichtige Kriterien zur Bewertung von Predictive Analytics-Systemen vor. Es bietet eine Grundlage für Unternehmen, um die richtige Wahl für ihre spezifischen Bedürfnisse zu treffen.
- Kapitel 4: Anwendung von Predictive Analytics Tools zur ganzheitlichen Fokussierung auf das Customer Relationship Management in einer Unternehmung: Dieses Kapitel analysiert, wie Predictive Analytics Tools eingesetzt werden können, um das Customer Relationship Management in Unternehmen zu verbessern. Es zeigt, wie diese Technologie zu einer ganzheitlichen Fokussierung auf die Kundenbeziehung beitragen kann.
Schlüsselwörter
Predictive Analytics, Customer Relationship Management (CRM), CRM 2.0, Bewertungskriterien, Praxisrelevanz, ganzheitliche Fokussierung, Unternehmen, Kundenbeziehung, Forschungsansätze, Technologie.
- Arbeit zitieren
- Felix Zappe (Autor:in), Daniel Gräbener (Autor:in), Samira Moawad (Autor:in), 2015, Relevanz und Bewertungskriterien für Predictive Analytics Tools im Customer Relationship Management, München, GRIN Verlag, https://www.grin.com/document/318733
