Business Analyse und CRM bei der Credit Suisse

Inhaltsverzeichnis

1 Einführung

2 Grundlagen des CRM
2.1 Überblick
2.2 Strategisches CRM
2.3 Operationelles CRM
2.4 Analytisches CRM

3 Voraussetzungen des analytischen CRM
3.1 Datenschutz
3.2 Technische Voraussetzungen
3.3 Bereitstellung der Daten
3.4 Kompetenzen

4 Zielsetzung des analytischen CRM

5 Beurteilung der Datenquellen
5.1 Datenquellen
5.2 Datenqualität

6 Strategischer Stellenwert
6.1 Bedeutung des analytischen CRM-Systems
6.2 Bedeutung des operativen CRM-Systems

7 Zielerreichung des analytischen CRM

8 Fazit

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einführung

Die Credit Suisse Group ist ein führendes, global tätiges Finanzdienstleistungsunternehmen mit Hauptsitz in Zürich. Die Credit Suisse ist in über 50 Ländern tätig und beschäftigt rund 45.000 Mitarbeiter. Als globale Bank bietet Credit Suisse ihren Kunden weltweit Dienstleistungen in den Bereichen Investment Banking, Asset Management und Private Banking an.^[1]

Die Credit Suisse hat im Jahr 2000 das operative CRM-System FrontNet eingeführt. Damit kann ein Relationship Manager - die wichtigste Schnittstelle zwischen Kunde und Bank - über ein Portal auf alle maßgeschneiderten Applikationen zugreifen, die er für eine umfassende Kundenbetreuung benötigt.^[2]

In dieser Arbeit wird nun das Projekt Loyalty Based Management zum Aufbau und Nutzung der Infrastruktur für das analytische CRM in der Credit Suisse vorgestellt.^[3]

2 Grundlagen des CRM

2.1 Überblick

Um was geht es grundsätzlich beim CRM? Laut Schulze ist CRM ein kundenorientierter Managementansatz, bei dem Informationssysteme das erforderliche Wissen zur Unterstützung der Front-Office-Prozesse im Marketing, Verkauf und Service sammeln, analysieren und integriert bereitstellen. Unternehmen verwenden das Wissen zur Verbesserung der Kundengewinnung und der Kundenbindung, zur Erhöhung der Wirtschaftlichkeit sowie zur Verbesserung der Interaktionsmöglichkeiten mit dem Kunden.^[4]

Die von der Credit Suisse vertretene Betrachtungsweise versteht CRM als einen ganzheitlichen und systemübergreifenden Ansatz und unterscheidet zwischen analytischem, strategischem und operationellem CRM.^[5] Im Folgenden wird nun auf diese drei Bereiche näher eingegangen.

2.2 Strategisches CRM

Das strategische CRM befasst sich laut Ackermann und Nippe hauptsächlich mit der Definition von Zielgruppen, Vertriebskanälen, Produkt- und Dienstleistungsangeboten. Zentrale Fragestellungen im strategischen CRM sind: Welche Kunden sollen mit den jeweiligen Angeboten bedient werden? Welche Bedürfnisse haben diese Kunden? Mit welchen Produkten und Dienstleistungen sollen diese Bedürfnisse befriedigt werden? Über welche Kanäle werden die jeweiligen Produkte und Dienstleistungen angeboten? Und zu welchem Preis erfolgt dieses Angebot?^[6]

2.3 Operationelles CRM

Operationelles CRM bildet nach Ackermann und Nippe die Umsetzung der strategischen Entscheide in konkrete Maßnahmen. Dazu gehören unter anderem die Gestaltung der einzelnen Verkaufspunkte oder die Umsetzung von Verkaufsaktivitäten. An den Verkaufspunkten werden Kontaktberichte und mögliche Produktverkäufe erfasst und über die Frontend- und Kampagnenmanagementsysteme in die Datenbanken geschrieben. Fragestellungen, die im operationellen CRM beantwortet werden, sind: Mit welchen Marketingmaßnahmen werden die Verkaufs- und Betreuungszielsetzungen unterstützt? Wie werden die Kunden über die verschiedenen Kanäle betreut? Wie wird der Informationskreislauf bei Kundenkontakten geschlossen, das heißt, wie fließen die Informationen nicht nur zum Kunden, sondern auch wieder zurück?^[7]

2.4 Analytisches CRM

Unter analytischem CRM werden nach Zipser die Funktionen und Prozesse verstanden, welche mittels Analyseanwendungen Kundenbedarf, Kundenverhalten und Kundenwert sowie die zukünftige Entwicklung der Kundenbeziehung prognostizieren. Basis dieser Analysen sind die Kunden- und Geschäftsdaten, die mit Hilfe der operativen Systeme generiert werden. Die Grundlage von analytischen CRM-Lösungen sind Data-Warehouse-Technologien: Die Daten werden im Data-Warehouse gesammelt, organisiert und bereinigt. Aus einer solchen Datenbasis heraus lassen sich zum Beispiel mit Hilfe von Data-Mining und OLAP Statistiken oder Reports generieren, die Entscheidungsgrundlagen für Marketing-, Vertriebs- und sonstige kundenbezogene Aktivitäten schaffen.^[8]

Data-Mining ist nach Ansicht von Hippner und Wilde ein Begriff, der die Anwendung komplexer mathematischer Algorithmen beschreibt, mit deren Hilfe sich Korrelationen in den Daten ermitteln lassen, die sonst kaum zu erkennen sind.^[9] Data-Mining stellt sich in der Praxis als sehr anspruchsvolle Aufgabe dar. Der Analyst muss neben methodischen Kenntnissen auch Erfahrungen im Umgang mit Datenbanken sowie einen betriebswirtschaftlichen Hintergrund besitzen. Der Data-Mining-Prozess umfasst die Auswahl, Bereinigung, Transformation und die eigentliche Analyse der Daten. Die erzielten Ergebnisse müssen anschließend interpretiert und konsolidiert werden.^[10] Heute sind verschiedene Data-Mining-Methoden im Einsatz, so zum Beispiel neuronale Netze, Entscheidungsbäume sowie Regressionsanalysen.^[11]

Das analytische CRM stellt nach Ackermann und Nippe im Wesentlichen technische und konzeptionelle Werkzeuge für das strategische und operationelle CRM bereit. Die Analyse von Kunden-, Transaktions- oder Produktdaten bildet die Grundlage für strategische Entscheide und die daraus resultierende operative Umsetzung. In Bezug auf die Unterstützung von strategischem CRM kann analytisches CRM beispielsweise zu einer bedürfnisorientierten Segmentierung oder zu einer spezifischen Produktanpassung führen. Die Analyse der Daten hilft, Verhaltensmuster bei den Kunden zu erkennen, um daraus einen Handlungsbedarf für zielorientierte Anpassungen vorzunehmen. Die Unterstützung von operationellem CRM durch analytisches CRM erfolgt beispielsweise in spezifischen Verkaufskampagnen dadurch, dass nur noch Kunden mit sehr hoher Kaufwahrscheinlichkeit angesprochen werden.^[12]

Nun wird auf die Voraussetzungen des analytischen CRM bei der Credit Suisse näher eingegangen.

3 Voraussetzungen des analytischen CRM

3.1 Datenschutz

Data-Warehouse-Projekte unterliegen aus datenschutzrechtlicher Perspektive gewissen Grenzen. Durch die Zusammenführung von Daten aus verschiedenen Quellen können Informationen und letztlich Wissen generiert und für andere als die ursprünglich vorgesehenen Zwecke genutzt werden. Die Grundsätze des Datenschutzes müssen also berücksichtigt werden. Im Rahmen des Datenschutzes muss die Zweckbindung der Daten, die Verhältnismäßigkeit der Verwendung der Daten sowie die Datenqualität berücksichtigt werden.^[13]

[...]

^[1] Vgl. Credit Suisse (2007) S. 1.

^[2] Vgl. Janson, Heller (2003) S. 278.

^[3] Vgl. Ackermann, Nippe (2003) S 124.

^[4] Vgl. Schulze (2002) S. 15.

^[5] Vgl. Ackermann, Nippe (2003) S 125.

^[6] Vgl. ebd.

^[7] Vgl. ebd. S. 125f.

^[8] Vgl. Zipser (2003) S. 123.

^[9] Vgl. Ackermann, Nippe (2003) S. 127.

^[10] Vgl. Hippner, Wilde (2003) S. 32.

^[11] Vgl. Ackermann, Nippe (2003) S. 127.

^[12] Vgl. Ackermann, Nippe (2003) S. 126f.

^[13] Vgl. ebd. S. 132f.