Das Ziel der Arbeit ist es, aufzuzeigen, wie durch Data Mining das Kundenbeziehungsmanagement verbessert werden kann. Die Einsatzmöglichkeiten im Bereich des CRMs sollen dazu dienen, sowohl den Prozess als auch den Service zu verbessern. Die Wünsche des Kunden müssen beachtet und einbezogen werden.
Es soll mithilfe des Data Mining eine gute Beziehung zwischen Kunden und Unternehmen aufgebaut werden, um die Kunden langfristig an das Unternehmen zu binden und Vertrauen aufzubauen. Wichtig ist aufzuzeigen, wie anhand der Methoden und Prozesse die Gewinnung von Daten und die dahinter verborgenen Strukturen und Muster erkannt und gezielt eingesetzt werden können, um sich Vorteile gegenüber den Wettbewerbern zu verschaffen. Ein zentraler Baustein langfristiger Kundenbindung ist die Erkenntnis, wie Kunden in bestimmten Situationen reagieren, um sie bereits vorab bei der Lösung ihrer Probleme unterstützen zu können.
Darüber hinaus ist es im Bereich des Kundenbindungslebenszyklus maßgebend zu erkennen, welche Zielgruppen Potenzial aufweisen gewonnen zu werden, welche Kunden gehalten werden sollten und welche Kunden auf Dauer zu viele Ressourcen binden. Stellt sich in einem Unternehmen in dieser Hinsicht ein funktionierender Zyklus dar, ist ein gutes Beziehungsmanagement gewährleistet.
Inhaltsverzeichnis
- 1. EINLEITUNG
- 1.1 PROBLEMSTELLUNG
- 1.2 ZIELSETZUNG
- 1.3 VORGEHENSWEISE UND AUFBAU DER ARBEIT
- 2. DATENSCHUTZ
- 2.1 RECHTLICHE BETRACHTUNG FÜR DATENSAMMLUNG UND VERWENDUNG
- 2.2 GESELLSCHAFTLICHE BETRACHTUNG
- 3. UNTERNEHMENSANFORDERUNGEN
- 3.1 ORGANISATORISCH
- 3.2 TECHNISCH
- 4. CUSTOMER-RELATIONSHIP-MANAGEMENT (CRM)
- 4.1 KUNDENBASIERENDE UNTERNEHMENSSTRATEGIE
- 4.2 CRM-SYSTEME
- 4.2.1 Operatives CRM
- 4.2.2 Kollaboratives CRM
- 4.2.3 Analytisches CRM
- 5. DATA MINING
- 5.1 KNOWLEDGE DISCOVERY IN DATABASES (KDD)
- 5.2 PROZESSE
- 5.2.1 CRISP-DM
- 5.2.2 SEMMA
- 5.3 KÜNSTLICHE INTELLIGENZ
- 5.4 TEXT MINING
- 6. NUTZUNGSPOTENZIALE VON DATA MINING IM CRM
- 6.1 METHODEN
- 6.1.1 Klassifikation / Prognose
- 6.1.2 Segmentierung
- 6.1.3 Abhängigkeitsentdeckung
- 7. EINSATZMÖGLICHKEITEN IN CRM-SCHLÜSSELBEREICHEN
- 7.1 VERTRIEB
- 7.2 MARKETING
- 7.3 SERVICE
- 8. DATA MINING IM KUNDENBEZIEHUNGS-LEBENSZYKLUS
- 8.1 INTERESSENTENMANAGEMENT
- 8.2 KUNDENBINDUNGSMANAGEMENT
- 8.3 RÜCKGEWINNUNGSMANAGEMENT
Zielsetzung und Themenschwerpunkte
Diese Bachelor-Thesis befasst sich mit den Einsatzpotenzialen von Data Mining zur Verbesserung des Customer-Relationship-Managements (CRM). Ziel ist es, aufzuzeigen, wie Data Mining Methoden und Technologien eingesetzt werden können, um Kundenbeziehungen zu optimieren und den Unternehmenserfolg zu steigern.
- Rechtliche und gesellschaftliche Aspekte des Datenschutzes im Kontext von Data Mining im CRM.
- Die Bedeutung von Data Mining für die Optimierung von CRM-Prozessen und die Entwicklung von kundenorientierten Unternehmensstrategien.
- Die Analyse verschiedener Data Mining Methoden und deren Anwendung in CRM-Schlüsselbereichen wie Vertrieb, Marketing und Service.
- Der Einsatz von Data Mining im Kundenbeziehungs-Lebenszyklus, insbesondere in den Phasen des Interessentenmanagements, Kundenbindungsmanagements und Rückgewinnungsmanagements.
- Die Herausforderungen und Chancen von Data Mining im CRM, sowie ein Ausblick auf zukünftige Entwicklungen.
Zusammenfassung der Kapitel
Die Arbeit beginnt mit einer Einleitung, die die Problemstellung, die Zielsetzung und den Aufbau der Arbeit erläutert. Im zweiten Kapitel werden die rechtlichen und gesellschaftlichen Aspekte des Datenschutzes im Kontext von Data Mining und CRM diskutiert. Kapitel 3 befasst sich mit den unternehmerischen Anforderungen an CRM-Systeme, sowohl organisatorisch als auch technisch. Kapitel 4 führt in das Customer-Relationship-Management (CRM) ein und beleuchtet die kundenbasierte Unternehmensstrategie sowie verschiedene CRM-Systemtypen. Kapitel 5 widmet sich dem Thema Data Mining, mit einer Beschreibung von Knowledge Discovery in Databases (KDD) und den dazugehörigen Prozessen CRISP-DM und SEMMA, sowie einer Diskussion der künstlichen Intelligenz und des Text Mining.
Kapitel 6 analysiert die Nutzungspotenziale von Data Mining im CRM, mit einem Fokus auf verschiedene Methoden wie Klassifikation/Prognose, Segmentierung und Abhängigkeitsentdeckung. In Kapitel 7 werden Einsatzmöglichkeiten von Data Mining in CRM-Schlüsselbereichen wie Vertrieb, Marketing und Service vorgestellt. Kapitel 8 schließlich beleuchtet den Einsatz von Data Mining im Kundenbeziehungs-Lebenszyklus, mit einem Fokus auf die Phasen des Interessentenmanagements, Kundenbindungsmanagements und Rückgewinnungsmanagements.
Schlüsselwörter
Data Mining, Customer Relationship Management (CRM), Kundenbeziehung, Datenanalyse, Knowledge Discovery in Databases (KDD), CRISP-DM, SEMMA, Künstliche Intelligenz (KI), Text Mining, Vertrieb, Marketing, Service, Kundenbindung, Rückgewinnung, Datensicherheit, Datenschutz.
- Arbeit zitieren
- Michael Schuster (Autor:in), 2020, Data Mining. Einsatzpotenziale zur Verbesserung des Customer-Relationship-Managements, München, GRIN Verlag, https://www.grin.com/document/936267
