Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research Prof. Dr. Andreas Hilbert [email protected]

Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research

Prof. Dr. Andreas [email protected]

http://wiid.wiwi.tu-dresden.de01062 Dresden

Telefon +49 351 463-32359Telefax +49 351 463-32736

Rico LudwigChris ReichePatrick Schwabe

Ausgewählte Aspekte der BI:Projektseminar

Zwischenpräsentation

Mat. Nr.: 3111685Mat. Nr.: 3206958Mat. Nr.: 3235860



Die LinusbankAllgemeine Marktübersicht

Unternehmenssicht

ProblembeschreibungProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodellKampagnenauswertung

TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research

Ausgewählte Aspekte der BI: Projektseminar Zwischenpräsentation– Seite 3

Die LinusbankAllgemeine Marktübersicht

• Höhere Preissensitivität

• Häufig 2 bis 4 Bankverbindungen

• Entwicklung kostenloser Girokonten:– 2000: gesamt: 6 %

– 2005: gesamt: 10 % - 2 % Onlinekonten

– 2010: gesamt 20 % - 19 % Onlinekonten

• Allgemeine Demografie am Markt:– 21 % jünger als 30

– 15 % älter als 70 Jahre

– 19 % zwischen 40 und 49

– andere Altersgruppen jeweils ca. 15 %



Die LinusbankUnternehmenssicht

• Mittelgroße Filialbank mit 500.000 Kunden

• 5 Produkte :

• Umfangreiches Data Warehouse mit historisierter Datenbasis

• Sowohl Online- als auch Filialgeschäft



Die LinusbankProblembeschreibung

Was der Kunde sagt

Was der Kunde will

ProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodellKampagnenauswertung



ProblembeschreibungWas der Kunde sagt

„Wir wollen den Produktbesitz und die Produktnutzung unserer Bestandskunden intensivieren, um dem Wettbewerbsdruck zu begegnen. Allerdings sind die Kosten unserer jeweils produktbezogenen Cross- und Up-Selling-Kampangen hoch, und zu häufig sollten die Kunden auch nicht angesprochen werden. Deshalb wollen wir mit unseren Kampagnen vorranging die wertvollsten Kunden adressieren. Leider können wir den Erfolg von Kampagnen nur schwer beurteilen. Anhand von Vergangenheitsdaten wissen wir, dass sich unsere Kunden hinsichtlich ihres Produktbesitzes, ihrer Produktnutzung sowie ihrer Reaktion auf Kampagnen zum Teil deutlich unterscheiden.“

„Wir wollen den Produktbesitz und die Produktnutzung unserer Bestandskunden intensivieren, um dem Wettbewerbsdruck zu begegnen. Allerdings sind die Kosten unserer jeweils produktbezogenen Cross- und Up-Selling-Kampangen hoch, und zu häufig sollten die Kunden auch nicht angesprochen werden. Deshalb wollen wir mit unseren Kampagnen vorranging die wertvollsten Kunden adressieren. Leider können wir den Erfolg von Kampagnen nur schwer beurteilen. Anhand von Vergangenheitsdaten wissen wir, dass sich unsere Kunden hinsichtlich ihres Produktbesitzes, ihrer Produktnutzung sowie ihrer Reaktion auf Kampagnen zum Teil deutlich unterscheiden.“



ProblembeschreibungWas der Kunde will

• Kosten für Kampagnen sehr hoch

• Kunden nutzen wenige Produkte

• Keine Erfolgsmessung der Kampagnen

• Wertvolle Kunden unbekannt

Ziele:– Kundenzufriedenheit und Bindung erhöhen

– Wertvolle Kunden identifizieren

– Kosten reduzieren

– Erfolgsmessung für Marketingkampagnen einführen



Die LinusbankProblembeschreibungProjektplan

ProjektablaufKoordination der Projektarbeit

Deskriptive AnalyseKundenwertkonzeptKlassifikationsmodellKampagnenauswertung



ProjektplanProjektablauf

• Orientierung des Projektablaufes an den Phasen des CRISP-DM

• Einarbeitung in Bankgeschäft und Daten der Linusbank

• Festlegen der Teilziele für Projektablauf

• Erarbeiten von Kennzahlen auf Basis der vorhandenen Daten

• Evaluation der erstellten Modelle und ableiten von Handlungsempfehlungen



ProjektplanKooperation der Projektarbeit



…ProjektplanDeskriptive Datenanalyse

Übersicht über vorhandene DatenProduktverteilungProdukterträgeKundenstruktur

KundenwertkonzeptKlassifikationsmodellKampagnenauswertung



Deskriptive DatenanalyseÜbersicht über vorhandene Daten



Deskriptive Datenanalyse Produktverteilung

• Girokonto hat größten Produktanteil

• Kredit nur vergleichsweise geringer Anteil

• Anteil für Riester und Sparen minimal



Deskriptive Datenanalyse Produkterträge

• Riester und Kredit haben die höchsten Anteile an den Erträgen

• Zins, Giro und Depot vergleichsweise niedriger Ertragsanteil

Jahresertrag Laufzeitertrag

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Riester

Zins

Giro

Depot

Kredit Jahresertrag Laufzeitertrag

530 1970

140 290

40 260

25 90

450 570



Deskriptive Datenanalyse Kundenstruktur 1/2



Deskriptive Datenanalyse Kundenstruktur 2/2

• Mehr Filial- als Onlinekunden

• Kaum Unterschiede in der Altersstruktur im Vergleich Online/ Offline



…Kundenwertkonzept

Motivation

AnforderungenMögliche VerfahrenDreidimensionales KundenwertmodellKundenwert im ProjektZielsegmentierung

KlassifikationsmodellKampagnenauswertung



KundenwertkonzeptMotivation

• Banken besitzen nur beschränkte Ressourcen für Aktivitäten der

Kundenbindung

• Ziel ist es Kundensegmente zu identifizieren, die den Einsatz dieser

Ressourcen rechtfertigen

• Ermöglichung einer spezifischen Art der Betreuung von

Bestandkunden und potenziellen Neukunden

bester Bezugspunkt zur Einschätzung des Umfangs der Aktivitäten ist der Kundenwert



Kundenwertkonzept Anforderungen

• Wertebeitrag von Bestandskunden und potenziellen Neukunden

einschätzen

• Aktivitäten auf attraktive Kunden konzentrieren

• Kundenloyalität erhöhen

• Ausschöpfung von Cross- & Up-Selling-Potenzialen

• Vertriebsressourcen optimal nutzen



KundenwertkonzeptProbleme 1/2

• Zukünftiger Wertebeitrag eines Kunden unterscheidet sich sehr stark

• Relevante Daten für Kunden-Segmentierung müssen aus großer

Menge

verschiedener Daten gefiltert werden und sollen nötige

Trennschärfe

vorweisen

• Unterschiedliche Kundeneigenschaften, insb. asymmetrisch verteilte

Informationen erschweren einen objektiven Vergleich



Kundenwertkonzept Probleme 2/2

• Welche monetären und nicht-monetären Determinanten müssen

berücksichtigt werden?

• Wie können diese Determinanten operationalisiert werden?

• Wie kann die Entwicklung der zukünftigen Erträge und Kosten

geschätzt werden?

• Wie können die notwendigen Informationen aus der Vergangenheit zur

Verfügung gestellt werden?

• Wie kann das Problem der Zurechenbarkeit auf einen einzelnen

Kunden gelöst werden?



KundenwertkonzeptMögliche Verfahren

• Qualitative Segmentierung

• ABC-Analysen

• Kunden-Deckungsbeitragsrechnung

• Kunden-Scoring-Modelle

• Kunden-Portfolio-Analyse

• Customer-Lifetime-Value

Entscheidung für ein dreidimensionales Kundenwertmodell



KundenwertkonzeptDreidimensionales Kundenwertmodell

• Kundenwert misst den

erwarteten Wertebeitrag eines

Kunden

• Derzeitige & zukünftige CFs

werden berücksichtigt

Kundenwert

=

Quelle: Reuß, Zimmermann, Zwiesler: „spartenübergreifendes Kundenwertmodell“ in Versicherungswirtschaft, Heft 4/2006, S. 303 - 307



KundenwertkonzeptKundenwert im Projekt

Merkmale von "guten" Kunden:

• mit hohem Kreditvolumen

• geringer Kreditausfallwahrscheinlichkeit

• mit hoher Einlage

• mit hohen Einkommen • treu

Durch welche Daten lassen

sich solche Kunden erkennen?

• Kreditvolumen (VOLUMEN_KREDIT)

• Kreditwürdigkeit

• Einlagen-Netto-Volumen

• Einlagenvolumen

• Saldo Girokonto

• Beziehungsdauer



KundenwertkonzeptZielsegmente

Quelle: Börner: „Kundenwert als Maßstab für die Vertriebssteuerung“ in Bankstrategien im Firmenkundengeschäft (2005)



…ProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodell

Bedingungen

Voraussetzung

Modelltypen

Kampagnenauswertung



KlassifikationsmodellBedingungen

• Fehler erster Art (falsch positiv) vermeiden Kunde wird als Wertvoll klassifiziert, obwohl er nicht wertvoll ist

Kunde wird ein hohes Abschlusspotenzial vorhergesagt, obwohl er kein Produkt kaufen wird

• Fehler zweiter Art (falsch negativ) ausschließen wertvolle Kunden werden nicht erkannt Abschlusspotential bleibt unerkannt

praktisch nicht erfüllbar!



KlassifikationsmodellVoraussetzung

• Kennzahlen– An was lassen sich wertvolle Kunden messen?

• VOLUMEN_GESCHÄFT

• Kreditvolumen (VOLUMEN_KREDIT

• Kreditwürdigkeit

• Einlagen-Netto-Volumen

• Einlagenvolumen

• Saldo Girokonto

• Beziehungsdauer

• (Daten aus SAS suchen und für Problem nehmen)

– Woran lässt sich die Erfolgswahrscheinlichkeit einer Kampagne messen?• ABSCHLUSSWAHRSCHEINLICHKEIT

• Verhältnis zwischen WIRKGRUPPE KONTROLLGRUPPE



KlassifikationsmodellModelltypen 1/2

• Klassifikationsmodelle ordnen Elemente in Segmente ein

• Klassifikationsmodelle sind– Entscheidungsbäume

– Künstliche Neuronale Netze• Einschichtig vs. mehrschichtig

• Feedforeward vs. Feedback

– Multivariate Verfahren der Statistik• Regressionsanalyse

• Varianzanalyse

• Diskriminanzanalyse

• Kontingenzanalyse

• Logistische Regression

• Strukturgleichungsmodell



KlassifikationsmodellModelltypen 1/2

Diskriminanzanalyse als Kanditat für Kundenwertmodell

• Aufgrund einer Menge von p Variablen ("features") auf die Klassenzugehörigkeit eines Objektes schließen

• Standard-Beispiel: Kredit-Scoring– mtl. Einkommen

– Familienstand

– Beruf

– Kredithöhe

– Zurückzahlungsschema

• Auswertung nach Statistischen Kriterien, wie:– Kleinste erwartete Fehlerrate

– Minimale erwartete Kunden



Die LinusbankProblembeschreibungProjektplanDeskriptive AnalyseKundenwertkonzeptKlassifikationsmodellAusblick



Ausblick

• Kampagnenauswertung

• Modellauswahl

• Dokumentation der Projektschritte

Documents

Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research Prof. Dr. Andreas Hilbert [email protected]