(openPR) Berlin, 20. Juli 2009 — Die Praxis zeigt, dass Data-Mining-Projekte den Anwendern erhebliche Potentiale für Kosteneinsparungen und Umsatzgenerierung erschließen. Dennoch wagen sich viele, gerade mittelständische Unternehmen noch nicht an die als komplex geltende Technologie heran. Aus Sicht des BI-Analysten- und Beratungshauses mayato lohnt sich jedoch gerade in Krisenzeiten die Auseinandersetzung mit analytischen Methoden, die tiefere Einblicke in Ursachen und Zusammenhänge bringen und dadurch den Erfolg unternehmerischen Handelns erhöhen. Insbesondere für das Kampagnenmanagement, bei der Kundenabwanderungsprävention, im Cross Selling, bei Betrugsabwehr, der Bewertung von Risiken und der Straffung interner Prozesse lassen sich mit geringen Investitionen nachweisbar kurzfristige Ergebnissteigerungen für ein Unternehmen erzielen.
Die IT-Budgets sinken, Projekte im Bereich BI bleiben jedoch vielfach unangetastet: Das zeigte eine Studie von mayato und RAAD Research im April 2009, bei der 61 Prozent der 325 befragten IT-Verantwortlichen entsprechende Projekte als nicht gefährdet einstuften. Eher verhalten gehen Unternehmen bisher mit dem Thema Data Mining um, das mit prädiktiven (vorausschauenden) Analysen dabei hilft, Schwachstellen und Potentiale aufzudecken, die selbst für das Expertenauge nicht sichtbar sind. Dabei lassen sich nach Erfahrung der BI-Spezialisten von mayato gerade bei gut aufgesetzten Data-Mining-Vorhaben Kosten und Erfolgswahrscheinlichkeit sehr gut im Vorfeld abschätzen und schnell ein signifikanter ROI (Return On Investment) erzielen - anders als dies oftmals bei anderen BI-Anwendungen im Data-Warehouse- und Reporting-Umfeld möglich ist.
„Viele Unternehmen haben im Rahmen bestehender Lizenzen von Oracle, Microsoft, IBM oder SAP bereits Data-Mining-Funktionalität im Haus, die bisher brachliegt. Für gezielte Fragestellungen und DM-Pilot-Untersuchungen lassen sich zudem schon mit geringen Mitteln auf Basis von Open-Source-Tools oder Self-Acting Data Mining nachweislich erfolgreiche Projekte entwickeln“, sagt Dr. Marcus Dill, Geschäftsführer der mayato GmbH. „Den Kosten im unteren fünfstelligen Eurobereich steht häufig ein Vielfaches an Kosteneinsparungen oder Umsatzsteigerungen gegenüber: Resultate, die überzeugen und meist kurzfristige Folgeprojekte sowie strategische Investitionen in Data Mining bewirken.“
Zu den klassischen Anwendungsgebieten gehört der CRM-Bereich (Customer Relationship Management). Da in Krisenzeiten gern bei den Marketing-Budgets gespart wird, helfen Data-Mining-Tools, im Kampagnenmanagement Kosten für Mailings, Telefonate und Werbematerialien zu reduzieren. Durch verbesserte Zielgruppenanalysen können diejenigen Kunden und Interessenten gefiltert werden, bei denen beispielsweise eine teure Hochglanzbroschüre den wahrscheinlich größten Effekt erzielt. Der Erfolg des DM-Einsatzes ist klar an gestiegenen Response-Raten bei gleichzeitig sinkenden Kosten für Kampagnen zu messen, womit solche Projekte gerade in Zeiten von Krise und knappem Geld besonders attraktiv sind.
Es geht aber nicht nur um die Einsparung von Kosten. Oftmals stehen beim Data Mining eher der Erhalt bestehenden Geschäfts und die Erschließung von Ausbaupotenzialen im Fokus. Im Bereich Cross Selling etwa erschließen DM-Verfahren neue Verkaufschancen, indem analysiert wird, welche Kunden voraussichtlich auch ein anderes Produkt kaufen würden. Zu den wesentlichen Einsatzbereichen von Data Mining bei Telcos und Banken zählen auch sogenannte Churn-Analysen, die abwanderungswillige Kunden identifizieren sollen. Praxisbeispiele zeigen, dass sich die Abwanderungsquote teilweise um zweistellige Prozentsätze senken lässt.
Auch im Umfeld interner Prozesse lohnt es sich, mit DM-Funktionalität anzusetzen. So lassen sich eine Reihe von typischen Unternehmensprozessen und Workflows teilweise automatisieren und effektiver gestalten. Das gilt zum Beispiel für das Routing von Kundenanfragen an zuständige Sachbearbeiter, für Bedarfsprognosen im Einkauf, die Risikobewertung durch Finanzdienstleister oder für die Ermittlung von Geldwäscheverdachtsfällen. Auch bei Complianceverstößen in der Pharmabranche, beim Aufspüren von Qualitätsproblemen in produzierenden Unternehmen und bei der Prognose von Ersatzteilausfällen in Kraftwerken hilft Data Mining, relevante Muster schnell und automatisiert zu erkennen. So entsteht die Basis für einen gezielteren und kostengünstigeren Ressourceneinsatz. Data Mining ersetzt in diesen Fällen den Menschen nicht vollständig, versetzt ihn aber oft überhaupt erst in die Lage, sein Expertenwissen auf die Stecknadeln im Heuhaufen anzuwenden.
Ein spezieller Anwendungsfall, vor allem bei Banken und Finanzdienstleistern, aber auch im Handel und anderen Branchen, ist die Betrugserkennung (Fraud Detection). Gerade in Krisenzeiten nimmt die Häufigkeit von Betrug und Zahlungsausfällen zu. Bessere Vorhersageverfahren können hier leicht helfen, hohe Verluste – häufig im Bereich von mehreren Millionen Euro – einzusparen. Der Technikversand Conrad hat beispielsweise eine DM-Lösung implementiert, mit der sich die Häufigkeit von Betrug im Onlinehandel um mehr als 70 Prozent reduzieren ließ. Auch die Mercedes-Benz Bank konnte im Rahmen einer Data-Mining-Pilotstudie in einer großen Zahl an Leasing- und Finanzierungsverträgen die wenigen, aber schadensträchtigen Betrugsverdachtsfälle schon so früh identifizieren, dass Verluste im sechsstelligen Eurobereich vermieden werden konnten. Projekt und Softwaremiete amortisierten sich nicht nur innerhalb von vier Monaten, sondern warfen noch signifikanten Ertrag ab, über den unter anderem verfeinerte Data-Mining-Analysen finanziert werden können.
