Kundenbindung durch Prognosemodelle

In Marketing und Vertrieb spielt das Customer Relationship Management (CRM) eine Schlüsselrolle: Hier wird entschieden, welche bestehenden Kunden in welcher Form betreut werden, welche potentiellen Neukunden wie angesprochen und welche ehemaligen Kunden zurückgewonnen werden sollen. Die Beantwortung dieser Fragen ist von strategischer Bedeutung und entscheidet über den Erfolg des gesamten Unternehmens. Im Rahmen der Studie. traten vier Data-Mining-Produkte gegeneinander an: Der SAS Enterprise Miner 7.1, der Statistica Data Miner 10 von Statsoft, der IBM SPSS Modeler 14.2 und das SAP BW 7 (Data Mining Workbench).

Potentiale erkennen und gezielt handeln

Der Test wurde anhand eines praxisnahen Analyseszenarios durchgeführt: Ein großer Online-Versandhändler möchte Erstbesteller, die nach einer definierten Zeitspanne keine Folgebestellung tätigen, durch bestimmte Aktionen zu einem Wiederkauf anregen. Dabei sollen nur die Kunden einen Einkaufsgutschein erhalten, bei denen mit hoher Wahrscheinlichkeit davon auszugehen ist, dass sie ohne diesen Anreiz keine weitere Bestellung getätigt hätten. Diese Kunden galt es auf Basis der vorliegenden Kundenhistorie mithilfe eines Prognosemodells vorherzusagen

Die Bewertung der Tools stützt sich auf eine Anzahl an Einzelkriterien. Sie decken sowohl Funktionalitätsaspekte (Funktionsumfang in den Kategorien Datenvorverarbeitung, Analyseverfahren und Parametrisierung, Ergebnisvisualisierung, Gesamteffizienz) als auch die Benutzerfreundlichkeit (Stabilität, Ausführungsgeschwindigkeit, Dokumentation, Bedienung) ab.
Im Endergebnis zeigen sich starke Unterschiede insbesondere im Bedienkomfort, bei der Funktionalität sowie bei den Möglichkeiten der Ergebnisauswertung.

Testfeld und Praxis

In der neuen Studie werden erstmals die drei marktführenden Suiten von SAS, Statsoft und IBM SPSS miteinander verglichen. Um zu beurteilen, wie sich ein klassisches BI-Werkzeug im Vergleich zu den etablierten Data-Mining-Suiten schlägt, wurde die SAP BW Data Mining Workbench mit ins Testfeld aufgenommen.

Bereits früh im Testablauf werden Stärken und Schwächen der jeweiligen Tools sichtbar: Die besondere Stärke von SAS liegt in der Einbettung des Enterprise Miner in eine leistungsfähige BI-Gesamtarchitektur, die neben der Analyse Möglichkeiten der Datenhaltung oder ETL-Funktionen bietet, heißt es.
IBM SPSS sei es gelungen, Funktionalität in eine moderne, intuitive Oberfläche zu verpacken Der Modeler soll durch sein Bedienkonzept und praktische Detaillösungen die beste Ergonomie im Testfeld bieten.

Statsoft punktet laut der Studie mit einer breiten Funktionsvielfalt: Der Data Miner enthält als einziges Tool im Test zusätzlich zu den gängigen Data-Mining-Verfahren das vollständige Statistikmodul. Dies schließt etwa Datenvorverarbeitungsmöglichkeiten, eine breite Palette an statistischen Testverfahren sowie frei konfigurierbare Grafiken ein, heißt es. Bei komplexen Data-Mining-Szenarien sollen viele dieser Funktionalitäten die tägliche Arbeit erleichtern. Mit bereits deutlichem Abstand folgt das SAP BW mit der Data Mining Workbench: Ihr merkt man vor allem an der unübersichtlichen und wenig logisch aufgebauten Oberfläche an, dass sie seit mehreren Jahren keine substanziellen Aktualisierungen mehr erfahren hat, heißt es. Hinzu komme praktische Einschränkungen in der Funktionalität.

Die Studie ist ab sofort zu einem Preis von 299 Euro für Unternehmen und 99 Euro für Studenten und Hochschulen erhältlich.

www.mayato.com

Bildquelle: © Konstantin Gastmann/pixelio.de