04.04.2013 Herausforderungen von Big Data

Kundenmanagement mit Big-Data-Analytics-Verfahren

Von: Dr. Matthias Meyer*

„Big Data“ bringt für Unternehmen nicht nur riesige Datenberge, sondern auch riesige Herausforderungen mit sich – insbesondere in der Kommunikation mit dem Kunden.

Papierberg, Bildquelle: Thinkstock/Photodisc

Grund für die wachsenden Anforderungen sind neue Informations- und Kommunikationsmöglichkeiten: Webseiten, Hotlines, Apps, Social Media – sie alle ermöglichen die Interaktion zwischen Unternehmen und Kunden. Zwar entstehen so neue Informationen über den Kunden, sein Such- oder Kaufverhalten, seine Bedarfe und seine Interessen – gleichzeitig wird es für Unternehmen aber auch schwieriger, den Kunden wirklich zu verstehen.

Der Weg eines Kunden bis zu einer Entscheidung ist heutzutage lang und komplex. Bevor sich ein Kunde für ein Produkt entscheidet, informiert er sich im Internet bei verschiedenen Herstellern, vergleicht Preise oder liest in Foren über die Erfahrungen von anderen Nutzern. Möglicherweise überzeugt ihn letztendlich eine Diskussion auf Facebook. Die Einflussfaktoren sind vielfältig – für Unternehmen wird es dadurch schwierig, das Verhalten eines Kunden im Detail nachzuvollziehen.

Kaufbeeinflussende Schritte

Denn vor dem eigentlichen Kauf wird er diverse kaufbeeinflussende Schritte durchlaufen haben. Um diese zu erfassen, kann z. B. durch die Verwendung von Cookies Webverhalten getrackt werden. Auf diese Weise können unternehmensinterne und externe Datenquellen kombiniert werden, so dass Kundenverhalten über unternehmenseigene Quellen hinaus transparent gemacht werden kann. Die daraus entstehenden Daten sind zwar dank neuer Technologien speicherbar, werden aber nicht zwangsläufig geeignet sein, um daraus ein umfassendes Kundenverständnis abzuleiten. Erst durch die Selektion und Auswertung der wirklich wichtigen Daten wird es möglich, Kunden auf ihren individuellen Wegen zu einer Entscheidung zu verstehen.

Dafür sind sogenannte Big-Data-Analytics-Verfahren gefragt, wie sie z. B. SHS Viveon anbieten. Diese analytischen Prozesse und Methoden zeichnen sich durch eine hohe Granularität, eine starke Individualisierbarkeit und die Bereitstellung von Erkenntnissen in Echtzeit aus. Sie ermöglichen auch eine Zusammenführung und Auswertung interner und externer sowie unstrukturierter Daten – dazu zählen etwa Freitextangaben. So ist es beispielsweise möglich, bei Online-Einkäufen Nutzer anhand ihrer eingegebenen Daten in Echtzeit zu analysieren und in Kundensegmente einzuordnen. Dadurch können bei komplexen Produkten sofort individuell auf den Kunden zugeschnittene Angebote erstellt werden. Ein weiteres Beispiel sind Empfehlungssysteme, die aufgrund vorhandener Daten in Echtzeit Empfehlungen für den Kunden abgeben. Aber Big Data Analytics kann auch zum Schutz des Unternehmens, z.B. für die Betrugsprävention, eingesetzt werden: So können etwa bei Banken sämtliche Transaktionsdatenströme überwacht und individuelle Verhaltens- und Betrugsmuster identifiziert werden.

Kundenmanagement mit Big-Data-Analytics-Verfahren

Sobald Big-Data-Analytics-Verfahren im Bereich des Kundenmanagements zum Einsatz kommen, setzt dies das Sammeln und Auswerten personenbezogener Daten voraus und wirft wichtige Datenschutzfragen auf. Grundsätzlich gilt die Maßgabe Datensparsamkeit und Datenvermeidung – schließlich kann die Verarbeitung personenbezogener Daten gleich mehrere Grundrechte beeinträchtigen. Deshalb gilt u. a. gemäß Bundesdatenschutzgesetz (BDSG), dass Daten nur für den angegebenen Zweck, z.B. zur Vertragserfüllung, verarbeitet werden dürfen. Weiterhin ist es erlaubt, Daten zu erheben, die dem Schutz des Unternehmens dienen (z.B. zur Vermeidung von Risiken und Betrug). Jede darüber hinausgehende Erhebung, Speicherung und Nutzung personenbezogener Daten darf jedoch nur dann geschehen, wenn der Kunde ausdrücklich zustimmt. Dies wird er nur tun, wenn er dadurch einen Mehrwert für sich erkennt – etwa durch auf ihn abgestimmte Angebote oder Zahlungsmodalitäten.

Um diesen Mehrwert bieten zu können, müssen Unternehmen ihre Kunden und deren Verhalten kennen. Big-Data-Analytics-Verfahren können hierbei helfen, indem sie aus den vielfältigen Informationen die relevanten Daten selektieren und analysieren.