Von Big Data zu Smart Data Marketing und Customer Intelligence: Robert Schumacher ist es in einem Vormittag gelungen, einen guten und praxisnahen Überblick über die Themen Big Data und Smart Data Marketing zu verschaffen.

Aus dem Unterricht des CAS Digital Finance mit Robert Schumacher berichtet Rafael Bertschinger:

Big Data – Einleitung und Definitionen

Die Präsentation begann mit der Frage, ob wir beim Thema Big Data eher von einem Hype sprechen oder ob es tatsächlich Use Cases gibt, die das Marketing und die Leistungserbringung beim Kunden verbessern können. Die zunehmende Digitalisierung und Durchdringung von Smartphones und Mobile Devices macht es möglich, immer mehr Datenpunkte über das Kundenverhalten zu sammeln. In der Fachpresse wird Big Data mit den 4 V’s beschrieben:

  • Volume: Grosse Datenmengen (Tera/Petabytes)
  • Variety: Hohe Heterogenität von Daten (95% unstrukturierte Daten, Tendenz steigend)
  • Velocity: Neue Daten werden mit hoher Geschwindigkeit in Real Time produziert, ausgelöst durch Smartphones und Sensoren
  • Value: Big Data alleine bringt noch keinen Mehrwert. Erst eine konkrete Fragestellung und Zielsetzung mit anschliessender Datenanalyse wandeln Big Data mit geeigneten Analysetechniken in Smart Data, welche für die Unternehmen einen Wert haben, um den Kunden personalisiert ansprechen zu können (zum Beispiel für x-selling, upselling)

Eine Fragestellung könnte zum Beispiel sein: Wo in der Stadt Zürich sind welche Personengruppen anzutreffen, um eine Werbekampagne zu platzieren? Das Bild unten zeigt die Datenpunkte der Standorte in der Stadt Zürich, von welchen Bilder via Samrtphone in das Internet hochgeladen werden. Die blaue Farbe kennzeichnet Personen, welche in der nahen Umgebung von Zürich leben, die rote Farbe zeigt Personen, welche nicht in der näheren Region Zürich leben. Dies gibt bereits interessante Erkenntnisse, welche Personen in welchen Teilen der Stadt angesprochen werden können.

Firmen nutzen das Potenzial von Big Data noch nicht genügend. Die wichtigsten Fehler im Umgang mit dem Thema Big Data in Unternehmungen sind zu vermeiden. Big Data….

  • …ist nicht (nur) ein IT-Thema
  • …ist nicht (nur) ein Kostenthema
  • …kann nicht (nur) in der Verantwortung einer Stabsstelle liegen

Eine gute Einführung in das Thema Big Data zeigt auch folgedes HBR Video.

Marketing in einer digitalen Welt – Customer Intelligence – Data Mining

Um Daten über das Kundenverhalten sammeln zu können ist es für Banken und Versicherungen essenziell, die Kundenschnittstelle zu sichern! Wer die Kundenschnittstelle besitzt, hat die Daten.

Customer Intelligence beschreibt den Prozess der Sammlung von Daten über das Verhalten des Kunden und soll Transparenz über alle Interaktionen des Kunden (Multichannel/Cross Channel/Omni Channel) mit dem Unternehmen schaffen. Daraus werden Schlüsse über die Gründe des Kundenverhaltens gewonnen. Dabei müssen sämtliche relevanten Kundendaten (nicht nur sozio-demographische) berücksichtigt werden:

Das Data Mining entdeckt Muster, Trends und Beziehungen innerhalb von Daten („Korrelation“, nicht „Kausalität“). Daraus werden Modelle entwickelt, um zukünftige Wahrscheinlichkeiten zu evaluieren. Zum Beispiel kann man analysieren, welche Kunden mit welchen Ausprägungen/Verhalten mit grosser Wahrscheinlichkeit in den nächsten Monaten kündigen. Ensprechend kann die Unternehmung zielgerichtet und frühzeitig reagieren und die Wahrscheinlichkeit erhöhen, dass (Marketing-) Aktionen Erfolg haben.

Wichtige Informationen sind auch Verhaltensänderungen der Kunden, welche ein Bedürfnis implizieren. Die Unternehmung muss dazu die beste Antowort finden, um das Bedürfnis abzudecken (Event-Triggered Marketing). Zum Bespiel bei einer Versicherung: Trigger/Touch points könnten der Besuch beim Prämienrechner oder ein Schadenfall sein. Das Resultat könnte ein Upsell oder Kündigung sein, je nachdem wie der Kunde geclustert ist. Je besser man das Kundenverhalten kennt, desto besser kann man auf Kunden zugehen.

Nicht zu vergessen ist der Datenschutz: Nachhaltige Beziehungen gelingen nur im Einklang mit dem Datenschutz resp. mit dem Einverständnis des Kunden.

Schlussfolgerung

Bei den Banken steckt Big Data und vor allem die Nutzung verhaltensbasierter Kundendaten noch in den Kinderschuhen. Banken könnten durch Daten wie zum Beispiel Anzahl Trades pro Kunde, investierte Produkte, Anzahl Kundenmeetings, Kundeninteraktionspunkte (Logins E-Banking und Smartphone inkl. online Aktivitäten), welche zusammen mit Kundenprofiling (Background des Kunden) und Social Media Analytics (wie gross ist der Einfluss des Kunden im Kundennetzwerk, was zum Beispiel über Klout Score oder Linkedin Social Selling Index berechnet werden kann) eine neue, bedürfnisorientierte Sicht auf den Kunden erhalten. Das Verhalten und die Bedürfnisse der Kunden sind zentral, nicht alleine soziodemographische Daten. Das noch immer mehrheitlich angewendete Modell der Segmentierung über Assets under Management ist nicht mehr zeitgemäss.

Abschliessende Key Take Aways aus dem Kurs:

  • Kundenbeziehung sichern durch Relevanz, Verhalten der Kunden kennen ist zentral
  • Daten sind der Motor der digitalen Transformation
  • Analytics schliesst die Lücke zwischen Noise und Relevanz
  • Smart Data schaffen wertvolle Entscheidungsgrundlagen
  • Think big, start small
  • Relevanz: Individuell (aufgrund Kundenbeziehung) und im Kontext (Zeit, Ort, Bedürfnis, Kanal) passend – right time!