Praxis: Data Mining bei Union Investment
Kunden sind die Zukunft eines jeden Unternehmens. Wer seine Kunden und deren Bedürfnisse nicht kennt, wird sie über kurz oder lang verlieren. Deshalb steht Kundenbindung bei erfolgreichen Unternehmen im Zentrum jeder Geschäftsstrategie. Eine Aufgabe, die sich ohne moderne IT-Systeme kaum mehr bewältigen lässt. Union Investment hat nun ein professionelles Data-Mining-System etabliert: ein IT-gestütztes Verfahren, mit dem sich sämtliche Kundendaten systematisch nach Zusammenhängen analysieren lassen. Der Fondsanbieter kann nun vom jetzigen auf das künftige Verhalten seiner Kunden schließen. So können zielgerichtete Maßnahmen entwickelt werden, die genau auf die Bedürfnisse des Kunden zugeschnitten sind.
Unterstützung durch Data-Mining-Systeme
Die Zeiten lebenslanger Kundetreue sind endgültig vorbei. Die Bereitschaft der Kunden, bei besseren Konditionen zur Konkurrenz zu wechseln, ist hoch. Um sich vom Wettbewerb zu differenzieren, müssen Unternehmen ihre Produkte speziell gemäß der Kundenbedürfnisse bewerben. Voraussetzung hierfür: Das Unternehmen muss seine Kunden genau kennen. Dabei genügt es aber nicht, bloß grobe Informationen wie Durchschnittsalter oder -einkommen der Kunden zu kennen. So muss zum Beispiel bekannt sein, welchen Kunden wann welches Angebot unterbreitet werden sollte. Bei der Beantwortung dieser Frage spielen verschiedenste Komponenten zusammen: von Alter und Geschlecht über bisher gekaufte Produkte und gezeigtes Produktinteresse bis hin zu Anlageintensität und Sparverhalten eines Kunden. All diese Merkmale müssen miteinander kombiniert werden, um die Affinität eines Kunden zu einem speziellen Angebot so präzise wie möglich einschätzen zu können. Ein kompliziertes und zeitaufwändiges Unterfangen!
Unterstützung bietet hier "Data Mining" (kurz: DM): ein IT-gestütztes Verfahren, mit dem sich sämtliche Daten eines Unternehmens systematisch nach bisher unbekannten Zusammenhängen analysieren lassen. Ausgehend von einer konkreten fachlichen Fragestellung durchforstet ein Data-Mining-System teilautomatisiert riesige Datenbestände, bei denen die Suche "per Hand" unmöglich wäre. Anschließend werden die Ergebnisse interpretiert, so dass zum Beispiel typische Verhaltensmuster der Kunden aufgedeckt werden. Künftiges Kundenverhalten kann so präzise prognostiziert und darauf aufbauend kundenspezifischere Produkte entwickelt und angeboten werden. Das Ergebnis: gesteigerte Servicequalität, die den Kunden durch seine Zufriedenheit an das Unternehmen bindet.
Data-Mining-Boom in der Finanzwirtschaft
Vor allem die Finanzwirtschaft mit ihren gigantischen Mengen an Kundendaten kann von Data Mining profitieren. Aktuelles Beispiel ist Union Investment: Die Investmentgesellschaft hat ein professionelles DM-System etabliert, das seit seinem Go-Live Mitte 2007 reichliche Früchte trägt. Das Marketing konnte seine Kampagnen optimieren und zum Beispiel deutlich effektivere Mailings versenden: die Kundengruppen sind heute genau definiert, so dass die Mailings nicht an alle Kunden, sondern gezielt nach Lebensumständen und Anforderungen versendet werden. So konnte die Abschlussquote neuer Verträge bereits um 30 bis 100 Prozent im Vergleich zu Mailings ohne Data Mining Einfluss erhöht werden.
Eine typische Datenaufbereitung aus dem Data Mining System der Union Investment.
Wer im Wettbewerb die Nase vorn haben möchte, muss das Bild vom 'König Kunde' ins Zentrum seines Aktionsfeldes rücken. Deshalb fiel vor zwei Jahren bei Union Investment die Entscheidung, das Engagement rund um die Kunden zu erweitern und ein eigenes analytisches System zur Verbesserung der Kundenbeziehungen einzuführen. Der Vertrieb der Produkte läuft zwar nach wie vor ausschließlich über das Filialnetz der Banken des genossenschaftlichen Finanzverbunds, dennoch wollte die Investmentgesellschaft die Ansprache ihrer Kunden auch bei Marketingmaßnahmen und im Kundenservice zielgerichteter gestalten.
Beauftragt mit diesem Projekt wurde die Infomotion GmbH, ein deutsches Beratungsunternehmen für Business Intelligence-Lösungen in der Finanzbranche. Infomotion hatte bereits ein großes Data Warehouse ("Datenlager") für die Daten des Privatkundengeschäfts von Union Investment entwickelt und damit schon eine gute Datenbasis geschaffen. Da war es nur folgerichtig, darauf noch ein DM-System aufzusetzen. Das Data Warehouse zieht automatisch sämtliche Unternehmensdaten zusammen und stellt diese für das Reporting bereit. Das Data-Mining-System ergänzt dies jetzt noch, indem dateninhärente Muster aufgedeckt werden.
Einmal richtig anstatt später neu
Gemeinsam mit dem Projektleiter "Data Mining" der Gruppe Datenmanagement Privatkunden bei Union Investment Thomas Fender und seinem Team läuteten die Infomotion-Berater den Startschuss des Projekts mit einer ausgiebigen Evaluierung der zugrundeliegenden Software ein. Der Leistungsumfang der am Markt angebotenen DM-Software differiert stark; deshalb hat sich das Projektteam ausreichend Zeit für die Evaluierung genommen, um später die bestmögliche Lösung realisieren zu können. Zunächst wurde dafür ein genauer Kriterienkatalog aufgestellt, der jede Anforderung umfasste. Vier Software-Lösungen schafften es schließlich in die engere Auswahl und wurden in einer bei Infomotion aufgebauten Testumgebung intensiv geprüft. Die Entscheidung fiel auf einen der Marktführer bei DM-Software SPSS Clementine.
Typische Darstellung einer statistischen Auswertung mit SPSS Clementine.
Einstiegsfrage bei der anschließenden Konzeption des Data-Mining-Systems war die Kündigeranalyse. Obwohl die Frage auf den ersten Blick einfach und klar erscheint, bedurfte die Definition eines potenziellen Kündigers viel Abstimmung mit dem Fachbereich. Denn diese Kundengruppe ist sehr komplex und die Gründe für eine Kündigung sind vielfältig. Danach wurde eine Vielzahl Attribute definiert, die bei der Klassifizierung eines Kunden wichtig sein können. Um die größtmögliche Flexibilität hinsichtlich aller Fragestellungen zu erreichen, enthält das System neben der Kundensicht darüber hinaus noch eine Depot-, Fonds-, und Vermittlersicht.
Ausschnitt der grafischen Darstellung eines Entscheidungsbaums: Im Ergebnis werden allen Kunden Scorewerte für ihre Kündigungsaffinität vergeben.
Für jede einzelne Sicht hat das Team erneut Attribute definiert. So muss zum Beispiel für eine Frage nach den größten Depots nicht extra eine Datenbasis bereitgestellt werden, sondern es kann auf die bestehende zurückgriffen werden: die Attribute sind direkt vorhanden. Die Konzeption und Entwicklung dauerte deshalb ihre Zeit. Aber Ziel war es, von Anfang an ein flexibles System aufzubauen: Jetzt können alle Fragen der Fachbereiche in kürzerer Zeit bearbeitet werden. Das Data Mining System von Union Investment spart durchschnittlich zwei bis vier Arbeitstage ein, so dass die Anzahl der Analysen deutlich erhöht werden konnte.
Organisierte Kundenbindung
Von der Analyse zur Kundensegmentierung profitieren insbesondere die Mitarbeiter aus Marketing und Kundenservice: Dabei werden die Kunden auf Grundlage ihrer bisher getätigten Aktivitäten in unterschiedliche Gruppen eingeteilt (risikofreundlich / risikoavers etc.). Das DM-System wertet dann automatisch aus, welcher Kunde für welche Produkte zu begeistern ist. Ebenfalls sehr erfolgreich bei Union Investment: Abhängigkeitsanalysen für Cross-Selling-Zwecke. Mit Hilfe des Data-Mining-Systems kann analysiert werden, welche weiteren Produkte ein Kunde kaufen würde: Mit einer Wahrscheinlichkeit von X Prozent kauft ein Kunde, der Produkt A kauft, auch Produkt B. Auch die Maßnahmen zur Kundenbindung laufen wesentlich effizienter durch individuellere Angebote.
Darstellung der Modellgüte von vier verschiedenen Modellen.
Zusammenfassend lässt sich sagen, dass das DM-System das Kundenmanagement von Union Investment ungemein fördert. Es optimiert die aktive, gezielte Kundenansprache und baut somit einen persönlicheren Draht zu den Kunden auf. Abwanderungsgefährdete Kunden werden jetzt identifiziert bevor es zu spät ist. Stattdessen können rechtzeitig Maßnahmen zur Kundenbindung eingeleitet werden.
© 2012 FEiG & PARTNER