Analitikus CRM. Radnai Szabolcs

Átírás

1

2 Analitikus CRM Radnai Szabolcs

3 Integrált CRM megoldások A CRM a legfontosabb hajtóerő az adattárház/adatpiaci rendszerek kiépítésére Mûködõ rendszerek Ttranzakciók Adatpiacok és elemzõ alkalmazások adattárház Egységes ügyfél nézet Ügyfélkapcsolat történet Elektronikus kereskedelem Hívóközpont Értékesítési pont Sales Automation Az ügyfélkapcsolati rendszerek összekötése az operatív rendszerekkel és az adattárházzal Egyre több ponton érintkezünk az ügyféllel, de elveszítjük a direkt kommunikáció lehetőségét

4 CRM Architecture & Analytics Analytical vs Transactional Mostly Analytical 40% Even Split 35% Mostly Transactional 24% 0% 10% 20% 30% 40% Source : TDWI Industry Survey % of CRM Projects have significant Analytical components. TDWI Industry Survey 2001 Harnessing Customer Information for Strategic Advantage : Technical Challenges & Business Solutions

5 Total CRM = Operatív CRM + Analitikus CRM

6 Analitikus CRM - kérdések Kik az ügyfeleink? Melyek értékesek és melyek nem? Mely csatornákra kell koncentrálnunk? Mely ügyfelek számára? Hogyan növelhetnénk az értékes ügyfelek lojalitását? Hogyan növelhetjük meglévő ügyfeleink értékét? Hogyan becsülhető egy új ügyfél értéke? Mely ügyfelekről valószínűsíthető, hogy el fognak vándorolni? Kell-e ezzel foglalkozni? Hová csoportosítsunk erőforrást (CRM), és hogyan érhető el megtérülés)?

7 Az analitikus CRM többféle felhasználást jelent Szervíz igények csoportosítása Priorizálás Szolgáltatás Kapcsolattartó képesség illesztés Ügyfélszerző kampányok Megtartó programok Termék fejlesztés Marketing Ügyfélkezelés Kereskedelem Termék árazás Ügyfél Csatorna preferenciák megszemélyesítés Termék konfigurációs kiválasztások Cross-sell Up-sell termék és célcsoport összerendelés

8 Customer Information File Oracle Business Intelligence Működő redszerek adatai Warehouse ERP Builder adat Oracle9i CIF Application Server Reports Discoverer Express Külső adat DM Express CWM és Repository Designer és Enterprise Manager Alkalmazás

9 Customer Information File Ügyfél információs állomány Tartalmazza a vállalat ügyfelekről felhalmozott adata Személyi adatok Geográfiai adatok Számla adatok Termékek Fizetési szokások Ügyfélérték adatok Ügynök adatok ügyféladat összefüggésben Forrásrendszerek adatait konszolidálja Alapja az ügyfélkezelő rendszereknek

10 Komplex ügyfél modell - TCA Üzleti partner adatbázis modell Képes a valós élet komplex kapcsolatrendszerének kezelésére CIECH Menedzser Jan Welsh Rokon Kovács István DÉGÁZ Rt Versenytárs Partner TVK Rt. Vevő Alkalmazott Vevő Szállító Leányvállalat MOL Chem MOL Rt. Leányvállalat Borsodchem Rt. Versenytárs Slovnaft

11 Customer Information File Oracle Business Intelligence Működő redszerek adatai Warehouse ERP Builder adat Oracle9i Application Server Customer Care Champaign Manage ment Külső adat Darwin Express CWM és Repository Designer és Enterprise Manager Telemar keting

12 Kik az ügyfeleink? Piaci (külső) információk Szerződés kezelés Kereskedelmi rendszerek Web adatok Ügyfélszolgálat Marketing adatbázis

13 Oracle Warehouse Builder Rakjuk össze az ügyfelet y Egy kiterjeszthető keretrendszer adattárházi és adatpiaci rendszerek tervezésére, és adattal való feltöltésére

14 Tipikus Warehouse Builder ügymenet 1 Források definiálása A cél adattár definiálása A forrás map -elése cél adattárba Kód generálás 5 Adattárház létrehozás 6 Feltöltés

15 Támogatott adatforrások Jelenleg Flat Files Oracle DB2, MSSQL, ODBC Oracle Designer Mainframe adatforrások (Carleton) Oracle Transparent Gateways Oracle Applications SAP/R3

16 A forrás állományok szerkezetének definiálása

17 Adatfolyam és transzformáció készítés (mapping)

18 Adatfolyam és transzformáció kódgenerálás

19 Transzformációk Az Oracle9i a transzformációs motor Beépített párhuzamos feldolgozás Set és sor alapú műveletek PL/SQL ( Java a későbbiekben) Külső függvények hívási lehetősége Beépített transzformációk Egyedi transzformációk készíthetők

20 80% - 20% szabály Az adattárház építésére fordított erőforrások 80%-át az adatok összegyűjtésével, konszolidációjával és az adatminőség biztosításával kapcsolatos feladatok emésztik fel. Source: Meta Group 1998

21 Az adatok minősége: a forrás adatok hibái Metaadatok Alkalmazások Adat beviteli hibák Anomáliák Többszörösen kiosztott kulcsok Hiányos adatok Szabad Kitöltetlen mezők formátumú mezők Az adatminőség ellenőrzéséhez nem csak az adat definíciókat kell vizsgálni, hanem magukat az adatokat is.

22 Adatminőség: meglepetések CUSNUM NAME ADDRESS TYPE Digital Equipment 187 N. PARK St. Salem NH OEM DEC 187 N. Pk. St. Sarem NH OEM Digital 187 N. Park StSalem NH $#% Digital Corp 187 N. Park Ave. Salem NH Comp Digital Consulting 15 Main Street Andover MA Consult Digital Info Services PO Box 9 Boston MA Mail List Digital Integration Park Blvd. Boston MA SYS INT Nem egyedi kulcs Szabványok hiánya Anomáliák Melléütés Hogyan lehet észrevenni és kijavítani a hibákat több millió rekordban? Szemét az üres mezõkben

23 Customer Information File Oracle Business Intelligence Működő redszerek adatai Warehouse ERP Builder adat Oracle9i Application Server Customer Care Champaign Manage ment Külső adat Darwin Express CWM és Repository Designer és Enterprise Manager Telemar keting

24 Integrált CRM Az igény több, mint egy termék... Mi történt? Lekérdező eszköz Részletes Ügyfél Intelligencia Miért történt? OLAP eszköz Monitorozás és beavatkozás BSC, Stratégiai eszközök Ügyfél adatok Mi fog történni? Adatbányászat Összegzések Operatív CRM eszközök Hipotézis végrehajtás Mi történne, ha? OLAP Eszköz

25 Oracle Kampány optimalizálás Mi történt? Marketing Intelligence Customer Query Intelligence tool Clickstream Intelligence Miért történt? Sales OLAP Analyzer Tool Performance Analyzer Monitorozás és beavatkozás Balanced Scorecard Financial Analyzer Hipotézis végrehajtása Marketing On-Line Other CRM Components Oracle 9i Marts Summaries Mi fog történni? Data Mining 9i Data Mining Mi történne, ha? Sales Analyzer Financial Analyzer Demand OLAP Tool Planning

26 Integrated CRM Architectures Adding Integrated Analysis Oracle9i Personalisation Data Mining Web External Data BI Applications Customer Profiling Off-Line Analytical Warehouse Clickstream Analysis Analysis & Reporting Cust 1 data 1 data 2 data 3 Cust Cust Cust 4 On-Line Cust CustCustomer 6 data 1 data 2 data 3 Cust Cust 8... Data Cust 1 data 1 data 2 data 3 Cust Cust Cust Store Cust Cust Operational Reporting Marketing Sales E-Business Suite Call Centre Data Cleansing

27 Campaign Optimisation Internal Data External Data Marketing Intelligence Campaign Reporting Sales & Financial Analyzer Product Analysis Campaign Analysis OWB Data Warehouse Operational Database Data Mining Suite Data Mining Customer Segmentation Marketing Suite Profitability Analysis List Mgt Campaign Mgmt Campaign Budgeting Execution Response/ Interactive Workflow Touch Points/CRM11i Call Centre Internet Direct Mail Agent Branch POS VRU

28 Oracle vs Siebel Challengers Leaders Ability To Execute Oracle Siebel Operational CRM source : Gartner Group, April 2001 Niche Visionary Completeness Of Vision

29 Oracle vs Siebel Challengers Leaders Oracle Ability To Execute Siebel Analytical CRM source : Kev,, April 1999, 2000, Niche Visionary Completeness Of Vision

30 Oracle vs Siebel Challengers Leaders Ability To Execute Siebel Oracle Total CRM source : Kev,, April 1999, 2000, Niche Visionary Completeness Of Vision

31 Széttöredezett ügyfél információk Marketing Pénzügy Beszerzés Kereskedelem Megrendelés Web Store Szolgáltatás HR Ellátási lánc

32 És ez csak rosszabb lesz Nincs egy összetartó infrastruktúra ETL Tool OLAP Engine Analytic Apps Lineage ETLTool Transformation Engine Transformation Engine Name/Address Scrubbing Database Mining Engine Query & Analysis Reporting Engine Enterprise Reporting P o r t a l

33 Iparági megoldások - FS Analitikus CRM üzleti funkciók Szegmentáció Termék Csatorna Lakossági ügyfelek Jövedelem Vásárlói potenciál Szocio-demográfia Vállalati ügyfelek Gazdasági helyzet Ágazat Kockázattűrés Geográfia Ügyfélérték (Life Time Value) Értékesítési mátrix (cross-sell) Termék fejlesztés Árérzékenység Elvándorlás elemzés

34 OFSA Rendszer Architektúra (Oracle Financial Services Applications) Transfer Pricing Belső elszámoló árak Performance Analyzer Költség/tőke allokációk Banki rendszer FŐKÖNYV Adatok átvétele Egyéb rendszerek (tevékenységek, ATM stb.) Banki Adatmodell Ügyféladatok Account szintű adatok Főkönyv Tevékenységstatisztikák és költségek Ügyfelek közötti kapcsolat adatok Budgeting and Planning Cash flow alapú tervezés Risk Risk Manager Manager Eszköz-forrás Eszköz-forrás kezelés kezelés Quant Quant (Oracle (Oracle& KPMG) KPMG) Piaci Piaci kockázatok kockázatok Oracle Oracle Discoverer Discoverer Lekérdezések Lekérdezések Oracle Financial Data Manager Adatátvétel

35 Ügyfelek az analitikus CRM-ről... A számlák profitabilitásának ismerete - ahelyett, hogy csak feltételezésekkel élnénk- a siker kulcsa a gyorsan erősödő versenyhelyzetben Jeff Wagner, Huntington Bank Bank s Analytical CRM Solution Financial Services Customer Data Mart Oracle Discoverer Customer Profitability OMO - Campaign Management

36 Ügyfelek az analitikus CRM-ről... A lehető legjobb megoldást szerettük volna megkapni, amit egy standard csomag alkalmazás myújthat Anders Langaas, Color Line Analytical CRM Solution Oracle Data Warehouse Builder, Discoverer Oracle Marketing Online Oracle CRM Customer Model (TCA)

37 Ügyfelek az analitikus CRM-ről... A legnagyobb kihívás számunkra az ügyfél lojalitás növelése Gianni Santerini, Telcom Italia Mobile Analytical CRM Solution Oracle Datawarehouse & Business Intelligence Oracle Data Mining Oracle Marketing Online

38 Ügyfelek az analitikus CRM-ről... Egy gyorsan bevezethető Web alapú marketing rendszert kerestünk, ami segíteni tud az ügyfelekkel való kommunikáció célzott bonyolításában. Svein Bjornstad, Braathens Oracle Datawarehouse & Business Intelligence Oracle Marketing Online OMO BEVEZETÉS 75 nap alatt

39 Miért a kampány optimalizálás? Quelle (Német katalógus áruház) megtakarított $50m+-t az ügyfelek pontosabb megcélzásával papír és postadíj megtakarítások voltak BT Egy új szolgáltatáshoz 80,000 ügyfelet válogatott le a 22m előfizetőjéből - dollár ezreket takarított meg egy kampányon Credit Suisse Kereszteladási válaszhatékonyságot átlag 1.1%-ról 20.5%-ra növelte.

40 A szeminárium programja: 10h00 10h30 Analitikus CRM - Radnai Szabolcs Egy régi új fogalom 10h30 10h50 Az Operatív CRM alkalmazások Tóth András kapcsolata az elemző megoldásokkal 10h50 11h10 Az Oracle adatbányászati Fekete Zoltán platformja 11h10 11h25 Szünet 11h25 11h45 Üzleti folyamatok támogatása Palaczk Péter CRM megoldásokkal 11h45 12h10 CRM Demonstráció Kampány Fekete Zoltán menedzsment 12h10 12h30 Q&A