Joerg Staudacher

Aus dem Unterricht Artificial Intelligence 2019 berichtet Marco Ruh Artificial Intelligence 2019 (AI) ist die neue Technologien der Gegenwart, welche  neue Geschäftsmodelle ermöglicht. Problematisch für viele Unternehmen ist, dass die Geschäftsleitung teilweise wenig Verständnis und Know-How im Data-Management und IT-Bereich mitbringt, und somit neue Möglichkeiten weder erkennt noch Entwicklungen vorantreibt. Klar ist, dass es den Weg zurück schon nicht mehr gibt: denn Software regiert schon längst unseren Alltag. Dies zeigt allein schon das Ranking der weltweit wertvollsten Firmen. Befand sich im Jahre 2001 Microsoft als einziges Techunternehmen unter den Top 5, überherrschten 2019 Microsoft, Amazon, Apple, Alphabet und Facebook die ersten fünf Plätze. Was ist Artificial Intelligence (AI)? Artificial Intelligence (AI) ist gleichzeitig Zukunft und bereits lange Bestandteil unseres Alltags in Smart Phones, Navigationssystemen und den Empfehlungen in Online Shops. AI ist der umfassende Begriff, gefolgt von Machine Learning und seit einiger Zeit Deep Learning, das durch die Fähigkeit Katzenbilder im Internet zu erkennen bekannt wurde und die Entwicklung von künstlicher Intelligenz und Machine Learning vorantreibt. Steigende Rechenkapazitäten und preisgünstig verfügbare Massendatenspeicher ermöglichen die breite Nutzung von AI. Grosse Datenmengen, Big Data werden von künstlicher Intelligenz genutzt, z.B. um bei Facebook Personen auf Bildern zu erkennen. Das funktioniert über Machine Learning (ML). Dieses Verfahren nutzt einen Algorithmus, um Daten zu analysieren und durch die Daten zu lernen, um dadurch eine Aussage oder Vorhersage zu treffen. Das Machine lernt über die Anwendung des Algorithmus und die grossen Datenmengen selbst und passt den Algorithmus eigenständig an, um immer genauere oder bessere Aus- oder Vorhersagen zu treffen. Eine Stufe weiter geht das Deep Learning mit künstlichen neuronalen Netzwerken, die sich an den Abläufen im menschlichen Gehirn orientieren. Denkprozesse finden dort über mehrere, nachgelagerte Ebenen und immer neue Vernetzungen auf einer Ebene statt. Wie baut man ein Maschine Learning Model? – 4,5 Schritte zu AI Prepare Data: AI basiert auf Daten – ohne Daten keine Analyse. Extract Features: In der immensen Datenmenge gilt es Muster zu erkennen und zu benennen/labeln. Durch menschliches Zutun wird der Start-Algorithmus festgelegt, etwa indem Begriffe und Zusammenhänge definiert werden: das ist ein Tisch, das ist eine Flasche, eine Flasche dient zur Aufnahme von Flüssigkeiten, usw. Train Model: Im nächsten Schritt geht es um die Anwendung der Modelle. Ein Algorithmus ist im Grunde eine Regieanweisung. Ein Beispiel ist die Frage: Wie komme ich aus diesem Zimmer hinaus? Oder die Anweisung: Führe mich aus diesem Zimmer hinaus.  Ein Algorithmus könnte in diesem Fall lauten: Laufe geradeaus, bei Hindernissen links abbiegen. Die Komplexität von Algorithmen lässt sich dabei beliebig erweitern: Beispiele dafür wären Deep Learning Modelle wie Siri und Google Maps. Wie beim Auto ist es dabei sinnvoll, je nach Bedarf das passende Modell zu wählen. Fahre ich kurz in die Stadt nehme ich den kleinen wendigen Smart, fahre ich nach Italien in die Sommerferien bevorzuge ich den Audi A4. Evaluate Model: Wie verhalten sich das Modell und der Algorithmus im Verlauf der Zeit, bleiben sie verlässlich? Um das Modell zu evaluieren werden weitere Datenelemente eingelesen. In unserem Beispiel Wie komme ich aus diesem Zimmer hinaus? war man in drei bis vier Schritten aus dem Schulzimmer. Fügt man z.B. das Datenelement ein, Hier ist ein Tisch, … Rinse & Repeat: Kritisch ist der letzte Schritt des Rinse & Repeat, d.h. die Modelle müssen stetig trainiert, korrigiert, betrieben und unterhalten werden. Geschieht das nicht verselbständigt sich das Model und die Betrachtung ist alleine Modell getrieben bzw. Model Driven. Das kann auch nachteilig oder gar schädlich für das anwendende Unternehmen sein. Unter anderem wegen der hohen Aufwendungen für die fortwährende Modellpflege und der Risiken wenden bislang nur wenige Schweizer Unternehmen Machine Learning an. Was bedeutet Artificial Intelligence 2019 (AI) für Unternehmen Daten werden Vieles verändern. Es sind bereits viele neue Daten getriebenen Geschäftsmodelle entstanden und es wurden zahlreiche Geschäftsprozesse automatisiert. Vom Supply Chain bis zur Customer Interaction, das Potential ist sehr gross. Hier eine Auswahl von Anwendungsfeldern: Supply Chain Monitoring – Assisted Communication Execution Automation – Risk Monitoring Predictive Analytics – Opportunity Sourcing Compliance Automation – Market Insights Backoffice Automation – Customer Profiling Better Support – Customer Interaction Der ausschlaggebende Faktor für den langfristigen Unternehmenserfolg ist die Ausschöpfung des vollen Potentials der digitalen Wertschöpfungskette. Die Wahl eines geeigneten Geschäfts- und Betriebsmodells ist entscheidend, um den erfolgreichen Weg in die Zukunft zu ebenen. Dabei wird der Einsatz von AI zu einer weitreichenden Transformation führen, die nicht nur Auswirkung auf einzelne Unternehmen, sondern den gesamten Markt haben. Fazit Das technischer Wandel Veränderungen mit sich bringt ist nichts Neues. Die Unmenge an neuen Daten hat zahlreiche neue Geschäftsmodelle und veränderte Geschäftsprozesse mit sich gebracht und wird dadurch auch in Zukunft einen grossen Einfluss auf Unternehmen haben. Die Digitalisierung und insbesondere AI stehen noch ganz am Anfang und das Potenzial ist sehr gross. Unabdingbar für die Zukunft von Unternehmen ist, dass sich die Verantwortlichen beim Entwickeln neuer Geschäftsmodelle mit dieser Materie auseinanderzusetzen. Dabei kann durchaus die Devise gelten: Weniger ist mehr. Besser mit kleinen, überschaubaren Schritten beginnen als den Anschluss gänzlich zu verpassen. Quellen: HWZ The Power of Big Data. Abgerufen von https://www.hwzdigital.ch/the-power-of-big-data/ am 26.11.2019 PWC Big Data Bedeutung Nutzen Mehrwert, Abgerufen von: https://www.pwc.de/de/prozessoptimierung/assets/pwc-big-data-bedeutung-nutzen-mehrwert.pdf am 26.11.2019

Aus dem Unterricht Kundenwert 2019 berichtet Roman Bochsler Die Frage nach dem Kundenwert ist für jedes Unternehmen von besonderem Interesse, wobei als erstes ein gemeinsames Verständnis geschaffen werde muss, was denn der Kundenwert für den Kunden wie aber auch für den Anbieter ist. Beim Kundenwert für den Kunden spricht man vom Kundennettonutzen. Dieser manifestiert sich im vom Kunden wahrgenommenen Wert. Für die Unternehmen ist der Kundenwert dagegen der Wert eines Kunden. Für die nachfolgenden Ausführungen bezüglich der Kundenwertberechnung 2019 ist ausschliesslich der Wert eines Kunden für den Anbieter von Relevanz. Die Herausforderung für die Anbieter besteht darin, dass ein möglichst grosser Kundennettonutzen für den Kunden sowie einen möglichst grossen Kundenwert für sie selber erzielt werden muss, um eine längerfristige Kundenbeziehung erzielen zu können. Wieso ist nun aber das aktive Bearbeiten des Kundenwertes des eigenen Kundenstammes so wichtig für einen Anbieter? Das Kundenwertmanagement lohnt sich darum, weil der Unternehmenserfolg dadurch gesteigert werden kann. In anderen Worten: es besteht ein statistisch signifikanter Zusammenhang zwischen Kundenwertmanagement und Unternehmenserfolg. Da die meisten Anbieter unter dem Gesichtspunkt der Profitabilität eine Anzahl unterschiedlichster Kunden haben und für deren Beziehungspflege die aufgewendeten Ressourcen optimal eingesetzt werden müssen, ist es von grosser Wichtigkeit, die eigenen Kunden nach ihren Potenzialen, die vom entsprechenden Unternehmen genutzt werden können, einzuschätzen, sowie die dann daraus resultierenden Marketing- und Verkaufsaktivitäten zu definieren. Fazit: dies sind auch die Gründe, warum die Bewertung von Kunden heute für viele Unternehmen die wichtigste Segmentierungsart ist. Ein Kundenwert kann grundsätzlich auf der Basis des Transaktionpotentiales erfolgen oder aber durch eine Einschätzung mittels Relationspotentialen. Die Determinanten des Transaktionspotenziales sind das Basisvolumen (verwendet bei der ABC-Analyse), das Kostensenkungspotential (je treuer ein Kunde, desto grösser ist das Kostensenkungspotential) sowie das Wachstumspotential (Intensivierung, Cross Selling, Up Selling, sinkende Preiselastizität). Bei den Relationspotentialen spielen das Referenz-, das Informations-, das Kooperations- und das psychische Inputpotenzial eine Rolle. Methoden der Kundenbewertung (Quelle: Rennhak, Carsten. Herausforderung Kundenbindung . Wiesbaden: Deutscher Universitätsverlag,2006.) 2. ABC-Analyse Die ABC-Analyse kommt ursprünglich aus der Lagerhaltung. Grundlage der Methode bilden das Paretoprinzip («80/20 Regel») sowie die Lorenz-Kurve. Sie ist ein betriebswirtschaftliches Analyseverfahren, welches die Kunden in A-Kunden, B-Kunden und C-Kunden einteilt. Diese Kundenwertberechnung sagt aus, welche Kunden am stärksten am Umsatz des Anbieters beteiligt sind (A-Kunden) und welche am wenigsten zum Umsatz beitragen (C-Kunden). Für die Kundenbewertung bedeutet das: mit lediglich 20% der Kunden werden bereits 80% des Umsatzes erzielt (A-Kunden = hohe Bedeutung), 30 % der Kunden bringen 15 % des Umsatzes (B-Kunden = mittlere Bedeutung) und von 50 % der Kunden kommen nur 5 % des Umsatzes (C-Kunden = geringe Bedeutung).Die Vorteile der ABS-Methodik sind: super einfach, geht schnell und sehr übersichtliche Darstellung möglich. Die Nachteile sind: der Blick richtet sich ausschliesslich in die Vergangenheit, keine Garantie, dass die Umsätze in Zukunft identisch sind, vernachlässigt Kosten- und Margenbetrachtungen, keine qualitativen Faktoren. 3. Kundendeckungsbeiragsrechnung Eine weitere Methode zur Bestimmung des Kundenwerts ist die Kundenerfolgsrechnung oder auch Kundendeckungsbeitragsrechnung genannt. Der Unterschied zur “normalen” Deckungsbeitragsrechnung liegt darin, dass mit ihr dargestellt wird, welchen Deckungsbeitrag ein bestimmter Kunde erbringt, nachdem alle ihm eindeutig zuordenbaren Kosten (also per Beleg zuordenbar), von den Erlösen abgezogen sind. Folglich wird der Beitrag eines einzelnen Kunden zum Unternehmensergebnis gemessen und auf diesem Weg seine Profitabilität ermittelt. Vorteil: Einbezug der Kostensicht, Betrachtung des Deckungsbeitrages, viel besser Entscheidungsbasis Nachteile: Kostenzuweisung schwierig, oft sind die nötigen Informationen nicht vorhanden, Fixkosten pro Kunde schwierig zu eruieren, Blick in die Vergangenheit, keine Zukunftsperspektiven 4. Scoringmodell / Nutzwertanalyse Die Nutzwertanalyse ist ein Bewertungsverfahren, mit dem der Wert resp. die Priorität eines Kunden nach mehreren verschiedenen Zielkriterien bewertet und verglichen werden können. Dafür werden qualitative und quantitative Beurteilungsparamter herangezogen. Quantitative Bewertungskriterien sind z.B. Umsatz, Kundendeckungsbeitrag oder Kundenpotential. Als qualitative Bewertungskriterien werden z.B. Kundentreue, Entwicklungspotential oder das Kooperationspotential miteinbezogen. Das Unternehmen legt Kriterien fest, gewichtet diese und bewertet die zur Verfügung stehenden Alternativen anschliessend anhand der gewichteten Kriterien. Vorteile der Nutzwertanalyse sind: individuelle Auswahl der Gewichtung der Bewertungskriterien, Einnahme einer unternehmungsspezifischen Sichtweise. Nachteile sind: hohe Subjektivität des Scoring-Modells bei der Auswahl der relevanten Kriterien sowie deren Gewichtung. 5. Customer Lifetime Value Das Grundprinzip des Customer Lifetime Value liegt in der Interpretation der Kundenbeziehung als Investitionsobjekt. Die Bewertung erfolgt hier anhand einer dynamischen Investitionsrechnung (Kapitalwertberechnung). Dazu werden zukünftige Zahlungsüberschüsse diskontiert und im Anschluss diese Differenzen aus Einzahlungen und Auszahlungen aufsummiert. Der CLV beschreibt also den zu erwarteten Gewinn über die gesamte Dauer der Kundenbeziehung – diskontiert auf den Betrachtungszeitraum. Dadurch werden auch zukünftige Erlöse und Aufwendungen berücksichtigt, sodass sich kurzfristige Verzerrungen durch Investitionen (z.B. Werbung) nicht negativ auf den Kundenwert ausschlagen. Schliesslich werden im Rahmen des Relationship Marketings langfristige Kundenbeziehungen immer wichtiger. Der CLV berücksichtigt diese Entwicklung, sodass nicht mehr die Vorteilhaftigkeit jeder einzelnen Transaktion mit dem Kunden im Vordergrund steht. Schliesslich stehen den verhältnismäßig hohen Kosten in der Anbahnungsphase (Werbung, Aussendienstbesuche etc.) vergleichsmässig geringe Erträge gegenüber. Dies ändert sich dann meistens in der Kundenbindungsphase des Lebenszyklus wieder. Die Erträge steigen, die hohen Kosten der Anbahnungs- und Sozialisationsphase sinken. Demnach können zugunsten höherer Kundenerlöse in der Zukunft, in der Phase der Kundenakquisition „Investitionen” (Werbung, Außendienstbesuche) getätigt werden, die sich erst im Laufe der Geschäftsbeziehung amortisieren. Vorteile: mehrdimensional, qualitative Aspekte, Blick in die Zukunft. Nachteil: nur für Branchen sinnvoll, bei welchen man die zukünftigen Erträge einschätzen kann resp. die Erträge keine grösseren Schwankungen aufweisen, Einschätzung der Dauer der Kundenbeziehung. 6. Kundenportfolio Bei den Portfilio-Techiken werden die Kunden zweidimensional in die Kundenstruktur eingeteilt. Dabei wird eine interne Erfolgsgrösse (Lieferantenposition oder relativer Marktanteil) sowie eine externe Potenzialgrösse für die Bewertung herangezogen. Als Ergebnis werden dann die Kunden eingeteilt in Problemkunden, Ertragskunden, Entwicklungskunden und Star-Kunden. Bei den Problemkunden kann kein genügend grosser Deckungsbeitrag erwirtschaftet werden, der eine langfristige Kundenbeziehung rechtfertigt. Eine rasche Beendigung der Kundenbeziehung ist dann von Nöten, wenn aufgrund einer schlechten oder sogar erodierenden Kundenzufriedenheit eine negative Mund-zu Mund-Propaganda stattfinden sollte. Bei den Ertragskunden steht die Abschöpfung im Mittelpunkt der Geschäfte und die kundenspezifischen Kosten werden heruntergefahren, um die freiwerdenden Mittel in die Akquise fliessen zu lassen. Die Entwicklungskunden stehen noch am Anfang der Kundenbeziehung und sind zu entwickeln. Mit diversen Massnahmen werden diese Kunden üblicherweise gebunden (Rabatte, vorteilhafte

Aus dem Unterricht Kundeninformationsmanagement 2019 berichtet Remo Seeholzer Der Dozierende stellte Studien zum Kundeninformationsmanagement 2019 vor, die zeigen, dass zahlreiche Unternehmen Schwächen in diesem Bereich haben. Bei der Sales Excellence Umfrage unter uns Studierenden, die in sehr unterschiedlichen Branchen arbeiten, ergab sich kein besseres Bild, was das Problem  klar widerspiegelt. Es stellt sich die zentrale Frage: Wo besteht Potential im Bereich Kundeninformationensmanagement? In einem Brainstorming wurden zahlreiche Ansätze zur Verbesserung der Kundendaten genannt: richtig abgefüllte Kundendaten im CRM Lebenszyklus des Kunden mit Produkten und Dienstleistungen, die er bezogen hat die wichtigsten Entscheidungsträger beim Wechsel wichtiger Mitarbeiter bei Unternehmungen, wer ist ihr neuer Arbeitgeber? Zahlungsmoral Es wurde auch aufgezeigt, dass digital führende Unternehmen auf fünf wesentliche Punkte achten, die für den Erfolg entscheidend sind: Customer-Journey-Insight Optimierte Vertriebsprozesse Optimierte Einzelkanäle Cross-Kanal-Integration Salesenables Ebenfalls wurde aufgezeigt, dass Informationsfluss und Informationsgewinnung sich immer schneller verändern. Wenn wir von den vier Ebenen der Vertriebsunterstützung sprechen, so sind dies Salesforce Automation, Marketing Automation, Content Management und Salesforce Enablement. Im Verkauf benötigen die Verkäufer immer bessere Hilfestellungen, da die Kunden sich im Vorfeld bereits gründlich informiert haben. Es ist bewiesen, dass ein Verkäufer, der Unsicherheiten beim Verkauf aufzeigt, durch Wissensnachteile mit grosser Wahrscheinlichkeit nicht zum Abschluss kommt und der Kunde ihn nicht als kompetent wahrnimmt. Das richtige System für die Datengewinnung? In unserer Studiengruppe haben wir festgestellt, dass diverse Programme in verschiedenen Stufen für das Kundeninformationsmanagement eingesetzt werden. Meist wird in ERP- und Marketingprogramme investiert, während das Controlling oder die Datengewinnung grösstenteils vernachlässigt werden. Was bei den Unternehmungen noch nicht angekommen ist, dass ein seriös geführtes CRM-System entsprechende Vorteile bringen kann. Wer Menschen zu Fans machen will, muss Botschaften an ihre Herzen senden und eine langfristige Beziehung mit ihnen aufbauen. Doch wie geht das? Ist Customer-Relationship-Management, kurz CRM, die Antwort? Verschiedene Studien haben gezeigt, dass 30 % bis 60 % der Investitionen in ein CRM-System umsonst sind, weil das Projekt gänzlich oder zum Teil scheitert. Bei vielen Unternehmungen fehlt gänzlich die mangelnde Akzeptanz zur Pflege des CRM, das vom Management meist nur zur Kontrolle genutzt wird. Was man auch feststellt, ist, dass zahlreiche branchenspezifische Software-Produkte als CRM-Lösung genutzt werden. Hier gibt das Budget jeder Unternehmung vor, in welche Richtung es geht und gibt es eine riesige Spannweite von Systemen von teuer bis preisgünstig. Die preisgünstigen Systeme sind meist etwas anfälliger oder der Support lässt zu wünschen übrig. Beim Finden des richtigen CRM-Systems ist viel Wissen erforderlich. Wurde schliesslich ein System gefunden, so ist es im Zyklus einer Unternehmung meist nicht das letzte. Kundeninformationsmanagement stellt auch auf der technischen Ebene die Unternehmen vor grosse Herausforderungen. Marketingautomation richtig nutzen? In einem weiteren Teil des Unterrichts erläuterte der Dozierende die Marketingautomation. Marketing Automation sind umfassende integrierte Softwaresysteme, die wiederholend Marketing-Aufgaben automatisch ausführen. Dabei werden «triggerbasiert» mehrere Kommunikationskanäle bedient und Interessenten schneller zu Kunden gemacht. Auch hier gibt es wieder unzählige Systeme, mit denen man den Automatisierungsgrad steigern kann, um eine effiziente Kundenbeziehung zu pflegen. Mit solchen Systemen können wichtige Daten gesammelt werden. Hier kann man das Verhalten jedes einzelnen Kunden verfolgen und ihm entsprechende Angebote machen. Hier sieht man deutlich die Entwicklung von E-Mail-Marketing zu Marketing Automation. Zu Beginn wurden Newsletter versendet, anschliessend wurde das Verhalten der Kunden getrackt. Mit Marketing Automation kann man heutzutage Lead scoren, segmentieren, Sales-Prozesse definieren und vieles mehr. Wie komme ich an die richtigen Kundendaten? Wann geben Kunden ihre Daten preis? Wie schaffen wir es, Kundendaten in der richtigen und wichtigen Qualität zu erhalten? Hier müssen wir attraktiv Gegenleistungen präsentieren, damit der Kunde seine wertvollen Daten mit uns teilt. Dazu benötigt es für individuelle Beziehungen jedoch relevante individuelle Kundeninformationen. Die Online-Geschäftsmodelle haben die Bedeutung relevanter individueller Kundendaten erkannt. Sie werden in verschiedenen Abschnitten der Findung und Kaufprozesse genutzt. Es werden schon erste Angebote nach einem Webseite besucht gesendet. Man bekommt immer wieder neue Angebote anhand der Suchkriterien und Bewegung auf einer Webseite. Wir werden nach einem Kauf nach der Zufriedenheit gefragt und so werden die Daten immer wieder angepasst und verfeinert. Es steht immer ein stetiger Verbesserungsprozess der Angebote und Dienstleistungen im Vordergrund. Fazit: In einem sich stark verändernden Verkaufsumfeld wird es immer essenzieller, die Kunden zu verstehen. Grundlage hierfür ist es, Kundendaten in der richtigen Qualität zu erhalten, um anschliessend für den Kunden ein passendes Angebot zu erstellen. Es gilt die Potentiale des Kundeninformationsmanagements besser zu nutzen. «Wichtig ist nicht nur Daten zu sammeln, sondern sie richtig auszuwerten und einzusetzen.»