Erfolgsfaktoren des Data Mining - Eine theoretisch und empirisch fundierte Studie

Diplomarbeit aus dem Jahr 2006 im Fachbereich BWL - Offline-Marketing und Online-Marketing, Note: 2,3, Fachhochschule Wedel , Sprache: Deutsch, Abstract: Durch immer bessere technische Möglichkeiten werden in Unternehmen immer größere Mengen an Daten in Data Warehouses vorgehalten. Diese Daten liefern z.B. Informationen zum Unternehmen selbst, zu Prozessen oder über Kunden. Oft stellen diese Datenbestände bzw. deren Analyse den Erfolgsfaktor einer Unternehmung dar. Für die Marketingkommunikation werden bspw. mit Testmailings die positiven sowie negativen Reaktionen einer kleinen Anzahl potentieller Kunden untersucht. Die Ergebnisse werden mit Daten über das Kundenumfeld in Verbindung gebracht. Daraus erstellte Charakteristika (Profile) können durch eine gezielte Kundenansprache bei der eigentlichen Kommunikation für eine höhere Effizienz der Maßnahme sorgen. Data Mining (DM) zählt, neben OLAP (Online Analytical Processing), zu den wichtigsten aktuellen Analysemethoden. Mit DM lassen sich automatisiert -ohne Benutzerinteraktion- Muster in Daten z.B. durch statistische Verfahren oder künstliche neuronale Netze erkennen. Viele Projekte scheitern, da die durch DM gewonnenen Ergebnisse von den Unternehmen nicht ausreichend oder gar falsch genutzt werden. Ausschlaggebend ist häufig die mangelnde Vorbereitung auf die Nutzung der Ergebnisse bzw. ein nicht ausreichender Reifegrad bzgl. Dialogmarketing und Profiling. Diese Hypothese ist eine der Grundlagen dieser Arbeit. Der Schwerpunkt wird dabei auf die Marketingkommunikation im B2B- und B2C-Bereich gelegt. Im theoretischen Teil wird beschrieben was DM darstellt und wo es einzuordnen ist. Die verschiedenen Methoden bzw. Instrumente werden kurz betrachtet und klassifiziert. Um verschiedene Arbeitshypothesen zu bewerten, wird im empirischen Teil der Arbeit mittels einer Befragung das Bewusstsein von Unternehmen bzgl. verschiedener Faktoren untersucht. Innerhalb der Umfrageergebnisse werden die Faktoren identifiziert, die den Erfolg von Data Mining positiv beeinflussen. Ebenso wird das Reifegradmodell der CPC The Profiling Company GmbH vorgestellt und herausgearbeitet, welche DM-Techniken bei welchem Reifegrad Anwendung finden sollten. Dabei werden jeweils die vier Dimensionen Daten, Prozesse, Systeme und Organisation des Modells einbezogen. Anhand von Beispielen wird gezeigt, was mit den erzielten Ergebnissen im Einzelfall erreicht werden kann und wie bzw. in welchen Formen sie in den Kommunikationsprozess integrierbar sind.