Handfestes Know-how, Tipps & Tricks und die Insights unserer Datenprofis findest Du hier in unseren Blogbeiträgen
Entdecke, wie Du AWS Redshift mit minimaler Komplexität erweitern kannst, indem Du AWS Lambda, Fargate und SQS nutzt.
Die logistische Regression ist neben Entscheidungsbäumen das Arbeitspferd in der Modellierung, um das Eintreten eines Ereignisses vorherzusagen. Nun sind beide Verfahren zum Glück so ausgelegt, dass man im Grunde jede Art von Prädiktor für die Vorhersage einsetzen kann, egal ob dichotome Kategorien, mehrstufige Kategorien oder stetige Variablen auf Intervallskalenniveau.
Ein sehr häufiger Anwendungsfall im Reporting ist das Verknüpfen und Anzeigen von Informationen, die entweder aus unterschiedlichen Tabellen oder sogar aus unterschiedlichen Datenquellen stammen. Häufig ist dazu entweder ein Datenbank-View oder sogar ein Zwischenschritt über ein Datenbank-Layer notwendig, in dem die Daten aus den unterschiedlichen Quellen gemergt werden. arcplan bietet mit der Funktion "Zuordnen" eine einfache und schnelle Möglichkeit, Daten im Bericht und in Realtime zu verknüpfen.
Ich bin vor kurzem umgezogen und wurde von meiner alten Hausverwaltung gebeten, die Wände und die Decken der verlassenen Wohnung zu streichen. Ich habe mich sogleich im Internet um Vergleichsangebote von Malerbetrieben bemüht. Dort sollte ich gleich zu Beginn die zu streichende Fläche in Quadratmetern angeben ... mmh, ich hätte natürlich sofort die Grundfläche und die Anzahl Räume angeben können und gehofft, dass die Betriebe eine einfache Hochrechnung für die Angebotserstellung verwenden. Aber direkt die zu streichende Fläche zu ermitteln, schien mir etwas komplexer als eine Schätzung aus dem Stegreif.
Im Direktmarketing-Umfeld ist es bei vielen Unternehmen immer noch der Fall, dass die Erfolgsmessung der gefahrenen Kampagnen eine nur untergeordnete Rolle spielt. Dabei vermitteln gut durchgeführte Kampagnen-Erfolgsmessungen Wissen über die Effektivität bestimmter Kampagnen und ermöglichen fundierte Entscheidungen über deren Ausgestaltung und zukünftige Optimierung. Ziel sollte es sein, für Direktmarketing-Maßnahmen eine standardisierte Erfolgsmessung einzuführen und mit dem generierten Wissen neue Kampagnen zu verbessern und somit mehr Umsatz bzw. Gewinn zu erzielen.
Kategoriale Variablen können in SPSS als ursprüngliche Texte verwendet werden, was bei größeren Datenmengen beträchtliche Performance-Einbrüche mit sich bringt, oder als numerische Codes mit Labels. Der zweite Weg ist nicht nur drastisch performanter, sondern auch der richtige Weg, weil es den Code in der SPSS-Syntax zwar schlechter lesbar macht, aber dafür völlig immun gegenüber Änderungen in Schreibweisen ist.
Kampagnen-Marketing-Tools bilden oft eine Brücke zwischen der Marketingabteilung und der Daten-Management-Abteilung, indem sie Marketingideen im Rahmen koordinierter und ausgewogener Marketingaktivitäten Struktur und Form verleihen.
Auf dem internationalen Markt besteht eine offensichtliche Tendenz dahin, Lösungen auszuwählen, welche in allen Ländern, die Teil der weltweiten Strategie sind, einfach ausgerollt werden können, um die technische Infrastruktur und die technischen Prozesse zu vereinfachen und zu vereinheitlichen.
In diesem Eintrag möchte ich gemeinsam mit Ihnen einen Blick in unsere Werkzeugkiste werfen. Das Thema bietet Stoff für mehr als einen Eintrag, und wir werden in diesem Blog immer mal wieder darauf zurückkommen.
So manch einer erinnert sich an die Spielshow "Geh aufs Ganze" aus den 90ern, in der Kandidaten sich für eines von drei Toren entscheiden mussten. Hinter einem Tor war stets der Preis versteckt und hinter den anderen Toren waren Nieten in Form des Zonk, bzw. in den USA bei Moderator Monty Hall waren es Ziegen. Der Kandidat wählt zu Beginn immer ein Tor aus, hinter dem er den Preis vermutet. Der Moderator kann anschließend versuchen, ihn auf andere Tore mit Geldangeboten umzustimmen. Er kann auch Tore öffnen, um die Spannung zu erhöhen.
Um ein wirksames Customer Relationship Management einsetzen zu können, ist es, besonders im Bereich des Kampagnenmanagements, von großer Bedeutung, aussagekräftiges Wissen über die eigenen Kunden und Kundenstrukturen zu haben. Persönliche Informationen über Kunden, Ereignisse und Veränderungen in Kundensituation und -verhalten in einem CRM-System können als Anlass für eine auftretende Kommunikation genutzt werden. Mit Hilfe dieser vorhandenen Daten wird eine personalisierte Interaktion mit dem Kunden, wie Angebote und Services, ermöglicht.
Viele Unternehmen beginnen derzeit, erste Erfahrungen mit dem Einsatz von Big-Data-Methoden zu machen. Diese Methoden versprechen, aus großen Mengen an meist unstrukturierten Daten in kürzester Zeit mittels statistischer Methoden zusätzliches Wissen über die Kunden zu generieren. Häufig werden dazu automatisch generierte Daten eingesetzt, wie zum Beispiel Logfiles oder auch Clickstreams, die aus der Nutzung der Webseite, eines Webshops oder den Daten aus sozialen Netzen erhoben werden. Dieses Wissen kann wertvoll für CRM-Aktivitäten eingesetzt werden. Dabei stellt sich die Frage der Bedeutung von Datenqualität bei Einsatz von Big-Data-Methoden. Denn: Die Analyse und damit das generierte Wissen kann nur so gut sein wie die Qualität der dazu verwendeten Daten.
Seit meinem Psychologiestudium war ich ein intensiver SPSS-Nutzer. Was mich über alle Versionen in dieser Zeit begleitet hat, waren die einfachen, knappen Befehle, um mir deskriptive Statistiken anzeigen zu lassen. Diese kurzen Kommandos gehen schnell in Fleisch und Blut über und ermöglichen ein schnelles Sichten der Daten. Aktuell liegt mein Tool-Schwerpunkt bei R. Es ist eine hervorragende Alternative, aber trotz umfangreicher Erfahrung mit diesem Open-Source-Tool fehlt mir immer noch ein bisschen die gefühlte Usability von SPSS. Mir fehlen schlicht und einfach meine kurzen Kommandos. Nun ist es relativ leicht, SPSS-ähnliche Befehle selbst als Funktionen in R zu ergänzen.
Immer wieder begegnet man Grafiktypen bzw. Varianten, die sich auf den ersten Blick mit arcplan scheinbar nicht umsetzen lassen. Mit einfachen Tricks lassen sich am Ende aber nahezu alle Grafiken mit wenig Aufwand realisieren. Wer sich derzeit mit SUCCESS von Hichert und Partner beschäftigt, findet zum Beispiel klare Notationen für Wertetypen in Balkengrafiken.
In Toollandschaften der Mediaplanung mit regionalem Fokus finden sich Insellösungen, die eine Vereinheitlichung von Prozessen unmöglich machen. Die Mediagattungen benötigen für ihre Planung oftmals spezifische Tools zur Budgetallokation, Verfügbarkeitsprüfung und Buchung von Platzierungen. Die Planungsergebnisse werden manuell übertragen und über ein Geoinformationssystems (GIS) auf Zielgruppenpassung hin überprüft und visuell aufbereitet. Alle Outputs werden im Folgenden einzeln im Format Excel exportiert, manuell zusammengeführt und auf die CI des Kunden formatiert - auf Wunsch wird dies zusätzlich auch in PowerPoint umgesetzt. Führt ein Kundenfeedback zu einer Anpassung, wird der Prozess erneut durchlaufen.
Diese Faktoren verursachen neben manuellen Prozessen einen hohen Abstimmungs- und Kommunikationsaufwand in der Interaktion von Kundenberater, Mediaplaner, Kreativagenturen und dem werbetreibenden Kunden - es entstehen Ineffizienzen und hohe prozessseitige Kosten für alle Beteiligten.
Diese Situation ist Ansatzpunkt eines Optimierungsprojekts über die Einführung eines Marketing Resource Management Systems (MRM) bei einer führenden Mediaagentur in Deutschland. Sie stellt mit ihren Schwesterunternehmen das tragende Element innerhalb eines der global größten Netzwerke von Planungs- und Einkaufsagenturen.
