CRM: Analytisch oder operativ?

Der Grundgedanke von CRM ist keinesfalls neu. Die eigene Kundenbasis wird – ähnlich wie bei der mittlerweile hinlänglich zitierten Tante Emma – als wichtigste Ressource für Umsatzsteigerung und Unternehmenswachstum betrachtet. Die Marschroute ist eindeutig: Unternehmen müssen weg von den umkämpften Massenmärkten mit relativ wenigen standardisierten Produkten hin zu Produkten und Dienstleistungen, die zielgenau die Bedürfnisse einzelner lukrativer Kundengruppen erfüllen.
Ein Unternehmen hat eine Vielzahl von Schnittstellen zu seinen Kunden: Vertrieb, Marketing, Buchhaltung und Kundenservice. Bisher wurden im Wesentlichen die dahinterstehenden einzelnen Geschäftsprozesse optimiert. Das Ergebnis waren so genannte operative CRM-Systeme. Sie dienten etwa der Automatisierung von Vertriebsaktivitäten, dem Management von Vertriebskanälen für Sales-Forecasts, Database-Marketing und Call-Center-Anwendungen.
Die Daten, die bei diesen Transaktionen anfallen, sollten zusammengeführt und analysiert werden. Ziel ist es, die Kunden in ihrer Gesamtheit zu betrachten, um abteilungsübergreifend Verhaltensmuster zu identifizieren und daraus Maßnahmen abzuleiten. Dies ist die Aufgabe von so genannten analytischen CRM-Systemen, die im Wesentlichen auf Data-Mining-Tools basieren. Unter Data-Mining versteht man das Erkennen von verborgenen Trends, Mustern und statistischen Zusammenhängen in Daten.
Für den IT-Bereich hat das analytische CRM eine Umkehr von der bisherigen Praxis zur Konsequenz. Eine der wesentlichen Ursachen für den Umbruch der DV-Landschaft ist die Neuausrichtung der Geschäftsprozesse, weg von der produktbezogenen hin zur kundenbezogenen Sichtweise. Lange Zeit waren bei der Erschließung neuer Absatzmärkte und der Entwicklung neuer Produkte die Prozesse im Unternehmen auf den Vertrieb von Produkten ausgerichtet. Das spiegelte sich auch in den vorhandenen DV-Landschaften wider. So gab es für die einzelnen Produkte verschiedene Systeme sowohl im Front- als auch im Backoffice-Bereich. Der Kunde war hier den jeweiligen Produkten zugeordnet.
Heute bewegen sich Unternehmen in gesättigten Verdrängungsmärkten. Das Produkt spielt zwar noch eine große Rolle, aber im Zentrum steht die Dienstleistung am Kunden. Zukünftig machen Unternehmen mit dem Service ihren Hauptumsatz. Demnach wird die Kundenbindung der Kundenakquise den Rang ablaufen. Diese neue Sicht gilt es in den DV-Systemen zu berücksichtigen. Die Herausforderung ist, eine DV-Landschaft zu modellieren, die eine einheitliche und übergreifende Kundensicht zulässt.

Operationales CRM versorgt analytisches mit Daten
Operationales und analytisches CRM ergänzen sich. Das analytische CRM liefert die Erkenntnisse, um einzelne CRM-Maßnahmen zu optimieren.

Die operationalen Systeme wiederum versorgen die analytischen mit immer genaueren Basisdaten. Gemeinsam bilden sie einen geschlossenen Regelkreis, in dem jede Komponente die andere vorantreibt, der so genannte »Closed Loop«. Dieser Regelkreis besteht aus folgenden Elementen:
- Datenbeschaffung
Daten existieren in Unternehmen in unterschiedlichen Formen. Sie werden in verschiedenen Transaktionsdatenbanken – sei es im Marketing, Vertrieb, in der Rechnungsstelle oder im Kundenservice – gesammelt. Diese Datenquellen wurden aber nur selten dazu entwickelt, die gesammelten Informationen für zukünftige Geschäftsentscheidungen zu verdichten. Also braucht man ein Data-Warehouse. Dieses fasst die Daten aus unterschiedlichen Quellen zusammen, bereitet sie in die für Datenanalyse geeignete Form auf und stellt sie jedem autorisierten Anwender zur Verfügung.
- Kundenanalyse
Zur Auswertung kommen Data-Mining-Tools zum Einsatz. Sie geben Auskunft über das Verhältnis zu unterschiedlichen Kunden über einen längeren Zeitraum hinweg, über Kundenloyalität, Risikopotenziale, Profitabilität. Der Erfolg: Unternehmen lernen ihre Kunden besser zu verstehen. Innerhalb einer solchen Architektur lässt sich die erfolgreiche Beziehung zu den Kunden systematisch ausbauen. Die Kundenanalyse ist der Grundstein aller weiteren Schritte. Treten hier Fehler auf, basieren die Folgemaßnahmen auf völlig falschen Annahmen und schaden dem Unternehmen mehr, als dass sie nutzen.
- Maßnahmen
Die Analyseergebnisse fließen direkt in das Kampagnenmanagement ein. Hier entscheidet sich, welche Register zur Kundenansprache gezogen werden. Möglich wäre etwa, den Kundenkontakt über ein Call-Center, über ein Direct-Mail oder einen Vermittler herzustellen.
- Permanente Verbesserung
Die CRM-Fähigkeiten lassen sich kontinuierlich verbessern – sowohl bei der Datenbeschaffung und Kundenanalyse als auch bei der Kundeninteraktion. Möglich wird dies durch die Rückführung der Ergebnisse über den Kampagnenmanager und die Bereitstellung dieser Information in den Analysedatenbeständen. Nur wenn die DV einen solchen Informationsrücklauf anbietet, lässt sich ein funktionierendes CRM-System aufbauen.

Kundendaten sind der wahre Schatz
Ein erfolgreiches analytisches CRM-System hängt von mehreren Elementen ab: der Analyseanwendung, des Datenmodells und der Datenbanktechnologie. Es müssen Daten aus heterogenen Quellen mit unterschiedlichen Geschäftsregeln und Namenskonventionen zusammengeführt und vereinheitlicht werden. Hilfreich ist dabei ein zentraler Metadaten-Katalog, in dem beschrieben ist, um welche Daten es sich handelt, aus welchen Quellen sie stammen, wie sie modifiziert wurden und wie sie mit anderen Datenelementen zusammenhängen.
(Erschienen in: acquisa, Ausgabe 12/2000)