Fallstudie — Protection One GmbH
Advanced Analytics zur Kundenabwanderungsprävention
Gemeinsam mit der Protection One GmbH haben wir gezeigt, wie sich Advanced Analytics nutzen lässt, um aus Kündiger-, Vertriebs- und Projektdaten verlässliche Vorhersagen für potenzielle Kündigungen zu erzeugen – und sie den Anwendern in einer intuitiven Oberfläche bereitzustellen. So lässt sich die eigene Marktposition strategisch stärken.
Das Projekt auf einen Blick
01
Herausforderung
Wachsende Konkurrenz durch Sicherheitstechnik aus dem Einzelhandel und durch klassische Mitbewerber. Gefragt waren mehr Transparenz über das Kundenverhalten und eine frühzeitige, passgenaue Ansprache.
02
Ansatz
Integration strukturell und inhaltlich sehr unterschiedlicher Daten – sekundengenau, teils unstrukturiert und in großen Mengen – als Basis für Mustererkennung mit Assoziationsanalyse, Klassifikation und Clusterung.
03
Ergebnis
Eine zentrale Datenbasis und ein wirksames Zusammenspiel aus OLAP und Data Mining, mit dem sich Veränderungen im Markt- und Kundenverhalten regelmäßig und frühzeitig erkennen lassen.
Der Kontext
Ausgangslage
Die Protection One GmbH unterscheidet sich im Leistungsspektrum deutlich von ihren Mitbewerbern: Neben der Sicherheitstechnik bietet sie mit der Echtzeitansprache einen Zusatzservice, der das Sicherheitsniveau der jeweiligen Schutzobjekte spürbar erhöht. Dennoch entstand eine wahrnehmbare und steigende Konkurrenz – sowohl durch in Supermärkten angebotene Sicherheitstechnik als auch durch klassische Mitbewerber.
Das Wissen um die Kundenbewegungen wurde damit zum entscheidenden Informationsvorsprung, den Protection One in diesem Projekt durch Advanced Analytics erzielen konnte.
Ziele des Projektes
- Mehr Transparenz über das Kundenverhalten gewinnen
- Kunden frühzeitig mit passenden Angeboten ansprechen
- Die Mehrwerte des eigenen Angebots nutzen, um die führende Marktposition zu halten
Die Aufgabe
Architekturkonzept und Datenintegration
Architektonisches Ziel war es, strukturell und inhaltlich sehr unterschiedliche Daten zu integrieren, die sekundengenau, teilweise textuell (unstrukturiert) und in großen Mengen vorliegen. Insbesondere die Daten aus der Videoüberwachung treffen als Stream und in sehr großem Umfang ein.
Erschwerend kam hinzu, dass Protection One in der Vergangenheit mehrere Systemumstellungen hatte, bei denen Daten nur teilweise übernommen wurden. Es war daher eine eigene Datenintegrationsebene erforderlich. In sehr kurzer Projektdauer wurde intensiv und gemeinschaftlich gearbeitet, um zunächst eine integrierte Datenbasis zu schaffen und darauf aufbauend Muster von Abwanderern und Nicht-Abwanderern zu erkennen.
01
Vorgehen
Auswahl relevanter Daten und Vorverarbeitung
Im ersten Schritt galt es, aus den vorliegenden Quellen jene Daten zu sammeln, die eine Vorhersage ermöglichen. Wesentlich war dabei, die Datenqualität sicherzustellen und die Daten so zu integrieren, dass sie ein geschlossenes Bild über die Markt- und Kundenlage ergeben.
So entsteht Raum für bislang nicht antizipierte Zusammenhänge in den Daten, die den Entscheidungsträgern wertvolle Informationen liefern. Zugleich wurde festgehalten, welche weiteren Daten künftig erhoben und ausgewertet werden sollen, um noch genauere Erkenntnisse zu gewinnen.
02
Vorgehen
Datentransformation, Training der Algorithmen und Anwenderoberfläche
Die zweite Phase diente zunächst der Transformation der Daten, damit eine Mustererkennung im Kontext der Abwanderer- und Nicht-Abwandererbetrachtung möglich wurde. Zum Einsatz kamen Verfahren aus drei Bereichen:
- Assoziationsanalyse – das gemeinsame Auftreten kennzeichnender Attribute sichtbar machen und so die Diskussion mit dem Fachbereich ermöglichen.
- Klassifikation – Muster identifizieren, die abwanderndes von nicht abwanderndem Verhalten unterscheiden.
- Clusterung – die identifizierten Muster absichern und validieren.
Wichtig war, dass die Mitarbeitenden von Protection One parallel im Data Mining ausgebildet wurden – so können sie den Prozess selbstständig weiterführen und regelmäßig ausführen. Die Ergebnisse mussten zudem so aufbereitet sein, dass die Fachbereiche sie verstehen und daraus konkrete Aktionen zur Kündigungsprävention ableiten können. Dabei wurden zugleich Potenziale zur Neukundengewinnung identifiziert.
Anhand der Daten ließ sich das Marktgeschehen – so wie es Branchenkenner einschätzen – bestätigen und um konkrete Zusammenhänge zu den Kunden ergänzen. Dieses Ergebnis wurde in eine OLAP-Oberfläche integriert, die den Entscheidungsträgern Daten und abgeleitete Kennzahlen zur Marktsituation zusammenfassend bereitstellt.
Nach dem Nachweis von Machbarkeit und Wirksamkeit des fachlichen Konzeptes wurde die notwendige Architektur realisiert: Sie ermöglicht den Analytics-Betrieb durch die Mitarbeitenden vor Ort und bietet eine zentrale Datenbasis, um auch Zeitreihen über das Marktgeschehen zu ermitteln. So entstand ein wirksames Zusammenspiel von OLAP (SQL-basierte Berichtsanfragen) und Data Mining im Sinne der Business Analytics.
Das Ergebnis
Regelmäßig lassen sich nun neue Mustererkennungen durchführen und Kennzahlen berechnen, um Veränderungen im Markt und im Kundenverhalten frühzeitig zu identifizieren.
Die gesamte Lösung basiert auf Standardwerkzeugen und ist vollständig grafisch gestaltet: Fachanwender und IT lösen neue Herausforderungen gemeinsam – das schafft die Grundlage für eine lange Lebensfähigkeit der Lösung.
Eingesetzte Methoden & Technologien
Advanced Analytics · Data Mining · Datenintegration · Assoziationsanalyse · Klassifikation · Clusterung · OLAP (SQL) · Business Analytics
Kundenabwanderung frühzeitig erkennen
Sie möchten Ihre Marktposition mit Advanced Analytics absichern und Kunden ansprechen, bevor sie kündigen? Wir begleiten Sie konzeptionell, strategisch und in der Umsetzung – bis hin zur Betreuung im laufenden Betrieb.
