Konferenz für Big Data,
Data Science und Machine Learning
Heidelberg, Print Media Academy, 26.-29. September 2017

Erfolgsfaktoren auf dem Weg zu einer datengetriebenen Customer-Care-Optimierung [Sponsored Talk]

Der Net Promoter Score (Kundenzufriedenheit), der Churn (Kündigungen) und die Anzahl der Servicekontakte sind die zentralen KPIs im Bereich Customer Care. Die eindimensionale Betrachtung dieser Kennzahlen ist die Basis für Reportings sowie für die Steuerung des operativen Geschäftes. Durch den Big-Data-Ansatz werden diese KPIs zusammen mit vielen weiteren Datenquellen vereint und zu Informationen aufbereitet. Dadurch kann eine ganzheitliche Betrachtung der kundenseitigen Ursachen für Kontakte, Kündigungen und Zufriedenheitsratings erfolgen.

Der Vortrag gibt einen Einblick in den Entstehungs- und Entwicklungsprozess des Big Data Hubs bei der 1&1 Internet SE. Dabei liegt der Fokus, neben dem technischen Aufbau, auf den weichen Erfolgsfaktoren sowie der kontinuierlichen Ergebnis- und Erfolgskommunikation in Richtung der Stakeholder. Neben der Anwendung klassischer Data-Mining-Techniken wird im Weiteren auch auf die Evolution und einfache Bereitstellung der Ergebnisse für die Fachbereiche eingegangen.

Vorkenntnisse
Grundkenntnisse im Bereich Big Data und Predictive Analytics sind von Vorteil.

Lernziele
Best Practices für den erfolgreichen Aufbau einer Big-Data-Plattform unter Berücksichtigung der verschiedenen Stakeholder und deren zum Teil gegenläufigen Interessen.

// Matthias Wurdig Matthias Wurdig

ist in der Rolle des Lead-Data-Analysten im Bereich der neuen Big-Data-Technologien, neben der eigentlichen Analysetätigkeit, am Aufbau und an der Verbreitung dieser Technologie im Unternehmen maßgeblich beteiligt. Er arbeitet seit mehr als vier Jahren bei der 1&1 Internet SE als Analyst im Umfeld Customer Intelligence und analytisches CRM auf verschiedenen Plattformen.


// Stefan Igel Stefan Igel

ist Head of Big Data Solutions bei der inovex GmbH und entwickelt mit seinem Team seit 2010 Big-Data-Lösungen für viele verschiedene Kunden.

l>