Gezieltes Wühlen im Datensatz

Feature | 9. August 2010 von Dr. Marcus Dill 0

Mayato hat sich auf CRM und BW spezialisiert (Foto: Mayato)

Durchsuchen von großen Datensätzen mittels CRM und BW (Foto: Mayato)

Modernes Kampagnenmanagement versucht die Kundenansprache auf immer feiner geschnittene Segmente auszurichten und dadurch die Kosten dieser Aktionen zu senken, ohne dass unter dem Strich weniger Kunden auf die jeweiligen Angebote eingehen.

Gute CRM-Werkzeuge bieten für die Zielgruppenerstellung flexible Selektionstools, den Zugriff auf verschiedenste Datenquellen sowie analytische Verfahren zur Prognose des Kundenverhaltens. Das Standardwerkzeug für die Zielgruppenselektion in SAP CRM 7.0 ist der Segment Builder. Für die Auswahl von geeigneten Adressaten einer Kampagne setzt der Segment Builder zunächst auf Kundenattribute auf, die lokal im CRM als Stammdaten zu vorhandenen Kunden oder als sogenannte Marketingattribute abgelegt sind.

Für die allermeisten Selektionen werden zusätzlich auch Verhaltens- und Transaktionsdaten benötigt, die nur zum Teil in SAP CRM vorgehalten werden. Die SAP-Architektur sieht an dieser Stelle den Zugriff auf den SAP Business Warehouse vor, wo große Mengen solcher Daten aufbereitet und gelagert werden. Der BW bietet neben den Daten auch eine Reihe analytischer Funktionen, wie sie für eine Zielgruppenselektion benötigt werden, angefangen bei OLAP-Funktionen wie dynamischen Kennzahlberechnungen bis hin zu Predictive Analytics.

Die Auswahl der richtigen Zielgruppe ist die Basis für eine erfolgreiche Kampagne. Auch SAP CRM verfügt im Kampagnenmanagement mit dem Segment Builder über eine Funktion zur Zielgruppenauswahl. Der Einsatz der In-Memory-Technologie – siehe auch Artikel Ungekochte Spaghetti – erlaubt den Zugriff auf Datenbanken mit Millionen an Einträgen, so dass Abfragen in wenigen Sekunden möglich sind.

Lesen Sie auf der nächsten Seite: Performanceprobleme beim Datenzugriff

Performanceprobleme beim Datenzugriff

Das Kampagnenmanagement von SAP galt am Markt lange Zeit als nur eingeschränkt tauglich für Kundendatenbestände und Kampagnen in Millionengrößenordnung, wie sie Standard im Consumer-Marketing sind. Probleme bereiteten große Datenmengen an verschiedenen Stellen des Kampagnenprozesses. Mit CRM 7.0 hat SAP den Kampagnenprozess systematisch und vollständig für Massenkampagnen optimiert. Hierzu waren auch einige grundlegende technologische Neuerungen erforderlich, beispielsweise für die Zielgruppenselektion.

Der Segment Builder war bisher durch Performanceprobleme beim Datenzugriff und eine unzureichende Speicherverwaltung einer der entscheidenden Engpässe für den Einsatz im B2C-Umfeld. Insbesondere die Segmentierung auf Basis von Daten des SAP BW stieß schon bei relativ geringen Datenmengen an die Grenzen der genutzten Zugriffsschnittstelle. Ohne Workarounds und entsprechenden Hardwareeinsatz im BW war der Segment Builder für B2C-Größenordnungen bisher nur in Spezialfällen nutzbar.

Die Lösung dieser Probleme liegt in der neu entwickelten Variante des Segment Builder. Die High-Volume Segmentation basiert auf einem Datenvorrat, der innerhalb der hauseigenen TREX-Technologie nicht nur im Arbeitsspeicher vorgehalten wird, sondern durch spezielle Indizierungsverfahren schnell abgefragt werden kann. Der TREX ist auch Grundlage des BW Accelerator, der heute auch schon Performanceprobleme im OLAP-Bereich vieler großer BW-Installationen löst.

Die TREX-Technologie bietet im Kontext der Zielgruppenselektion die Möglichkeit, große Kunden- und Transaktionsdatenbestände mit einer Vielzahl von Attributen im Arbeitsspeicher zu halten und hochperformant darauf zuzugreifen. Insbesondere beim Zählen von Datensätzen, für die bestimmte Selektionsbedingungen gelten, bietet TREX hohe Geschwindigkeitsvorteile gegenüber den bisherigen Datenzugriffen.

Lesen Sie auf der nächsten Seite: Segment Builder – schnellerer Zugriff auf BW

Segment Builder: Schnellerer Zugriff auf BW

Für die Beladung des TREX gibt es einen Standard-Upload für Daten aus SAP CRM und eine universelle Dateischnittstelle zum Import aus sonstigen Datenquellen. Neben zuvor exportierten BW-Daten können auf diesem Weg auch erstmals Daten aus anderen Data-Warehouse-Lösungen wie beispielsweise von SAS, Teradata, Netezza oder Oracle hochgeladen und so auf einfache Weise im Segment Builder zur Zielgruppenselektion verwendet werden. Für die integrierte, automatisierte Beladung direkt aus SAP BW heraus bietet darüber hinaus die Firma mayato eine kostengünstige Erweiterung an, die neben Paketierung und Parallelisierung auch eine Deltaversorgung des TREX innerhalb der üblichen Prozessketten des SAP BW ermöglicht.

Diese Erweiterung zieht auch das Aggregationsverhalten des TREX in Betracht, der zwar Aggregationen beherrscht, aber insbesondere Filter auf zuvor zu aggregierenden Kennzahlen nicht unterstützt. In solchen durchaus anwendungsrelevanten Fällen wie zum Beispiel „Summiere alle Käufe des letzten Jahres je Kunde auf und gib mir alle diejenigen mit Umsatz > 10.000 €!“ müssen die Kennzahlen vor der Segmentierung bereits aggregiert und als Summenwert im TREX bereitgestellt werden, damit die Filterung unterstützt wird. In ähnlicher Weise automatisierbar sind auch Beladungen des TREX aus Nicht-SAP-Quellen.

Neben Erweiterungen des TREX sind Entwicklungen in SAP BW und im BW Accelerator in der Pipeline, die auch den direkten Zugriff des Segment Builder auf das BW schneller machen. So sind seit SAP BW 7.01 EHP1 einige Volumenrestriktionen der verwendeten BW-Schnittstelle obsolet. Für Release 7.30 sind mehrere Erweiterungen des BWA in Aussicht gestellt, die sich auch für Nutzer des Segment Builder als hilfreich erweisen dürften. Beispielsweise soll es dann möglich werden, Queryergebnisse im BWA zu indizieren.

Lesen Sie auf der nächsten Seite: Predictive Analytics – Domäne der Experten

Predictive Analytics: Domäne der Experten

Im Rahmen des Kampagnenprozesses und insbesondere während der Zielgruppenselektion spielen auch Vorhersagen des Kundenverhaltens eine große Rolle. Man möchte schließlich nur solche Kunden ansprechen (und hierfür Geld ausgeben), die auch mit hoher Wahrscheinlichkeit positiv auf das jeweilige Angebot reagieren werden. In vielen Branchen geht es bei der Responsevorhersage nicht mehr ohne Predictive Analytics. Hinter diesem Begriff verbergen sich mathematische Verfahren des Data Mining, die in bestehenden Daten Muster erkennen und mit Hilfe dieser Muster Prognosen für ähnlich gelagerte Fälle ableiten.

So kann aus dem bisherigen Kauf- und Interaktionsverhalten eines Kunden mit erhöhter Sicherheit darauf geschlossen werden, ob dieser Kunde zeitnah weiteren Bedarf hat, für bestimmte Angebote besonders empfänglich sein sollte, oder vielleicht sogar droht, zur Konkurrenz abzuwandern. In der Regel werden hierfür jeweils Scores ermittelt, die dann im Segment Builder zielgerichtet so eingesetzt werden können, dass trotz kleinerer Zielgruppen eine höhere Erfolgsquote einer Kampagne erzielt werden kann. Wo ein klassisches, breit gestreutes Mailing im Normalfall nicht über Antwortraten im Promillebereich hinauskommt, können mit Hilfe von Predictive Analytics auch Responsequoten von 10% und mehr erreicht werden.

SAP BW bietet schon seit 2002 eine kleine Auswahl an Data-Mining-Funktionen, deren Analysequalität und Performance jüngeren Studien zufolge auch durchaus brauchbar ist, sodass man deren Einsatz in einfachen Szenarien durchaus in Betracht ziehen kann. Schon bisher ließen sich also im Analyseprozessdesigner im SAP BW Muster erkennen, hieraus Scores für einzelne Kunden ermitteln und diese Vorhersagen dann über Querys auch im Segment Builder verfügbar machen. Mit den schnelleren Zugriffsmöglichkeiten lassen sich diese Funktionen in Zukunft auch für B2C-Kundenstämme und echte Massenkampagnen einsetzen.

Zusätzlich bietet BW 7.30 auch die Möglichkeit, mit dem Analyseprozessdesigner ermittelte Scores direkt in einen BWA-Index einzustellen, ohne zuvor den Umweg über eine Fortschreibung in InfoProvider zu gehen. Einen solchen Analytical Index kann man darüber hinaus auch mit anderen Indizes über JOIN- und UNION-Operationen in einem Composite Provider miteinander verbinden und so zusätzliche Freiheitsgrade bei der Modellierung gewinnen. Der Einsatz von Predictive Analytics innerhalb der Zielgruppenselektion wird hierdurch deutlich einfacher und flexibler.

Lesen Sie auf der nächsten Seite: Eigene Frameworks als Alternative

Eigene Frameworks als Alternative

Wen die Auswahl an Analyseverfahren und an unterstützenden Werkzeugen wie zum Beispiel für Stichprobenerstellung, statistische Tests oder Datenvorverarbeitung im SAP BW nicht zufrieden stellt, der kann sich entweder eigene Verfahren innerhalb des Data-Mining-Frameworks entwickeln oder aber bestehende Bibliotheken integrieren. Und wem das wiederum zu kompliziert ist oder aber wer bereits eine bewährte Standardsoftware im Bereich Data Mining einsetzt (z.B. SAS, SPSS, Statistica, KXEN oder auch Open-Source-Werkzeuge), für den ist die Anbindung an SAP BW und damit ans Kampagnenmanagement über verschiedenste Schnittstellen möglich.

Natürlich besteht auch weiter die Option, die Zielgruppen komplett mit Third-Party-Werkzeugen zusammenzustellen und dann per BAPI die finale Adressatenliste direkt an SAP CRM zu übertragen. Der Nachteil einer solchen Lösung besteht darin, dass sie oftmals relativ isoliert von den planerischen und kaufmännischen Unternehmensprozessen, aber auch von Vertriebs- und Serviceabläufen sind – Prozessen wie sie in vielen Firmen eben in SAP liegen. Deren Anbindung erfordert deutlich höheren Aufwand als dies für einen integrierten SAP-Ansatz erforderlich ist. Mit den neu gewonnenen Möglichkeiten in SAP BW und SAP CRM spricht sicherlich vieles nun für den Verzicht auf einen solchen Umweg und für eine Zielgruppenselektion im Segment Builder.

Tags:

Leave a Reply