IMSP


Data Analytics / Data Science

Data Analytics / Data Science

Schwerpunkte im Bereich Data Analytics / Data Science sind statistische Analysen, Data Mining, maschinelles Lernen und künstliche Intelligenz in Bereichen des  analytischen Customer Relationship Managements (CRM), Kampagnenmanagements, Business- und Risk Analytics.

Wir sind spezialisiert auf die Anwendung und Programmierung aller gängigen Analysetools wie Python, SAS, SPSS, R, Stata, Knime, Rapid Miner u.a.

Kundenspezifisch entwickeln und implementieren wir automatisierte Analytics-Modelle zur Schaffung einer 360 Grad Value und Risk Kundensicht in allen Phasen des Kundenlebenszyklus: Akquisition, Kundenentwicklung und Retention. Dazu bieten wir methodisch eine breite Palette von Multivariaten Verfahren (wie Cluster-, Diskriminanz-, Faktorenanalysen, Treber- und Regressionsmodelle) über Paneldatenanalysen und Survivalmodellen bis zu modernen Verfahren des maschinellen Lernens wie Super Vector Machines, Neuronalen Netzen und Random Forests Modellen.

Im Bereich Business Analytics prognostizieren und simulieren wir wichtige KPIs wie Umsatz, Kosten, Kündigungen oder Risiko. Anwendung finden hier vor allem Zeitreihenmodelle, ökonometrische Mehrgleichungsmodelle und moderne Verfahren zu Kosten/Nutzen Analysen, Simulationen und Optimierungen.

Themenangebote (Beispiele):

k

Neukunden Profiling

Ausgangssituation:
Attraktive Neukundensegmente und deren Charakteristika sind nicht bekannt. Strategien zur Neukundengewinnung sind noch nicht etabliert.

Deliverables IMSP:

  • Durchführung der Profilanalysen und Entwicklung der Modelle für die Neukundengewinnung
  • Übertragung der analytischen Modelle auf Adressdaten und Identifikation der attraktiven Neukundensegmente (on- und offline)
  • Durchführung von Potenzialbetrachtungen und Planung von Akquisitionsmaßnahmen
m

Kundensegmentierungen

Ausgangssituation:
Eine Segmentierung der Kundenbasis nach Wert / Potenzial / Aktivität / Kauffrequenz ist noch nicht verfügbar. Entwicklungspfade in der Kundenbasis sind noch nicht verstanden.

Deliverables IMSP:

  • Identifikation wesentlicher Parameter zur Segmentierung (Wert, Verhalten, Bedürfnisse etc.)
  • Bildung trennscharfer analytischer Kundensegmente mittels maschinellen Lernens
  • Profilierung der Segmente und Generieren von Customer Insights
  • Zuordnungsmodell aller Kunden auf Basis interner Daten aller Kunden (auch möglich, wenn die Segmente auf externen Fragebogendaten beruhen)
b

Cross- und Up Selling

Ausgangssituation:
Bisherige CRM-Maßnahmen beschränken sich auf reaktive Marketingaktionen. Die Marketingmaßnahmen beruhen nicht auf kundenindividuellen Modellen.

Deliverables IMSP:

  • Erstellung von Cross- und Upsell Potenzial für alle Produkte für jeden Kunden auf Basis von maschinellem Lernen
  • Automatisierte Berechnung aller Produktaffinitäten und Aussteuerung für Cross- und Upsell-Kampagnen
h

Churn-Scorecards

Ausgangssituation:
Es werden noch keine Churn Scorecards verwendet. Churn-Scorecards sind ein Instrument, um Verträge oder Kunden bzgl. ihrer Churn-Wahrscheinlichkeit zu bewerten, um eine implizite oder explizite Kündigung zu verhindern.

Deliverables IMSP:

  • Voranalyse der kompletten Datenwelt; Auswahl der relevanten Prädiktoren
  • Datenaufbereitung; Herausarbeitung trennscharfer Merkmale
  • Entwicklung verschiedener Modellalternativen für eine Churn-Scorecard.
  • Evaluation anhand statistischer KPIs und Auswahl des besten Modells; Interpretation und Dokumentation der Scorecard
m

Winback

Ausgangssituation:
Keine unterschiedlichen Angebote für unterschiedliche Typen von Kündigern. Keine Berücksichtigung von Nutzungsverhalten und Affinitäten bei Rückgewinnung von Kündigern. Keine Optimierung der Kontakte hinsichtlich Kundenwert, Zeitpunkt, Angebot und Kanal.

Deliverables IMSP:

  • Entwicklung von Scorings für Kundenwert, Kontaktzeitpunkt, Angebots- und Kanalaffinitäten.
  • Dynamische Selektion von Kündigern für Angebote und Kanäle
  • Erstellung eines automatisierten Prozesses im DWH, der täglich Aktionen für bestehende und neu hinzugekommene Kündiger berechnet und durchführt.
n

Customer Lifetime Value

Ausgangssituation:
Der Kundenwert (Bestandswert + Potenzialwert) auf Einzelkundenebene ist noch nicht verfügbar.
Insbesondere das Zukunftspotenzial der Kunden ist nicht bekannt, so dass keine Differenzierung von Maßnahmen nach Kundenpotenzial vorgenommen werden kann.

Deliverables IMSP:

  • Analytisches Berechnungsmodell / Prognosemodell zur Ermittlung des Kundenpotenzials.
  • Identifikation der wesentlichen Kriterien, an denen man hochwertige Kunden erkennt.
  • Aufzeigen von Kundenpotenzialen, die nicht erschlossen sind.
  • Erstellung von Profilen, um die einzelnen Kundensegmente zu charakterisieren

Antragsmanagement

Ausgangssituation:
Überarbeitung und Verbesserung der bestehenden Bonitätsbewertung von neuen Antragsstellern.
Optimierung der Trennschärfe des Scoring-Modells, so dass nur 5 bis 10% der Anträge ausgesteuert und differenziert betrachtet werden müssen.

Deliverables IMSP:

  • Datenvorverarbeitung und Aufbau der Datengrundlage für die Analyse und Modellierung.
  • Analyse des Antragstellerverhaltens mittels uni- und multivariater Verfahren.
  • Erstellung des Scoring-Modells für die Bonitätsbewertung unter Berücksichtigung der abgelehnten Fälle (Reject Inference).

Forderungsmanagement

Ausgangssituation:
Keine genauen Kenntnisse über Segmente mit hoher / niedriger Zahlungswahrscheinlichkeit.
Keine Differenzierung des Inkasso-Prozesses (Standardprozess für alle Schuldner).
Unbefriedigende Wirtschaftlichkeit des Beitreibungsverfahrens.

Deliverables IMSP:

  • Datenvorverarbeitung und Aufbau der Datengrundlage für die Analyse und Modellierung.
  • Analyse des Schuldnerverhaltens mittels uni- und multivariater Verfahren.
  • Erstellung von Inkasso-Scoring-Modellen für den Privat- und Firmenkundenbereich.
  • Erarbeitung der Beitreibungsstrategie.
o

Frauderkennung

Ausgangssituation:
Betrugsfälle belasten Unternehmen zunehmend. Wie lassen sie sich frühzeitig erkennen? Innovatives Fraud Management ermöglicht die automatisierte Entdeckung krimineller Muster.

Deliverables IMSP:

  • Erstellung von Policy Rules zu Aussteuerung von Betrugsverdachtsfällen.
  • Aufbau eines intelligenten Speichers (Fraud Cache) zur Identifikation von Betrugsversuchen bei Neukundenanträgen über Fuzzy-Algorithmen.
  • Analyse des Netzwerkes nach Auffälligkeiten (z.B. mehrfach genutzte Bankverbindung etc.).
  • Identifikation von Fraud-Netzwerken durch Anwendung von Data Mining Tools.
  • Entwicklung von Fraud-Scorecards für verlässliche Betrugsbewertung von Neuanträgen.
l

KPI Prognosen

Ausgangssituation:
Wie wird die Konsistenz von Prognosen sichergestellt? Wie stellt man die Qualität sicher? Wie erreicht man Effizienzgewinne in Entwicklung und Betrieb? Wie lassen sich bestehende Prognosen integrieren? Wie gewährleistet man ein konsistentes und effizientes Reporting der Prognosen? Wie erreicht man den Spagat zwischen Standardisierung und Freiheit in der Entwicklung?

Deliverables IMSP:

  • Datenanforderungsklärung, Beschaffung und Einbindung der Daten
  • Automatisierte Bereinigung der Zeitreihen von Kalender- und Saisoneinflüssen
  • Entwicklung eines Prognoseframeworks in einem Statistiktool mit Prognoseverfahren auf Basis moderner Zeitreihenverfahren, mit Qualitätssicherungsverfahren und mit Bereitstellung von Makros für Betrieb und Entwicklung
n

Simulationsmodelle

Ausgangssituation:
Entscheidungen werden nach Bauchgefühl und auf einfachen Controlling Kennzahlen getroffen. Eine Risiko- und Chancenabschätzung werden nicht durchgeführt, die KPIs werden nicht in Abhängigkeit von weiteren Unternehmensparametern optimiert.

Deliverables IMSP:

  • Erstellung eines Simulationsmodells mit basierend auf unseren Best Practices 
    Monte Carlo Simulationen
     Szenarioanalysen
    Bootstrapping
    Stress Testing
  • Optimierung unter den geg. Bedingungen und Zielgewichtungen
  • Analytische und empirische Lösungen zur optimalen Preisfindung
  • Strategiebewertungen bzgl. Chancen und Risiken

„Mit Statistiken kann man vieles beweisen – auch das Gegenteil davon.“

Baron James Callaghan 

Schulungen:

Aufgrund unserer langjährigen intensiven Beschäftigung mit verschiedenen Statistik-Anwendungen und Analyse-Tools haben wir Angebote entwickelt, um unsere Erfahrung an interessierte Kunden weiterzugeben. Wir bieten Ihnen daher kundenspezifische Schulungen in den wichtigsten professionellen Statistiktools an. Das Schulungsprogramm kann individuell auf Ihre Bedürfnisse angepasst werden, je nach bereits vorhandenen Grundlagen für Einsteiger, Fortgeschrittene und Experten.

 

Für folgende Analytics-Anwendungen bietet das IMSP Schulungen, Kurse, Trainings und Lehrgänge an:

R-Schulungen

  • Einführung
  • Methoden
  • Fortgeschr. Regression
  • Datenvisualisierung
  • Data Science
  • Programmieren

Python-Schulungen

  • Einführung
  • Methoden
  • Data Science
  • Programmieren

SAS-Schulungen

  • Base/Einführung
  • Enterprise Guide
  • Methoden
  • Coding
  • Makroprogrammierung
  • Programmieren
  • Enterprise Minder

SPSS-Schulungen

  • Einführung
  • Methoden

Statistica-Schulungen

  • Einführung
  • Methoden

Stata-Schulungen

  • Einführung
  • Methoden
  • Programmieren

Rapid Miner-Schulungen

  • Einführung

Knime-Schulungen

  • Einführung

Big Data-Schulungen

  • Einführung
  • Analytics/Data Science
  • Predictive Analytics

Business Analyse-Schulungen

  • Einführung

Künstliche Intelligenz-Schulungen

  • Einführung
  • Maschinelles Lernen

Data Mining-Schulungen

  • Einführung

Wenn Sie mehr über das Leistungsangebot des IMSP im Bereich der Schulungen, Kurse, Trainings und Lehrgänge erfahren möchten, würden wir uns freuen, wenn Sie direkten Kontakt mit uns aufnehmen. Gerne erarbeiten wir gemeinsam mit Ihnen individuelle Lösungen für Ihre Fragestellungen.

Durchgeführte Projekte:

  • Kündigungsscore im Telekommunikationsbereich (Modell-Konzeption und Betreuung)
  • Modell zur Frauderkennung für Mobilfunkanbieter (Konzeption und Umsetzung)
  • Kundensegmentierungen mit neurobiologischen Kundensegmenten für Einzelhandelsunternehmen (Modell-Entwicklung)
  • Kampagnenmanagementsystem im Bereich Broadcasting (Aufbau, Umsetzung und Controlling)
  • Kundensegmentierungen und Kundenwertmodelle für Medienunternehmen (Konzept und Implementierung in operatives Marketing und Management-Reporting)
  • Kündigungsprävention bei Marketingmaßnahmen von Medienunternehmen (Aufbau, Umsetzung und Controlling)

SPSS-Schulungen:

FocusTomorrow, Stat. Bundesamt, Siemens, Max-Planck Institut, Bayerisches Landesamt für Gesundheit und Lebensmittelsicherheit, Universität Augsburg, Kassenärztliche Vereinigung Bayern

Stata-Schulungen:

Deutsche Rentenversicherung, Universität Magdeburg, Bundesversicherungskammer Bonn, KIT

SAS-Schulungen:

offene Seminare & Einzelcoaching

R-Schulungen:

LRP – Landesbank Rheinland-Pfalz, Universität Leipzig,
offene Seminare & Einzelcoaching

Auszug unserer Referenzen:

Institut für Marktforschung, Statistik und Prognose

Das IMSP hat eine jahrelange erfolgreiche Erfahrung in der Beratung und Projektdurchführung für Kunden in diversen Branchen. Wenn Sie mehr Informationen über das Leistungsangebot und konkrete Referenzprojekte wünschen, würden wir uns freuen, wenn Sie direkten Kontakt mit uns aufnehmen. Gerne erarbeiten wir gemeinsam mit Ihnen individuelle Lösungen für Ihre Fragestellungen.

Wir freuen uns auf Ihre Nachricht!

PHILIPP GRUNERT

Dipl. Volkswirt, Dipl. Kaufmann,
M. SC. in Statistics 

IMSP
Infanteriestr. 19 – Haus 5
80797 München

Tel. +49 151 2073 7493‬

Fax +49 89 9995 0878

DATENSCHUTZ

3 + 7 =

COPYRIGHT 2019 © IMSP.de