Zusammenfassung
Die zentrale Zielsetzung, die mit dem Konzept des Customer Relationship Managements (CRM) verfolgt wird, liegt in der langfristigen Bindung profitabler Kunden an das Unternehmen. Als wesentliche Grundlage hierfür gilt ein umfassendes Wissen über die Struktur, das Verhalten und die Bedürfnisse der Kunden. Die Organisation dieses Wissens — d. h. dessen Bewahrung, Bereitstellung und Analyse — obliegt im CRM-Konzept dem analytischen CRM (aCRM). Abbildung 1 zeigt die Einbindung des aCRM in den umfassenden CRM-Kontext auf (zur Darstellung des operativen und kommunikativen CRM wird auf Hippner/Wilde 2000a verwiesen).
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
ADRIAANS, P., ZANTIGE, D., Data mining, Harlow.
BERRY, M.J.A., LINOFF, G., Data mining techniques for marketing, sales and customer support, New York.
BERRY, M.J.A., LINOFF, G., Mastering Data Mining, New York.
BEGER, J., BECKER, J., MüNZ, R., Data Warehouse — zentrale Sammelstelle für Information, in: c’t, (3) 1997, S. 284–293.
BRACHMAN, R.J., ANAND, T., The process of knowledge discovery in databases, in: Fayyad, U.M.; Piatetsky-Shapiro, G.; Smyth, P.; Uthurusamy, R. (Hrsg.): Advances in knowledge discovery and data mining, Menlo Park (California), S. 37–57.
BEYS, O., Panelyser — ein Beitrag zur effizienten Analyse von Paneldaten mit Hilfe wissensbasierter Elemente, Dissertation, Universität Erlangen-Nürnberg.
CABENA, P.; HADJINIAN, P. STADLER, R.; VERHEES, J.; ZANASI, A., Discovering data mining — from concept to implementation, Upper Saddle River.
CHAMONI, P., Entwicklungslinien und Architekturkonzepte des On-Line Analytical Processing, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme — Data warehouse, online analytical processing, data mining, Berlin, S. 231–250.
CHAMONI, P., Online Analytical Processing, erscheint in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K.D. (Hrsg.): Data Mining im Marketing, Braunschweig.
CHAPMAN, P., CLINTON, J., KHABAZA, T., REINARTZ, T., WIRTH, R., The CRISP-DM process model, Discussion Paper, CRISP-DM consortium.
CODD, E.F., CODD, S.B., SALLY, C.T., Providing OLAP (online analytical processing) to user-analysts — an IT mandat, White Paper, E.F. Codd & Associates.
DÖRRE, J., GERSTL, P., SEIFFERT, R., Text Mining, erscheint in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K.D. (Hrsg.): Data Mining im Marketing, Braunschweig.
FAYYAD, U.M., PIATETSKY-SHAPIRO, G., SMYTH, P., From data mining to knowledge discovery: an overview, in: Fayyad, U.M.; Piatetsky-Shapiro, G.; Smyth,
P.; UTHURUSAMY, R. (Hrsg.): Advances in knowledge discovery and data mining, Menlo Park (California), S. 1–34.
HAGEDORN, J., BISSANTZ, N., MERTENS, P., Data Mining (Datenmustererkennung): Stand der Forschung und Entwicklung, in: Wirtschaftsinformatik, (6) 1997, S. 601–612.
HIPPNER, H., KÜSTERS, U., MEYER, M., WILDE, K.D. (Hrsg.): Handbuch Data Mining im Marketing, Braunschweig.
HETTICH, S., HIPPNER, H.: Assoziationsanalyse, erscheint in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K.D. (Hrsg.): Handbuch Data Mining im Marketing, Braunschweig.
HIPPNER, H., WILDE, K.D.: CRM — Ein Überblick, in diesem Band.
HIPPNER, H., WILDE, K.D.: Der Prozeß des Data Mining im Marketing, erscheint in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K.D. (Hrsg.): Handbuch Data Mining im Marketing, Braunschweig.
JANETZKO, D., STEINHöFEL, K.: Lotsen los! Data Mining: Verborgene Zusammenhänge in Datenbanken aufspüren, in: c’t, (3) 1997, S. 294–300.
KNAUER, M.: Kundenbindung in der Telekommunikation — Das Beispiel T-Mobil, in: Bruhn, M.; Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement, 2. Aufl., Wiesbaden, S. 511–526.
KÜPPERS, B.: Data Mining in der Praxis — ein Ansatz zur Nutzung der Potentiale von Data Mining im betrieblichen Umfeld, Frankfurt/Main.
KULKARNI, J., KING, R.: Business Intelligence-Systeme und Data Mining — Grundlage für strategische Entscheidung, SAS Institute White Paper, SAS Institut Deutschland.
MICHELS, E.: Data Mining Analysen im Handel — konkrete Einsatzmöglichkeiten und Erfolgspotentiale, erscheint in: Hippner, H., Küsters, U., Meyer, M., Wilde, K.D. (Hrsg.): Handbuch Data Mining im Marketing, Braunschweig.
MICROSOFT COOPERATION: Ole Db for Data Mining — DRAFT Specification, Version 0.9.
RAPP, R.: Was gute Kunden wirklich wert sind, in: acquisa (7) 2000, S. 8–14.
REINARTZ, T.: Focusing solutions for data mining — analytical studies and experimental results in real-world domains, Berlin.
SCHWETZ, W.: Customer Relationship Management, Wiesbaden.
STAUSS, B.: Perspektivenwandel: Vom Produkt-Lebenszyklus zum Kundenbeziehungs-Lebenszyklus, In: Thexis (2) 2000, S. 15–18.
STAUSS, B.: Rückgewinnungsmanagement: Verlorene Kunden als Zielgruppe, In: Bruhn, M.; Stauss, B. (Hrsg.): Dienstleistungsmanagement Jahrbuch 2000, Wiesbaden, S. 451–471.
STRÜBY, R., KRAMMER, I., REINCKE, U., RIDDER, K., WELLHAUSEN, B., THEUSINGER, C. et al.: Datenanalyse und Data Mining mit dem SAS System — Release 6.12 The Orlando II Release, SAS Institute GmbH, Heidelberg.
TKACH, D.S.: Information Mining with the IBM Intelligent Miner Family — An IBM Software Solutions White Paper, IBM Corporation, Stamford.
WEISS, S.M., INDURKHYA, N.: Predictive Data Mining — a practical guide, San Francisco.
Editor information
Rights and permissions
Copyright information
© 2001 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Hippner, H., Wilde, K.D. (2001). Data Mining im CRM. In: Helmke, S., Dangelmaier, W. (eds) Effektives Customer Relationship Management. Gabler Verlag. https://doi.org/10.1007/978-3-322-82348-9_11
Download citation
DOI: https://doi.org/10.1007/978-3-322-82348-9_11
Publisher Name: Gabler Verlag
Print ISBN: 978-3-409-11767-8
Online ISBN: 978-3-322-82348-9
eBook Packages: Springer Book Archive