Skip to main content
SpringerLink
Log in

Data Mining – Grundlagen und Einsatzpotenziale in analytischen CRM-Prozessen

  • Chapter
Grundlagen des CRM

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 (Hippner/Wilde 2002a, S. 6). Wesentliche Grundlage für den effizienten Umgang mit potenziellen, aktuellen oder verlorenen Kunden ist das umfassende Wissen über Struktur, Verhalten und Bedürfnisse dieser Kunden. Die Organisation dieses Wissens – d. h. dessen Speicherung, Aufbereitung, Bereitstellung und Analyse – obliegt im CRM-Konzept dem analytischen CRM (aCRM).

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 109.00
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 149.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  • Adriaans, P.; Zantinge, D. (1996): Data Mining, Harlow.

    Google Scholar 

  • Agrawal, R.; Mannila, H.; Srikant, R.; Toivonen, H.; Verkamo, A. I. (1996): Fast Discovery of Association Rules, in: Fayyad, U. M.; Piatetsky-Shapiro, G.; Smyth, P.; Uthursamy, R. (Hrsg.): Advances in Knowledge Discovery and Data Mining, Menlo Park, S. 307–328.

    Google Scholar 

  • Alpar, P.; Niedereichholz, J. (2000): Einführung zu Data Mining, in: Alpar, P.; Niedereichholz, J. (Hrsg.): Data Mining im praktischen Einsatz – Verfahren und Anwendungsfälle für Marketing, Vertrieb, Controlling und Kundenunterstützung, Braunschweig/Wiesbaden, S. 1–27.

    Google Scholar 

  • Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R. (2008): Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, 12. Aufl., Berlin et al.

    Google Scholar 

  • Bange, C. (2006): Werkzeuge für analytische Informationssysteme, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme – Data Warehouse, On-Line Analytical Processing, Data Mining, 3. Aufl., Berlin, S. 89–110.

    Google Scholar 

  • Below, C. (1998): Data Mining – Auf der Suche nach den verborgenen Schätzen, in: Hannig, U. (Hrsg.): Managementinformationssysteme in Marketing und Vertrieb, Stuttgart, S. 53–61.

    Google Scholar 

  • Bensberg, F. (2002): CRM und Data Mining, in: Ahlert, D.; Becker, J; Knackstedt, R.; Wunderlich, M. (Hrsg.): Customer Relationship Management im Handel – Strategien, Konzepte, Erfahrungen, Berlin et al., S. 201–226.

    Google Scholar 

  • Berry, J. (2003): Making Next-Best-Activity (NBA) programmes a success at delivering measurable improvements in ROI, in: Journal of Database Marketing, Nr. 1, S. 53–59.

    Google Scholar 

  • Berry, M. J. A.; Linoff, G. (1997): Data mining techniques for marketing, sales and customer support, New York.

    Google Scholar 

  • Berry, M. J. A.; Linoff, G. (2000): Mastering Data Mining – The Art and Science of Customer Relationship Management, New York.

    Google Scholar 

  • Brachman, R. J.; Anand, T. (1996): 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, S. 37–57.

    Google Scholar 

  • Breitner, C. A.; Lockemann, P. C.; Schlösser, J. A. (1998): Die Rolle der Informationsverwaltung im KDD-Prozess, in: Nakhaeizadeh, G. (Hrsg.): Data Mining – Theoretische Aspekte und Anwendungen, Heidelberg, S. 34–60.

    Google Scholar 

  • Buntine, W. (1996): Graphical Models for Knowledge Discovery, in: Fayyad, U. M.; Piatetsky-Shapiro, G.; Smyth, P.; Uthursamy, R. (Hrsg.): Advances in Knowledge Discovery and Data Mining, Menlo Park, S. 59–82.

    Google Scholar 

  • Cabena, P.; Hadjinian, P.; Stadler, R.; Verhees, J.; Zanasi, A. (1998): Discovering data mining – from concept to implementation, Upper Saddle River.

    Google Scholar 

  • Chamoni, P. (2001): On-Line Analytical Processing (OLAP), in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Databases, Braunschweig/Wiesbaden, S. 543–558.

    Google Scholar 

  • Chapman, P.; Clinton, J.; Khabaza, T.; Reinartz, T.; Wirth, R. (1999): The CRISP-DM process model, Discussion Paper, CRISP-DM consortium. Chapman, P.; Clinton, J.; Kerber, R.; Khabaza, T.; Reinartz, T.; Shearer, C.; Wirth, R.(2000): Cross-Industry Standard Process for Data Mining (CRISP-DM) 1.0, o. O.

    Google Scholar 

  • Codd, E. F.; Codd, S. B.; Salley, C. T. (1993): Providing OLAP (On-line Analytical Processing) to User-Analysts – An IT Mandate, o. O.

    Google Scholar 

  • Dörre, J.; Gerstl, P.; Seiffert, R. (2001): Text Mining, in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Databases, Braunschweig/Wiesbaden, S. 465–488.

    Google Scholar 

  • Elder, J.; Pregibon, D. (1996): A Statistical Perspective on Knowledge Discovery in Databases, in: Fayyad, U. M.; Piatetsky-Shapiro, G.; Smyth, P.; Uthursamy, R. (Hrsg.): Advances in Knowledge Discovery and Data Mining, Menlo Park, S. 83–113.

    Google Scholar 

  • Emrich, C. (2008): Multi-Channel-Communications- und Marketing-Management, Wiesbaden.

    Google Scholar 

  • Fayyad, U. M.; Piatetsky-Shapiro, G.; Smyth, P. (1996): 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, S. 1–34.

    Google Scholar 

  • Gluchowski, P.; Chamoni, P. (2006): Entwicklungslinien und Architekturkonzepte des On-Line Analytical Processing, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme – Data Warehouse, On-Line Analytical Processing, Data Mining, 3. Aufl., Berlin, S. 143–176.

    Google Scholar 

  • Gluchowski, P.; Gabriel, R.; Dittmar, C. (2008) – Management Support Systeme und Business Intelligence – Computergestützte Informationssysteme für Fach- und Führungskräfte, 2. Aufl., Berlin/Heidelberg.

    Google Scholar 

  • Grabmeier, J. (2001): Segmentierende und clusterbildende Methoden, in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Databases, Braunschweig/Wiesbaden, S. 299–362.

    Google Scholar 

  • Grieser, L.; Wilde, K. D. (2010): Adaptive Right-time Technologien im CRM, in: Wirtschaftsinformatik, Nr. 1, S. 45–48.

    Google Scholar 

  • Groth, R. (1998): Data Mining – A Hands-On Approach for Business Professionals, New Jersey.

    Google Scholar 

  • Hagedorn, J.; Bissantz, N.; Mertens, P. (1997): Data Mining (Datenmustererkennung): Stand der Forschung und Entwicklung, in: Wirtschaftsinformatik, Nr. 6, S. 601–612.

    Google Scholar 

  • Hettich, S.; Hippner, H. (2001): Assoziationsanalyse, in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Databases, Braunschweig/Wiesbaden, S. 427–463.

    Google Scholar 

  • Hippner, H. (2006): Komponenten und Potenziale eines analytischen Customer Relationship Management, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme – Data Warehouse, On-Line Analytical Processing, Data Mining, 3. Aufl., Berlin, S. 361–384.

    Google Scholar 

  • Hippner, H.; Wilde, K. D. (2001): Der Prozess des Data Mining im Marketing, in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Databases, Braunschweig/ Wiesbaden, S. 21–91.

    Google Scholar 

  • Hippner, H.; Wilde, K. D. (2002a): CRM – Ein Überblick, in: Helmke, S.; Uebel, M.; Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management – Instrumente, Einführungskonzepte, Organisation, 2. Aufl., Wiesbaden, S. 5–37.

    Google Scholar 

  • Hippner, H.; Wilde, K. D. (2002b): Marktstudie Data Mining – Mehr Gewinn aus Ihren Kundendaten, Düsseldorf.

    Google Scholar 

  • Hippner, H.; Wilde, K. D. (2008): Data Mining im CRM, in: Helmke, S.; Uebel, M.; Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management – Instrumente, Einführungskonzepte, Organisation, 2. Aufl., Wiesbaden, S. 205–225.

    Google Scholar 

  • Hippner, H.; Merzenich, M.; Wilde, K. D. (2002a): Data Mining im Marketing: Anwendungspraxis

    Google Scholar 

  • in deutschen Unternehmen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Marktstudie Data Mining, Düsseldorf, S. 127–143.

    Google Scholar 

  • Hippner, H.; Merzenich, M.; Wilde, K. D. (2002b): Grundlagen des Web Mining – Prozess, Methoden und praktischer Einsatz, in: Hippner, H.; Merzenich, M.; Wilde, K. D. (Hrsg.): Handbuch Web Mining im Marketing – Konzepte, Systeme, Fallstudien, Wiesbaden, S. 3–31.

    Google Scholar 

  • Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.) (2001): Data Mining im Marketing – Knowledge Discovery in Databases, Braunschweig/Wiesbaden.

    Google Scholar 

  • Inmon, W. H. (2005): Building the Data Warehouse, 4. Aufl., Wellesley.

    Google Scholar 

  • Janetzko, D.; Steinhöfel, K. (1997): Lotsen los! Data Mining: Verborgene Zusammenhänge in Datenbanken aufspüren, in: c't, Nr. 3, S. 294–300.

    Google Scholar 

  • Kantardzic, M. (2003): Data Mining – Concepts, Models, Methods, and Algorithms, New York.

    Google Scholar 

  • Kantsperger, R. (2006): Modifikation von Kundenverhalten als Kernaufgabe des CRM, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM – Konzepte und Gestaltung, Wiesbaden, 2. Aufl., S. 291–304.

    Google Scholar 

  • Knauer, M. (2003): Kundenbindung in der Telekommunikation – Das Beispiel T-Mobile, in: Bruhn, M.; Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement, 4. Aufl., Wiesbaden, S. 673–688.

    Google Scholar 

  • Kulkarni, J., King, R. (1999): Business Intelligence-Systeme und Data Mining – Grundlage für strategische Entscheidung, SAS Institute White Paper, SAS Institut Deutschland.

    Google Scholar 

  • Kumar, V.; Reinartz, W. J. (2006): Customer Relationship Management – A Databased Approach, New York.

    Google Scholar 

  • Küppers, B. (1999): Data Mining in der Praxis – ein Ansatz zur Nutzung der Potentiale von Data Mining im betrieblichen Umfeld, Frankfurt/Main.

    Google Scholar 

  • Küsters, U. (2001): Data Mining Methoden – Einordnung und Überblick, in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Data Mining im Marketing – Knowledge Discovery in Databases, Braunschweig/Wiesbaden, S. 95–130.

    Google Scholar 

  • Larose, D. T. (2006): Data Mining – Methods and Models, New York.

    Google Scholar 

  • Lusti, M. (2002): Data Warehousing und Data Mining – Eine Einführung in entscheidungsunterstützende Systeme, 2. Aufl., Berlin.

    Google Scholar 

  • Nakhaeizadeh, G.; Reinartz, T.; Wirth, R. (1998): Wissensentdeckung in Datenbanken und Data Mining – Ein Überblick, in: Nakhaeizadeh, G. (Hrsg.): Data Mining – Theoretische Aspekte und Anwendungen, Heidelberg, S. 1–33.

    Google Scholar 

  • Poddig, T.; Sidorovitch, I. (2001): Künstliche neuronale Netze – Überblick, Einsatzmöglichkeiten und Anwendungsprobleme, in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Braunschweig, S. 363–402.

    Google Scholar 

  • Pyle, D. (1999): Data preparation for data mining, San Francisco.

    Google Scholar 

  • Raab, G.; Werner, N. (2009): Customer Relationship Management – Aufbau dauerhafter und profitabler Kundenbeziehungen, 3. Aufl., Heidelberg.

    Google Scholar 

  • Reinartz, T. (1998): Focusing solutions for data mining – analytical studies and experimental results in real-world domains, Berlin.

    Google Scholar 

  • Rentzmann, R. (2008): Text Mining im Customer Relationship Management, Hamburg.

    Google Scholar 

  • Schinzer, H; Bange, C.; Mertens, H. (1999): Data Warehouse und Data Mining – Marktführende Produkte im Vergleich, 2. Aufl., München.

    Google Scholar 

  • Schmid, R. E.; Bach, V.; Österle, H. (2000): Mit Customer Relationship Management zum Prozessportal, in: Bach, V.; Österle, H. (Hrsg.): Customer Relationship Management in der Praxis – Erfolgreiche Wege zu kundenzentrierten Lösungen, Berlin et al., S. 3–55.

    Google Scholar 

  • Shearer, C. (2000): The CRISP-DM Model, in: Journal of Data Warehousing, Nr. 4, S. 13–22.

    Google Scholar 

  • Stauss, B. (2000a): Perspektivenwandel: Vom Produkt-Lebenszyklus zum Kundenbeziehungs-Lebenszyklus, in: Thexis, Nr. 2, S. 15–18.

    Google Scholar 

  • Stauss, B. (2000b): 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.

    Google Scholar 

  • (1999): Datenanalyse und Data Mining mit dem SAS System – Release 6.12 The Orlando II Release, SAS Institute GmbH, Heidelberg.

    Google Scholar 

  • Tkach, D. S. (1998): Information Mining with the IBM Intelligent Miner Family – An IBM Software Solutions White Paper, IBM Corporation, Stamford.

    Google Scholar 

  • Wehrmeister, D. (2001): Customer Relationship Management – Kunden gewinnen und an das Unternehmen binden, Köln.

    Google Scholar 

  • Weiss, S. M., Indurkhya, N. (1998): Predictive Data Mining – a practical guide, San Francisco.

    Google Scholar 

  • Wilde, K. D. (2001): Data Warehouse, OLAP und Data Mining im Marketing – moderne Informationstechnologien im Zusammenspiel, in: Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Braunschweig, S. 1–19.

    Google Scholar 

Download references

Authors
  1. Hajo Hippner
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Lukas Grieser
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Klaus D. Wilde
    View author publications

    You can also search for this author in PubMed Google Scholar

Editor information

Editors and Affiliations

  1. Universität Bayreuth, Bayreuth

    Hajo Hippner (Inhaber der Juniorprofessur Direkt Marketing) (Inhaber der Juniorprofessur Direkt Marketing)

  2. Lehrstuhl für ABWL und Wirtschaftsinformatik, Katholischen Universität Eichstätt-Ingolstadt, Eichstätt-Ingolstadt

    Beate Hubrich (Wissenschaftliche Mitarbeiterin) (Wissenschaftliche Mitarbeiterin)

  3. Katholischen Universität Eichstätt-Ingolstadt, Eichstätt-Ingolstadt

    Klaus D. Wilde (Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik) (Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik)

Rights and permissions

Reprints and permissions

Copyright information

© 2011 Gabler Verlag | Springer Fachmedien Wiesbaden GmbH

About this chapter

Cite this chapter

Hippner, H., Grieser, L., Wilde, K.D. (2011). Data Mining – Grundlagen und Einsatzpotenziale in analytischen CRM-Prozessen. In: Hippner, H., Hubrich, B., Wilde, K.D. (eds) Grundlagen des CRM. Gabler. https://doi.org/10.1007/978-3-8349-6618-6_26

Download citation

Publish with us

Policies and ethics

Search

Navigation