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. Event: data2day, 27.09.2017 Speaker: Dr. Stefan Igel (inovex), Matthias Wurdig (1&1) Mehr Tech-Vorträge: https://www.inovex.de/de/content-pool/vortraege/ Mehr Tech-Artikel: https://www.inovex.de/blog

1. ERFOLGSFAKTOREN
EINER DATENGETRIEBENEN
CUSTOMER-CARE-OPTIMIERUNG
data2day 2017
Matthias Wurdig
Lead Analyst &
Product Owner
1&1 Internet SE
Dr. Stefan Igel
Head of
Big Data Solutions
inovex GmbH

2. 1&1 Internet SE2
Agenda
26.09.2017
W
W
W
arum Big Data im Customer Care?
ie wurde der Big Data Hub aufgebaut ?
as sind die Ergebnisse ?

3. 1&1 Internet SE3
Agenda
26.09.2017
W
W
W
arum Big Data im Customer Care?
ie wurde der Big Data Hub aufgebaut ?
as sind die Ergebnisse ?

4. 26.09.20174 1&1 Internet SE

5.  Warum rufen die Kunden an?
 Welche Ereignisse sind dem
Kontakt vorausgegangen?
 Haben sie versucht, das Problem
selbstständig zu lösen?
 Wie weit sind sie gekommen?
 War die Beratung erfolgreich?
 Was lässt sich verbessern?
 Wie zufrieden sind die Kunden?
26.09.2017 1&1 Internet SE
Service Qualität verbessern, Self-Service erhöhen
5
„Onliner“
„Caller“

6. Warum Big Data im Customer Care?
26.09.20176 1&1 Internet SE
 Zufriedenheits-Reporting
 Kündigungs-Reporting
 Service Kontakt Reporting
 Kontakt-Kategorien
 Gesprächsdauer
 Weiterleitungen
 …
 Land
 Geschlecht
 Kundenalter
 …
Service
Kontakt Data
…

7. Warum Big Data im Customer Care?
26.09.20177 1&1 Internet SE
 Heterogene Systemarchitektur
 Dezentrale Datenorganisation
 Hoher manueller Aufwand übergreifende Analysen
Zufrieden-
heits
Bewertung
Service
Kontakt
Daten
Kündigungs-
wünsche
Stammdaten
Event
basierte
Logs
… …

8. Warum Big Data im Customer Care?
26.09.20178 1&1 Internet SE
Zufrieden-
heits
Bewertung
Service
Kontakt
Daten
Kündigungs-
wünsche
Stammdaten
Event
basierte
Logs
… …
Big Data Hub

9. Warum Big Data im Customer Care?
26.09.20179 1&1 Internet SE
 Identifikation von
positiv & negativ Merkmalen
 Korrelationsanalysen zwischen
KPIs
 Kundenzufriedenheit
 Service Calls
 Kündigungen
???
Kundenzufriedenheit

10. 1&1 Internet SE10
Agenda
26.09.2017
W
W
W
arum Big Data im Customer Care?
ie wurde der Big Data Hub aufgebaut ?
as sind die Ergebnisse ?

11. 26.09.2017 1&1 Internet SE
Das Control Center
11

12.  Logfiles
 Support Case Management
 Telefonanlage
 Interactive Voice Response
 Hotline Tool
26.09.2017 1&1 Internet SE
Herausforderung Datenintegration
12
 Control Center
 Domain Services
 Login Service
 Help Center
 Prozess-Mailings
 Kundenstamm
 Vertragsstamm
Big Data Hub

13. Lösungsarchitektur
26.09.201713 1&1 Internet SE
Big Data Hub
Analytics Clients
BDH Ingestion
Other
BDH Data
BDH Analytical Data Hub
Import /
Stageing
Layer
Integration
Layer
User Space
Business Layer
Data Science IDE,
Notebooks,
SQL Clients
(Web-Interface)
BDH Data
Services
BI Tool
Reporting
Ad hoc Analytics
Data Quality
Gate
Data Privacy
Protection
Acquisition
Data
Preparation
BDH Data
Exports

14. Technische Komponenten und Frameworks
26.09.201714 1&1 Internet SE
 Datenspeicherung: (Cloudera CDH 5.x)
 ETL und Analyse: ,
 Workflows: (Apache Airflow)
 BI Tools: ,
 Data Analytics: ,

15. Datentransformationen
26.09.201715 1&1 Internet SE
Pre-Processor Import / Stage Integration
Zeitstempel (Part.) Liefer-Zeit Liefer-Zeit Event-Zeit
Zeitzone Server-Zeit Server-Zeit UTC
Stammdaten Full Loads Full Loads Historisierung
Schema normalisiert normalisiert Denormalisiert
Transport cp distcp Hive-Query
Datenformat csv csv Parquet

16. Wie wurde der Big Data Hub aufgebaut ?
26.09.201716 1&1 Internet SE
 Generisches Transaktions-Datenformat
 Definierte Format-Struktur
 Individualisierbare json Objekte
in Datenbank
{
„Konferenz“: „data2day“,
„Datum“: „2017-09-26“,
„Ort“: „Heidelberg“
}
C D…BA FE …
Big Data Hub

17. Projekt Stakeholder
26.09.201717 1&1 Internet SE
 3 Vorstandsbereiche
 + Datenlieferanten
 + IT Operations
 + parallele ProjekteCM
CSP
CISO
CC
Dev UIM
inovex
BEAT
Big Data Hub

18. Big Data Hub
DevAlytics Team
Projektorganisation
26.09.201718 1&1 Internet SE
 Vision / Ziele
 Meilensteine
 Budget
 Epics
 User Stories
 Plattform
 Datenquellen / ETL
 Analysen
Lenkungskreis
Product Owner
Scrum Master
Scrum Team
Management
(Bereichsleiter)

19. Potentially
Shippable
Product
Sprint
Backlog
Product
Backlog
Sprint
(feste Länge)
Daily
Sprint Planning Sprint Review
Big Data Hub
DevAlytics Team
Projekt Ablauforganisation
26.09.201719 1&1 Internet SE
Lenkungskreis
Product Owner
Scrum Master
Scrum Team
Management
(Bereichsleiter)
2-3 Wochen
4-6 Wochen
Übergeordnete
Entscheidungen
Status
Impediments
Schwer-
punkte

20. DevAlytics?
26.09.201720 1&1 Internet SE
 Interdisziplinäres Projektteam
DevAlytics Team
Data Stewards
Scrum Master
Product Owner
Data Analysts
Data Engineers
Data Developers
Application Managers
System Engineers

21. Wie wurde der Big Data Hub aufgebaut ?
26.09.201721 1&1 Internet SE
1 Priorisierung
2 Beispieldaten
3 Test-
Analysen
4 Implementierung
5 Analysen
6 Standardisierung
 Inkrementeller Prozess
Datenintegration
Datenanalyse
Datenbereitstellung
 Iteratives agiles Vorgehen
 Aufbereitung der Rohdaten
 Domänen Wissen der Analysten nutzen
 Analyse Sichten in Business Layern
bereitstellen

22. 1&1 Internet SE22
Agenda
26.09.2017
W
W
W
arum Big Data ?
ie wurde der Big Data Hub gebaut ?
as sind die Ergebnisse ?

23. Was sind die Ergebnisse ?
26.09.201723 1&1 Internet SE
 Erstmalige Verknüpfung
verschiedener Datenquellen
 Advanced Analytics Tools
 Monitoring Front End
 Visual Analytics Tool

24.  Event Analysen
 Preisanpassungen
 Migrationen
 Top-KPI Reports
 Standard Analysen
 Standard Views in
Business Layern
Was sind die Ergebnisse ?
26.09.201724 1&1 Internet SE

25.  Erhöhung der Analyse-Geschwindigkeit
Was sind die Ergebnisse ?
26.09.201725 1&1 Internet SE
Beschaffung
Aufbereitung
Analyse
Klassische Analyse Big Data Analytics

26. Was sind die Ergebnisse ?
26.09.201726 1&1 Internet SE
 Identifikation der Top
positiv & negativ Merkmale für
 Kundenzufriedenheit
 Service Calls
 Kündigungen
durch Data-Mining Techniken
???
Kundenzufriedenheit

27. Was sind die Ergebnisse ?
26.09.201727 1&1 Internet SE
 Verknüpfung der
Datenquellen
 Ganzheitliche Touch-Points
Betrachtung in der Customer
Journey
 Zufriedenheitsmodell zur
Identifikation der Top-
Merkmale
Online E-Mail
Service
Call
Online
Service
Call
Online
Zufriedenheits-
Rating
Online
Service
E-Mail

28. Was sind die Ergebnisse ?
26.09.201728 1&1 Internet SE
 Top Zufriedenheitstreiber
identifiziert
 Am Beispiel Aktivierung
 Aktivierung ist ein Merkmal
für Zufriedenheit
Δ x
Schematische Beispiel-Analyse

29. Was sind die Ergebnisse ?
26.09.201729 1&1 Internet SE

30. Was sind die Ergebnisse ?
26.09.201730 1&1 Internet SE

31. Was sind die Ergebnisse ?
26.09.201731 1&1 Internet SE
 Monitoring & Visual Analytics Tool
 Top KPIs:
• Kundenzufriedenheit
• Kündigungen
• [Calls]
 > 100 Analyse-Merkmale
 Customer Journey in Sankey Darstellung

32. FAZIT
26.09.201732 1&1 Internet SE

33. Herausforderungen
26.09.201733 1&1 Internet SE
 Hardware Beschaffung
 Unterschiedliche Stakeholder-Interessen
 Schnittstellen-Management
 Projektkapazitäten
 Heterogene Nutzergruppen

34. Top Erfolgsfaktoren
26.09.201734 1&1 Internet SE
 Agile-Projekt Organisation & Stakeholder Management
 Multiprofessionelles, engagiertes Team
 Frühe Produkt & Ergebnisbereitstellung
 Skalierbare technische Plattform
 Effektive und effiziente Datenintegration

35. FRAGEN?
Matthias Wurdig
Lead Analyst &
Product Owner
1&1 Internet SE
matthias.wurdig@1und1.de
Dr. Stefan Igel
Head of
Big Data Solutions
inovex GmbH
stefan.igel@inovex.de