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
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
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)
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
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
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