Aktuelles

Reakkreditierung der Studienrichtung Wirtschaftsinformatik


Alle Neuigkeiten ansehen.


Campusplan

campusplan_image

Unser Standort befindet sich hier.




Erstellung eines Referenzmodells für Abwanderungsanalysen mittels Data Mining

Autor: K. Pimmingstorfer
Masterarbeit: MT0508 (November, 2005)
Betreut von: o. Univ.-Prof. Dr. Michael Schrefl
Angeleitet von: Dipl.-Wirtsch.-Inf. Mathias Goller
Ausgeführt an: Universität Linz, Institut für Wirtschaftsinformatik - Data & Knowledge Engineering


Kurzfassung (Englisch):

This thesis describes the development of a reference model for churn analysis. This project was realized as a cooperation of the Institute of Business Informatics - Data & Knowledge Engineering and Teradata Vienna.

Churn analyses are used as a tool of the customer relationship management. They help to identify customers who may be at risk to switch their provider in the near future. Manly in the hard-fought mobile telecommunications industry efficient churn prediction models secure a competitive advantage. Consultants of Teradata found out that the approaches of designing churn analyses are quite similar. If the similarities of the different analyses are known you can build a reference model that shows these similarities but also the variability of analyses.

The aim of this work was the creation of a model that shows the common practise of churn analysts. With this knowledge it is possible to support the process of designing churn analyses and accelerate it. Apart from this the accuracy of the predictions and the quality of the models can be improved. Moreover this model can give suggestions for improvements of the software and the development of an active auxiliary system.

The reference model bases on churn analyses performed by students of Johannes-Kepler- University Linz. It has shown that the common practise of these students consists of three phases. In each phase they analyzed different attributes or groups of attributes in various sequences and combined analyses with good results to further improve the churn model. This project shows that creating reference models is beneficial for data mining projects.

Kurzfassung (Deutsch):

Die vorliegende Diplomarbeit beschreibt die Entwicklung eines Referenzmodells für Abwanderungsanalysen. Dieses Projekt wurde vom Institut für Wirtschaftsinformatik - Data & Knowledge Engineering in Zusammenarbeit mit NCR Österreich Ges.m.b.H. Teradata Division durchgeführt.

Abwanderungsanalysen werden als Werkzeug des Customer Relationship Managements eingesetzt, um Kunden zu identifizieren, welche gefährdet sind in naher Zukunft ihre Geschäftsbeziehungen zum Unternehmen zu beenden bzw. zur Konkurrenz abzuwandern. Vor allem im hart umgekämpften Mobilfunkmarkt stellen effiziente Prognosemodelle einen wesentlichen Wettbewerbsvorteil gegenüber der Konkurrenz dar. Die Erfahrungen von Teradata haben gezeigt, dass sich die Vorgehensweisen bei der Erstellung von Abwanderungsanalysen in vielen Teilen deutlich ähneln. Wenn die Gemeinsamkeiten der verschiedenen, aber ähnlichen Analysen bekannt sind, lässt sich daraus ein Referenzmodell formulieren, das diese Gemeinsamkeiten, aber auch die Unterschiede der Analysen umfasst.

Ziel der Arbeit war es ein Modell zu erstellen, das Erkenntnisse über das typische Vorgehen von Erstellern solcher Analysen vermittelt. Mit diesem Wissen ist es möglich den Prozess der Erstellung von Abwanderungsanalysen zu unterstützen bzw. zu beschleunigen. Weiters kann die Prognosegenauigkeit verbessert und die Qualität der Modelle erhöht werden. Außerdem kann das Modell Anregungen zur Verbesserung der Software geben und ein aktives Hilfesystem erstellt werden.

Grundlage für das Referenzmodell bildeten Abwanderungsanalysen, welche von Studenten der Universität Linz erstellt wurden. Es konnten drei verschiedene Phasen beim Vorgehen der Studenten identifiziert werden. In jeder dieser Phasen werden in verschiedenen Sequenzen einzelne Attribute oder Attributgruppen untersucht, welche in weiterer Folge in einer Gesamtanalyse kombiniert werden. Diese Arbeit zeigt, dass die Erstellung von Referenzmodellen im Bereich Data Mining verwendbare Ergebnisse liefert.