Die Werkzeuge für Data Mining, Statistik und Marktforschung von SPSS richteten sich aufgrund ihrer Komplexität und Fragestellungen bisher in erster Linie an Universitäten, Forschungseinrichtungen sowie Experten in Unternehmen. Dies soll sich künftig ändern: seit einiger Zeit verfolgt der Hersteller die Strategie, seine Produkte auch für die täglichen Arbeiten in Fachabteilungen nutzbar zu machen. Wie sein ärgster Konkurrent SAS Institute, sieht sich auch SPSS aufgrund seines spezifischen Know-hows gegenüber anderen Herstellern von Software für Business Intelligence (BI) und Customer-Relationship-Management (CRM) im Vorteil, wenn es um die Entwicklung von Unternehmenslösungen mit hohem Analysebedarf geht.
Während indes SAS die gesamte BI-Infrastruktur für den aufgaben- und branchenspezifischen Aufbau solcher analytischer Anwendungen stellen will, konzentriert sich SPSS vor allem auf die fachbereichsübergreifende Kundenbewertung im CRM. Entsprechende Produkte hat der Hersteller nun unter der Bezeichnung "Predictive Marketing" und "Predictive Call Center" vorgestellt. Sie basieren auf der Technik des Data-Mining- und Marketing-Spezialisten Data Distilleries, den SPSS Ende letzten Jahres übernahm. Ihre Aufgabe ist es, Fachanwender bei der Prognose des künftigen Kundenverhaltens, der Kundensegmentierung, der Optimierung und Planung von Marketing-Kampagnen beziehungsweise bei der individuellen Angebotserstellung im Call Center zu unterstützen. Damit betritt SPSS das Marktsegment für "Predictive Analytics", das Marktforschung und Data Mining zusammenführt und auch von Herstellern wie Epiphany, Think Analytics oder Angoss Software angegangen wird.
Technik von Data Distilleries
Laut Karl Busl, Geschäftsführer von SPSS in Deutschland, stellt die Produktarchitektur von Data Distilleries die Plattform für alle künftigen analytischen Anwendungen. Bereits bei 30 Konzernen wie ABN Amro oder der Vodafone Group im Einsatz, ermöglicht sie die zentrale Verwaltung von Metadaten und bietet eine Scoring-Engine, die mathematisch-statistische Verfahren zur zeitnahen Prognose des künftigen Kundenverhaltens verwendet. Call-Center-Mitarbeiter könnten so beispielsweise einem anrufenden Kunden individuelle Angebote machen statt lediglich Standardofferten zu unterbreiten. Zum Angebot gehört ferner eine "Event Suite" für die Kampagnenoptimierung und das Data-Mining-Werkzeug "Model Builder", das die Entwicklung von Data-Mining-Modellen erlaubt und Standardanalyseverfahren wie etwa "Entscheidungsbäume" unterstützt. Die neuen Produkte richten sich laut Busl dennoch weniger an Data-Mining-Spezialisten, als an Endanwender. Ihnen soll die Benutzeroberfläche entgegenkommen, die ein aufgabenbezogenes Arbeiten mit den Verfahren und Analyseergebnissen (Listen) gestattet. So lassen sich Kunden zum Beispiel nach ihrem Kaufverhalten auswählen, nach Gruppen sortieren und ihre Antworten sowie Ergebnisse von Kampagnen in die Datenbank zurückschreiben.
Die Vorbereitung der Daten beziehungsweise Verfeinerung und Aktualisierung der Analysemodelle für Marketing und Vertrieb bleibt indes den Spezialisten vorbehalten. Hier sieht SPSS eigene Produkte wie die Data-Mining-Workbench "Clementine" oder die Statistiksoftware "SPSS" ins Spiel kommen, die die neuen analytischen Anwendungen um Expertenwerkzeuge ergänzen. So könnte der Fachmann mit Hilfe von Data-Mining-Technik Listen früherer Marketingkampagnen bearbeiten und das optimierte Modell an die Anwendungen übermitteln, wo es der Benutzer per Knopfdruck verwenden kann, erklärte Busl. Auf die gleiche Weise lassen sich beim Inbound-Marketing Angebote zeitnah berechnen und in einer Call-Center-Software einsetzen.
Die Integration zwischen den analytischen Anwendungen und den SPSS-Werkzeugen ist jedoch noch nicht abgeschlossen. So ist zwar eine Übermittlung des Datenmodells aus Clementine an die Scoring-Engine von Data Distilleries dank der Implementierung des Schnittstellen-Standards Predictive Model Markup Language (PMML) für Data Mining jetzt möglich. Das Modell muss jedoch noch nachträglich an die Anwendungen angepasst werden. Erst mit dem Herbst-Release soll dieses Problem behoben sein. Zudem strebt SPSS kein komplettes Angebot etwa für BI, operatives CRM oder für den Datenbewirtschaftungsprozess an. Zwar können Kunden mit Hilfe von Tools wie SPSS Daten beispielsweise hinsichtlich fehlender Werte analysieren und auf Unschärfen und Auffälligkeiten in den Datenbeständen reagieren. Die Datenqualität hängt jedoch letztlich von Vorsystemen wie Data Marts beziehungsweise davon ab, wie der Experte es versteht, die benötigten Daten aus den Quellsystemen für eine Analyse zusammenzubringen. "80 Prozent der Arbeit im Data Mining entfällt auf die Datenqualität", sagte Busl.
Eine Basis, viele Gesichter
Zudem sind weitere analytische Anwendungen in Vorbereitung. Sie verwenden die gleichen Algorithmen, sind aber je nach Benutzergruppe verschieden konfiguriert. So ist das Produkt "Predictive Fraud" für die Ermittlung von Betrugsfällen bereits als Prototyp im Einsatz, muss aber noch länderspezifisch angepasst werden. Weiter geplant sind "Predictive Sales" für die Lead-Analyse, "Predictive Web" für die Optimierung des Web als Vertriebskanal sowie "Predictive Credit" für das Scoring von Krediten. Die Anwendungen lassen sich allein einsetzen oder ihre Berichte in Frontends anderer CRM-Produkte etwa von Chordiant oder der Call-Center-Software von Siebel einbinden. Hierfür ist jedoch ein Customizing nötig.