Auswirkungen von Informationssystemen auf die Kundenorientierung von Versicherungsunternehmen
- Art: Diplomarbeit
- Autor: Christian Kaiser
- Abgabedatum: April 2001
- Umfang: 114 Seiten
- Dateigröße: 781,5 KB
- Note: 1,7
- Institution / Hochschule: Leibniz Universität Hannover Deutschland
- ISBN (eBook): 978-3-8324-4731-1
-
ISBN (Paperback) :
978-3-8324-4731-1 P - ISBN (CD) :978-3-8324-4731-1 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Kaiser, Christian April 2001: Auswirkungen von Informationssystemen auf die Kundenorientierung von Versicherungsunternehmen, Hamburg: Diplomica Verlag
- Schlagworte: Customer-Management, Versicherungswirtschaft, CRM, E-Business, Kundenorientierung
In den Warenkorb
58,00 €
Diplomarbeit von Christian Kaiser
Einleitung:
Das verändernde Wettbewerbsumfeld rückt eine umfassende, kundenorientierte Ausrichtung der Versicherungsunternehmen immer stärker in den Vordergrund. Damit wird die Verfügbarkeit aktueller Informationen und die Fähigkeit, damit umzugehen, im Zeitalter kürzer werdender Produktzyklen, individueller Kundenwünsche und steigendem Kostendruck für Versicherungsunternehmen zum entscheidenden Wettbewerbsfaktor. Die Versicherungsunternehmen werden die unternehmerischen Herausforderungen nur dann bewältigen können, wenn sie es schaffen, das gesamte Unternehmen an den Anforderungen und Bedürfnissen der Kunden zu orientieren. Langfristig erfolgreich werden nur diejenigen Unternehmen sein, denen es gelingt, aus Kundendaten Informationen zu gewinnen und diese Informationen in eine Wertschöpfung für die Kunden umzusetzen. Dabei hat sich gezeigt, dass eine effiziente Kundenorientierung nur mit rechnergestützten Informationssystemen möglich ist.
Gang der Untersuchung:
Am Beispiel des Dienstleistungssektors der Versicherungsbranche werden in der vorliegenden Arbeit, aus der Vertriebs- und Marketingperspektive die Herausforderungen an die Informationssysteme beleuchtet und geeignete Vorgehensweisen aufgezeigt. Dabei wird ein ganzheitlicher Bezugsrahmen zur Optimierung der Kundenorientierung durch Informationssysteme in Versicherungsunternehmen geschaffen.
Die technischen Möglichkeiten der Sammlung von Informationen in Informationssystemen und deren Datenanalyse, hinsichtlich einer one-to-one-Kommunikation sind heute bereits gegeben. Für die Sammlung von Informationen und Daten existieren bereits dezidierte Modellierungs- und Optimierungsverfahren. Dazu werden in der vorliegenden Arbeit zunächst die Daten untersucht, die für eine kundenorientierte Ausrichtung der Versicherungsunternehmen von grundlegender Bedeutung sind. Davon ausgehend werden verschiedene Datenbankmodelle und Informationssysteme aufgezeigt und darauf aufbauend das Data Warehouse-Konzept vorgestellt.
Im Folgenden wird auf die Analyse der gesammelten Daten eingegangen. Dabei werden verschiedene Konzepte der Datenanalyse wie Marktsegmentierung, Datamining, On-line analytical processing (OLAP) und Internetanalyseformen wie Web Mining und Automated Colloborative Filtering vorgestellt. Diese Analyseformen führen dazu, den Kunden im Rahmen einer Gesamtansicht eine größere Kundenorientierung zu bieten. Darauf aufbauend wird aufgezeigt, welche konkreten Auswirkungen die so gewonnenen Informationen auf das Marketingverständnis in Versicherungsunternehmen und konkrete Vertriebsaktionen hat. Insbesondere das Marketing wird dabei nicht nur als Verkaufsförderung verstanden werden, sondern als ein integrativer, umfassender Ansatz, der organisatorische und technologische Konsequenzen nach sich zieht. Dabei wird schwerpunktmässig auf Databasemarketing, Relationshipmanagement und Computer aided selling eingegangen. Einen weiteren Schwerpunkt beinhaltet internetbasierte Online Direkt Marketing, Personalisierte Web-Sites und eine auf Informationssystemen basierende Prozessautomatisierung. Aufbauend auf diesen technischen Möglichkeiten wird auf die Unternehmensform der Zukunft, der virtuellen Versicherung eingegangen.
Inhaltsverzeichnis:
| Abbildungsverzeichnis | IV | |
| Abkürzungsverzeichnis | V | |
| 1. | Einleitung | 1 |
| 1.1 | Problemstellung | 1 |
| 1.2 | Themenabgrenzung und Aufbau der Arbeit | 2 |
| 1.3 | Typographische Konventionen | 4 |
| 2. | Einführende Erläuterungen | 5 |
| 2.1 | Versicherungen | 5 |
| 2.1.1 | Die Situation am Versicherungsmarkt | 5 |
| 2.1.2 | Kennzeichnung und Bedeutung von Versicherungen | 8 |
| 2.2 | Customer Focus | 11 |
| 2.2.1 | Kunden | 11 |
| 2.2.2 | Kundenorientierung im Versicherungsmarketing | 13 |
| 2.3 | Informationsverarbeitung | 17 |
| 2.3.1 | Informationen als ökonomische Ressource und Produktionsfaktor | 17 |
| 2.3.2 | Daten, Informationen und Wissen | 19 |
| 2.3.3 | Datenqualität | 21 |
| 3. | Data Warehouse als Integrationsbasis für Informationssysteme | 23 |
| 3.1 | Begriffliche Grundlagen betrieblicher Informationssysteme | 23 |
| 3.2 | Datenbanksysteme | 25 |
| 3.2.1 | Elemente der Kundendatenbanken | 27 |
| 3.2.2 | Datenquellen | 29 |
| 3.2.2.1 | „Klassische“ Quellen | 30 |
| 3.2.2.2 | E-Business-Quellen | 32 |
| 3.3 | Probleme bei der Datenerfassung | 35 |
| 3.4 | Das Data Warehouse-Konzept | 38 |
| 3.4.1 | Data Warehouse | 38 |
| 3.4.2 | Data Marts | 41 |
| 4. | Datenanalyse | 42 |
| 4.1 | Marktsegmentierung | 44 |
| 4.1.1 | Anforderungen an Segmentierungskriterien | 45 |
| 4.1.2 | Segmentierungskriterien in der Versicherungswirtschaft | 46 |
| 4.1.3 | Kundenanalyse | 48 |
| 4.2 | Data Mining-Verfahren | 49 |
| 4.2.1 | Systeme zur Mustererkennung | 51 |
| 4.2.2 | Expertensysteme | 53 |
| 4.2.3 | Neuronale Netze | 53 |
| 4.3 | On-line analytical processing | 55 |
| 4.4 | Internetanalyse | 56 |
| 4.4.1 | Web Mining | 56 |
| 4.4.2 | Automated Collaborative Filtering | 57 |
| 4.5 | Rechtliche Aspekte der Speicherung und Verarbeitung von Kundeninformationen | 57 |
| 5. | Auswirkungen auf die Kundenorientierung | 60 |
| 5.1 | Marketing | 61 |
| 5.1.1 | Grundgedanke des Marketing | 61 |
| 5.1.2 | Databasemarketing | 63 |
| 5.1.3 | Zielgruppen- und Direkt-Marketing | 65 |
| 5.1.4 | Relationshipmanagement | 67 |
| 5.2 | Vertrieb | 67 |
| 5.2.1 | Multichannel-Vertrieb | 67 |
| 5.2.2 | Kampagnenmanagement | 70 |
| 5.2.3 | Cross-selling und up-selling | 70 |
| 5.2.4 | Computer Aided Selling | 71 |
| 5.3 | Online Direktmarketing | 71 |
| 5.3.1 | Personalisierte Web-Sites | 72 |
| 5.3.2 | Prozessautomatisierung | 74 |
| 5.4 | Die Virtuelle Versicherung | 78 |
| 5.5 | Kundenorientierte Produktgestaltung | 79 |
| 6. | Schlussbetrachtung und Ausblick | 82 |
| Literaturverzeichnis | V |
Bei der größtmöglichen Selektion besteht die Zielgruppe aus einer Person. Dabei müssen jedoch die Kosten einer solchen Segmentierung ins Verhältnis zu dem Nutzen gesetzt werden. Eine individuelle Segmentierung hat hohe Kosten bei der Informationsgewinnung, Informationsverarbeitung und der darauf aufbauend differenzierten Marktbearbeitung zur Folge. Der Nutzen ergibt sich durch höhere Erträge oder einer Verbesserung der Marktposition. Die dabei entstehenden Kosten müssen mindestens kompensiert we rden. Aus diesem Grund wird die Segmentierung in der Regel weiter gefasst und werden Kundengruppen gebildet. Da sich Individuen in bestimmten Bereichen ähneln und dementsprechend für bestimmte Marketingmaßnahmen gleichermaßen geeignet erscheinen, werden sie zu Zielgruppen zusammengefasst. Denn es wird erwartet, dass Kunden mit ähnlichen Merkmalsausprägungen ein vergleichbares Nachfrageverhalten aufweisen. 181 [...]
Um ein genaues Verhaltensmuster zu entwickeln, müssen neben der Analyse der Vertragsbeziehungen auch nicht zustande gekommene Geschäftsbeziehungen – z. B. in Form von Ablehnung oder Nichtreaktion und Beschwerden - erfasst werden. Gerade Beschwerden und das Erfassen von Ablehnungsgründen können wichtige Aufschlüsse für die Kundenorientierung erbringen. Oft besteht nur bei reklamierenden Kunden die Möglichkeit, eine zerstörte Vertrauensbasis wieder aufzubauen und damit eine Abwa nderung zu verhindern. Kunden, die sich melden, möchten in der Regel beim Unternehmen bleiben, im Gegensatz zu Kunden, die sich nicht melden und dadurch fürs Unternehmen verloren sind. Durch das bewusste Aufnehmen von Beschwerden kann die Unzufriedenheit der Kunden kanalisiert werden. Eine negative Propaganda entfällt. Eine weitere wichtige Datenbasis sind Kundenkonten. Diese geben Auskunft über das Zahlungsverhalten bezüglich der Kunden (Mahnungen).179 [...]
3.4.2 Data Marts Data Marts sind im Gegensatz zu einem Data Warehouse mit ihren Datenbeständen für den Bedarf einzelner Unternehmensbereiche konzipiert. Das Datenmodell und die Datenmengen bleiben somit überschaubar. Da das Data Warehouse-Konzept in der Regel die Informationssysteme des gesamten Unternehmen einbezieht, ist deren Implementierung mit einem hohen Aufwand verbunden. Data Marts bauen auf dem Grundgedanken des Data WarehouseKonzept auf und können aus einem Data Warehouse abgeleitet werden. Data Marts können allerdings auch als von einem Data Warehouse losgelöste eigenständige Data Marts implementiert werden. Dabei besteht jedoch die Gefahr von Insellösungen. Data Marts können aufgrund ihrer Spezialisierung schnell und im Vergleich zu einem Data Warehouse kostengünstig konstruiert werden. 174 Ein weiterer Unterschied zu einem Data Warehouse wird in der Regel, das Datenvolumen eines Data Marts genannt. Es liegt zur Zeit bei max. 100 Gigabyte.175 Aufgrund der technischen Entwicklung kann dies jedoch kein wirkliches Abgrenzungskriterium sein. [...]
In den Warenkorb
58,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832447311
Arbeit zitieren:
Kaiser, Christian April 2001: Auswirkungen von Informationssystemen auf die Kundenorientierung von Versicherungsunternehmen, Hamburg: Diplomica Verlag
Schlagworte:
Customer-Management, Versicherungswirtschaft, CRM, E-Business, Kundenorientierung



