Data mining v direct marketingu České spořitelny prosinec 2011
|
|
- Jindřiška Matoušková
- před 7 lety
- Počet zobrazení:
Transkript
1 Data mining v direct marketingu České spořitelny prosinec 2011 Jan Spousta s využitím materiálů Petra Ptáčníka
2 AGENDA: I. Direct marketing České spořitelny: historie a současnost II. Data mining v ČS: modely, kampaně a analýzy III. Diskuse strana 2
3 I. Direct marketing v České spořitelně Česká spořitelna Direct marketing: Organizační začlenění a struktura Kompetence a rozvoj strana 3
4 Česká Spořitelna (ČS) Založena1825 Dnes součástí Erste Bank Group Přes 600 poboček Přes zaměstnanců Asi klientů (nejvíc v ČR) Jmenována Bankou desetiletí strana 4
5 Kde jsme zařazeni ve struktuře ČS? Divize 5 Drobné bankovnictví (ředitel Jiří Škorvaga) Úsek 5200 Distribuce (ředitel Martin Techman) Odbor 5270 Direct Marketing (vedením pověřen Václav Hrubý) Dva týmy: Campaign Management (Václav Hrubý) a Data Mining (Petr Ptáčník) strana 5
6 Co kdo v ČS umí a dělá Cognos v ČS DaMi v ČS DWH v ČS strana 6
7 Odbor Direct Marketing v ČS Direct Marketing Tým Data Mining Tým Campaign Management Tři dílčí týmy Technický (data, sw) Statistické modelování Kampaňoví analytici (podpora kampaní) Profitabilní Data Mining Dvě specializace Kampaňoví manažeři (organizace) Kampaňoví specialisté (technické zajištění kampaní) Sdílené poslání: Maximalizovat dlouhodobý provozní zisk prostřednictvím přímých prodejů stávajícím klientům. strana 7 7
8 Tým Data mining v ČS aktivní od března 2003 Lidé: Dvanáctičlenný tým, naděje na další rozšíření Data: o všech klientech FS ČS a o jejich produktech Hardware: 1 server pro data mining, 6 serverů pro SAS Marketing Automation, 1 server pro SAS Marketing Optimization Software: SAS, SPSS, atd. strana 8
9 Počátky DaMi v ČS: od prediktivních modelů k obchodním analýzám s Marketing Automation FTE v Data Miningu Prediktivní modely Reporting Výběry klientů do kampaní Obchodní analýzy Vyhodnocování MAT kampaní Optimalizace Analytický core business Rutina IT funkce Base SAS Vznik DaMi týmu SAS EM Rozvoj DaMi týmu SAS MAT Stabilizace DaMi týmu SAS MO Rozšíření FTE na cca dvojnásobek strana 9 9
10 Stav po první vlně rozšíření Nyní proběhne několikaměsíční zkušební doba Pokud splníme plánované cíle, počítáme s dalším rozšířením Asi léto 2012 Campaign Specialist Tereza Slunécková Campaign Specialist Dana Kovárová Campaign Specialist Michal Tucek CampaignSpecialist MiroslavŠlehof er CampaignSpecialist KaterinaLinhartová CampaignSpecialist SilviaRí hová Campaign Specialist NN CM Team Head Václav Hrubý DaMi Team Head (12,8 FTE) Petr Ptácník (11,2 FTE) Campaign Manager Beige I& MSE BarboraGomolová Campaign Manager BeigeII & MSE Veronika Pješcaková CampaignManager Bei geiii & MSE Tereza Kucerová CampaignManager Blue & Premier KaterinaBurianová CampaignManager PSD & Projects Pavlína Rozehnalová 1 FTE Prevedeno do MKTG Poznámka: Puvodní tým 13 FTE (vcetnero), Povolenénavýšení + 15 FTE = 28 FTE. 1 FTE prevod do 1700, 2 FTE Prevod do IT (Centralizace), takže konecný stav: 25 FTE vcet nero. Campaign Analist NN Campaign Analyst Katerina Krejcová 0.9 Campaign Analyst Jan Rathouský 0.8 Campaign Analyst Lenka Kovaríková Campaign Analyst Michal Foune Campaign Analyst Antoní nkoubek 0.5 ModelingTe am Jan Spousta Business Analyst Hana Kotinová Data Preparation & Support Team Jan Kašprišin Data Specialist Zbynek Jaroš Data Specialist Jaroslav Lžicar MAT Specialist Tomáš Herold K prevodu do IT MAT Speci alist Petra Lambertová K prevodu do IT MAT Specialist Jana Palušová V IT Pozice, které mají v názvu Campaign, budou obarveny strana 10
11 Datové toky mezi data miningem a CRM/DWH v ČS po implementaci SAS MAT a SAS MO surová data surová data surová data SAS Marketing Automation poznatky Data Mining (SAS) objednávky optim. klienti kampaně poznatky SAS Marketing Optimization strana 11 DWH (Oracle) surová data data o odezvě CRM (Siebel)
12 Cesta k profitu z Data Miningu v ČS Next Best Product model NBP model to sales channels -$$ +$$$ Mastering high volumes of data High number of campaigns Automation of the campaigning process (MAT) -$$$ +$ -$$$ Analysis of historical data --> client behavior & segmentation insights Predictive models Better targeted campaigns Very high number of small & very well targeted campaigns -$$ -$$ +$$$ Data processing methodology for direct marketing campaigns Precise evaluation of campaign response Precise evaluation of campaign profitability +$$$$$ -$ +$$ Average product lifetime analysis Newly sold product LTV calculations (with controlling) +$$$ -$ -$$ strana 12
13 II. Oblasti využití data miningu v ČS 1. pro porozumění individuálním potřebám klientů 2. pro dosažení přínosné segmentace 3. pro tvorbu marketingových plánů 4. pro nabídku vhodných produktů ve správnou dobu strana 13
14 Tři kroky analytiků 1. Dělat správné analýzy formulace zadání 1. Dělat analýzy správně data, statistika 1. Správně analýzy využít prezentace výstupů strana 14
15 Pět strategických otázek 1. Jaké analýzy přinesou více prodejů? 2. Jaké analýzy umožní zvýšit dlouhodobou hodnotu klientů? 3. Díky jakým analýzám si vybudujeme správné portfolio klientů? 4. Kdo určuje, co se bude analyzovat? Monitorujeme business, abychom byli schopní říkat, co se má dělat, nebo nám jen předávají úkoly k řešení? 5. Pokud nebudeme prosazovat analytické přístupy my, tak kdo? strana 15
16 Analytické sedmero 1. Pokud vidíme problém, je to naše zodpovědnost, abychom k němu přitáhli pozornost. Je-li to nutné, rozdmýchejme oheň. 2. Mluvme řečí businessu, aby to business správně pochopil. 3. V jednoduchosti je krása. 4. Jeden obrázek je lepší než 1000 slov. 5. Nedodávejme data ani reporty, tvořme analýzy. 6. Sdílejme poznatky, pomáhejme si. 7. Nevymýšlejme kolo. strana 16
17 1. Využití data miningu pro porozumění individuálním potřebám klientů potenciální klienti stávající klienti bývalí klienti strana 17
18 Analytické porozumění potřebám klientů Deskripce Korekce Predikce strana 18
19 Deskripce současného a minulého chování klientů profitabilita pro banku loajalita sociodemografické charakteristiky finanční chování hlavní banka aktivita, sofistikovanost fáze životního cyklu segmentace výzkum trhu strana 19
20 Predikce budoucího chování klientů budoucí finanční potřeby očekávané nákupy pravděpodobnost koupě jednotlivé produkty převažující typ produktů očekávaný objem očekávaný zisk budoucí využívání stávajících produktů očekávaná délka využívání navyšování/snižování prostředků pravděpodobnost zrušení budoucí hodnota klienta strana 20
21 Data: 1500 proměnných, 3+ let historie Příklad vlivné proměnné: vlastnění a používání kontokorentu (=overdraft) je dobrým prediktorem toho, zda si klient vezme úvěr (=loan) strana 21
22 Prediktivní modely a jejich profily strana 22
23 Korekce chování klientů Jaké produkty klient potřebuje v daný okamžik Jakým způsobem mu je nabídnout Komunikační kanál Čas Benefit Jakým způsobem mu je poskytovat Nastavení produktů Způsob obsluhy klienta Experimentální design Měření dosažené změny strana 23
24 2. Využití data miningu pro dosažení přínosné segmentace koho segmentovat? za jakým účelem? použitá data! použité techniky! strana 24
25 Koho segmentovat Celý trh Vlastní klienti Bývalí klienti Klienti vlastnící produkt A Klienti ze segmentu 1 Klienti Klienti vlastnící ze segmentu 2 produkt B strana 25
26 Za jakým účelem segmentovat? nalezení profitabilních segmentů stanovení obchodních plánů lepší porozumění potřebám klientů nastavení různých úrovní obsluhy klientů diferenciace benefitů pro klienty diferenciace komunikace s klienty Více paralelních segmentací strana 26 Často vzájemně se vylučující požadavky
27 Použitá data výzkum trhu neklienti analýza dat ze systémů vlastní klienti strana 27
28 Použité techniky statistická segmentace expertní segmentace strana 28
29 Segmentační pyramida (dle Bauer-Kelly) Rostoucí komplexita více informací strana 29 Jeden klient Psychografie: postoje, chování, typy lidí Transakční data Sociodemografie: věk, příjem Využívání distribučních kanálů Vlastnictví produktů, zůstatky Masový trh, bez segmentace Čím výše v pyramidě, tím dokonalejší segmentace ČS je nyní zhruba zde
30 Příklad segmentace: 4 kroky 1. Clarifying Segmentation Purpose: Discussions with business and marketing experts 2. Auditing Data: Suggestion of dimensions describing clients 3. Modeling: Factor analysis K-means Simplification of segment assignment rules strana Describing segments: Profitability, size, demographics, product ownership and usage, segment dynamics
31 Popis výsledných segmentů 1. Very high balance clients Investors 2. (Loan & High Income) or Mortgage Loan Holders 3. High balance and/or High income Solvent Clients 4. Net balance significantly negative Debtors 5. Age < 18 or Student Youngsters & Students 6. Age > 60 or Pension is a primary inc. Pensioners 7. Low balance & Owns a loan product Unsecured 8. Avg. 4+ transactions in a month Transactors 9. Not a mother bank client Daughters Clients 10. Otherwise Depositors strana 31
32 Počty, výnosy, depozita Velikost bodu = počet klientů v segmentu Barva = bilance průměrného klienta Modrá = kladná Žlutá = kolem nuly Červená = záporná strana 32
33 3. Využití data miningu pro tvorbu marketingových plánů Objektivní měření efektivnosti kampaní Optimalizace počtu oslovených klientů s využitím prediktivních modelů Optimalizace výběrů strana 33
34 Konstrukce kontrolních skupin Po aplikaci všech výběrových podmínek musí být náhodně oddělena kontrolní skupina klientů, kteří záměrně nebudou oslovení. Nákupní chování klientů v kontrolní skupině je spontánní. Jeho rozdíl vůči oslovené skupině je pak skutečným výsledkem kampaně. Všichni klienti vyhovující finálním výběrovým podmínkám Oslovení klienti Kontrolní skupina Oddělení umožňuje statistické strana vyhodnocení odezvy
35 Objektivní měření efektivnosti kampaně odezva po týdnech Oslovení vybraní prediktivním modelem, dostali direct maily Kontrolní skupina vybraní prediktivním modelem, bez oslovení Nevybraní k oslovení splňovali podmínky pro poskytnutí úvěru, ale nebyli vybraní prediktivním modelem a nebyli oslovení 6% říjen listopad prosinec 5% DM 30,000 4% 3% 2% 1% DM 50,000 Skutečný efekt kampaně 0% Oslovení Kontrolní skupina Nevybraní k oslovení strana 35 35
36 Optimalizace počtu oslovených klientů Předpoklady: LTV prodávaného produktu 2000 Kč náklady na jedno oslovení 30 Kč hraniční akceptovatelné ROI 30 % strana 36 Oslovitelných Navýšení Prodej Zisk Počet Decil klientů kampaně ks (mil. Kč) ROI oslovených ,0% ,0 567% ,5% ,0 333% ,2% ,5 182% ,7% ,5 83% ,8% ,6 19% ,2% ,7-23% ,8% 754-1,5-50% ,5% 490-2,0-67% ,3% 319-2,4-79% ,2% 207-2,6-86% Celkem ,8% ,4 88% Zisk kumulativně (mil. Kč) ROI % 500% 400% 300% 200% 100% 0% -100% -200%
37 Optimalizace výběrů Výběr pro jednu kampaň prediktivní modely + produktové a kanálové hájení + další podmínky Optimalizace napříč kampaněmi může-li týž klient být zařazen do více kampaní, do které je nejvýhodnější ho dát (= podle očekávaného výnosu, ale naivní řešení maximalizací o.v. nefunguje dobře) strana 37
38 4. Využití data miningu pro nabídku vhodných produktů ve správnou dobu obecná náklonnost k nákupu události v životě klienta předurčující nákup strana 38
39 Obecná náklonnost k nákupu segmentace prediktivní modely posloupnosti nákupů Direct Marketing kampaně strana 39
40 Události v životě klienta předurčující nákup změny v datech, z nichž lze detekovat aktuální potřebu klienta sociodemografika transakce expirace produktů pohyb po webu Eventové a real time kampaně strana 40
41 III. Diskuse Byznys? Organizace práce? Analytické techniky? Skórování a výběry klientů? Vyhodnocení kampaní, marketingové experimenty? IT? strana 41
42 Děkuji Vám za pozornost Pro další otázky: Jan Spousta tel strana 42
Kampaňový management a implementace MA
Kampaňový management a implementace MA Česká spořitelna, Direct marketing 10. prosince 2009 Václav Hrubý Agenda I. Představení DM v ČS II. Proces DM III. Tři komponenty úspěšné implementace Marketing automation
VíceŘízení SW projektů. Lekce 1 Základní pojmy a jejich vztahy. přednáška pro studenty FJFI ČVUT. zimní semestr 2012
Řízení SW projektů Lekce 1 Základní pojmy a jejich vztahy přednáška pro studenty FJFI ČVUT zimní semestr 2012 Ing. Pavel Rozsypal IBM Česká republika Global Business Services Lekce 1 - Základní pojmy a
VíceReportingová platforma v České spořitelně
Reportingová platforma v České spořitelně Agenda Implementované prostředí Cognos 8 v ČS Marek Varga, Česká spořitelna, a.s. Využití platformy Cognos z pohledu businessu Petr Kozák, Česká spořitelna, a.s.
VíceNová dimenze rozhodovacího procesu
Nová dimenze rozhodovacího procesu Marek Matoušek Pavel Mašek Data, nebo INFORMACE Využití dostupných firemních dat Několik systémů, mnoho různých dat Různé divize, různé potřeby Potřeba integrace dat
VíceIBM SPSS Decision Trees
IBM Software IBM SPSS Decision Trees Jednoduše identifikujte skupiny a predikujte Stromově uspořádané postupné štěpení dat na homogenní podmnožiny je technika vhodná pro exploraci vztahů i pro tvorbu rozhodovacích
VíceVítáme Vás na 20. uživatelské konferenci firmy ORTEX
Vítáme Vás na 20. uživatelské konferenci firmy ORTEX Mgr. Pavel Hemelík, generální ředitel 1 Co dnes trh hodnotí? Reference Kvalifikovaní odborníci Neustálá inovace, vize Nestačí říkat, že něco děláte,
VíceModerní metody automatizace a hodnocení marketingových kampaní
Moderní metody automatizace a hodnocení marketingových kampaní SAS CI Roadshow 2014 24/09/2014 Vít Stinka Agenda Představení společnosti Unicorn Systems Aliance Unicorn Systems a SAS Celkový koncept Customer
VíceProfitabilita klienta v kontextu Performance management
IBM Technical specialist team Pre Sale 26/10/2010 Profitabilita klienta v kontextu Performance management Co všechno řadíme do PM? Automatická data Běžný reporting Pokročilé statistické modely Včera What
VíceMODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH. StatSoft CR
Váš pomocník pro analýzu dat MODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich StatSoft CR StatSoft StatSoft CR Dodavatel komplexních analytických řešení Výhradní dodavatel softwaru STATISTICA pro
VícePROČ UŽ SE NEOBEJDETE BEZ ANALÝZY DAT
PROČ UŽ SE NEOBEJDETE BEZ ANALÝZY DAT JAKUB CHOVANEC - IDG KONFERENCE 3.6.2015 KDO JSME #1 v poskytování datové analytiky a služeb v oblasti Business Analytics a Business Intelligence 39 let na trhu 16
Vícev praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání
Podpora rozhodování v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání HanušRais Business DevelopmentManager SAS Institute ČR s.r.o. Agenda Úvod - Profil SAS Institute Pojem Business
VíceBusiness Intelligence. Adam Trčka
Business Intelligence Adam Trčka 09:00 11:30: BI v kostce Navrhněme si sklad Ukázka BI Datamining 12:30 14:30: Pokračování kurzu 14:30 15:00: Q&A Agenda Co se dnes dovíme? Data informace znalost Business
VíceBusiness strategie primární zaměření na zákazníka Cílem zlepšit interakce se zákazníky za účelem zvýšení výnosů a zisku a snížení nákladů Větší
Business strategie primární zaměření na zákazníka Cílem zlepšit interakce se zákazníky za účelem zvýšení výnosů a zisku a snížení nákladů Větší viditelnost zákaznických informací a podpora lidí při jejich
Vícemyavis NG MOBILE SOLUTIONS CRM s podporou obchodních procesů v terénu
myavis NG MOBILE SOLUTIONS CRM s podporou obchodních procesů v terénu KOMPLEXNÍ ŘEŠENÍ CRM PRO SPRÁVU A ŘÍZENÍ OBCHODNÍCH, MARKETINGOVÝCH A DISTRIBUČNÍCH ČINNOSTÍ, S PODPOROU PRÁCE V TERÉNU, PRO EFEKTIVNÍ
VíceKdo jsme Čím se zabýváme Nabídka služeb pro veřejnou správu Ověřeno v praxi u tisíce uživatelů v podnikatelské a bankovní sféře Plně využitelné u
Kdo jsme Čím se zabýváme Nabídka služeb pro veřejnou správu Ověřeno v praxi u tisíce uživatelů v podnikatelské a bankovní sféře Plně využitelné u uživatelů ve veřejné správě Bez nutnosti nasazování dalšího
VíceVýuka integrovaných IS firem a institucí na vysokých školách (zkušenosti, nové příležitosti, omezení)
Výuka integrovaných IS firem a institucí na vysokých školách (zkušenosti, nové příležitosti, omezení) Milena Tvrdíková Katedra aplikované informatiky Ekonomická fakulta VŠB Technická univerzita Ostrava
VíceMichal Hroch Server Product Manager Microsoft Česká republika
Michal Hroch Server Product Manager Microsoft Česká republika Proč by vás Platforma měla vůbec zajímat? záruka spolehlivosti potenciál pro nové příležitosti Performance Point server 6 Point of Sale Retail
VíceKRIMINALITA V 21. STOLETÍ A JEJÍ ŘEŠENÍ S VYUŽITÍM ANALYTICKÝCH METOD
Centrum pro vědu a výzkum, z.ú. KRIMINALITA V 21. STOLETÍ A JEJÍ ŘEŠENÍ S VYUŽITÍM ANALYTICKÝCH METOD ZHODNOCENÍ PŘÍSTUPŮ JEDNOTLIVÝCH ZEMÍ VE SVĚTĚ Ing. Radek Fujak Ing. Jiří Ševčík radek.fujak@accendo.cz
VíceFraud management. Richard Dobiš 2.2.2011
Fraud management Richard Dobiš 2.2.2011 Lidská mysl je úžasný nástroj a když má patričnou zkušenost... Co víc business potřebuje? Odborný odhad HPP al. HPH Zbytečná otázka Kritické množství Projektový
VíceŘízení správy rolí v rozsáhlých organizacích. Michal Opatřil Corinex Group
Řízení správy rolí v rozsáhlých organizacích Michal Opatřil Corinex Group Agenda Popis typické situace v rozsáhlých organizacích Řešení Identity Lifecycle Management Úrovně vyspělosti integrace ILM Požadavky
Vícepřipravili Filip Trojan, Pavel Macek, p.macek@creditinfosolutions.com 731 126 291
Credit Scoring a Creditinfo Predictor principy, výhody, použití připravili Filip Trojan, Pavel Macek, p.macek@creditinfosolutions.com 731 126 291 Co je to scoring CREDIT SCORING je globálně používaná technologie......
VíceBIG DATA BRÁNA K NOVÝM OBCHODNÍM PŘÍLEŽITOSTEM
BIG DATA BRÁNA K NOVÝM OBCHODNÍM PŘÍLEŽITOSTEM BIG DATA BRÁNA K NOVÝM OBCHODNÍM PŘÍLEŽITOSTEM Pomáháme klientům využít zákaznická data a najít nové možnosti k obchodnímu růstu. Big Data jsou odrazovým
VíceNasazení CA Role & Compliance Manager
Nasazení CA Role & Compliance Manager Michal Opatřil Junior Solution Architect Agenda Popis typické situace v rozsáhlých organizacích Řešení Identity Lifecycle Management Úrovně vyspělosti integrace ILM
VíceINFORMAČNÍ SYSTÉMY. 03. 01. 2006, Ing. Jiří Mráz
INFORMAČNÍ SYSTÉMY 03. 01. 2006, Ing. Jiří Mráz PŘEDNÁŠEJÍCÍ Jiří Mráz Production Coordinator UNICORN jiri.mraz@unicorn.cz AGENDA Informační a komunikační technologie (ICT) podniku Informační systémy Zakázkový
Vícemycash Moderní styl maloobchodního prodeje RETAIL MANAGEMENT
mycash RETAIL MANAGEMENT Moderní styl maloobchodního prodeje UCELENÉ SOFTWAROVÉ ŘEŠENÍ VEŠKERÝCH PROCESŮ MALOOBCHODNÍHO PRODEJE, VHODNÉ PRO STŘEDNÍ A VĚTŠÍ PRODEJNÍ SÍTĚ, VČETNĚ PODPORY MODELU FRANŠÍZOVÝCH
VíceObsah Úvod 11 Jak být úspěšný Základy IT
Obsah Úvod 11 Jak být úspěšný 13 Krok 0: Než začneme 13 Krok 1: Vybrat si dobře placenou oblast 14 Krok 2: Vytvořit si plán osobního rozvoje 15 Krok 3: Naplnit osobní rozvoj 16 Krok 4: Osvojit si důležité
VíceOn line sledování, plánování a řízení výroby - MES HYDRA
On line sledování, plánování a řízení výroby - MES HYDRA Josef Černý, ICZ a. s. 9.10.2012 www.i.cz 1 Agenda Informační podpora podnikových procesů Výrobní informační systémy MES HYDRA Základní charakteristika
VíceSimulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích
Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích Nedostatešný popis systému a jeho modelu vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělit fyzickou nebo
VíceAplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/
Aplikace IS, outsourcing, systémová integrace Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Kontext Dodavatelé Strategická Zákazníci ERP Taktická Operativní Kategorie ERP - zaměřeno na
VíceFlow monitoring a NBA: Kdy, kde, jak a proč? Petr Špringl springl@invea.cz
Flow monitoring a NBA: Kdy, kde, jak a proč? Petr Špringl springl@invea.cz Čím se zabýváme? Monitoring sítě správa, optimalizace, troubleshooting Máte přehled o síťových komunikacích nejen do Internetu
VíceŘízení ICT služeb na bázi katalogu služeb
Řízení ICT služeb na bázi katalogu služeb Jiří Voř katedra IT, IT, VŠE vorisek@vse.cz nb.vse.cz/~vorisek 1 Služby fenomén současné etapy rozvoje společnosti 2 Vlastnosti služeb služby se od produktů liší
VíceOd klasického reportingu k SAP BO Design studio na BW power by HANA Pavel Strnad
Od klasického reportingu k SAP BO Design studio na BW power by HANA Pavel Strnad CIO PIA5 NSC Prague Obsah Představení firmy Migrace BW to HANA BI architektura ve Wincor Nixdorf Migrační varianty z BW
VíceSlovenská spořitelna:
Případová studie Slovenská spořitelna: Microsoft Dynamics CRM pro správu klientů ze segmentu malých a středních podniků Jak jsme Slovenské spořitelně usnadnily a zefektivnily práci s klienty ze segmentu
VíceB3 Vazba strategie byznys
Projektový manažer 250+ Kariéra projektového manažera začíná u nás! B Strategické řízení organizace B3 Vazba strategie byznys Toto téma vysvětluje vzájemný vztah mezi tzv. byznysem organizace (hlavním
VíceČtvrtletní zpráva DIRECT pojišťovny, a. s. k 31. 3. 2016
Čtvrtletní zpráva DIRECT pojišťovny, a. s. k 31. 3. 2016 1 Údaje o DIRECT pojišťovně, a.s. Obchodní firma DIRECT pojišťovna, a. s. Právní forma akciová společnost Sídlo Nové sady 996/25 Brno 602 00 www.direct.cz
VíceShrnutí látky EBF 1 a 2
Shrnutí látky EBF 1 a 2 Ekonomika a řízení subjektů finančních služeb 1. ročník zimní semestr Přednáška 1-2004 Úvod do předmětu Finančně řídit banku znamená neustále nastavovat složení aktiv a pasiv tak,
VíceDobývání znalostí z databází. Databáze. datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek
Databáze datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek 980103 Jan Novak Dlouha 5 Praha 1 9945371 100.00 100.00 980105 Jan Novak Dlouha 5 Praha 1 9945371 1500.00 1600.00 980106
VíceAktuality 26. září 2012
Všichni o IT budoucnosti mluví. IBM Vám ji přináší. Představení nového partnerského programu pro Managed Service Providers Datum: 7. listopadu 2012 1 Představujeme nová partnerství Managed Service Provider
VíceLogos. Podebradska 55/88 198 00 Prague 9 Czech Republic. Tel +420 225 281 811. www.logos.cz
Logos Podebradska 55/88 198 00 Prague 9 Czech Republic Tel +420 225 281 811 Outsourcing: Přínosy a úskalí Michal Hanus Business Development Direstor Michal.hanus@logos.cz Logos a.s. Poděbradská 55/88 198
VíceAko znížiť zásoby a zlepšiť zákaznícky servis pomocou Oracle riešení.
20.10.2011 Slovensko Bratislava Ako znížiť zásoby a zlepšiť zákaznícky servis pomocou Oracle riešení. Milan Černý SCM/Logistic Solution Specialist Agenda Oblasti využití Význam plánování
Více1. Jak často zjišťujete ve Vaší společnosti spokojenost zákazníka? 2. Jakým způsobem běžně zjišťujete ve Vaší společnosti spokojenost zákazníků?
Vážený respondente, prostřednictvím tohoto dotazníku jsou sbírána data o problematice řízení vztahů se zákazníky, která je náplní výzkumné činnosti Ústavu marketingu a obchodu Provozně ekonomické fakulty
VíceIBM Enterprise Marketing Management Představení
IBM Enterprise Marketing Management Představení Jiří Slabý, Business Solution Architect Lenka Vraná, Consultant IBM skupina Enterprise Marketing Managementu (EMM) EMM mise Podpořit marketingová oddělení
VíceOTRS Free Open Source nástroj pro Service Management
OTRS Free Open Source nástroj pro Service Management www.scanservice.cz Aleš Stiburek Service Desk Manager 24. 5. 2016 scanservice a.s. Náchodská 2397/23 193 00 Praha 9 Česká republika E-mail: info@scanservice.cz
VíceDobývání znalostí z databází
Dobývání znalostí z databází (Knowledge Discovery in Databases, Data Mining,..., Knowledge Destilery,...) Non-trivial process of identifying valid, novel, potentially useful and ultimately understandable
VíceGIS jako důležitá součást BI. Jan Broulík, Petr Panec ARCDATA PRAHA, s.r.o.
GIS jako důležitá součást BI Jan Broulík, Petr Panec ARCDATA PRAHA, s.r.o. ARCDATA PRAHA, s.r.o. THE GEOGRAPHIC ADVANTAGE Motto Sladit operační taktiku s organizační strategií Strategie bez taktiky je
VíceStrategické řízení IS Strategické řízení Základní pojmy
Strategické řízení IS Základní pojmy Informatika Informatika je multidisciplinární obor, jehoţ předmětem je tvorba a uţití informačních systémů v podnicích a společenstvích a to na bázi informačních a
VíceAplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/
Aplikace IS, outsourcing, systémová integrace Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Kontext Dodavatelé Strategická Zákazníci ERP Taktická Operativní Kategorie ERP - zaměřeno na
VíceErste Group zvýšila čistý zisk za rok 2010 o 12,4 % na 1 015,4 mil. EUR díky silnému provoznímu zisku a poklesu rizikových nákladů
Tisková zpráva 25. února 2011 Erste Group zvýšila čistý zisk za rok 2010 o 12,4 % na 1 015,4 mil. EUR díky silnému provoznímu zisku a poklesu rizikových nákladů HLAVNÍ UDÁLOSTI: Erste Group zaznamenala
VíceHlava v oblacích s nohama na zemi
smooth business flow Hlava v oblacích s nohama na zemi con4pas, a.s. Novodvorská 1010/14A, 140 00 Praha 4 tel.: +420 261 393 211, fax: +420 261 393 212 www.con4pas.cz SAP Cloud for Customer 2 Mapa řešení
VíceLoan Processing System pro VÚB banku
Loan Processing System pro VÚB banku Jak jsme jedné z největších bank na Slovensku zvýšily kvalitu a rychlost obsluhy firemních klientů nasazením systému pro řízení prodeje úvěrových produktů Loan Processing
VíceKomputerizace problémových domén
Milan Mišovič (ČVUT FIT) Pokročilé informační systémy MI-PIS, 2011, Přednáška 03 1/19 Komputerizace problémových domén Prof. RNDr. Milan Mišovič, CSc. Katedra softwarového inženýrství Fakulta informačních
VíceRESTRUKTURALIZACE ČESKÉHO ROZHLASU V LETECH 2012 2014
RESTRUKTURALIZACE ČESKÉHO ROZHLASU V LETECH 2012 2014 Prováděcí dokument s rozšířeným harmonogramem k materiálu ČESKÝ ROZHLAS V ROCE 2012 Materiál s prioritami a koncepčními záměry ČRo v oblastech programu
VíceFINANČNÍ KONSOLIDACE TEORIE A PRAKTICKÁ REALIZACE PROSTŘEDNICTVÍM INFORMAČNÍCH SYSTÉMŮ
FINANČNÍ KONSOLIDACE TEORIE A PRAKTICKÁ REALIZACE PROSTŘEDNICTVÍM INFORMAČNÍCH SYSTÉMŮ Ing. Milan Bartoš Capgemini Sophia s.r.o. member of the Capgemini Group Abstrakt Cílem článku je představit teoreticky
VíceFirma postavená kolem znalostní báze
Firma postavená kolem znalostní báze Ing. Martin Mrázek, MSc. Semanta martin.mrazek@gmail.com INFORUM 2009: 15. konference o profesionálních informačních zdrojích Praha, 27. 29. 5. 2009 Úvod Již několik
VícePraktický přístup ke snižování nákladů. Hospodársky klub. Radovan Hauk
Praktický přístup ke snižování nákladů Hospodársky klub Radovan Hauk 24.2.2009 Proč snižovat náklady? Pro úspěšné společnosti je optimalizace nákladů jedním z trvale přítomných interních procesů. Jedním
VíceAplikace IS, outsourcing, systémová integrace. Jaroslav Žáček
Aplikace IS, outsourcing, systémová integrace Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Kontext Dodavatelé Strategická Zákazníci Taktická Operativní Kategorie ERP - zaměřeno na řízení
VíceZákladní údaje. Profesní profil
Základní údaje Jméno: Mgr. Alexandra Narwa Trvalé bydliště: Tiché údolí 2360, 252 63 Roztoky u Prahy Telefon: 605 187 330 Email: alexandra.narwa@seznam.cz Datum narození: 25. 2. 1978 Rodinný stav: vdaná,
VíceČÁST IV. Marketingové dovednosti
Příloha č. 1 ODBORNÁ SPECIFIKACE ČÁST IV. Marketingové dovednosti Tato část veřejné zakázky je zaměřena na realizaci kurzů Marketingové dovednosti. Veškeré výstupy týkající se předmětu výběrového řízení
VíceNákup v RWE CZ. Nákup má takovou roli, jakou si zaslouží. Praha,
Nákup v RWE CZ Nákup má takovou roli, jakou si zaslouží Praha, 20.5.2014 RWE je jednou z největších evropských energetických společností Tržní pozice skupiny RWE podle objemu prodeje ELEKTŘINA Číslo 1
VíceŘÍZENÍ OBCHODU. 19063@mail.vsfs.cz
Katedra řízení podniku a podnikové ekonomiky ŘÍZENÍ OBCHODU Ing. Pavla Břečková, Ph.D. Ing. Pavla Břečková, Ph.D. 19063@mail.vsfs.cz ŘÍZENÍ OBCHODU 6 přednášek + 6 cvičení, Z/Zk Role obchodu ve struktuře
VíceFINprojekt 2016 - Přihláška
FINprojekt 2016 - Přihláška Projekt roku 2016 v podnikových financích 1. INFORMACE O SPOLEČNOSTI Název společnosti: Red Media s.r.o. (redmedia.cz, kindredgroup.cz) Adresa společnosti: Drtinova 557/10,
VíceIng. Petr Kalčev, Ph.D.
Ing. Petr Kalčev, Ph.D. 17.10.2017 24.10.2017 31.10.2017 7.11.2017 14.11.2017 21.11.2017 28.11.2017 5.12.2017 12.12.2017 19.12.2017 Úvod do manažerský informačních systémů Typy informačních systémů Příklady
VíceKIS A JEJICH BEZPEČNOST-I
KIS A JEJICH BEZPEČNOST-I INFORMAČNÍ SYSTÉMY POUŽÍVANÉ V MANAŽERSKÉ PRAXI pplk. Ing. Petr HRŮZA, Ph.D. Univerzita obrany, Fakulta ekonomiky a managementu Katedra vojenského managementu a taktiky E-mail.:
VíceOBSAH. Česká pojišťovna a.s. Obsah konsolidované účetní závěrky pro rok končící 31. prosincem 2003
Konsolidovaná účetní závěrka pro rok končící 31. prosincem 2003 Obsah konsolidované účetní závěrky pro rok končící 31. prosincem 2003 OBSAH Obsah...2 Konsolidované finanční výkazy...8 Konsolidovaná rozvaha...9
VíceJAK SE PŘIPOJIT K EGOVERNMENTU? Michal Polehňa, Jiří Winkler
JAK SE PŘIPOJIT K EGOVERNMENTU? Michal Polehňa, Jiří Winkler AGENDA Asseco Central Europe Komunikace s úřadem Tři klíčové oblasti Architektura resortního IS Shrnutí ASSECO CENTRAL EUROPE Představení společnosti
VíceCustomer Intelligence, aneb Jak může neoblíbená analýza dat usnadnit práci marketingu
Customer Intelligence, aneb Jak může neoblíbená analýza dat usnadnit práci marketingu Filip Trojan Applied Analytics Manager, Deloitte Advisory Listopad 2012 Obsah 1. Představení 2. Marketing versus analýza
VíceSdělení klientům České spořitelny, a. s. Specifika pro Službu ERSTE Premier a pro produkty v jejím rámci poskytované (dále jen Sdělení )
Sdělení klientům České spořitelny, a. s. Specifika pro Službu ERSTE Premier a pro produkty v jejím rámci poskytované (dále jen Sdělení ) 1. Úvodní ustanovení Česká spořitelna, a. s. (dále jen Banka ),
VíceModerní přístup k návrhu produktové nabídky a schvalování úvěrových produktů v reálném čase.
Moderní přístup k návrhu produktové nabídky a schvalování úvěrových produktů v reálném čase. Jan Denemark Konference ARBES FINANCE DAY, 19.6.2014, AUSTRIA TREND HOTEL, Bratislava www.arbes.com Situace
VíceData Science projekty v telekomunikační společnosti
Data Science projekty v telekomunikační společnosti Jan Romportl Chief Data Scientist, O2 Czech Republic Data, mapa a teritorium Data Science Mezioborová technicky orientovaná oblast, která se zabývá inovativním
VíceProjekt IS Statutárního města Ostrava. Kladno 10. června 2011
Projekt IS Statutárního města Ostrava Kladno 10. června 2011 Ing. Libor Daněk Obchodní ředitel VERA Agenda Úvodní informace Východiska Cíle projektu Realizace Přínosy Projekt IS Statutárního města Ostrava
VíceZveřejňované údaje k 30.6.2015 dle vyhlášky č. 434/2009 Sb.
Zveřejňované údaje k 30.6.2015 dle vyhlášky č. 434/2009 Sb. Obsah Obsah... 1 1. Základní údaje o pojišťovně... 2 2. Orgány pojišťovny... 3 2.1. Členové představenstva 3 2.2. Členové dozorčí rady 5 3. Údaje
VíceSTORAGE školení. 15. a 30.1.2015. Copyright 2015 FUJITSU
STORAGE školení 15. a 30.1.2015 Fujitsu Storage produktové portfolio ETERNUS DX ETERNUS LT ETERNUS CS NetApp FAS NetApp E Series 1 Nabídka - ETERNUS DX Entry Nová řada ETERNUS DX entry a midrange systémů
VíceStatistica, kdo je kdo?
Statistica, kdo je kdo? Newsletter Statistica ACADEMY Téma: Typy instalací Typ článku: Teorie Někteří z vás používají univerzitní licence, někteří síťové, podnikové atd. V tomto článku Vám představíme,
VíceProcesní dokumentace Process Management. Pavel Čejka
Procesní dokumentace Process Management Pavel Čejka SAP Solution Manager 7.2 SAP Solution Manager 7.2 nabízí dramatické zlepšení možností dokumentace Solution dokumentace Jednotné webové prostředí Integrovaný
VíceEVOLUCE V CUSTOMER INTELLIGENCE
EVOLUCE V CUSTOMER INTELLIGENCE CUSTOMER INTELLIGENCE SAS ROADSHOW 2014 24. ZÁŘÍ 2014 LUCIE STAŇKOVÁ ZÁKAZNÍCI - SITUACE NA TRHU Změna poměru sil / vyšší očekávání Generační rozdíly / používání kanálů
VíceThe following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into
The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment to deliver any material,
VíceCONTROLLING. Metodický list č. 1. Název tematického celku: FUNKCE CONTROLLINGU A ZÁKLADNÍ VZTAHY VE FINANČNÍM PLÁNU
Metodický list č. 1 FUNKCE U A ZÁKLADNÍ VZTAHY VE FINANČNÍM PLÁNU Funkce a koncepce controllingu Controlling jako podsystém řízení cíle a funkce controllingu Aktuální koncepce managementu v období změn
VíceVýroční zpráva speciálního fondu za rok 2014
Výroční zpráva speciálního fondu za rok 2014 (dle ustanovení 233 odst. 1 a 234 odst. 1 a 2 zákona č. 240/2013 Sb. a 42 odst. 1 písm. a) vyhlášky č. 244/2013 Sb.) Investiční společnost České spořitelny,
VícePŘÍLOHA Č. 2 RÁMCOVÉ SMLOUVY SOUPIS DOPROVODNÝCH BEZPLATNÝCH SLUŽEB. 1. Pravidla poskytování doprovodných bezplatných služeb
PŘÍLOHA Č. 2 RÁMCOVÉ SMLOUVY SOUPIS DOPROVODNÝCH BEZPLATNÝCH SLUŽEB 1. Pravidla poskytování doprovodných bezplatných služeb Smluvní strany se dohodly, že Objednatel, jakož i kterýkoli z Pověřujících zadavatelů,
VíceSPLA. Hostingový model prodeje. Petr Janovský
SPLA Hostingový model prodeje Petr Janovský 1 Service Provider License Agreement přehled programu co/ kdo je poskytovatel služeb (Service Provider)? software jako služba co je SPLA (rozdíl oproti klasickému
VíceTrask Process Discovery Quick Scan
Trask Process Discovery Quick Scan Trask solutions Milevská 5/2095, CZ 140 00, Praha 4 Tel.: +420 220 414 111 www.trask.cz TRASK SOLUTIONS a.s. sídlem Praha 4 Milevská 5/2095, PSČ: 140 00, IČ: 62419641
VíceSLA Service Level Agreement základ řízení podnikové informatiky
SLA Service Level Agreement základ řízení podnikové informatiky Tomáš Bruckner 1 ITG, s.r.o. bruckner@itg.cz http://www.itg.cz katedra informačních technologií VŠE bruckner@vse.cz http://nb.vse.cz/~bruckner
VíceAktuální otázky provozu datových skladů PAVEL HNÍK
Aktuální otázky provozu datových skladů PAVEL HNÍK K čemu slouží datové sklady IT podporuje business podniků S velikostí podniku se zvyšuje náročnost zpracování dat DWH = unifikovaná datová základna pro
VíceHistorie a současnost datových skladů GE Money ČR
Historie a současnost datových skladů GE Money ČR Ing. Vladimír Klement GE Money ČR IDC Business Intelligence Roadshow 2007 30. 10. 2007 Agenda Může v dnešní době fungovat finanční instituce bez BI? Vývoj
VíceAnalýzou dat k efektivnějšímu rozhodování
Analýzou dat k efektivnějšímu rozhodování Chytrá řešení pro veřejnou správu Václav Bahník, ECM Solution Consultant Marek Šoule, ECM Software Sales Representative 8.4.2013 Řízení efektivního poskytování
VícePomáháme klientům růst pomocí moderních IT řešení. Automatizace obchodních aktivit
Pomáháme klientům růst pomocí moderních IT řešení. Automatizace obchodních aktivit Kolik času věnujete rutině a kolik rozvoji? JAK TO DĚLÁME, A ČÍM JSME JINÍ Klasický přístup Nápad Nástroj Zjištění omezení
VícePraktické finance pro manažery neekonomy
Vzdělávací cyklus Praktické finance pro manažery neekonomy Finanční minimum pro manažery neekonomy Praktické finance pro manažery neekonomy Otevřeme Vám dveře do manažerských financí Začátek: říjen 2011
VíceUSI - 102 - Projekt klíčenka"
USI - 102 - Projekt klíčenka" Předmět A7B36USI paralelka 102 Pondělí 14:30 cvičící Martin Komárek ČVUT FEL Tomáš Záruba, Gulnara Abilova, Martin Karban, Levan Bachukuri Termín odevzdání: 6.října 2013 Link
VíceVÝHODY SYSTÉMU ŘÍZENÍ VZTAHŮ SE ZÁKAZNÍKY ADVANTAGES OF CRM SYSTEM. Dagmar Škodová Parmová
VÝHODY SYSTÉMU ŘÍZENÍ VZTAHŮ SE ZÁKAZNÍKY ADVANTAGES OF CRM SYSTEM Dagmar Škodová Parmová Anotace: Řízení vztahů se zákazníky je synonymum pro řídící systém, který na základě uložených a analyzovaných
VícePostgreSQL jako platforma pro datové sklady
PostgreSQL jako platforma pro datové sklady Vratislav Beneš benes@optisolutions.cz 1. Co to jsou datové sklady? 2. Požadavky na datový sklady 3. Technické řešení datového skladu 4. PostgreSQL a datové
VícePerformance Management What if?
Performance Management What if? Ondřej Bothe, IT Specialist ondrej_bothe@cz.ibm.com Agenda: Koncept PM s What if nástroji Ukázka tvorby What if modelu (Ukázka pokročilejší What if aplikace) Performance
VíceSeminář VŠE, ČSSI a ICT UNIE 26.10.2011
Výsledky průzkumu nabídky a poptávky po IT profesích v ČR Seminář VŠE, ČSSI a ICT UNIE 26.10.2011 Výzkum Lidské zdroje v ICT vznikl za finanční podpory MŠMT ČR v rámci projektu Sociální síť v regionech
VíceFirewall, IDS a jak dále? Flow monitoring a NBA, případové studie. Jiří Tobola INVEA-TECH
Firewall, IDS a jak dále? Flow monitoring a NBA, případové studie Jiří Tobola INVEA-TECH INVEA-TECH Český výrobce řešení FlowMon pro monitorování a bezpečnost síťového provozu Desítky referencí na českém
VíceFlowMon. Pokročilá analýza Cisco NetFlow pomocí řešení FlowMon. INVEA-TECH a.s. info@invea.cz
FlowMon Pokročilá analýza Cisco NetFlow pomocí řešení FlowMon INVEA-TECH a.s. info@invea.cz INVEA-TECH Česká společnost, univerzitní spin- off, spolupráce CESNET a univerzity, projekty EU Založena 2007
VíceZpráva představenstva o podnikatelské činnosti Skupiny VČP a stavu jejího majetku v roce 2011
Zpráva představenstva o podnikatelské činnosti Skupiny VČP a stavu jejího majetku v roce 2011 Profil Skupiny VČP Skupina VČP jako konsolidační celek vznikla důsledkem právního oddělení činností spojených
VíceJak přetavit data v hodnotné informace, které nesou peníze
Powered by Jak přetavit data v hodnotné informace, které nesou peníze Martina Dvořáková 19. 10. 2014 KDO CO KDY??? 2 Zaměřeno na prodej Potřebujeme zisk, co budeme prodávat? 4 Ten náš je nejlepší 5 Produkt
VíceZahájení Konference ARBES FINANCE DAY 2014 a výsledky průzkumu Internet banking 2014 v ČR
Zahájení Konference ARBES FINANCE DAY 2014 a výsledky průzkumu Internet banking 2014 v ČR 5.6.2014 Jan Denemark, ředitel společnosti www.arbes.com Dopolední program sál EUFORIE 9:30 9:45 10:30 Není všechno
VíceZnáte pøesné odpovìdi na tyto otázky??!
T-Doc Znáte pøesné odpovìdi na tyto otázky??! Víte, kde vznikají zbyteèné náklady a jaké? Víte, kolik tiskù a kopií se poøizuje zbyteènì a kde? Znáte poèet kopírovacích strojù, tiskáren a faxù, které jsou
VíceJan Váša TGB Sales Representative, Oracle Czech 10. června 2011 MRI Kladno
Jan Váša TGB Sales Representative, Oracle Czech 10. června 2011 MRI Kladno Oracle a veřejná správa Oracle a veřejná správa Oracle není jen databáze Oracle a veřejná správa Oracle
VíceTomáš Kutěj System Engineer Microsoft
Microsoft Office SharePoint Server 2007 Kompletní řešení pro spolupráci Tomáš Kutěj System Engineer Microsoft Agenda Protfolio 2007 MS Office System Představení SharePoint platformy Klíčové oblasti SharePointu
Více