Title: Operative Strategien optimal und automatisiert umsetzen
1Operative Strategien optimal und automatisiert
umsetzen
- Wertschöpfung durch verfeinertes Decision
Management
Frank Häger Sr. Account Executive FICO
11. November 2010
2- Motivation für Decision Management
- Was ist Enterprise Decision Management?
- Enterprise Decision Management heute
- Case Studies
- Diskussion
3Motivation für Enterprise Decision Management
Eine gute Entscheidung ist ein Process, um eine
gegebene Zielsetzung optimal zu
erreichen... ...eine gute Entscheidung resultiert
niemals aus Zufall!" von Applied Management
Science, Prof. Hossein Arsham
4Einflüsse auf Decision ManagementMotivation
- Kundenorientierung
- Überwindung Produkt-bezogener und
organisatorischer Silos
Expansionauf geographischverteilte Märkte
- Qualitätsverbesserungvon Entscheidungen durch
Analytik und Optimierung
Transparenz
5Enterprise Decision ManagementBedarfserkennung
- Geschäftsmodelle basieren auf End-to-End
Prozessen. - Entscheidungen werden von vielen Variablen
beeinflusst. - Man möchte Strategien vor deren Einsatz testen
- Viele Entscheidungen wären valide aber auch
optimal? - Das Treffen richtiger, optimaler Entscheidungen
- spart Geld bzw. erhöht den Umsatz
- ist wichtig für das Kunden-Management
- erfordert Compliance mit gesetzlichen oder
unternehmerischen Richtlinien - Kundeninteraktion geschieht durch verschiedene
Kanäle - Data Warehouses sind implementiert. Potential
wird nicht genutzt. - Falsche, unvollständige Daten behindern
Geschäftsprozesse
6Typische Aufgabenbereiche für den Einsatz
vonDecision Management (Dr. Hossein Arsham,
University of Baltimore)
7Decision Management Life Cycle Ziele
- Konsistente, wiederholbare Unternehmensentscheidun
gen treffen - Agile, flexible Entscheidungs-Prozesse
implementieren - KPIs aktiv überwachen
- Präzisere Entscheidungen treffen und optimieren
- Verantwortung für Entscheidungen dem Fachbereich
überantworten
8Decision Management StrategieZiele
- Connected Decisions
- Bessere individuelle Entscheidungen Bewertungen
- Erkenntnisse und Fähigkeiten über
Abteilungsgrenzen hinaus wirksam einsetzen - Connected Strategy Management
- Adaptive Kontrolle und Simulation über
Lebenszyklen von Projekt, Produkt oder Kunde - Transparenz, Automatisierung und Effizienz
erhöhen - Connected Technology
- IT Effizienz erhöhen
- System-Pflegekosten senken
- Bereitstellungszeiten verkürzen (Zime-to-Market)
- Neue Services mit weniger Risiken nutzen
9Entscheidungen an Geschäftsziele anpassenActio ?
Reactio ? Wertschöpfung
10Geschäftliche Optimierung heißtDie richtigen
Ziele setzen und abwägen
- Optimierung ist ein mathematischer Prozess, um
die beste Entscheidung für ein gegebenes
geschäftliches Problem zu finden
Beste meint gewöhnlich höchste Marge, geringste
Kosten, etc. unter Einhaltung sich
widersprechender geschäftlicher Randbedingungen
11- Motivation für Decision Management
- Was ist Enterprise Decision Management?
- Enterprise Decision Management heute
- Case Studies
- Diskussion
12Was ist Enterprise Decision Management?
The Difficulty in Life is the Choice! Unbekannte
s Zitat aus der Epoche der Aufklärung, 17. 18.
Jahrhundert
13Bessere Entscheidungen erhöhte
ProfitabilitätBeispiele
FICO Kunden Nutzen im Banking Customer Lifecycle FICO Kunden Nutzen im Banking Customer Lifecycle FICO Kunden Nutzen im Banking Customer Lifecycle FICO Kunden Nutzen im Banking Customer Lifecycle FICO Kunden Nutzen im Banking Customer Lifecycle FICO Kunden Nutzen im Banking Customer Lifecycle
Akquisition Akquisition Management Management Schutz
Marketing Antrags-bearbeitung Customer Management Beitreibung Betrug
Anwendung Akquise Kredite Gebühren und Linien KreditlinienManagement Beitreibung im Frühstadium Betrugs-erkennung und-prävention
Nutzen durch BRMS und Optimierung 1.05 / Kd. höherer Profit pro Mailing 45 Marge während des Kredit Lebenszyklus, Beibehaltung der Verluste und Akzeptanz-raten 12.36 / Konto verbesserter Profit innerhalb begrenzter Risiken und Verluste 2.0 Mio. weniger Verlust pro Jahr pro 1 Million Konten 10.5 Mio mehr genehmigte Transaktionen pro Mrd Transaktionen bei konstanter Betrugsrate
in industriellen Anwendungen in industriellen Anwendungen in industriellen Anwendungen in industriellen Anwendungen in industriellen Anwendungen in industriellen Anwendungen
Anwendung und Nutzen Supply Chain Optimierung 260 Mio (14) Einsparungen Produktionsplanung 22 Erhöhung in verkauftem Lagerbestand 200 ROI / 1. J. Energiehandel und produktion 28 Einsparungen im 1. , 37 im 2. u. 3. Jahr Supply Chain Optimierung 260 Mio (14) Einsparungen Produktionsplanung 22 Erhöhung in verkauftem Lagerbestand 200 ROI / 1. J. Energiehandel und produktion 28 Einsparungen im 1. , 37 im 2. u. 3. Jahr Supply Chain Optimierung 260 Mio (14) Einsparungen Produktionsplanung 22 Erhöhung in verkauftem Lagerbestand 200 ROI / 1. J. Energiehandel und produktion 28 Einsparungen im 1. , 37 im 2. u. 3. Jahr Supply Chain Optimierung 260 Mio (14) Einsparungen Produktionsplanung 22 Erhöhung in verkauftem Lagerbestand 200 ROI / 1. J. Energiehandel und produktion 28 Einsparungen im 1. , 37 im 2. u. 3. Jahr Supply Chain Optimierung 260 Mio (14) Einsparungen Produktionsplanung 22 Erhöhung in verkauftem Lagerbestand 200 ROI / 1. J. Energiehandel und produktion 28 Einsparungen im 1. , 37 im 2. u. 3. Jahr
14Decision Management für bessere
EntscheidungenWertigkeit
Nutzen
Verfeinerung des Decision Managements
15Decision Management KomponentenBeispiel der
Interaktion
Prädiktive Analytik
Geschäfts- regel Mgt.
Optimierung
Kundenspezifisch angepasstes Produktangebot
- KampagnenManagement
- Verkauf
- Kosten
- Compliance
Testen Lernen Adaptieren
16- Motivation für Decision Management
- Was ist Enterprise Decision Management?
- Enterprise Decision Management heute
- Case Studies
- Diskussion
17Enterprise Decision Management heute
Sapere aude! Have courage to use your own
reason! Motto aus der Epoche der Aufklärung, 17.
18. Jahrhundert
18Entscheidungen in Geschäftsprozessen
Entscheidungen in Geschäftsprozessen
- Checkpunkte
- Änderungskosten?
- Konsistenz?
- Business-IT Alignment?
- SOA konform?
19Reifegrad von Unternehmen, im Hinblick auf ihr
Decision ManagementKnowledge Partners Rule
Maturity Model (adaptiert Frank Häger, FICO)
Stufe 0 Unbewusst Stufe 1 Ad Hoc Stufe 2 Wiederholbar Stufe 3 Definiert Stufe 4 Messbar Stufe 5 Kont. Verbessert
DESIGN TIME DESIGN TIME DESIGN TIME DESIGN TIME DESIGN TIME DESIGN TIME
Kosten Hoch Vorhersage Gering Analyse Keine Günstiger Gering Manuell Günstiger Gering Automatisiert Niedrige Kosten Möglich Durchweg autom. Niedrige Kosten Gute Vorhersage Durchweg autom. Vorhersage und Schutz Integrität Allgemeine Praxis
RUN TIME RUN TIME RUN TIME RUN TIME RUN TIME RUN TIME
Treffen v. Entscheid. in der Anwendung, Dokument Kopf WertschöpfungKeine Separierung von Regel und Modell in Repositorien Wunsch Im Einsatz Vorlagen Design/Analyse TechnologieFühlbar Integration von Repository und Decision Management Erkennbar Verwaltung von KPI Regeln Modellen im RepositoryMessbar! Verhaltenskodex in Geschäftsprozesse Integriert Planbare Wertschöpfung
CHANGE TIME CHANGE TIME CHANGE TIME CHANGE TIME CHANGE TIME CHANGE TIME
Identifikation Planungen existieren Regeln, Modelle sind bekannt, IT implementiert Fachseite definiert ändert Entscheidungen Unterstützt durch Was-wäre-wenn Szenarien und Tests Fachseite verfügt über KPI zusammen mit DM Infrastruktur Agiles, lernendes Unternehmen Status haltbar
Stufe 0 Unbewusst Stufe 1 Ad Hoc Stufe 2 Wiederholbar Stufe 3 Definiert Stufe 4 Messbar Stufe 5 Kont. Verbessert
- Wie hoch werden Änderungskosten sein? ? 80/20
Regel - Ist eine Impakt-Analyse von Maßnahmen möglich?
- Ist die Analyse der Grundlagen unseres
Entscheidungsmanagements möglich?
- Haben wir Maßnahmen für die Verwaltung unserer
Entscheidungen getroffen? - Ist eine Messung von Key Performance Indikatoren
möglich? - Können wir protokollieren, berichten, nachweisen?
- Hat die Fachseite die Möglichkeit zur Analyse
(z.B. What-If Szenarien)? - Ist ein direktes Engagement unserer Business
Analysten möglich? - Können wir minimales Time to Market erreichen?
20Externalisierung des Entscheidungs-Managements
Editoren und Modellierung
Regel- und Modell- Repositorien
Regel-Engines Optimierung
21- Motivation für Decision Management
- Was ist Enterprise Decision Management?
- Enterprise Decision Management heute
- Case Studies
- Diskussion
22Case Studies
The sleep of reason produces monsters Francisco
Goyas masterpiece, 1799
23Case Studies
- Portfolio Optimierung
- Verbessern bestehender Kreditlinien-Strategien
- Erstellen eines Angebots zu Schuldenkonsolidierung
aus Millionen von Kombinationsmöglichkeiten - Auswählen der richtigen Aktion aus Millionen von
Alternativen (Marketing im Handel) - Finden einer akzeptablen Lösung, auch wenn nicht
alle Regeln erfüllt werden können (Raumplanung im
Handel)
24Portfolio Optimierung
- Die BANK bietet einen personalisierten Service
an, welcher Privatkunden in Echtzeit Vorschläge
macht, wie ein optimaler Satz von
Handels-Transaktionen ein vorhandenes Portfolio
in ein Zielportfolio mit einem spezifischen
Investment-Profil wandeln kann.
25Vorgehen bei der Portfolio Optimierung
Eingangsdaten
BRMS
Optimierer
Zielfunktion ? Max. Opinion Score ? Min. Impakt
der Sell/Buy Transakt.
Ausgangdaten
26Lösung des Business Problems
- Die Lösung berücksichtigt Randbedingungen, welche
auf den Verkaufspositionen, den verfügbaren
Produkten, Kundenpräferenzen und
Investment-Profilen, sowie auf globalen
Bedingungen wie Portfolio Risiko, Anzahl und
Größe der Transaktionen beruht. - Zielfunktion Maximiere den Opinion Score (das
Rating des Portfolios). Minimiere den Impakt
durch die notwendigen Transaktionen. - Die BANK verwendet die Lösung auch offline, als
Basis für Marketing Kampagne, mit dem Ziel
bestimmte Investment-Produkte zu empfehlen.
27Lösungskomponenten
- BRMS, um geeignete IN / OUT Produkte globale
Randbedingungen zu bestimmen - Lineare Optimierung, um den optimalen Satz von
Handelsempfehlungen zu bestimmen - ? Direkter Datenaustausch zwischen BRMS und
Optimierer - Maßgeschneidertes GUI für Analysten mit
grafischen und textuellen Reporting-Möglichkeiten,
um Simulationen (Szenarien) zu fahren und zu
modellieren. - Ausgabe des Score-Wertes Opinion, welcher dem
Produkt von der BANK zugewiesen wird. Z.B. Risiko
als Standard Abweichung nach Markowitz Portfolio
Theorie. - Multiple Zielfunktionen z.B. bringe aktuelles
Portfolio so nah wie möglich an Ziel-Portfolio
oder Maximize der Score-Wert opinion des
Porfolios während der Impakt minimiert wird
(Begrenzung der sell/buy Positionen). - Automatische Anpassung von Randbedingungen, wenn
erforderlich
28Case Studies
- Portfolio Optimierung
- Verbessern bestehender Kreditlinien-Strategien
- Auswählen der richtigen Aktion aus Millionen von
Alternativen - Erstellen eines Angebots aus Millionen von
Kombinations-möglichkeiten - Finden einer akzeptablen Lösung, auch wenn nicht
alle Regeln erfüllt werden können
29Credit Line Management
Predictions
Model Variables
Action
Target Function
30Decision Modeling Optimierung konkurrierender
geschäftlicher Ziele
Kreditlinien Management Efficient
FrontierPrognostizierte Gewinne und Verluste
für multiple Optimierungsszenarios
Szenario 2 Steigerung der Profitabilität um 10
pro Konto ohne zusätzliche Verluste in Kauf
nehmen zu müssen
Szenario 1 Erhalt der Profitabilität per Konto
und Senken der Verluste um 6
Effizienzlinie
Prognostizierter GEWINN pro Konto
Basislinie Ausgangspunkt
Prognostizierte VERÄNDERUNG DER VERLUSTE
31Ansatz für Decision Optimization
Analytischer Prozessfluss
- Optimierungsergebnisse können wie folgt verwendet
werden - Indirekt als Basis für eine bessere Strategie
- Im Batch die Aktionen der gewählten Strategie
anwenden - Interaktiv jede Transaktion direkt beeinflussen
32Case Studies
- Portfolio Optimierung
- Verbessern bestehender Kreditlinien-Strategien
- Erstellen eines Angebots zur Schuldenkonsolidierun
g aus Millionen von Kombinationsmöglichkeiten - Auswählen der richtigen Aktion aus Millionen von
Alternativen (Marketing im Handel) - Finden einer akzeptablen Lösung, auch wenn nicht
alle Regeln erfüllt werden können (Raumplanung im
Handel)
33Aktuelle Forschung Schuldenkonsolidierung
- Das Problem der Schuldenkonsolidierung
- Benutzerangaben und Präferenzen bestimmen
- Kreditangebot, genaue Darlehenshöhe,
Schulden-Verhältnis, etc. - Während des Managements der Schuldentilgung
Optimization Engine
Kreditkarte A Schulden 2.000 Jahreszins 12,5
Maximales Verkürzen des Rückzahlungs-zeitraums
Flexikredit B Schulden 9.000 Jahreszins 11
Darlehensbetrag Monatliche Zahlung Welche
Schulden tilgen?
Leasing C Schulden 21.000 Jahreszins 7,5
Minimierung der monatlichen Zahlung
Gewünschter Darlehensbetrag Erstrangiger
Hypothekenkredit Home Value und etc.
34Schuldenkonsolidierung Daten
Daten des einzelnen Kunden
Kreditkarte A Schulden 2.000 Jahreszins 12,5
Flexikredit B Schulden 9.000 Jahreszins 11
Leasing C Schulden 21.000 Jahreszins 7,5
35Schuldenkonsolidierung Kundenziele
- Kundenziele
- Reduktion der monatlichen Zahlungen
- Verkürzung des Rückzahlungszeitraums
- Reduktion der Abschlusskosten
36Schuldenkonsolidierung Analytik
- Analytikfunktionen
- Rückzahlungsfähigkeit
- Response-Funktionen
- Wettbewerbsdaten
37Schuldenkonsolidierung Regeln
Regeln bzw. Eigenschaften der wählbaren Produkte
38Schuldenkonsolidierung Wählbare Produkte
Wählbare Produkte
39Schuldenkonsolidierung Entscheidungen
- Optimale Lösung
- Anzeigen der optimalen Lösung für den Kunden
- Verhandlungstools
40Vorteile
- Das gesamte Kundenprofil wird berücksichtigt
- Entscheidungen weisen eine enorme
Preiselastizität aus - Lösung vereinigt Einflussfaktoren aus
- den Allgemeinen Kreditrichtlinien,
- den geschäftlichen Zielen und den
- den individuellen Kundenzielen
- Anwendung läuft in Echtzeit und ermöglicht
- konsistente, profitrable Entscheidungen
- höhere Kundenfreundlichkeit
- wenig IT-Aufwand bei der Implementierung
41Case Studies
- Portfolio Optimierung
- Verbessern bestehender Kreditlinien-Strategien
- Erstellen eines Angebots zur Schuldenkonsolidierun
g aus Millionen von Kombinationsmöglichkeiten - Auswählen der richtigen Aktion aus Millionen von
Alternativen (Marketing im Handel) - Finden einer akzeptablen Lösung, auch wenn nicht
alle Regeln erfüllt werden können (Raumplanung im
Handel)
42FICO Retail Action Manager
Optimization Engine
Prediction Engine
Rules Engine
Wissen, welche Produkte ein Verbraucher wahrsch.
kaufen wird und wann
Optimale Ergebnisse beim Management von Auflagen
Bereitstellen konsistenter und präziser
Botschaften im gesamten Unternehmen
Testen - Lernen - Adaptieren
43Mit diesen Daten funktioniert es
- Sie stellen FICO folgende Daten bereit
Data Warehouse
3rd Party
Produkt
44Prediction Engine ein näherer Blick
Man kann das beste Produkt für jeden Kunden
wählen je nach seiner Präferenz (Propensity).
Pr(LCD TV) Pr(Dessert) Pr(Bier) Pr(Pizza) Pr(Keks) ...
Hans 0.0815 0.0158 0.6564 0.2067 0.0439
Johann 0.0906 0.0971 0.0363 0.0329 0.0382
Peter 0.0127 0.0957 0.8499 0.2773 0.0766
Michel 0.0913 0.0485 0.0734 0.0967 0.0795
Maria 0.0063 0.0008 0.6790 0.0972 0.0187
Fred 0.0098 0.0142 0.7586 0.4239 0.8049
Frieda 0.0278 0.0422 0.0430 0.2958 0.0446
...
45FICO
Retail Client
Prädiktive Analytik
Geschäfts- regel Mgt.
Optimierung
Kundenspezifisch angepasstes Produktangebot
- KampagnenManagement
- Verkauf
- Kosten
- Compliance
Testen Lernen Adaptieren
46Vorteile einer Retail Management Technologie
- Konsistente und präzise Aussagen über das gesamte
Unternehmen hinweg treffen - Wissen, welches Produkt die Kunden wahrscheinlich
kaufen werden und wann - Optimale Resultate im Rahmen der geschäftlichen
Strategie erzielen
47Case Studies
- Portfolio Optimierung
- Verbessern bestehender Strategien
- Erstellen eines Angebots zur Schuldenkonsolidierun
g aus Millionen von Kombinationsmöglichkeiten - Auswählen der richtigen Aktion aus Millionen von
Alternativen - Finden einer akzeptablen Lösung, auch wenn nicht
alle Regeln erfüllt werden können (Raumplanung im
Handel)
48Kundenbeispiel Räumliche Anordnung von
Verkaufsregalen
- Regelbasierte Systeme
- Raumplanung auf Makroebene
Raumplanung auf Mikroebene
Ziel Reduktion manueller Eingriffe in der
Absatzförderung für über 6.000 Regale Ziel
Verlinkung von POS-Statistiken mit Qualität
der Absatzförderung
49Entscheidungsbereiche innerhalb der
Raumplanungslösung
50Visualisierung der Ergebnisse
- Visualisierungslösung
- Beschreibung und Standort jeder Einheit
- Anzahl der Blenden
- Brand-Share nach Kategorie und Regalraum
- Gefüllter Regalraum in
51RaumoptimierungEinschränkungen in der
Sortimentsoptimierung
Regeln
52Vielen Dank für Ihre Aufmerksamkeit!
Frank Häger 49-4161-597406 FrankHaeger_at_fico.com
11. November 2010
53- Motivation für Decision Management
- Was ist Enterprise Decision Management?
- Enterprise Decision Management heute
- Case Studies
- Diskussion
54Decision Management der nächsten Generation
- Ein kombinierter Ansatz verspricht besten Erfolg
- Geschäftsregeln Eignungsregeln verwalten und
Entscheidungen automatisieren - Prädiktive Modelle Wahrscheinlichkeiten und
Unwägbarkeiten verringern - Simulation Auswirkungen auf Aktionen erkennen
- Optimierung die beste Lösung finden und
Strategien verbessern - FICO NextGen Werkzeuge
- FICO Blaze Advisor Business Rules Management
System - FICO Model Builder für prädiktive, analytische
Modelle - Decision Simulator für Impakt-Analyse
- FICO Decision Optimizer für Preis Optimierung
- FICO Xpress Optimization Suite für industrielle
Optimierung - Custom Decision Optimization Beratung