Customer Analytics

Die zunehmende Digitalisierung des Berufs- und Privatlebens geht mit zahlreichen Vorteilen für Nutzende einher und produziert dabei jede Menge Daten. Kund*innen sind besser informiert, treten selbstbewusster und wechselfreudiger auf und sind großflächiger vernetzt – untereinander und mit Unternehmen. Nutzende von digitalen Technologien und Medien haben außerdem die Chance, ihren Arbeitsalltag selbstbestimmter zu gestalten und finden im Privatleben leichter Gleichgesinnte. Die stärker werdende Verbindung zwischen Unternehmen und Kund*innen, Individuen und Peers bzw. Arbeitgebenden und Arbeitnehmenden birgt Potentiale, die Bedürfnisse des jeweiligen Gegenübers besser zu verstehen, das Design von IT-Systemen, Produkten und Dienstleistungen nach diesen Präferenzen auszurichten sowie Nutzung und Akzeptanz zu fördern. Für die zielgerichtete Analyse solcher Daten, nutzen wir in diesem Kompetenzbereich verschiedene Methoden der Datenanalyse. Grundlage ist oftmals die Auswertung von Nutzungsdaten (die auf Websites, in Apps oder anderen IT-Systemen entstehen). Wo sinnvoll, ergänzen wir diese durch gezielte Befragungen von Individuen.

Erhebung, Aufbereitung und Analyse von Trace-Daten

(z.B. Nutzungsdaten von Webseiten, Kaufverhalten in Online-Shops, oder Kommunikationsdaten aus digitalen Medien), um Einblicke in das Nutzendenverhalten zu gewinnen und Vorhersagen über zukünftiges Verhalten treffen zu können.

Design und Durchführung von Experimenten

um spezifische Hypothesen über das Nutzendenverhalten zu testen, die es ermöglichen die Gestaltung von IT-Systemen, wie Websites oder Apps, zielgerichtet zu optimieren.

Anwendung von KI und Machine-Learning

um Nutzendenpräferenzen automatisiert aus strukturierten und unstrukturierten Daten abzuleiten und auf Basis dieser Erkenntnisse personalisierte Empfehlungen und Vorschläge aufzubereiten oder Handlungen zu initiieren.

• Analyse von Nutzungsverhalten und Schulungsbedarf zur Steigerung der Mitarbeitendenakzeptanz bei der der Einführung neuer Informationssysteme
• Verbesserung von Geschäftsprozessen durch Machine-Learning-Modelle, bspw. bei der Dokumentenverarbeitung oder der Extraktion von Wissen aus unstrukturierten Daten
• Wesentliche Informationssysteme und Datenzugänge identifizieren und datenschutzkonforme Zugang zu relevanten Daten erhalten
• Die Nutzungsdaten in Hinblick auf Ihre Fragestellungen auswerten und Handlungsempfehlungen ableiten.
• Passende Maßnahmen zur planen, implementieren und evaluieren.
• Den Erfolg der umgesetzten Maßnahmen reevaluieren und in einen kontinuierlichen Verbesserungsprozess überführen