Data @Work

Daten mit Business Applikationen verbinden

Daten enstehen, werden gespeichert, analysiert und strömen dann in das jeweilige Ziel-System. Die spannende Frage, die sich im Bereich Data @Work stellt: Was passiert mit den Daten, nachdem sie in das jeweilige System geflossen sind? 

Geschäftsprozesse müssen agil werden. Dies gilt insbesondere für Unternehmen, die  ein innovatives Produktportfolio besitzen und/oder sich in einem internationalen Markt mit volatilem Wettbewerbsumfeld befinden. Dort dürfen Geschäftsprozesse nicht mehr starr und festgefahren sein.

Häufig sind Unternehmen allerdings durch das eingesetzte Softwareportfolio und dem Tunnelblick auf die im System realisierten und umsetzbaren Abläufe gehemmt. Aus unserer Erfahrung heraus wissen wir, dass bei vielen Unternehmen die IT-Ressourcen knapp sind und daher notwendige Prozessanpassungen nicht schnell genug realisiert werden können. Hier setzen wir mit unserem Data @Work-Ansatz an.

Anstelle monolither All-in-One-Lösungen und aufwendiger Customizings in den Kernsystemen, welche häufig die Systeme so verbiegen, dass sie nicht mehr upgradefähig oder kaum noch zu warten sind, setzen wir auf die technologischen Möglichkeiten, welche uns in den aktuellen Cloud-Portfolios der Hersteller zur Verfügung gestellt werden. Dies bedeutet, dass wir durch viele Microservices, die sich speziell um dedizierte Problemstellungen kümmern, schnell und agil Lösungen für die Umsetzung von Geschäftsprozessanforderungen anbieten können.

Dabei sehen wir diese Services nicht als Stand-Alone-Technologien, sondern immer im integrierten Kontext mit den Kernsystemen wie z.B. einem ERP oder CRM, welche um die Zusatzfunktionalitäten angereichert werden. Durch die lose Kopplung dieser Services entsteht ein viel leichtgewichtigerer, einfach zu verknüpfender und an den Geschäftsprozess angepasster Datenfluss.

Solche Services können sein:

  • Machine Learning Algorithmen für Vertriebsanalysen
  • Predivctive Analytics im Service Bereich
  • Web APIs zum Anreichern von Informationen 
  • Mobile Services und Apps

Microservices lassen sich mit modernsten Technologien wie HTML 5 einfach in die Back-End-Systeme integrieren. 

Die Folgen aus Unternehmenssicht sind effiziente Prozesse, die Agilität und Flexibilität verstärken und so das Bestehen eines Unternehmens in einem disruptiven Umfeld sichern. Zufriedenere Kunden durch verbesserten Service werden zu treuen Promotern. Auf Kundenseite steht eine schnellere Auftragsabwicklung und damit entsteht für diese wiederum ein Wettbewerbsvorteil.

Data at Work

In den letzten Jahren haben wir mit unserem Know-how erfolgreich Projekte mit folgenden Lösungen und Technologien umgesetzt:

  • Microsoft AZURE Mobile Services
  • Telerik Mobile Development
  • Microsoft AZURE App Servies
  • Microsoft Logical Apps und Power Apps
  • Microsoft Machine Learning
  •  HTML 5
  •  Web API 
  •  Windows Universal Platform Apps
  •  Cross Platform Apps (Xamarin)

Anlagebauer mit 600 Mitarbeitern (350 Servicetechniker im Außendienst)

Serviceprozess 4.0

Durch die intelligente Verknüpfung der Backendsysteme in Verbindung mit einem Mobilen Service Management, war der Kunde in der Lage seinen Abrechnungszyklus um 50% zu reduzieren.

In einem ersten Schritt wurde beraten und realisiert, wie bestehende Papierprozesse durch intelligente Digitalisierung verschlankt und softwaretechnisch abgebildet werden können. Statt nach einem Arbeitstag Papierzettel auszufüllen erfassen die Monteure ihre Monteurscheine und VDE Prüflisten direkt beim Kunden. Sowohl Zeit wie auch Materialbuchungen werden digital erfasst und mit dem Backendsystem synchronisiert. Durch digitale Unterschrift gibt der Kunde die Rechnung frei, so dass direkt nach Erfolg der Leistung der Faktura Prozess gestartet werden kann.

In einem weiteren Schritt wurde ein Modul zur Einsatzplanung und Einsatzoptimierung implementiert. So ist das Back Office in den verschiedenen Servicecentern stets in der Lage genau zu sehen, in welchem Einsatz ein Monteur gerade ist, wie lange der Einsatz vermutlich dauert und kann unterstützt durch ein Vorschlagssystem basierend auf Skills der Servicetechniker standortübergreifend disponieren.

Wollen Sie mehr erfahren, kontaktieren Sie uns...

 


Logistikkonzern mit 6000 Mitarbeitern

Intelligente Besuchsplanung mit Hilfe von Machine Learning

Die meisten CRM-Kunden fokussieren sich auf die Besuchsnachbereitung. Auswertungen über Besuchsberichte, Anzahl von Besuchen und die Nachverfolgung von Follow-Ups, sind KPIs, mit welchen die meisten Kunden ihre Außendienst Mitarbeiter bewerten. Kaum Beachtung findet allerdings das Thema, wer wann besucht wird. Ob der Außendienst Mitarbeiter den einen Kunden gerne besucht, weil der Kaffee gut ist und der Kunde wenig Beschwerden platziert, der Besuch bei einem schwierigen Kunden aber auf die lange Bank geschoben wird, lässt sich aus diesen rückwärtsgewandten Kennzahlen nicht herauslesen.

Zu diesem Thema haben wir uns Gedanken gemacht und eine Lösung entwickelt. Zusammen mit einem großen Logistiker haben wir eine Bewertungsmatrix für Kunden aufgestellt und überlegt, welche Schlüsselwerte und Themen relevant für einen Termin beim Kunden oder Interessenten sind. Signale aus der bisherigen Kommunikation werden mit herangezogen, um dem Vertriebsmitarbeiter eine Liste von Besuchsvorschlägen mit der entsprechenden Priorisierung zur Verfügung zu stellen, mit welchem Kunden er in welchem Zeithorizont einen Termin vereinbaren sollte. Der Algorithmus dieser Besuchsliste ist hierbei durch Machine Learning Integration so gestaltet, dass er auf aktuelle Situationen reagiert und Erkenntnisse aus den Ergebnissen permanent mit einfließen lässt. 

Wollen Sie mehr erfahren, kontaktieren Sie uns...

 


 

Technologiekonzern mit 12.500 Mitarbeitern

Kundensegmentierung und Clustering auf Grundlage Big Data

Die meisten Firmen segmentieren ihre Kunden auf Basis historischer Kennzahlen in ihren Systemen. Dabei wird viel Potential verschenkt, wenn die vielfältigen Informationen, die über externe Datenquellen zur Verfügung stehen, nicht genutzt werden. Daraus entstand die Überlegung, ein Clustering nach diesen Informationen zu erstellen. Bei der Neuanlage einer Firma werden zum einen externe Datenquellen mit angezapft, um Anreicherungsinformationen für den Kunden zu finden. Darüber hinaus wird basierend auf Branche, Umsatz, Region und weiterführende Information ein Clustering erstellt, welches ähnliche Kunden darstellt. Stellen Sie sich vor, Sie haben eine branchenspezifische Lösung oder ein branchenspezifisches Verfahren erfolgreich bei einem Kunden eingeführt. Anstelle nun über Cold Calls oder Zukauf von Adressen zu versuchen weitere Interessenten zu finden, schauen Sie nun einfach in den Datensatz des Kunden und erhalten Vorschläge für ähnliche Kunden bei denen Ihre Lösung anhand der Kopfdaten ebenfalls gut passen könnte. Beziehungswissen wie z.B. Kunden mit einem ähnlichen Produktportfolio, Wettbewerber des Kunden, etc. werden direkt dargestellt und können für den Lead Prozess genutzt werden. Dabei unterstützen Machine Learning Clustering und Vorschlags Algorithmen bei der Identifizierung.

 Wollen Sie mehr erfahren, kontaktieren Sie uns...

 

 

 

Sie haben Fragen zu Data @Work? Wir freuen uns auf Ihre Kontaktaufnahme!

NXTGN Kontaktaufnahme