Segmentierung bekannter Kunden mit
Clustering-Methoden 
Einsatzmöglichkeiten
Auf der Grundlage von vorgegebenen Faktoren möchten Sie Ihre Kunden in verschiedene Gruppen einteilen, die in sich homogen sind.
Im Gegensatz zu einer Klassifikation auf Grund einer vorgegebenen Kennzahl wie in der ABC-Klassifikation geht es hier darum, auf der Basis eines komplexen Kunden-Datenmodells Kunden automatisch in verschiedene Segmente einzuteilen. Es ist dabei wichtig, dass für das Zustandekommen von verschiedenen Gruppen unterschiedliche Merkmals- bzw. Kennzahlkombinationen und ihre Ausprägungen entscheidend sind. Der Wert einer Analyse ist für Sie dadurch erkennbar, dass Sie in einer automatisch von dem Clustering-Verfahren ermittelten Kunden ein klares Kundenverhalten erkennen. Im Lebensmitteleinzelhandel kann sich z.B. ein Cluster abzeichnen, der überdurchschnittlich hohe Umsätze bei Kinderprodukten und Frischeprodukten aufweist. Einen solcher Cluster könnten Sie als „Familieneinkauf“ interpretieren. Das Ergebnis einer Cluster-Analyse liefert Ihnen dann nicht nur Aufschluss darüber, welche anderen Eigenschaften der “Familieneinkäufer“ typischerweise auszeichnet, sondern auch wie groß dieses Segment ist.
In der Regel haben Sie im Handel pro Kunden ganz unterschiedliche Mengen an Daten zur Verfügung. Es ist aber wenig sinnvoll, Kunden, über die Sie nur sehr wenige Informationen haben, mit Ihren Stamm-Kunden zu vergleichen. Für die Analyse von Stammkunden, die Sie z.B. über eine ABC-Klassifikation in Verbindung mit einer Loyalitätsanalyse ermitteln können, ist es angemessen, komplexere Datenmodelle aufzustellen. Bei der Verwendung von komplexen Datenmodellen sollten Sie also die Kunden, die Sie in die Analyse einbeziehen, entsprechend einschränken.
Für die Analyse müssen Sie in einem Kunden-Datenmodell
hinterlegen, welche Merkmale und Kennzahlen in die Analyse eingehen sollen. In
der Data Mining Workbench müssen Sie dann eine
neue Clustering-Analyse definieren und dabei die Query im SAP BW verwenden,
die Ihre Kunden-Datenmodell umsetzt. Bei einer Vorhersage müssen Sie auf ein
bereits durchgeführtes Clustering zurückgreifen, d.h. der 
Trainingsschritt
muss erfolgreich gewesen sein.
Ablauf
...
1. Sie definieren für Ihre Analyse ein Kunden-Datenmodell im SAP BW in Forme einer Query.
2. In der Data Mining Workbench führen Sie die Clustering-Analyse durch (als Training oder Vorhersage).
3. Das Ergebnis der Clustering-Analyse Vorhersage stellen Sie in das SAP BW zurück.
Siehe auch: