Operative Strategien optimal und automatisiert umsetzen

1
Operative 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

3
Motivation 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
4
Einflüsse auf Decision ManagementMotivation

• Kundenorientierung
• Überwindung Produkt-bezogener und
  organisatorischer Silos

Expansionauf geographischverteilte Märkte

• Qualitätsverbesserungvon Entscheidungen durch
  Analytik und Optimierung

Transparenz
5
Enterprise 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

6
Typische Aufgabenbereiche für den Einsatz
vonDecision Management (Dr. Hossein Arsham,
University of Baltimore)
7
Decision 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

8
Decision 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

9
Entscheidungen an Geschäftsziele anpassenActio ?
Reactio ? Wertschöpfung
10
Geschäftliche 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

12
Was ist Enterprise Decision Management?
The Difficulty in Life is the Choice! Unbekannte
s Zitat aus der Epoche der Aufklärung, 17. 18.
Jahrhundert
13
Bessere 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
14
Decision Management für bessere
EntscheidungenWertigkeit
Nutzen
Verfeinerung des Decision Managements
15
Decision Management KomponentenBeispiel der
Interaktion

• Anwendungs-
• Datenbank

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

17
Enterprise Decision Management heute
Sapere aude! Have courage to use your own
reason! Motto aus der Epoche der Aufklärung, 17.
18. Jahrhundert
18
Entscheidungen in Geschäftsprozessen
Entscheidungen in Geschäftsprozessen

• Checkpunkte
• Änderungskosten?
• Konsistenz?
• Business-IT Alignment?
• SOA konform?

19
Reifegrad 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?

20
Externalisierung 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

22
Case Studies
The sleep of reason produces monsters Francisco
Goyas masterpiece, 1799
23
Case 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)

24
Portfolio 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.

25
Vorgehen bei der Portfolio Optimierung
Eingangsdaten
BRMS
Optimierer
Zielfunktion ? Max. Opinion Score ? Min. Impakt
der Sell/Buy Transakt.
Ausgangdaten
26
Lösung 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.

27
Lösungskomponenten

• 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

28
Case 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

29
Credit Line Management
Predictions
Model Variables
Action
Target Function
30
Decision 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
31
Ansatz 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
  

32
Case 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)

33
Aktuelle 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.
34
Schuldenkonsolidierung 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
35
Schuldenkonsolidierung Kundenziele

• Kundenziele
• Reduktion der monatlichen Zahlungen
• Verkürzung des Rückzahlungszeitraums
• Reduktion der Abschlusskosten

36
Schuldenkonsolidierung Analytik

• Analytikfunktionen
• Rückzahlungsfähigkeit
• Response-Funktionen
• Wettbewerbsdaten

37
Schuldenkonsolidierung Regeln
Regeln bzw. Eigenschaften der wählbaren Produkte
38
Schuldenkonsolidierung Wählbare Produkte
Wählbare Produkte
39
Schuldenkonsolidierung Entscheidungen

• Optimale Lösung
• Anzeigen der optimalen Lösung für den Kunden
• Verhandlungstools

40
Vorteile

• 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

41
Case 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)

42
FICO 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
43
Mit diesen Daten funktioniert es

• Sie stellen FICO folgende Daten bereit

Data Warehouse

• Product

3rd Party

• 3rd Party

Produkt
44
Prediction 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
...
45
FICO
Retail Client

• Anwendungs-
• Datenbank

Prädiktive Analytik
Geschäfts- regel Mgt.
Optimierung
Kundenspezifisch angepasstes Produktangebot

• KampagnenManagement
• Verkauf
• Kosten
• Compliance

Testen Lernen Adaptieren
46
Vorteile 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

47
Case 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)

48
Kundenbeispiel 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
49
Entscheidungsbereiche innerhalb der
Raumplanungslösung
50
Visualisierung der Ergebnisse

• Visualisierungslösung
• Beschreibung und Standort jeder Einheit
• Anzahl der Blenden
• Brand-Share nach Kategorie und Regalraum
• Gefüllter Regalraum in

51
RaumoptimierungEinschränkungen in der
Sortimentsoptimierung
Regeln
52
Vielen 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

54
Decision 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