LDB bei der IBM SPSS Roadshow

In Kunden- und Produktionsdaten steckt unglaubliches Potenzial, das mittels Data und Text Mining geborgen werden kann. Auf der IBM SPSS Roadshow werden die Vorzüge von Data und Text Mining für mittelständische Unternehmen aufgezeigt.

Noch vor einigen Jahren hat man sich beim Online-Shopping mit großem Staunen gefragt „Wie machen die das?“, wenn der Anbieter wusste, wofür man sich interessiert, noch bevor man danach gesucht hat. Heute kennen wir die Antwort: »Predictive Analytics«. Egal ob im B2C- oder im B2B-Umfeld – alle sind sich einig, in Kunden- und Produktionsdaten steckt unglaubliches Potenzial für das eigene Unternehmen.

Durch die Anwendung und Kombination von Methoden aus der Statistik, dem Data Mining und Text Mining können Daten systematisch ausgewertet und mit Hilfe von Prognosemodellen so in Beziehung gesetzt werden, dass Vorhersagen der wahrscheinlichen Zukunft sowie Trends möglich werden.

Data MiningIBM SPSS zeigt bei der Roadshow »Predictive Analytics im Mittelstand« die Vorzüge von Data und Text Mining für den Mittelstand. Auf dieser Veranstaltung wird in professioneller Weise gezeigt, wie zum Beispiel Kundenpräferenzen und -meinungen aus allen existierenden Kommunikationskanälen – Klassisch, Online, Soziale Netzwerke, Call Center – identifiziert, aufbereitet und proaktiv Kunden mit den richtigen Angeboten gebunden oder Garantiefälle aktiv vermieden werden.

Am 25. Februar spricht Anna Sapronova, Junior BI Consultant bei der LDB Gruppe, über das Thema »Text Mining – Erfolgreich managen mit Kundenmeinung«. Wie man mit computergestützten Analyseverfahren offen formulierte Kundenmeinungen strukturieren kann, um die Kundenerwartungen aufzubereiten und zu entschlüsseln und daraus konkrete Handlungsfelder abzuleiten.

Weitere Informationen, die aktuelle Agenda mit Vortragstiteln auf der Seite: tinyurl.com/njj88sd

Anna Sapronova, geboren in Moskau, studierte Linguistik an der HU Berlin und entwickelt für die LDB Gruppe computergestützte Analyseverfahren, die mithilfe linguistischer und mathematischer Ansätze amorphe Textdaten aufbereitet und strukturiert um daraus Handlungsempfehlungen zu schaffen.