These sample files and code examples are provided by CFG Schendera c/o Method Consult „as is“ without warranty of any kind, either express or implied, including but not limited to the implied warranties of merchantability and fitness for a particular purpose. Recipients acknowledge and agree that CFG Schendera c/o Method Consult shall not be liable for any damages whatsoever arising out of their use of this material. In addition, CFG Schendera c/o Method Consult will provide no support for the materials contained herein.
Kunde: | Führende Versicherung im Raum Köln/Düsseldorf |
Rolle: |
SAS Program Manager, Project Manager Data Mining (Product Owner “EBAS”, „KATE“). |
Zeitraum: | Oktober 2014 – Juni 2017 |
Umgebung: | Komplex. Host (z/OS), Citrix XenApp, Windows. Datenvolumen: 255+Millionen Zeilen. |
Werkzeuge: | SASv9.4/9.3, Enterprise Guide 7.1/5.1, Enterprise Miner 14.1/12.1, SPSS 24/19, SAS VA. |
Sprachen: | SAS Base, SAS Macro Facility, PROC SQL; SAS/STAT, SAS/GRAPH. |
Impact:
Entwickelte Geschäftslogik zum Tracking stornierender Makler: Sobald Makler ihre Kündigungsabsicht ankündigen, leitet das System rechtzeitig Maßnahmen ein, um zu verhindern, dass die Kundenbeziehung zu einem Konkurrenten verlagert wird. Business Impact: 900+ Millionen € p.a. Entwurf und Implementierung eines Warnsystems für zukünftige monetäre Risiken, das es den Vertriebsmitarbeitern erleichtert, hochwertige Kunden rechtzeitig vor ihrer Abreise zu identifizieren und anzusprechen. KPI-Ansatz. Business Impact: 100+ Millionen € p.a. Implementierung und Erweiterung mehrerer Projekte zur Berechnung von Kaufwahrscheinlichkeiten. Data Mining Ansatz. Allein durch den Business Case wurden 12+ Millionen € (Gewinne) generiert. Mehrere Marketingkampagnen bestätigten die Zuverlässigkeit dieser Modelle und Schätzungen.Die entwickelten SAS Berichtssysteme EBAS, Storno, und KATE sind beim Kunden weiterhin im Einsatz.
Aufgaben:
Unterstützung des Managements und des Marketing Teams mit fortgeschrittenem Datenmanagement, Data Mining / Analysefähigkeiten, Anpassung an schnell wechselnde Anforderungen, sowie Multi-Tasking in einer schnelllebigen Umgebung eines großen Versicherungsunternehmens.
Erreichtes:
Auswahl an Projekten. Die Projektlaufzeit ist ein indikator für die Zufriedenheit mit des Kunden mit dem Erreichten. Referenz ausweisbar.
- Future Monetary Risk Warning System: KPIs identifizieren und priorisieren potentielle Abwanderer nach Gesamtwert und der verbleibenden Reaktionszeit für den Außendienst. Eine besondere Funktion stellt dem Außendienst automatisch die Top 5 der wertvollsten Kunden vor, einschließlich Daten für den sofortigen Kontakt.
- Stornofrühwarnsystem: (i.) In Data Mining Team berufen, um ein strategisches Stornofrühwarnsystem basierend auf einem Data Mining-Ansatz (SAS EM) und ABTs zu entwerfen und zu implementieren. (ii.) Identifizierung und Analyse von Außendienstmitarbeitern, die eine Abwanderung beabsichtigen. Berechnung von finanziellen Risikoparametern, Qualität der Kundenbetreuung, Betrugsindikatoren sowie der Wahrscheinlichkeit einer Kundenabwanderung. (iii.) Migration von EM-Projekten Dritter. Implementierung und Automatisierung eines vollautomatischen EM/EG Data-Mining-Ansatzes zur Prognose des Kaufs spezifischer Versicherungsprodukte. Erweitert von jährlicher auf monatliche Prognose. (iv.) Rückvergleich der prognostizierten Verkäufe mit den tatsächlich eingetretenen Ereignissen im Proof of Concept (u.a. durch ASEs, ROCs, Binning und Lift-Charts). Überführung der PoC Ergebnisse in einen Business Case. Berechnung mehrerer KPIs einschl. zusätzlicher Gewinne und eingesparter Investitionen. Risikoanalyse verschiedener Szenarien der Nachhaltigkeit der Kunden-Investition. BC erlangte GO seitens Top-Management. Entwicklung mehrerer Modelle mit einem Gesamtvolumen von bis zu 12,5 Millionen € (Gewinne) bzw. 5 Millionen € (Einsparungen).
- Reverse Engineering eines strategischen Unternehmensreportingssystems für den Vertrieb (Außendienst): Ablösung (Portierung, Migration) dysfunktionaler ETL- und Analyseprogramme (SPSS) durch eine hochperformante SAS Version, gleichzeitig Debugging, Tuning und Erweiterung.
- Analyse des Bonusprogramms für bevorzugte Versicherungsportfolios im Auftrag der Konzernentwicklung, z.B. ABC, Top-Kunden, Versicherungsklassen (Sparten) und auf Organisationsebene (Einheit, Vertriebskanäle, Vorjahr).
- Fraud-Aufdeckung: Identifizierung von betrügerischen Units durch Musteranalyse bei der Kündigung alter und der Vermittlung neuer Verträge, spezielle Musteranalyse von Vertragsumdeckungen, sowie Identifizierung gefälschter Adressdaten.
- Bewertung des Kundenkontaktmanagements vor Ort durch Stichproben, ETL und Export von Kontaktdaten von Fällen und Kontrollen an Host (TSO), SAS und EXCEL gemäß Spezifikation.
- Fortgeschrittene Stichprobenziehungen: Fortgeschrittene Selektion und Zufallsziehung von Kundendaten gemäß Spezifikation für ein Partnermailing inkl. technischer und statistischer Dokumentation.
- Sonstige Tätigkeiten: (i.) Migration von SAS Code und EG Projekten von SAS9.3 nach SAS9.4. (ii.) Mehrebenen- und zufallsbasierte Anonymisierung von SAS Datensets. (iii.) Deduplizierungsprojekte, z.B. von E-Mail-Adressdatenbanken. (iv.) Phonetisch basiertes Zusammenführen von Kundendaten aus verschiedenen SAS Quellen mittels eines Fuzzy Match. (v.) Implementierung eines Top-Client Schlüssels im Host (TSO) und allen Endsystemen einschließlich Kommunikation, Test, Abnahme und Dokumentation der verschiedenen organisatorischen, technischen und personalen Schnittstellen. (vi.) Übertragung der Funktionalitäten von Enterprise Guide/Miner Projekten in SAS Code und umgekehrt.