Die fortschreitende digitale Transformation und die daraus resultierenden enormen Datenvolumina eröffnen Unternehmen bisher nie dagewesene Möglichkeiten, stellen jene damit aber auch vor eine große Herausforderung: Wie kann dieses Potential ausgeschöpft werden? Diese Masterthese bietet eine Vorgehensweise um Information aus kundenbezogenen Daten zu generieren und die zugrundeliegenden Geschäftsprozess auf Basis dieser Information zu adjustieren. Die Vorgehensweise besteht aus fünf Schritten: (i) Definition des Geschäftsprozesses, (ii) Data Profiling, (iii) Data Mining, (iv) Erstellung eines Aktionsplans und (v) Evaluierung. Ziel dieser Vorgehensweise ist es, eine Struktur zu schaffen, welche die Variablen und Ziele eines Prozesses identifiziert und Information über die Auswirkungen einer Veränderung der Variablen auf die Prozessziele gibt. Wir wenden die fünf Schritte auf zwei Fallstudien an: Die erste Fallstudie beschäftigt sich mit dem Inrechnungsstellungsprozess eines großen österreichischen Zeitungsverlags, wo wir die Beziehung zwischen drei Prozessvariablen und dem Zahlungsverhalten von Kunden analysieren. Die Resultate erlauben es die Prozessvariablen so zu verändern, dass sich das Zahlungsverhalten der Kunden verbessert. In der zweiten Fallstudie extrahieren wir produktbezogene Assoziationsregeln für die Kunden eines österreichischen Frühstückslieferanten. Eine Implementierung der Ergebnisse erlaubt eine kundenorientierte Verkaufsstrategie im Rahmen dieser Kunden Produkte angeboten bekommen, welche sie mit einer hohen Wahrscheinlichkeit kaufen wollen. Anhand der beiden Fallstudien können wir zeigen, dass die fünf Schritte anhand relativ einfacher Methoden angewandt werden können und dabei höchst nützliche Information generiert wird, welche direkt in einen Geschäftsprozess implementiert werden kann.

The massive data volumes resulting from the ongoing digital transformation offer firms unprecedented opportunities, but at the same time put them on a major challenge: How can this potential be realized? This master thesis offers an approach aiming to extract information out of customer related data and to implement the findings into the underlying business process. This includes five steps: (i) Definition of the business process, (ii) data profiling, (iii) data mining, (iv) creation of an action plan and (v) evaluation. The overall objective of the approach is to offer a framework that examines the variables and objectives of a process and extracts information that allows to adjust the variables and therefore to optimize the process performance. The five steps are applied on two case analyses. The first case analysis deals with the invoicing process of a major Austrian newspaper publisher, where we examine the relation between three variables of the business process and the payment behaviour of customers. The results allow to adjust the process variables in order to improve the payment behaviour of the customers. In the second case analysis, we find product related association rules for customers of an Austrian breakfast delivery company. Implementing the results into the sales process of the company enables a customer orientated sales strategy where products are offered on basis of a customers purchasing history. The two case analyses show that the five steps can be applied by means of relatively simple analytical methods while yielding highly useful information that can directly be implemented into a business process.