ΠΡΟΒΛΕΨΗ ΤΗΣ ΑΠΩΛΕΙΑΣ ΤΩΝ ΠΕΛΑΤΩΝ ΜΙΑΣ ΕΤΑΙΡΕΙΑΣ

Τ.Ε.Ι ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ & ΘΡΑΚΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΑΧΕΙΡΙΣΗΣ ΠΛΗΡΟΦΟΡΙΩΝ ΠΡΟΒΛΕΨΗ ΤΗΣ ΑΠΩΛΕΙΑΣ ΤΩΝ ΠΕΛΑΤΩΝ ΜΙΑΣ ΕΤΑΙΡΕΙΑΣ ΜΑΝΙΜΟΣ ΗΛΙΑΣ ΤΣΙΚΝΙΔΗΣ ΑΝΑΣΤΑΣΙΟΣ ΟΚΤΩΒΡΙΟΣ 2014 ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΓΕΡΟΝΤΙΔΗΣ ΙΩΑΝΝΗΣ Εκπονηθείσα πτυχιακή εργασία απαραίτητη για την κτήση του βασικού πτυχίου

ΠΡΟΛΟΓΟΣ Η παρούσα εργασία πραγματεύεται το ζήτημα της απώλειας των πελατών μίας εταιρείας προς ανταγωνίστριες εταιρείες (churning) στα πλαίσια του τομέα των τηλεπικοινωνιών, αλλά και ευρύτερα. Παρατίθεται η έννοια της απώλειας των πελατών και παρέχεται ο ορισμός της ευρύτερα, αλλά και στο πλαίσιο του κλάδου των τηλεπικοινωνιών. Αναλύονται οι λόγοι της απώλειας των πελατών, πώς συνδέεται με τη συνολικότερη ικανοποίηση των πελατών από τις παρεχόμενες υπηρεσίες μίας εταιρείας τηλεπικοινωνιών, καθώς και τις προκλήσεις που καλούνται να αντιμετωπίσουν οι εταιρείες τηλεπικοινωνιών προκειμένου να διαχειριστούν κατάλληλα την απώλεια των πελατών έτσι ώστε να διατηρήσουν και να επεκτείνουν την πελατειακή τους βάση. Γίνεται ακόμη αναφορά στο κόστος και τα εμπόδια αλλαγής εταιρείας τηλεπικοινωνιών καθώς και στις διάφορες μεθόδους πρόβλεψης της ενδεχόμενης αποχώρησης των πελατών. Παρουσιάζεται η διαδικασία αναζήτησης γνώσης και εξόρυξης δεδομένων από μια βάση δεδομένων με την χρήση σύγχρονων στατιστικών μεθόδων. Η εξόρυξη δεδομένων μπορεί να βοηθήσει μια εταιρεία να κατανοήσει καλύτερα τις επιθυμίες και τις ανάγκες των πελατών της προκειμένου να αυξήσει την εμπιστοσύνη τους προς αυτή και ταυτόχρονα να διατηρήσει και να επεκτείνει την πελατειακή της βάση. Παράλληλα, γίνεται εκτενής αναφορά στη διαχείριση των πελατειακών σχέσεων (CRM). Παρουσιάζονται διάφοροι ορισμοί του CRM, οι ιστορικές καταβολές και η εξέλιξή του, τα πλεονεκτήματα για μία εταιρεία από την εφαρμογή της διαχείρισης πελατειακών σχέσεων, καθώς και η υιοθέτηση της κατάλληλης στρατηγικής και οι αλλαγές που απαιτούνται για να αποκομίσει μία εταιρεία τα αναμενόμενα οφέλη από την εφαρμογή του CRM. Καθώς η διατήρηση και επέκταση της πελατειακής βάσης είναι ιδιαίτερα κρίσιμης σημασίας για την ανάπτυξη και την κερδοφορία ενός τηλεπικοινωνιακού φορέα γίνεται προσπάθεια εντοπισμού των παραγόντων Σελίδα 2 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου εκείνων που συντελούν στην απώλεια των πελατών μέσω της κατασκευής ενός μοντέλου που στοχεύει στον εντοπισμό των πελατών με τη μεγαλύτερη πιθανότητα απώλειας. Η κατασκευή ενός τέτοιου μοντέλου εξαγωγής γνώσης γίνεται με τη χρήση του πακέτου λογισμικού SPSSClementine. Γίνεται παρουσίαση του γραφικού περιβάλλοντος χρήστη της εφαρμογής, οι διάφορες δυνατότητες που προσφέρει στον χρήστη καθώς και η διαδικασία δημιουργίας ενός μοντέλου εξόρυξης δεδομένων με τη χρήση του λογισμικού. Καταλήγουμε στο συμπέρασμα ότι η δημιουργία ενός μοντέλου εξόρυξης δεδομένων μπορεί να βοηθήσει μία επιχείρηση να εντοπίσει αποτελεσματικότερα τους πελάτες εκείνους που παρουσιάζουν τον μεγαλύτερο κίνδυνο αποχώρησης και να προχωρήσει στις απαραίτητες ενέργειες για την διατήρηση και επέκταση της πελατειακής της βάσης και την αύξηση της κερδοφορίας της. Σελίδα 3 από 106

ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΠΡΟΛΟΓΟΣ... 2 ΕΙΣΑΓΩΓΗ... 8 ΚΕΦΑΛΑΙΟ 1... 12 Η ΕΝΝΟΙΑ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ ΣΕ ΜΙΑ ΕΠΙΧΕΙΡΗΣΗ... 12 1.1 ΟΡΙΣΜΟΣ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ... 12 1.2 Η ΑΠΩΛΕΙΑ ΤΩΝ ΠΕΛΑΤΩΝ ΣΤΟΝ ΚΛΑΔΟ ΤΩΝ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ... 13 1.3 ΔΙΑΧΕΙΡΙΣΗ ΤΗΣ ΑΠΩΛΕΙΑΣ ΚΑΙ ΔΙΑΤΗΡΗΣΗ ΤΩΝ ΠΕΛΑΤΩΝ... 14 1.4 ΑΙΤΙΕΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ... 17 1.5 ΠΑΡΑΓΟΝΤΕΣ ΠΟΥ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΙΚΑΝΟΠΟΙΗΣΗ ΤΩΝ ΠΕΛΑΤΩΝ... 18 1.6 ΚΟΣΤΟΣ ΚΑΙ ΕΜΠΟΔΙΑ ΑΛΛΑΓΗΣ ΕΤΑΙΡΙΑΣ... 24 1.7 ΠΡΟΒΛΕΨΗ ΕΝΔΕΧΟΜΕΝΗΣ ΑΠΟΧΩΡΗΣΗΣ ΠΕΛΑΤΩΝ... 27 ΚΕΦΑΛΑΙΟ 2... 32 ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ... 32 2.1 ΕΙΣΑΓΩΓΗ... 32 2.2 ΕΦΑΡΜΟΓΕΣ ΤΗΣ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ... 33 2.2 ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΑΚΤΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΗΣ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ... 41 2.2.1 ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ (CHURNING)... 43 2.3 ΠΛΑΝΟ (ΒΗΜΑΤΑ) ΔΙΑΔΙΚΑΣΙΑΣ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ... 45 2.4 ΤΟ ΜΟΝΤΕΛΟ CRISP-DM... 48 ΚΕΦΑΛΑΙΟ 3... 52 ΔΙΑΧΕΙΡΙΣΗ ΠΕΛΑΤΕΙΑΚΩΝ ΣΧΕΣΕΩΝ (CRM)... 52 3.1 ΕΙΣΑΓΩΓΗ... 52 3.2 ΟΡΙΣΜΟΙ ΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΛΑΤΕΙΑΚΩΝ ΣΧΕΣΕΩΝ (CRM)... 54 3.3 Η ΙΣΤΟΡΙΚΗ ΕΞΕΛΙΞΗ ΤΟΥ CRM... 58 3.4 ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΦΑΡΜΟΓΗΣ ΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΛΑΤΕΙΑΚΩΝ ΣΧΕΣΕΩΝ... 59 3.5 ΑΠΑΙΤΟΥΜΕΝΕΣ ΑΛΛΑΓΕΣ ΓΙΑ ΤΗΝ ΑΠΟΤΕΛΕΣΜΑΤΙΚΗ ΕΦΑΡΜΟΓΗ ΤΟΥ CRM61 3.5.1 ΑΛΛΑΓΕΣ ΣΤΙΣ ΛΕΙΤΟΥΡΓΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ... 61 3.5.2 ΜΕΤΑΒΟΛΕΣ ΣΤΟ ΑΝΘΡΩΠΙΝΟ ΔΥΝΑΜΙΚΟ... 64 ΚΕΦΑΛΑΙΟ 4... 68 ΤΟ ΛΟΓΙΣΜΙΚΟ SPSS CLEMENTINE... 68 4.1 ΕΙΣΑΓΩΓΗ... 68 4.2 ΤΟ ΓΡΑΦΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΟΥ SPSS CLEMENTINE... 68 4.2.1 Ο KΑΜΒΑΣ ΡΟΗΣΤΟΥ SPSS CLEMENTINE... 69 Σελίδα 4 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου 4.2.2 Η ΠΑΛΕΤΑ ΚΟΜΒΩΝ ΤΟΥ ΓΡΑΦΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ... 71 4.2.3 ΑΛΛΑ ΠΑΡΑΘΥΡΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΕΡΓΑΣΙΑΣ... 72 4.2.4 ΠΡΟΤΥΠΑ ΕΦΑΡΜΟΓΩΝ ΤΟΥ SPSSCLEMENTINE... 76 4.3 ΔΗΜΙΟΥΡΓΙΑ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ... 76 4.3.1 ΔΙΑΔΙΚΑΣΙΑ ΔΗΜΙΟΥΡΓΙΑΣ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ... 77 4.3.2 ΕΙΣΑΓΩΓΗ ΚΑΙ ΕΠΕΞΕΡΓΑΣΙΑ ΚΟΜΒΩΝ... 78 4.3.3 ΠΡΟΣΘΗΚΗ ΚΑΙ ΑΠΑΛΟΙΦΗ ΚΟΜΒΩΝ ΑΠΟ ΤΟΝ ΚΑΜΒΑ... 79 4.3.4 ΣΥΝΔΕΣΗ ΚΟΜΒΩΝ ΣΤΗ ΡΟΗ ΔΕΔΟΜΕΝΩΝ... 79 4.3.5 ΠΑΡΑΚΑΜΨΗ ΚΟΜΒΩΝ ΣΕ ΡΟΗ ΔΕΔΟΜΕΝΩΝ... 82 4.3.6 ΣΥΝΔΕΣΗ ΝΕΩΝ ΚΟΜΒΩΝ ΣΕ ΥΠΑΡΧΟΥΣΑ ΣΥΝΔΕΣΗ... 83 4.3.7 ΔΙΑΓΡΑΦΗ ΣΥΝΔΕΣΕΩΝ ΜΕΤΑΞΥ ΣΥΝΔΕΔΕΜΕΝΩΝ ΚΟΜΒΩΝ... 84 4.4 ΟΑΛΓΟΡΙΘΜΟΣ CHI-SQAURED AUTOMATIC INTERACTION DETECTION (CHAID)... 85 4.4.1 Ο ΑΛΓΟΡΙΘΜΟΣ EXHAUSTIVE CHAID... 86 ΚΕΦΑΛΑΙΟ 5... 88 ΜΟΝΤΕΛΟ ΠΡΟΒΛΕΨΗΣ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ ΣΤΟΝ ΤΟΜΕΑ ΤΩΝ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ... 88 5.1 ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ... 88 5.2 ΔΗΜΙΟΥΡΓΙΑ ΤΟΥ ΜΟΝΤΕΛΟΥ ΜΕ ΤΟ SPSSClEMENTINE... 89 5.3 ΑΝΑΛΥΣΗ ΠΡΑΓΜΑΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ... 96 5.4 ΣΥΜΠΕΡΑΣΜΑΤΑ... 98 ΒΙΒΛΙΟΓΡΑΦΙΑ... 100 Σελίδα 5 από 106

Ευρετήριο Πινάκων και Σχημάτων Πίνακας 1.1: Παράγοντες που επιδρούν στην ικανοποίηση των πελατών των εταιρειών τηλεπικοινωνιών... 24 Σχήμα 2.1: Παράδειγμα εφαρμογής εξόρυξης δεδομένων για τον εντοπισμό απάτης στον δημόσιο τομέα... 35 Σχήμα 2.2: Παράδειγμα εφαρμογής εξόρυξης δεδομένων στο πλαίσιο της διαχείρισης πελατειακών σχέσεων (CRM)......36 Σχήμα 2.3: Παράδειγμα εφαρμογής εξόρυξης δεδομένων ιστού (webmining)... 37 Σχήμα 2.4: Εφαρμογή εξόρυξης δεδομένων στα πλαίσια της φαρμακευτικής και γονιδιακής έρευνας...... 38 Πίνακας 2.1: Εφαρμογές της εξόρυξης δεδομένων, ανά τομέα, αντικείμενο και σκοπό....39 Σχήμα 2.5: Tο μοντέλο CRISP DM.... 51 Σχήμα 3.1: Οι εφαρμογές CRM συνδέουν τα σημεία επαφής της εταιρείας με τις λειτουργικές της μονάδες μέσω συστημάτων ERP και αποθήκευσης δεδομένων... 53 Σχήμα 3.2. Οι ορισμοί του CRM ως ένα συνεχές....58 Σχήμα 4.1: Ροή δεδομένων στο SPSS Clementine... 69 Σχήμα 4.2: Το γραφικό περιβάλλον χρήστη του SPSS Clementine... 70 Σχήμα 4.3 : Η καρτέλα παλετών RecordOps......72 Σχήμα 4.4: Η καρτέλα Streams....73 Σχήμα 4.5: Η καρτέλα Outputs.....73 Σχήμα 4.6: Η καρτέλα Models......74 Σχήμα 4.7: Η προβολή CRISP DM... 75 Σχήμα 4.8: Η προβολή Classes......75 Σχήμα 4.9: Ολοκληρωμένη ροή δεδομένων στον καμβά ροής του SPSS Clementine. 78 Σχήμα 4.10: Ροή δεδομένων που δημιουργήθηκε με διπλό κλικ στους κόμβους. 80 Σχήμα 4.11: Ένωση δύο κόμβων με τη χρήση του μεσαίου πλήκτρου του ποντικιού και σύροντας από τον ένα κόμβο στον άλλο.....80 Σχήμα 4.12: Σύνδεση κόμβων μέσω της επιλογής Connect από το αναδυόμενο μενού... 81 Σχήμα 4.13: Συνδεδεμένοι κόμβοι......81 Σχήμα 4.14: Παράκαμψη ενός κόμβου Filter... 83 Σχήμα 4.15: Συνδέοντας ένα νέο κόμβο μεταξύ δύο συνδεδεμένων κόμβων....84 Σελίδα 6 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Σχήμα 4.16: Νέα ροή δεδομένων μετά τη σύνδεση ενός επιπλέον κόμβου σε μία υπάρχουσα σύνδεση... 84 Σχήμα 5.1 Μετονομασία πεδίων... 90 Σχήμα 5.2: Εξαίρεση πεδίων από την ανάλυση... 90 Σχήμα 5.3: Επιλογή της μεταβλητής στόχου... 91 Σχήμα 5.4: Σχετική συχνότητα της μεταβλητής CHURN......92 Σχήμα 5.5: Σχετική συχνότητα της μεταβλητής CHURN μετά τη δημιουργία και σύνδεση ενός κόμβου Balanced.....93 Σχήμα 5.6: Το εκπαιδευμένο μοντέλο....94 Σχήμα 5.7: Η ροή δεδομένων κατά τη διαδικασία εκπαίδευσης του μοντέλου....94 Σχήμα 5.8: Η ροή δεδομένων του συνολικού μοντέλου......95 Σχήμα 5.9: Το αθροιστικό διάγραμμα lift... 96 Σχήμα 5.10: Διάγραμμα lift.... 97 Σελίδα 7 από 106

ΕΙΣΑΓΩΓΗ Η διατήρηση των πελατών σε μια εταιρεία είναι ένα σημαντικό στοιχείο για την βιωσιμότητα, την αύξηση της κερδοφορίας και την ανάπτυξή της στο σύγχρονο ανταγωνιστικό περιβάλλον. Συνεπώς, το πρόβλημα της απώλειας των πελατών μίας εταιρείας προς ανταγωνίστριες εταιρείες καθίσταται ένα ιδιαίτερα σημαντικό ζήτημα για τις σύγχρονες επιχειρήσεις. Αποτελεί ζητούμενο, κατά συνέπεια, για κάθε εταιρεία η οικοδόμηση μακροχρόνιων σχέσεων εμπιστοσύνης με τους πελάτες της. Η καλύτερη κατανόηση και ικανοποίηση των αναγκών των πελατών της αποτελεί το πρώτο βήμα για μία νέα σχέση μεταξύ πελάτη και εταιρείας. Το σύγχρονο μάρκετινγκ καθώς και οι εξελίξεις στη σύγχρονη πληροφοριακή τεχνολογία προσφέρουν τη δυνατότητα σε μια εταιρεία να αντλήσει χρήσιμα συμπεράσματα σχετικά με τη συμπεριφορά των πελατών της χρησιμοποιώντας δεδομένααπό τη βάση δεδομένων της και την κατάλληλη επεξεργασία τους. Κάνοντας χρήση των σύγχρονων εξελιγμένων τεχνικών εξόρυξης δεδομένων οι σύγχρονες εταιρείες μπορούν να κατανοήσουν καλύτερα τις ανάγκες και τις επιθυμίες των πελατών τους, προσαρμόζοντας κατάλληλα τα προϊόντα και τις υπηρεσίες τους, να αποτρέψουν την απώλεια τους, να προελκύσουν νέους πελάτες και να βελτιώσουν την κερδοφορία τους. Οι πληροφορίες που θα αντλήσει μία επιχείρηση από την εφαρμογή διαδικασιών εξόρυξης δεδομένων μπορούν να χρησιμοποιηθούν στα πλαίσια της εφαρμογής μίας στρατηγικής διαχείρισης πελατειακών σχέσεων (CRM). Η διαχείριση πελατειακών σχέσεων συνίσταται στην υιοθέτηση μίας νέας πελατοκεντρικής νοοτροπίας από την πλευρά μίας σύγχρονης επιχείρησης καθώς και ο επαναπροσανατολισμός όλων των βασικών της λειτουργιών με επίκεντρο τον πελάτη. Σε αντίθεση με το μαζικό μάρκετινγκ, το οποίο έχει ως στόχο την προώθηση μαζικών, τυποποιημένων προϊόντων, η διαχείριση πελατειακών σχέσεων θέτει ως βασική προϋπόθεση επιτυχίας την ανάγκη εντοπισμού και ικανοποίησης Σελίδα 8 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου των αναγκών και επιθυμιών των πελατών. Ο πελάτης και η προσαρμογή των προσφερόμενων προϊόντων και υπηρεσιών στις ανάγκες του βρίσκεται στο επίκεντρο των προσπαθειών μίας σύγχρονης επιχείρησης που υιοθετεί μία στρατηγική CRMκαι στοχεύει στην εξατομίκευση των προϊόντων και υπηρεσιών της με βάση τις ανάγκες και τις επιθυμίες των πελατών της. Η διαχείριση πελατειακών σχέσεων συμβάλλει επίσης στη δημιουργία μακροχρόνιων σχέσεων μιας εταιρίας με τους πελάτες της και επιχειρεί να αποκαταστήσει, στο βαθμό που είναι εφικτό, την προσωπική σχέση πωλητή και πελάτη η οποία έπαψε να υφίσταται λόγω της μαζικής παραγωγής και του μαζικού μάρκετινγκ. Σύμφωνα με τη βασική φιλοσοφία της διαχείρισης πελατειακών σχέσεων όταν μία εταιρεία κατανοεί και ανταποκρίνεται στις ανάγκες των πελατών της είναι σε θέση να προσφέρει καλύτερα και ανταγωνιστικότερα προϊόντα και υπηρεσίες που θα αυξήσουν την ικανοποίηση των πελατών της και κατά συνέπεια την εμπιστοσύνη και την προτίμηση τους στην εταιρεία. Αυτό μπορεί να βοηθήσει την επιχείρηση να διατηρήσει και να επεκτείνει την πελατειακή της βάση και να αυξήσει την κερδοφορία της. Η συμβολή του CRM στην επίτευξη αυτών των στόχων μπορεί να αποδειχτεί ιδιαίτερα καθοριστική. Προκειμένου, όμως, να αποκομίσει μία επιχείρηση τα οφέλη του σύγχρονου σχεσιακού μάρκετινγκ και του CRM απαιτείται από την πλευρά της ο σχεδιασμός και η εισαγωγή αλλαγών στη λειτουργική δομή της, στις λειτουργικές της διαδικασίες, αλλά και συνολικά στον τρόπο με τον οποίο έρχεται σε επαφή με τους πελάτες της και τη συνολική οργανωσιακή φιλοσοφία που τη διέπει και τη χαρακτηρίζει. Καθώς το κόστος απόκτησης ενός νέου πελάτη είναι υψηλότερο από τη διατήρηση ενός υφιστάμενου πελάτη, η διατήρηση και επέκταση της πελατειακής βάσης μίας εταιρείας καθίσταται καθοριστικής σημασίας για την κερδοφορία της. Έτσι, αποτελεί επιτακτική ανάγκη για μία σύγχρονη επιχείρηση η αντιμετώπιση του προβλήματος της αποχώρησης των πελατών Σελίδα 9 από 106

Εισαγωγή της(churning)και η απώλεια μέρους της πελατειακής της βάσης. Κάθε εταιρεία επιδιώκει να ελαχιστοποιήσει αυτό το ενδεχόμενο. Για να επιτύχει κάτι τέτοιο μπορεί να αντλήσει σημαντικές πληροφορίες προς αυτή την κατεύθυνση από τις σύγχρονες διαδικασίες εξόρυξης δεδομένων. Οι πληροφορίες αυτές σε συνδυασμό με τις αλλαγές που εισάγει η διαχείριση πελατειακών σχέσεων και το σύγχρονο σχεσιακό μάρκετινγκ στη δομή και τη λειτουργία της επιχείρησης μπορούν να τη βοηθήσουν σημαντικά προκειμένου να αποτρέψει τηναπώλεια των πελατών της και να επεκτείνει την πελατειακή της βάση, αναγκαίο στοιχείο για την ανάπτυξη και την κερδοφορία της. Σκοπός της εργασίας είναι ο εντοπισμός επαναλαμβανόμενων σχημάτων κατά την αποχώρηση των πελατών μίας εταιρείας, καθώς και η διερεύνηση των παραγόντων εκείνων που αυξάνουν τον κίνδυνο αποχώρησης των πελατών της προς ανταγωνίστριες εταιρείες, όρος γνωστός στη διεθνή βιβλιογραφία ως churning. Στόχος της ανάλυσης είναι η κατασκευή ενός μοντέλου με εκείνες τις μεταβλητές που περιγράφουν καλύτερα την αποχώρηση ενός πελάτη. Η δημιουργία του μοντέλου στην παρούσα πτυχιακή εργασία θα γίνει με το λογισμικό εξόρυξης δεδομένων SPSS Clementine, ενός εξελιγμένου αλλά ταυτόχρονα ιδιαίτερα εύχρηστου πακέτου λογισμικού αναζήτησης γνώσης. Η δομή της υπόλοιπης εργασίας έχει ως εξής: Στο κεφάλαιο 2 παρουσιάζεται η διαδικασία εξόρυξης δεδομένων, οι σύγχρονες στατιστικές μέθοδοι που χρησιμοποιούνται κατά τη διαδικασία εξαγωγής γνώσης, μία ολοκληρωμένη στρατηγική προκειμένου η διαδικασία εξόρυξης δεδομένων να στεφθεί με επιτυχία και να αποφέρει τα επιθυμητά οφέλη για τον αναλυτή και την επιχείρηση καθώς και η μεθοδολογία CRISP DM, μίας σύγχρονης και αποδεδειγμένης αποτελεσματικότητας μεθοδολογίας εξόρυξης δεδομένων. Στο κεφάλαιο 3 παρουσιάζεται η διαχείριση πελατειακών σχέσεων, CustomerRelationshipManagement γνωστή και ως CRM. Παρουσιάζονται οι Σελίδα 10 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου διάφοροι ορισμοί της στην βιβλιογραφία, οι ιστορικές της καταβολές και η διαχρονική της εξέλιξη, ο επανακαθορισμός φιλοσοφίας και στρατηγικών στόχων που συνεπάγεται για έναν σύγχρονο οργανισμό, καθώς και οι αλλαγές που απαιτούνται στις λειτουργίες, τη δομή και το ανθρώπινο δυναμικό του οργανισμού για την επιτυχή εφαρμογή μίας στρατηγικής CRM. Στο κεφάλαιο 4 παρουσιάζεται το πακέτο λογισμικού εξόρυξης δεδομένων SPSSClementine. Παρουσιάζεται το γραφικό περιβάλλον της εφαρμογής, οι διάφορες δυνατότητες που προσφέρει στον χρήστη καθώς και η διαδικασία δημιουργίας ενός μοντέλου εξόρυξης δεδομένων με τη χρήση του λογισμικού. Στο κεφάλαιο 5 παρουσιάζεται ένα μοντέλο εξόρυξης δεδομένων στα πλαίσια του τομέα των τηλεπικοινωνιών που στόχο έχει τηδιερεύνηση των παραγόντων εκείνων που αυξάνουν τον κίνδυνο αποχώρησης των πελατών μίας εταιρείας τηλεπικοινωνιών, καθώς και τον εντοπισμό των πελατών εκείνων της εταιρείας που παρουσιάζουν τη μεγαλύτερη πιθανότητα αποχώρησης. Σελίδα 11 από 106

ΚΕΦΑΛΑΙΟ 1 Η ΕΝΝΟΙΑ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ ΣΕ ΜΙΑ ΕΠΙΧΕΙΡΗΣΗ 1.1 ΟΡΙΣΜΟΣ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ Η απώλεια των πελατών έχει μεταβληθεί σε σημαντικό πρόβλημα για τις εταιρείες που δραστηριοποιούνται σε μία σειρά κλάδων, όπως ο κλάδος των χρηματοοικονομικών υπηρεσιών, ο ασφαλιστικός κλάδος, ο κλάδος των εκδόσεων, ο τραπεζικός κλάδος, καθώς και ο κλάδος των τηλεπικοινωνιών (Neslin, S. A.,κ.ά., 2006). Η απώλεια των πελατών ορίζεται ως η επιθυμία των πελατών να διακόψουν τη συνεργασία τους με μία εταιρεία σε μία δεδομένη χρονική περίοδο και αποτελεί μία από τις σημαντικότερες σύγχρονες προκλήσεις που αντιμετωπίζουν οι επιχειρήσεις διεθνώς(chandar, M., Laha, A. και Krishna, P., 2006). Επηρεάζει άμεσα το χρονικό διάστημα κατά το οποίο θα παραμείνουν οι πελάτες σε μία εταιρεία και συνεπώς έχει άμεση επίπτωση στην αξία του πελάτη κατά τη συνολική διάρκεια της παραμονής σε μία εταιρεία (CustomerLifecycleValue, CLV) (Neslin, S. A.,κ.ά., 2006). Ως ποσοστό απώλειας πελατών ορίζεται το ποσοστό των συνδρομητών εκείνων που επιθυμούν να διακόψουν τη συνδρομή τους σε μία υπηρεσία κατά τη διάρκεια μίας συγκεκριμένης χρονικής περιόδου. Εάν ο ένας στους 10 συνδρομητές μίας υπηρεσίας προχωρήσει στη διακοπή της συνδρομής του σε μία συγκεκριμένη υπηρεσία κατά τη διάρκεια ενός έτους το ετήσιο ποσοστό απώλειας πελατών σε μία τέτοια περίπτωση φτάνει το 10%. Μία εταιρεία που επιθυμεί να επεκτείνει την πελατειακή της βάση θα πρέπει να πετύχει έναν ρυθμό προσέλκυσης νέων πελατών μεγαλύτερο από τον αντίστοιχο ρυθμό απώλειας πελατών που ανήκουν ήδη στην πελατειακή της βάση. Σελίδα 12 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Είναι προφανές ότι η απώλεια πελατών επιδρά άμεσα στην κερδοφορία μίας εταιρείας, την ανάπτυξη και την επιβίωση της στο σύγχρονο ιδιαίτερα ανταγωνιστικό περιβάλλον. Πρόσθετος παράγοντας που αναδεικνύει τη σημασία της απώλειας των πελατών για μία εταιρεία, και ιδιαίτερα για μία εταιρεία που δραστηριοποιείται στον κλάδο των τηλεπικοινωνιών ο οποίος και αποτελεί το αντικείμενο της παρούσας πτυχιακής εργασίας, αποτελεί το γεγονός ότι η προσέλκυση ενός νέου πελάτη έχει πολύ μεγαλύτερο κόστος από την διατήρηση ενός υφιστάμενου πελάτη. Συνεπώς, η ελαχιστοποίηση της απώλειας πελατών είναι στις άμεσες προτεραιότητες κάθε σύγχρονης εταιρείας, η οποία επιθυμεί να διατηρήσει και να επεκτείνει την πελατειακή της βάση και παράλληλα να αυξήσει την κερδοφορία της καθώς και να επιτύχει την περαιτέρω ανάπτυξη της που αποτελεί και τον βασικό στόχο κάθε επιχείρησης και των μετόχων της. 1.2 Η ΑΠΩΛΕΙΑ ΤΩΝ ΠΕΛΑΤΩΝ ΣΤΟΝ ΚΛΑΔΟ ΤΩΝ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Στον κλάδο των τηλεπικοινωνιών η απώλεια πελατών ορίζεται ως η ενέργεια η οποία καταλήγει στον τερματισμό του συμβολαίου παροχής τηλεπικοινωνιακών υπηρεσιών μεταξύ πελάτη και εταιρείας τηλεπικοινωνιών. Η πρωτοβουλία για μία τέτοια ενέργεια μπορεί να ανήκει είτε στην εταιρεία, για παράδειγμα εάν ο πελάτης δεν εμφανίζεται συνεπής στις πληρωμές του, είτε στον ίδιο τον πελάτη, ο οποίος αποφασίζει να τερματίσει τη συνεργασία του με μία συγκεκριμένη εταιρεία τηλεπικοινωνιών(lu, Junxiang, 2002). Η περίπτωση η απόφαση διακοπής της συνεργασίας ενός πελάτη με μία εταιρεία τηλεπικοινωνιών να οφείλεται στον ίδιο τον πελάτη είναι αυτή που ενδιαφέρει ιδιαίτερα τις εταιρείες τηλεπικοινωνιών και αποτελεί το αντικείμενο της παρούσας πτυχιακής εργασίας. Η απόφαση αυτή μπορεί να οφείλεται σε μία σειρά λόγων οι οποίοι θα αναλυθούν παρακάτω. Σελίδα 13 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση 1.3 ΔΙΑΧΕΙΡΙΣΗ ΤΗΣ ΑΠΩΛΕΙΑΣ ΚΑΙ ΔΙΑΤΗΡΗΣΗ ΤΩΝ ΠΕΛΑΤΩΝ Τα τελευταία χρόνια ο κλάδος των τηλεπικοινωνιών γνώρισε ιδιαίτερη άνθιση και πέτυχε ραγδαίους ρυθμούς ανάπτυξης. Είναι χαρακτηριστικό το γεγονός ότι για μεγάλο χρονικό διάστημα στις Η.Π.Α ο συνολικός αριθμός συνδρομητών των εταιρειών τηλεπικοινωνιών διπλασιαζόταν κάθε δύο χρόνια (Nath, S. V., Behara, R. S., 2003). Μέχρι πρόσφατα, λόγω της ιδιαίτερα σημαντικής ανάπτυξης του κλάδου, οι εταιρείες τηλεπικοινωνιών ήταν σε θέση να προσελκύσουν νέους πελάτες χωρίς ιδιαίτερη δυσκολία. Η ιδιαίτερα υψηλή ζήτηση για τηλεπικοινωνιακές υπηρεσίες είχε σαν αποτέλεσμα την εύκολη αναπλήρωση των χαμένων πελατών. Συνεπώς, εάν ένας πελάτης αποφάσιζε να διακόψει τη συνεργασία του με μία εταιρεία τηλεπικοινωνιών και να μεταπηδήσει σε μία ανταγωνίστρια εταιρεία, η εύρεση ενός νέου πελάτη ήταν απλά θέμα χρόνου. Έτσι, άμεση προτεραιότητα για κάθε εταιρεία τηλεπικοινωνιών ήταν η διατήρηση του υψηλού ρυθμού προσέλκυσης νέων πελατών. Αυτό είχε σαν αποτέλεσμα η στρατηγική τους να επικεντρώνεται στην προσέλκυση νέων πελατών και όχι στη διατήρηση των πελατών οι οποίοι αποτελούσαν ήδη τη συνδρομητική τους βάση. Οι πρόσφατες εξελίξεις όμως και ο σχετικός κορεσμός της αγοράς τηλεπικοινωνιών οδήγησε στον επανακαθορισμό των προτεραιοτήτων και της στρατηγικής των εταιρειών τηλεπικοινωνιών και τη μεταβολή της κατάστασης (Mozerκ.α., 1999). Καθώς ο ρυθμός απόκτησης νέων συνδρομητών άρχισε να μειώνεται, το πρόβλημα της απώλειας πελατών, δηλαδή η απόφαση από τη μεριά των πελατών να διακόψουν τη συνεργασία τους με μία εταιρεία τηλεπικοινωνιών και να μεταφερθούν σε μία άλλη, άρχισε να αποκτά όλο και μεγαλύτερη σημασία και να προσελκύει το έντονο ενδιαφέρον των εταιρειών του κλάδου. Σύμφωνα με αναλυτές του κλάδου η απώλεια συνδρομητών ανά έτος όσον αφορά τους συνδρομητές των εταιρειών τηλεπικοινωνιών θα φτάσει τον ένα Σελίδα 14 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου συνδρομητή στους τρείς. Στις Η.Π.Α, για παράδειγμα, το μέσο ποσοστό απώλειας πελατών για τον κλάδο των τηλεπικοινωνιών έφτανε ετησίως το 20-25% για το σύνολο των συνδρομητών, το οποίο μεταφράζεται σε μηνιαία βάση σε ένα ποσοστό της τάξης του 2% περίπου. Αυτό σημαίνει ότι οι εταιρείες τηλεπικοινωνιών βρίσκονταν αντιμέτωπες με μία απώλεια της τάξης του 2% περίπου της υπάρχουσας πελατειακής τους βάσης κάθε μήνα. Καθώς το κόστος απόκτησης ενός νέου πελάτη είναι ιδιαίτερα υψηλό, η σημασία της διατήρησης πελατών γίνεται όλο και περισσότερο φανερή. Είναι ενδεικτικό ότι το κόστος για τις εταιρείες τηλεπικοινωνιών στις Η.Π.Α για την προσέλκυση ενός νέου πελάτη, ο οποίος κατά μέσο όρο θα καταβάλει σε μηνιαίους λογαριασμούς ένα ποσό της τάξης των 50 δολαρίων, φτάνει τα 400 με 500 δολάρια. Όταν το μηνιαίο ποσοστό απώλειας ανέρχεται μεταξύ 2% και 3% αναδεικνύεται το υψηλό κόστος απώλειας των πελατών καθώς και το πόσο σημαντική είναι η διατήρηση της υπάρχουσας πελατειακής βάσης και η αποτροπή της απώλειας πελατών για μία εταιρεία τηλεπικοινωνιών (Nath, S. V., Behara, R. S., 2003). Σημαντικό παράγοντα όσον αφορά την απώλεια και τη διατήρηση των πελατών αποτελεί το γεγονός ότι ο κλάδος των τηλεπικοινωνιών αποτελεί έναν ιδιαίτερα ανταγωνιστικό κλάδο. Οι συνδρομητές έχουν τη δυνατότητα να επιλέξουν μεταξύ διαφόρων εταιρειών και συχνά επιλέγουν την αλλαγή τηλεπικοινωνιακού φορέα. Σε έναν τόσο ανταγωνιστικό κλάδο οι συνδρομητές των τηλεπικοινωνιακών εταιρειών απαιτούν εξατομικευμένα προϊόντα και καλύτερες και υψηλότερου επιπέδου υπηρεσίες, ενώ παράλληλα οι εταιρείες του κλάδου επιδιώκουν να διατηρήσουν και να επεκτείνουν την πελατειακή τους βάση. Το γεγονός ότι ο κλάδος των τηλεπικοινωνιών χαρακτηρίζεται από μία μέση ετήσια απώλεια πελατών της τάξης του 20% με 25% και το κόστος απόκτησης ενός νέου πελάτη είναι από 5 έως 10 φορές υψηλότερο από το αντίστοιχο κόστος διατήρησης ενός υπάρχοντος πελάτη καταδεικνύει γιατί η διατήρηση ενός πελάτη ίσως να είναι σημαντικότερη ακόμη και από την προσέλκυση ενός Σελίδα 15 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση νέου. Για πολλές εταιρείες τηλεπικοινωνιών η διατήρηση ιδιαίτερα επικερδών πελατών αποτελεί ζήτημα πρώτης προτεραιότητας. Αυτό έχει σαν αποτέλεσμα πολλές εταιρείες του κλάδου να θέτουν σε εφαρμογή στρατηγικές διατήρησης πελατών με σκοπό τον συντονισμό των ενεργειών των διαφόρων τμημάτων τους με στόχο την παροχή εξατομικευμένων προϊόντων και υπηρεσιών προκειμένου να καταφέρουν να διατηρήσουν τους υπάρχοντες συνδρομητές τους για μεγαλύτερο χρονικό διάστημα. Η μείωση της απώλειας των πελατών αποτελεί συνεπώς στρατηγικό στόχο για κάθε εταιρεία τηλεπικοινωνιών που επιθυμεί τη διατήρηση και επέκταση της πελατειακής της βάσης, την αύξηση της κερδοφορίας της και την περαιτέρω ανάπτυξη της σε έναν ιδιαίτερα ανταγωνιστικό κλάδο (Lu, J., 2002). Στην αγορά των τηλεπικοινωνιών συντελέστηκε μία ιδιαίτερα σημαντική μεταβολή στον τρόπο λειτουργίας, τις επιδιώξεις και τις προτεραιότητες καθώς και τη συνολική φιλοσοφία όσον αφορά τη διαχείριση της πελατειακής βάσης από την πλευρά των εταιρειών του κλάδου. Από έναν τρόπο λειτουργίας με έμφαση στη δημιουργία μεγάλων δικτύων και την προσέλκυση νέων πελατών, πλέον οι εταιρείες τηλεπικοινωνιών επικεντρώνουν σημαντικό μέρος των προσπαθειών τους στην παροχή νέων υπηρεσιών με σκοπό την ικανοποίηση των πελατών τους και κατά συνέπεια τη μείωση της απώλειας πελατών προς ανταγωνίστριες εταιρείες τηλεπικοινωνιακών υπηρεσιών. Μία από τις σημαντικότερες προκλήσεις που θα κληθούν να αντιμετωπίσουν οι εταιρείες τηλεπικοινωνιών τα επόμενα χρόνια είναι συνεπώς η μείωση της απώλειας των πελατών. Προκειμένου να καταστεί εφικτό κάτι τέτοιο αποτελεί αναγκαία προϋπόθεση, στα πλαίσια μίας ολοκληρωμένης στρατηγικής μείωσης της απώλειας των πελατών,ο εντοπισμός των πελατών εκείνων για τους οποίους υπάρχει αυξημένος κίνδυνος απώλειας. Στη συνέχεια, θα πρέπει να ληφθούν οι κατάλληλες εκείνες πρωτοβουλίες και ενέργειες από την πλευρά μίας εταιρείες τηλεπικοινωνιών που επιθυμεί να μειώσει το ποσοστό απώλειας των πελατών της και την απώλεια μέρους της υπάρχουσας πελατειακής της βάσης έτσι ώστε να επιτευχθεί η διατήρηση των Σελίδα 16 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου πελατών αυτών και η αποτροπή της απώλειας τους προς άλλες ανταγωνίστριες εταιρείες (Nath, S. V., Behara, R. S., 2003). 1.4 ΑΙΤΙΕΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ Προκειμένου να αποτραπεί ή έστω να μειωθεί η απώλεια πελατών και να εντοπιστούν οι πελάτες εκείνοι που παρουσιάζουν τη μεγαλύτερη πιθανότητα απώλειας για μία εταιρεία είναι αναγκαίο να εντοπιστούν οι αιτίες απώλειας πελατών, οι παράγοντες δηλαδή εκείνοι οι οποίοι οδηγούν τον πελάτη μίας συνδρομητικής υπηρεσίας, στην περίπτωση του ζητήματος που πραγματεύεται η παρούσα πτυχιακή εργασία του συνδρομητή μίας εταιρείας που δραστηριοποιείται στον κλάδο των τηλεπικοινωνιακών υπηρεσιών, να προχωρήσει στη διακοπή της συνδρομής του στη συγκεκριμένη υπηρεσία και πιθανώς να κατευθυνθεί προς μία ανταγωνίστρια εταιρεία του κλάδου. Σύμφωνα με τους Nath, S. V. καιbehara, R. S. (2003) δύο από τους σημαντικότερους λόγους απώλειας πελατών στον κλάδο των τηλεπικοινωνιών αποτελούν ο έντονος ανταγωνισμός, ο οποίος παρέχει στους συνδρομητές των εταιρειών παροχής τηλεπικοινωνιακών υπηρεσιών πληθώρα επιλογών, καθώς επίσης και το γεγονός ότι οι παρεχόμενες υπηρεσίες των διαφόρων εταιρειών τηλεπικοινωνιών παρουσιάζουν πολλές ομοιότητες μεταξύ τους. Οι εταιρείες τηλεπικοινωνιών λόγω της φύσης του κλάδου έχουν λιγότερες ευκαιρίες διαφοροποίησης των υπηρεσιών που παρέχουν και υφίστανται παράλληλα έναν ιδιαίτερα έντονο ανταγωνισμό από τις υπόλοιπες εταιρείες του κλάδου. Αυτό έχει σαν αποτέλεσμα ο καταναλωτής να είναι σε θέση να επιλέξει να διακόψει τη συνεργασία του με μία εταιρεία και να μεταφερθεί σε μία άλλη λαμβάνοντας και πάλι τις ίδιες υπηρεσίες. Λόγω του γεγονότος αυτού οι εταιρείες τηλεπικοινωνιών από την πλευρά τους προσπαθούν να διαφοροποιηθούν ως προς την ποιότητα των υπηρεσιών τους, όπως για παράδειγμα την κάλυψη δικτύου ή τις ταχύτητες πρόσβασης στο διαδίκτυο, και την παροχή διάφορων πιο εξειδικευμένων τηλεπικοινωνιακών Σελίδα 17 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση υπηρεσιών. Παρ όλα αυτά, ακόμα και η προβολή τέτοιου είδους συγκριτικών πλεονεκτημάτων ίσως να μην είναι αρκετή για να αποτρέψει την απώλεια των πελατών, ιδιαίτερα εάν υπάρχει έντονος ανταγωνισμός τιμών μεταξύ των εταιρειών του κλάδου. Σημαντικό παράγοντα αποτελεί επίσης η δυνατότητα φορητότητας αριθμού που καθιερώθηκε τα τελευταία χρόνια και στη χώρα μας. Η φορητότητα αριθμού παρέχει στους καταναλωτές τη δυνατότητα να διατηρήσουν τον τηλεφωνικό αριθμό τους ακόμα και αν αλλάξουν εταιρεία τηλεπικοινωνιών και μεταβούν από μία εταιρεία τηλεπικοινωνιών σε μία άλλη. Έτσι, δεν υπάρχει πλέον ένας σημαντικός αποτρεπτικόςπαράγοντας αλλαγής εταιρείας τηλεπικοινωνιών και διευκολύνεται ιδιαίτερα η αλλαγή τηλεπικοινωνιακού φορέα, καθώς μειώνεται το μη χρηματικό κόστος, όπως η ενημέρωση συνεργατών για την αλλαγή τηλεφωνικού αριθμού. Αυτό αυξάνει ιδιαίτερα τον ανταγωνισμό μεταξύ των εταιρειών καθώς και την πιθανότητα απώλειας πελατών λόγω ανταγωνιστικών προσφορών από άλλες εταιρείες του κλάδου. Όπως αναφέρουν οι Mozerκ.α. (1999) η απώλεια των πελατών οφείλεται ουσιαστικά σε δυσαρέσκεια των πελατών μίας εταιρείας αναφορικά με την τιμή ή την ποιότητα των παρεχόμενων υπηρεσιών συγκριτικά με τις προσφερόμενες τιμές και υπηρεσίες των άλλων εταιρειών του κλάδου. 1.5 ΠΑΡΑΓΟΝΤΕΣ ΠΟΥ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΙΚΑΝΟΠΟΙΗΣΗ ΤΩΝ ΠΕΛΑΤΩΝ Προκειμένου μία εταιρεία τηλεπικοινωνιών να είναι σε θέση να περιορίσει την απώλεια των πελατών θα πρέπει να είναι σε θέση να προσδιορίσει τον βαθμό ικανοποίησης των πελατών της από τις προσφερόμενες υπηρεσίες της. Οι ικανοποιημένοι πελάτες είναι περισσότερο πιθανό να επιλέξουν να παραμείνουν σε μία εταιρεία και επηρεάζονται σε μικρότερο βαθμό από τις υπηρεσίες και τις προσφορές των ανταγωνιστών της. Κατά συνέπεια, οι ικανοποιημένοι πελάτες συντελούν και στη μείωση της απώλειας των πελατών για μία εταιρεία τηλεπικοινωνιών. Σελίδα 18 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Ποιοι είναι όμως οι παράγοντες εκείνοι στους οποίους οι πελάτες προσδίδουν τη μεγαλύτερη σημασία και επηρεάζουν την ικανοποίηση των πελατών και συντελούν, συνεπώς, στην απώλεια ή στη διατήρηση των πελατών για μία εταιρεία τηλεπικοινωνιών; Στον πίνακα 1.1 παρουσιάζονται οι σημαντικότεροι παράγοντες που επιδρούν στην ικανοποίηση των πελατών και κατά συνέπεια έχουν επίπτωση στην απώλεια των πελατών μίας εταιρείας προς ανταγωνίστριες εταιρείες, σύμφωνα με έρευνα τηςpowerj.dandassociatesστις Ηνωμένες Πολιτείες Αμερικής μεταξύ των πελατών των εταιρειών παροχής τηλεπικοινωνιακών υπηρεσιών. Παρατίθεται ταυτόχρονα και η σχετική σημασία του κάθε παράγοντα έτσι όπως τους αξιολογούν οι ίδιοι οι πελάτες των εταιρειών τηλεπικοινωνιών όσον αφορά την ικανοποίηση τους από τις υπηρεσίες που λαμβάνουν. Σημαντικότερος παράγοντας ικανοποίησης των πελατών εμφανίζεται, όπως θα ήταν αναμενόμενο, η ποιότητα των κλήσεων. Είναι προφανές ότι η παροχή υπηρεσιών υψηλής ποιότητας επηρεάζει άμεσα την ικανοποίηση των πελατών και είναι ο βασικότερος λόγος για τον οποίο επιλέγει ένας πελάτης μία εταιρεία τηλεπικοινωνιών. Συνεπώς, αν επιθυμούν οι εταιρείες τηλεπικοινωνιών να μειώσουν την απώλεια των πελατών θα πρέπει να φροντίσουν ώστε η ποιότητα των κλήσεων που παρέχει το δίκτυο τους στους συνδρομητές τους να είναι υψηλού επιπέδου και χωρίς προβλήματα. Δεν αποτελεί έκπληξη ότι σαν δεύτερο σημαντικότερο παράγοντα οι πελάτες των εταιρειών τηλεπικοινωνιών αξιολογούν τις τιμές των παρεχόμενων υπηρεσιών. Όπως είναι αναμενόμενο η τιμή παίζει κυρίαρχο ρόλο σε κάθε απόφαση αγοράς και όσο πιο ανταγωνιστική είναι η τιμή του προϊόντος ή της υπηρεσίας τόσο πιθανότερο είναι να σημειώσει υψηλές πωλήσεις ή να προσελκύσει πολλούς συνδρομητές. Όπως σε κάθε κλάδο, έτσι και στον κλάδο των τηλεπικοινωνιών γίνεται προσπάθεια μείωσης των τιμών ανάλογα και με της συνθήκες της αγοράς. Η εξέλιξη της τεχνολογίας καθιστά εφικτό κάτι τέτοιο και οι εταιρείες τηλεπικοινωνιών θα πρέπει να καταβάλλουν προσπάθειες έτσι ώστε να Σελίδα 19 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση παρέχουν τις υπηρεσίες τουςστους συνδρομητές τους σε ανταγωνιστικές και προσιτές τιμές. Ως ένας ακόμα σημαντικός παράγοντας που επηρεάζει την ικανοποίηση των συνδρομητών των εταιρειών τηλεπικοινωνιών εμφανίζεται η ενημέρωση που τους παρέχει η εταιρεία γύρω από τα προϊόντα και τις υπηρεσίες της. Η διαφάνεια στις σχέσεις πελάτη εταιρείας είναι πάντα σημαντική και ο κλάδος των τηλεπικοινωνιών δεν αποτελεί εξαίρεση. Είναι ιδιαίτερα σημαντικό για μία εταιρεία τηλεπικοινωνιών να παρέχει στους πελάτες τηςόλες τις αναγκαίες πληροφορίες με ένα ξεκάθαρο και διαφανή τρόπο. Ακολουθούν οι ιδιαίτερα σημαντικοί παράγοντες της εξυπηρέτησης πελατών καθώς και της αξιοπιστίας της εταιρείας στη σχέση και την επικοινωνία της με της πελάτες της. Η εξυπηρέτηση των πελατών μίας εταιρείας όσον αφορά τυχόν προβλήματα που ανακύπτουν για έναν πελάτη είναι ιδιαίτερα κρίσιμης σημασίας για τη σχέση της με τους πελάτες της και τη συνολικότερη ικανοποίηση τους από τις παρεχόμενες υπηρεσίες της εταιρείας. Η εξυπηρέτηση των πελατών αποτελεί πολλές φορές και τη μόνη δίοδο επικοινωνίας που διαθέτουν οι πελάτες με μία εταιρεία. Αποτελεί ουσιαστικά σημαντικό στοιχείο της εικόναςτης εταιρείας και καθορίζει τη σχέση των πελατών με αυτή. Είναι συνεπώς, προφανές, ότι η ικανότητα του τμήματος εξυπηρέτησης πελατών μίας εταιρείας να προσφέρει άμεσα και αξιόπιστα λύσεις στα προβλήματα που αντιμετωπίζουν οι πελάτες της θα επηρεάσει σε σημαντικό βαθμό την ικανοποίηση τους από τη σχέση τους με την εταιρεία. Συνεπώς, ένα αξιόπιστο και άμεσα προσβάσιμο τμήμα εξυπηρέτησης πελατών μπορεί να βελτιώσει την ικανοποίηση των συνδρομητών από μία εταιρεία τηλεπικοινωνιών και κατά συνέπεια να μειώσει την απώλεια των πελατών της. Η αξιοπιστία μίας εταιρείας αποτελεί έναν ιδιαίτερα σημαντικό παράγοντα και σχετίζεται άμεσα τόσο με την ικανοποίηση των πελατών της από την εταιρεία συνολικά όσο και με την εικόνα που σχηματίζουν οι πελάτες της για την εταιρεία. Η επικοινωνία αποτελεί πάντα θεμελιώδους σημασίας παράμετρο στη σχέση της εταιρείας με τους πελάτες της και θα πρέπει να χαρακτηρίζεται από Σελίδα 20 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου αξιοπιστία και ακρίβεια. Για την οικοδόμηση σχέσεων εμπιστοσύνης μεταξύ πελατών και εταιρείας η αξιοπιστία της εταιρείας τηλεπικοινωνιών αποτελεί για αυτή σημαντικό «περιουσιακό στοιχείο» και αναγκαία προϋπόθεση τόσο για την αποτροπή τηςαπώλειας των πελατών της όσο και για την επέκταση της πελατειακής της βάσης και τη συνολικότερη της ανάπτυξη και αύξηση της κερδοφορίας της. Η κάλυψη του δικτύου παρουσιάζεται, όπως είναι αναμενόμενο, ως ένας ακόμα παράγοντας που επηρεάζει την ικανοποίηση των πελατών μίας εταιρείας τηλεπικοινωνιών από τις υπηρεσίες της. Η δυνατότητα παροχής τηλεπικοινωνιακών υπηρεσιών και πραγματοποίησης κλήσεων σε όλο και περισσότερες περιοχές αποτελεί ζητούμενο για τους καταναλωτές και τις εταιρείες και επιτρέπει σε μία εταιρεία όχι μόνο να προσελκύσει νέους πελάτες αλλά και να μειώσει την απώλεια των πελατών της αυξάνοντας την ικανοποίηση των υφιστάμενων πελατών της. Η περιορισμένη κάλυψη του δικτύου προκαλεί ιδιαίτερη δυσαρέσκεια στους πελάτες μίας εταιρείας τηλεπικοινωνιών και αυξάνει την πιθανότητα απώλειας τους προς ανταγωνίστριες εταιρείες του κλάδου. Πρόσθετοι παράγοντες που επηρεάζουν την ικανοποίηση των πελατών από μία εταιρεία τηλεπικοινωνιών και κατά συνέπεια μειώνουν την πιθανότητα απώλειας τους σχετίζονται με την αποστολή ξεκάθαρων λογαριασμών και χρεώσεων, το κόστος απόκτησης νέας συσκευής καθώς και οι υπηρεσίες περιαγωγής και το κόστος των υπηρεσιών αυτών. Οι ξεκάθαρες χρεώσεις συμβάλλουν στην ικανοποίηση των πελατών από μία εταιρεία. Συνεπώς, γίνεται προφανές ότι οι εταιρείες τηλεπικοινωνιών θα πρέπει να είναι σε θέση να παρέχουν υπεύθυνα της απαραίτητες πληροφορίες προς τους πελάτες τους αναφορικά με τις διάφορες χρεώσεις που καλούνται να καταβάλουν. Οι λογαριασμοί θα πρέπει να είναι εύκολα κατανοητοί και ξεκάθαροι όσον αφορά το τι καλείται να πληρώσει ένας πελάτης και οι χρεώσεις των διαφόρων υπηρεσιών να χαρακτηρίζονται από διαφάνεια και σαφήνεια. Σελίδα 21 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση Η διαφάνεια όσον αφορά τις χρεώσεις και τους λογαριασμούς που αποστέλλονται στους πελάτες συμβάλλει και στην εδραίωση της αξιοπιστίας της εταιρείας απέναντι στους πελάτες της, σημαντικό παράγονταόσον αφορά την ικανοποίηση των πελατών που αναφέρθηκε παραπάνω, ενώ αποτελεί και αναγκαία προϋπόθεση για την εδραίωση μακροχρόνιων αμοιβαία επωφελών σχέσεων εμπιστοσύνης μεταξύ της εταιρείας τηλεπικοινωνιών και των συνδρομητών της. Ακόμη, η δυνατότητα χρήσης υπηρεσιών περιαγωγής καθώς και το κόστος των υπηρεσιών αυτών είναι ιδιαίτερης σημασίας για μία μερίδα του πληθυσμού που πιθανώς να ταξιδεύει συχνά για επαγγελματικούς ή προσωπικούς λόγους και επιθυμεί να είναι σε θέση να κάνει χρήση τηλεπικοινωνιακών υπηρεσιών στο εξωτερικό. Η ποιότητα αυτού του είδους των υπηρεσιών είναι καθοριστικής σημασίας για ευνόητους λόγους, καθώς δεν είναι εύκολη η διευθέτηση τυχόν προβλημάτων όταν ένας πελάτης βρίσκεται στο εξωτερικό. Ταυτόχρονα, το κόστος τέτοιου είδους υπηρεσιών πολλές φορές μπορεί να είναι ιδιαίτερα υψηλό σε σημείο που να καθιστά τη χρήση τους απαγορευτική. Συνεπώς, η παροχή αξιόπιστων και όσο το δυνατόν προσιτών υπηρεσιών περιαγωγής αποτελεί ιδιαίτερα σημαντικό παράγοντα για τους συνδρομητές εκείνους που, για διαφόρους λόγους, επιθυμούν να κάνουν χρήση αυτού του είδους των υπηρεσιών. Η παροχή υπηρεσιώνπεριαγωγής με αξιοπιστία και προσιτό κόστος μπορεί να αυξήσει σημαντικά την ικανοποίηση από τις υπηρεσίες μίας εταιρείας τηλεπικοινωνιών μίας μερίδας συνδρομητών της. Τέλος, οι προσφορές μίας εταιρείας τηλεπικοινωνιών όσον αφορά το κόστος απόκτησης μίας νέας συσκευής αποτελούν έναν επιπλέον παράγοντα που επηρεάζει την ικανοποίηση των συνδρομητών της. Πολλές τηλεπικοινωνιακές εταιρείες προσφέρουν στους συνδρομητές τους τη λεγόμενη επιδότηση αγοράς συσκευής. Η επιδότηση αγοράς συσκευής επιτρέπει σε έναν συνδρομητή την αγορά μίας νέας τηλεφωνικής συσκευής σε πολύ χαμηλότερο κόστος σε σχέση με την κανονική τιμή λιανικής, με την εταιρεία να επιδοτεί μέρος του κόστους. Ο Σελίδα 22 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου συνδρομητής, αντίστοιχα, δεσμεύεται με συμβόλαιο παραμονής στη συγκεκριμένη εταιρεία για ένα συγκεκριμένο χρονικό διάστημα, σε διαφορετική περίπτωση καλείται να επιστρέψει την επιδότηση που έλαβε. Οι πελάτες μίας εταιρείας τηλεπικοινωνιών εκτιμούν τη δυνατότητα που τους προσφέρεται να αγοράσουν μία νέα τηλεφωνική συσκευή, που σε διαφορετική περίπτωση μπορεί να ήταν ασύμφορη, σε σημαντικά χαμηλότερο κόστος. Έτσι, αυτού του είδους οι προσφορές αυξάνουν την ικανοποίηση των πελατών από την εταιρεία και επιτρέπουν σε μία εταιρεία να δεσμεύσει τους συνδρομητές της με μακροχρόνια συμβόλαια παροχής υπηρεσιών. Συνεπώς, έχει τη δυνατότητα να διατηρήσει την πελατειακή της βάση μειώνοντας έτσι την πιθανότητα απώλειας των πελατών. Σελίδα 23 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση Πίνακας 1.1: Παράγοντες που επιδρούν στην ικανοποίηση των πελατών των εταιρειών τηλεπικοινωνιών(power, J.D., &Associates (1998) όπωςαναφέρεταιστοmozer, M., Wolniewicz, R., Johnson, E. καιkaushansky, H. (1999)) Παράγοντας Σημασία Ποιότητα κλήσεων 21% Χρεώσεις 18% Πληροφόρηση 17% Εξυπηρέτηση πελατών 17% Αξιοπιστία 10% Κάλυψη δικτύου 7% Επιδότηση συσκευής 4% Αναλυτικοί λογαριασμοί και χρεώσεις 3% Κόστος περιαγωγής 3% Κατά γενική ομολογία η ικανοποίηση των πελατών μίας εταιρείας από τις υπηρεσίες της είναι άμεσα συνδεδεμένη με την αφοσίωση τους στην εταιρεία της οποίας είναι συνδρομητές. Η ικανοποίηση των πελατών από τις προσφερόμενες υπηρεσίες αποτελεί απαραίτητη προϋπόθεση για την αφοσίωση των πελατών σε μία εταιρεία.αποτρέπει την απώλεια των πελατών, ενισχύει τις σχέσεις της εταιρείας με την υπάρχουσα πελατειακή της βάση και αποτελεί ιδιαίτερα σημαντικό παράγοντα που συντελεί στην αφοσίωση των πελατών στην εταιρεία (Reichheld, 1996). 1.6 ΚΟΣΤΟΣ ΚΑΙ ΕΜΠΟΔΙΑ ΑΛΛΑΓΗΣ ΕΤΑΙΡΙΑΣ Ως εμπόδια αλλαγής εταιρείας ορίζονται οι δυσκολίες που αντιμετωπίζει και το κόστος που καλείται να επωμιστεί ο πελάτης μίας εταιρείας ο οποίος είναι δυσαρεστημένος με τις υπηρεσίες της εταιρείας τηλεπικοινωνιών στην οποία είναι συνδρομητής κατά τη δεδομένη χρονική στιγμή και επιθυμεί να διακόψει τη συνεργασία του με τη συγκεκριμένη εταιρεία και να μεταβεί σε μία άλλη. Το κόστος αλλαγής εταιρείας τηλεπικοινωνιών μπορεί να είναι οικονομικό, κοινωνικό ή ψυχολογικό(fornell, 1992). Σελίδα 24 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Όσο μεγαλύτερα είναι τα εμπόδια αλλαγής εταιρείας τόσο δυσκολότερη καθίσταται η αλλαγή εταιρείας τηλεπικοινωνιών από την πλευρά του πελάτη και αναγκάζεται να παρατείνει τη συνεργασία του με την εταιρεία της οποίας είναι συνδρομητής. Σύμφωνα με μία σειρά ερευνών τα εμπόδια αυτά σχετίζονται με το κόστος της αλλαγής, την ελκυστικότητα των διαθέσιμων εναλλακτικών, καθώς και τις διαπροσωπικές σχέσεις που έχουν αναπτυχθεί μεταξύ πελάτη και εταιρείας(kim, M. K., Park, M. C., καιjeong, D. H., 2004). Το κόστος αλλαγής αναφέρεται στο κόστος που επωμίζεται ο πελάτης κατά την αλλαγή εταιρείας και σχετίζεται με τον απαιτούμενο χρόνο, για παράδειγμα κατά τη διαδικασία αναζήτησης νέας εταιρείας και σύγκρισης μεταξύ των προσφορών των διαφόρων εταιρειών του κλάδου, αλλά και το χρηματικό και ψυχολογικό κόστος που σχετίζεται με την αλλαγή αυτή(dick καιbasu, 1994). Περιλαμβάνει, ακόμη, το ρίσκο που θεωρεί ότι αναλαμβάνει ένας πελάτης κατά τη διαδικασία αλλαγής εταιρείας τηλεπικοινωνιών, εάν για παράδειγμα φοβάται για τυχόν απώλειες που μπορεί να αντιμετωπίσει, καθώς δεν είναι σε θέση να γνωρίζει με απόλυτη βεβαιότητα την ποιότητα των υπηρεσιών των άλλων εταιρειών τηλεπικοινωνιών. Σχετίζεται, συνεπώς, με τυχόν χρηματικές απώλειες, προβλήματα όσον αφορά την απόδοση, αλλά και απώλειες κοινωνικής και ψυχολογικής φύσης και ασφάλειας τις οποίες μπορεί να φοβάται ο πελάτης από την αλλαγή εταιρείας τηλεπικοινωνιών(murray, 1991). Το κόστος απώλειας αναφέρεται στην αίσθηση του κόστους σε κοινωνικό κύρος ή απόδοση που θεωρεί ότι αναλαμβάνει ένας πελάτης όταν ακυρώνει το συμβόλαιο παροχής υπηρεσιών με μία εταιρεία τηλεπικοινωνιών. Αντίστοιχα, το κόστος προσαρμογής αναφέρεται στην αίσθηση που έχει ο πελάτης για το πόσο θα κοστίσει η προσαρμογή του σε μία νέα εταιρεία και σχετίζεται με έξοδα έρευνας και μάθησης, για το ποιες είναι οι προσφορές και οι τιμές των προσφερόμενων υπηρεσιών της κάθε εταιρείας τηλεπικοινωνιών καθώς και το πώς λειτουργούν οι υπηρεσίες της. Τέλος, υπάρχει και το κόστος μεταφοράς και αναφέρεται στο οικονομικό κόστος που σχετίζεται με την αλλαγή εταιρείας παροχής τηλεπικοινωνιακών Σελίδα 25 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση υπηρεσιών. Αναφέρεται στο κόστος διακοπής συμβολαίου με την εταιρεία στην οποία είναι συνδρομητής ο καταναλωτής, το κόστος σύναψης συμβολαίου με τη νέα εταιρεία, την πιθανή απόκτηση νέας συσκευής καθώς και το μηνιαίο κόστος του νέου πακέτου παροχής τηλεπικοινωνιακών υπηρεσιών. Η ελκυστικότητα των εναλλακτικών αναφέρεται στη φήμη, την εικόνα και την ποιότητα των υπηρεσιών των ανταγωνιστριών εταιρειών τηλεπικοινωνιών. Η ελκυστικότητα των εναλλακτικών σχετίζεται με την οργάνωση και τη δομή της αγοράς. Εάν μία εταιρεία παρέχει διαφοροποιημένες υπηρεσίες, τις οποίες είναι δύσκολο να αντιγράψουν ή να παρέχουν αντίστοιχες υπηρεσίες οι ανταγωνιστές της, ή εάν η φύση της αγοράς είναι ολιγοπωλιακή και δραστηριοποιείται περιορισμένος αριθμός εταιρειών, τότε υπάρχουν περισσότερες πιθανότητες οι πελάτες να παραμείνουν στην εταιρεία τηλεπικοινωνιών με την οποία συνεργάζονται (Bendapudi καιberry, 1997). Οι διαπροσωπικές σχέσεις αναφέρονται στην ψυχολογική και κοινωνική σχέση που αναπτύσσεται μεταξύ πελάτη και εταιρείας και μεταφράζεται σε ενδιαφέρον, εμπιστοσύνη, οικειότητα και επικοινωνία μεταξύ των δύο μερών(gremler, 1995). Η διαπροσωπική σχέση που δημιουργείται μέσω αλλεπάλληλων επαφών μεταξύ πελάτη και εταιρείας τηλεπικοινωνιών μπορεί να οδηγήσει στη σύσφιξη των δεσμών μεταξύ τους και στη δημιουργία μίας μακροχρόνιας σχέσης εμπιστοσύνης. Κάτι τέτοιο δεν αποτελεί επιδίωξη μόνο των εταιρειών αλλά και των ίδιων των πελατών, οι οποίοι επιθυμούν από την πλευρά τους τη δημιουργία και τη διατήρηση μίας μακροχρόνιας σχέσης εμπιστοσύνης με μία εταιρεία, η οποία θα ήταν πολύτιμη και για τις δύο πλευρές (Gwiner, Gremler, &Bitner, 1998). Συνεπώς, η δημιουργία διαπροσωπικών σχέσεων με τους πελάτες της είναι ιδιαίτερα σημαντική για μία εταιρεία που επιθυμεί να ελαχιστοποιήσει την απώλεια των πελατών της. Η επένδυση στη δημιουργία μακροχρόνιων σχέσεων από την πλευρά μίας εταιρείας τηλεπικοινωνιών αυξάνει την εξάρτηση των πελατών, μεγιστοποιεί το κόστος αλλαγής εταιρείας και αυξάνει τα εμπόδια διακοπής της συνεργασίας με την υπάρχουσα εταιρεία τηλεπικοινωνιών και Σελίδα 26 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου μεταφοράς σε μία ανταγωνίστρια εταιρεία και κατά συνέπεια λειτουργεί αποτρεπτικά όσον αφορά την απώλεια των πελατών(kim, M. K., Park, M. C., και Jeong, D. H., 2004). 1.7 ΠΡΟΒΛΕΨΗ ΕΝΔΕΧΟΜΕΝΗΣ ΑΠΟΧΩΡΗΣΗΣ ΠΕΛΑΤΩΝ Μία από τις σημαντικότερες προκλήσεις που καλούνται να αντιμετωπίσουν οι εταιρείες τηλεπικοινωνιών τα επόμενα χρόνια είναι ο εντοπισμός των πελατών εκείνων που παρουσιάζουν τη μεγαλύτερη πιθανότητα αποχώρησης και να λάβουν τις κατάλληλες πρωτοβουλίες καθώς και να προχωρήσουν στις απαραίτητες ενέργειες διατήρησης τους, προκειμένου να ελαχιστοποιήσουν το ενδεχόμενο απώλειας πελατών(nath και Behara, 2003). Προκειμένου να διαχειριστούν την απώλεια των πελατών και να αποτρέψουν το ενδεχόμενο αποχώρησης τους οι εταιρείες τηλεπικοινωνιών θα πρέπει να είναι σε θέση να εντοπίσουν τους πελάτες που είναι πιθανότερο να αποχωρήσουν έτσι ώστε με την παροχή των κατάλληλων κινήτρων να αποτρέψουν τηναπώλεια τους και να τους διατηρήσουν στη συνδρομητική τους βάση. Μία τέτοια προσέγγιση επιτρέπει στις εταιρείες τηλεπικοινωνιών να επικεντρώσουν τις προσπάθειες τους στους πελάτες εκείνους για τους οποίους ο κίνδυνος αποχώρησης είναι πραγματικά υπαρκτός, προκειμένου όχι μόνο να προσεγγίσουν το τμήμα εκείνο τηςπελατειακής τους βάσης που παρουσιάζει υψηλό κίνδυνο αποχώρησης αλλά και να μειώσουν το κόστος μίας τέτοιας πρωτοβουλίας που θα προέκυπτε από την παροχή κινήτρων σε πελάτες που δεν χαρακτηρίζονται από μεγάλη πιθανότητα να αποχωρήσουν (Neslin, S. A.,κ.ά., 2006). Αυτό έχει σαν αποτέλεσμα προκειμένου οι εταιρείες τηλεπικοινωνιών να καταφέρουν να εντοπίσουν τους πελάτες υψηλού κινδύνου αποχώρησης και να αποτρέψουν κάτι τέτοιο, απαραίτητη προϋπόθεση ώστε να επιβιώσουν στο σύγχρονο ιδιαίτερα έντονα ανταγωνιστικό περιβάλλον, να στραφούν σε τεχνικές εξόρυξης δεδομένων (datamining) για την ανάλυση της απώλειας των πελατών. Σελίδα 27 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση Μία σειρά ερευνών επιχείρησαν να διερευνήσουν την προβλεπτική ικανότητα διαφόρων αλγορίθμων (Xie, Y., κ.α., 2009) όπως οι διαδοχικές τάσεις (sequentialpatterns) (Chiang, D.,κ.α., 2003), η γενετική μοντελοποίηση(geneticmodeling) (Eiben, Α. Ε., κ.α., 1998), τα δέντρα ταξινόμησης (classificationtrees) (Lemmens, A. καιcroux,c., 2003), τα νευρωνικά δίκτυα (neuralnetworks) (Mozer, M. C., κ.α., 2000), καθώς και μοντέλα μάθησης SupportVectorMachines (SVM) (Zhao, Y., κ.α., 2005). Παρ όλα αυτά οι παραπάνω αλγόριθμοι παρουσιάζουν μία σειρά περιορισμών λόγω της ιδιαίτερης φύσης του προβλήματος της πρόβλεψης της απώλειας των πελατών. Αυτοί οφείλονται σε τρία βασικά χαρακτηριστικά των δεδομένων και του ίδιου του επιδιωκόμενου στόχου, να προβλεφθεί δηλαδή με σχετική ακρίβεια ποιοι πελάτες μίας εταιρείας είναι πιθανό να αποχωρήσουν. Τα χαρακτηριστικά αυτά είναι: 1. Τα δεδομένα δεν είναι ισορροπημένα, καθώς ο αριθμός των συνδρομητών που αποχωρούν αποτελούν ένα ιδιαίτερα μικρό υποσύνολο του συνόλου των συνδρομητών, που συνήθως ανέρχεται μόλις στο 2% του συνολικού δείγματος (Zhao, Υ., κ.α., 2005). 2. Εφαρμογές μάθησης μεγάλου μεγέθους θα έχουν αναπόφευκτα κάποιο είδους θορύβου στα δεδομένα (Shah, T., 1996). 3. Η προσπάθεια πρόβλεψης της αποχώρησης των πελατών απαιτεί την ταξινόμηση των πελατών με βάση την πιθανότητα να αποχωρήσουν (Au, W. H., Chan, K. και Yao, X., 2003). Προκειμένου να ξεπεραστούν αυτοί οι περιορισμοί έχουν γίνει μία σειρά προσπαθειών και έχουν προταθεί διάφορες προσεγγίσεις. Αλγόριθμοι που βασίζονται σε δέντρα απόφασης μπορούν να επεκταθούν προκειμένου να καταστεί εφικτή η ταξινόμηση των πελατών με βάση την πιθανότητα να αποχωρήσουν, αλλά κάποια φύλλα στο δέντρο είναι πιθανό να έχουν Σελίδα 28 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου παρόμοιες πιθανότητες και η προσέγγιση αυτή είναι επιρρεπής στην εισαγωγή θορύβου. Τα αποτελέσματα των αλγόριθμων νευρωνικών δικτύων από την άλλη πλευρά, δεν μπορούν να γίνουν κατανοητά κατά ένα εύκολο και διαισθητικό τρόπο προκειμένου να αποκαλυφθούν οι τάσεις που υπάρχουν στα δεδομένα. Οι γενετικοί αλγόριθμοι ενώ είναι σε θέση να παράγουν ακριβή μοντέλα πρόβλεψης, δεν είναι σε θέση να προσδιορίσουν την πιθανότητα που συνδέεται με τις προβλέψεις τους(xie, Y., κ.α., 2009). Τα προβλήματα αυτά θέτουν εμπόδια στην αποτελεσματική εφαρμογή των τεχνικών αυτών στην επίλυση του προβλήματος της πρόβλεψης της απώλειας των πελατών (Au, W. H., Chan, K. και Yao, X., 2003).Τεχνικές όπως τα μοντέλα μάθησης SupportVectorMachines, οι διαδοχικές τάσεις και η ανάλυση επιβίωσης (Lariviere, B., και VandenPoel, D., 2005)έχουν να παρουσιάσουν θετικά αποτελέσματα όσον αφορά την ικανότητα πρόβλεψης της αποχώρησης των πελατών, αλλά και αυτές οι τεχνικές εξακολουθούν να παρουσιάζουν ιδιαίτερα σημαντικά σφάλματα (Xie, Y., κ.α., 2009). Η ανάλυση επιβίωσης είναι άλλη μία τεχνική που μπορεί να χρησιμοποιηθεί στην προσπάθεια πρόβλεψης της απώλειας των πελατών. Η τεχνική αυτή παρουσιάζει το πρόσθετο πλεονέκτημα ότι όχι μόνο επιχειρεί να προβλέψει το αν ένας πελάτης θα αποχωρήσει αλλά και τη χρονική στιγμή που πιθανώς θα συμβεί αυτό. Προκειμένου οι εταιρείες τηλεπικοινωνιών να είναι σε θέση να διαχειριστούν αποτελεσματικά το ζήτημα της αποτροπής της απώλειας των πελατών είναι ιδιαίτερα σημαντικός όχι μόνο ο εντοπισμός των πελατών εκείνων που παρουσιάζουν τον μεγαλύτερο κίνδυνο αποχώρησης, αλλά και το πόσο σύντομα υπάρχει το ενδεχόμενο οι πελάτες υψηλού κινδύνου να αποχωρήσουν. Οιπαραδοσιακέςστατιστικέςτεχνικές, όπως για παράδειγμα η λογιστική παλινδρόμηση και τα δέντρα απόφασης, είναι σε θέση να προβλέψουν τους πελάτες υψηλού κινδύνου αποχώρησης με σχετική επιτυχία, παρ όλα αυτά δεν είναι σε θέση να προσφέρουν κάποια εκτίμηση για το πότε οι πελάτες είναι Σελίδα 29 από 106

1 Η έννοια της απώλειας των πελατών σε μία επιχείρηση πιθανό να αποχωρήσουν ή για πόσο χρονικό διάστημα θα παραμείνουν στην εταιρεία τηλεπικοινωνιών. Η τεχνική της ανάλυσης επιβίωσης (survivalanalysis), η οποία σχεδιάστηκε με σκοπό τον χειρισμό δεδομένων επιβίωσης, μπορεί να αποτελέσει ένα πολύτιμο και αποτελεσματικό εργαλείο στην προσπάθεια των εταιρειών τηλεπικοινωνιών να προβλέψουν τον κίνδυνο αποχώρησης των πελατών. Η τεχνική της ανάλυσης επιβίωσης αποτελεί ένα σύνολο στατιστικών μεθόδων για τη μελέτη της εμφάνισης και της χρονικής στιγμής διαφόρων γεγονότων. Η ανάλυση επιβίωσης σχεδιάστηκε εξ αρχής για τη μελέτη διαστρωματικών δεδομένων που σχετίζονται με διάφορα γεγονότα. Δεδομένα που σχετίζονται με τηναπώλεια των πελατών αποτελούν χαρακτηριστικό παράδειγμα δεδομένων επιβίωσης. Η συνάρτηση κινδύνου και η συνάρτηση επιβίωσης χρησιμοποιούνται για να περιγράψουν την παραμονή ή μη του συνδρομητή κατά την περίοδο της παρατήρησης. Η συνάρτηση επιβίωσης παρουσιάζει την πιθανότητα επιβίωσης πέρα από ένα χρονικό σημείο t. Η συνάρτηση κινδύνου, από την άλλη πλευρά, περιγράφει τον κίνδυνο της απώλειας του πελάτη σε ένα χρονικό διάστημα μετά το χρονικό σημείο t, υπό την προϋπόθεση ότι ο πελάτης έχει παραμείνει στην εταιρεία μέχρι το συγκεκριμένο χρονικό σημείο t. Συνεπώς, η συνάρτηση κινδύνου είναι περισσότερο χρήσιμη διαισθητικά κατά την ανάλυση επιβίωσης καθώς επιχειρεί να ποσοτικοποιήσει τον κίνδυνο ο πελάτης να αποχωρήσει στο σημείο tυπό την προϋπόθεση ότι έχει παραμείνει μέχρι το συγκεκριμένο χρονικό σημείο. Κατά την ανάλυση επιβίωσης ξεκινάμε με την παρατήρηση μίας ομάδας πελατών σε κάποιο καθορισμένο χρονικό σημείο και στη συνέχεια παρακολουθούμε τη συγκεκριμένη ομάδα για ένα σημαντικό χρονικό διάστημα σημειώνοντας τα χρονικά σημεία κατά τα οποία έλαβε χώρα κάποια αποχώρηση πελατών, δίχως να είναι απαραίτητο ότι όλοι οι πελάτες θα αποχωρήσουν σε κάποια χρονική στιγμή.ο στόχος είναι όχι μόνο ο εντοπισμός της χρονικής στιγμής της αποχώρησης ενός πελάτη, αλλά και η ανάλυση του Σελίδα 30 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου πώς διάφορες άλλες μεταβλητές όπως οι κλήσεις ενός πελάτη στο κέντρο εξυπηρέτησης πελατών και οι αλλαγές συνδρομητικών πακέτων επιδρούν στην πιθανότητα αποχώρησης ενός πελάτη καθώς και στη χρονική στιγμή που πιθανώς θα λάβει χώρα(lu, J., 2002). Συνεπώς, οι εταιρείες τηλεπικοινωνιών θα πρέπει να βελτιστοποιήσουν τη στρατηγική παρέμβασης τους προς τους πελάτες υψηλού κινδύνου αποχώρησης προκειμένου να αξιοποιήσουν αποτελεσματικά τους διαθέσιμους πόρους τους και να αποτρέψουν την αποχώρηση όσο το δυνατόν περισσότερων πελατών αυτής της κατηγορίας. Εάν οι εταιρείες τηλεπικοινωνιών καταφέρουν να εντοπίσουν τους πελάτες που παρουσιάζουν τον υψηλότερο κίνδυνο αποχώρησης θα είναι σε θέση να σχεδιάσουν προσωποποιημένες στρατηγικές επικοινωνίας και παρέμβασης προς τους πελάτες αυτούς, προκειμένου να μπορέσουν έτσι να αποτρέψουν την αποχώρηση τους και να καταφέρουν να διαχειριστούν κατάλληλα και αποτελεσματικά την πελατειακή τους βάση. Σελίδα 31 από 106

ΚΕΦΑΛΑΙΟ 2 ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ 2.1 ΕΙΣΑΓΩΓΗ Η εξόρυξη δεδομένων (datamining) είναι η διαδικασία εκείνη που βασίζεται στη χρήση δεδομένων για την εξαγωγή σημαντικών επιχειρηματικών σχέσεων που υπάρχουν στα δεδομένα και κατά συνέπεια την εξαγωγή χρήσιμων συμπερασμάτων και πληροφοριών. Η εξαγωγή των επιχειρηματικών σχέσεων από την εξόρυξη των δεδομένων επιτρέπει στη συνέχεια τη χρήση τους για την απόκτηση ανταγωνιστικού πλεονεκτήματος. Σημαντικό πλεονέκτημα των σύγχρονων μεθόδων εξόρυξης δεδομένων αποτελεί το γεγονός ότι ξεπερνούν διάφορα εμπόδια και περιορισμούς που ανακύπτουν από τη χρήση παραδοσιακών στατιστικών εργαλείων που βασίζονται στη χρήση δειγμάτων που έχουν εξαχθεί από μεγάλο όγκο δεδομένων. Οι παραδοσιακές στατιστικές τεχνικές, παρά το γεγονός ότι είναι ιδιαίτερα χρήσιμες για τον εντοπισμό τάσεων και συσχετίσεων σε σχετικό μικρό και μεσαίο όγκο δεδομένων, αντιμετωπίζουν προβλήματα όταν ο όγκος δεδομένων και ο αριθμός των μεταβλητών είναι ιδιαίτερα μεγάλος. Καθώς, κατά συνέπεια, οι αναλυτές αναγκάζονται να καταφύγουν στη χρήση αντιπροσωπευτικών δειγμάτων και την απαλοιφή μεταβλητών από την ανάλυση έχουν σαν συνέπεια την απώλεια πληροφορίας που μπορεί να αποδειχθεί ιδιαίτερα χρήσιμη (Oracle9i DataMining, 2001). Η εξόρυξη δεδομένων ξεπερνά αυτούς τους περιορισμούς. Έχει τη δυνατότητα να εξερευνά τα δεδομένα σε βάθος με τη χρήση αλγορίθμων μηχανικής μάθησης (machine-learning) οι οποίοι ερευνούν κάθε αρχείο και μεταβλητή για την ανακάλυψη τάσεων και πληροφοριών. Σελίδα 32 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Τα σύγχρονα πακέτα λογισμικού εξόρυξης δεδομένων κάνουν χρήση σύγχρονων στατιστικών μεθόδων που ξεπερνούν τις δυσκολίες που αντιμετωπίζουν οι παραδοσιακές στατιστικές μέθοδοι όταν το μοντέλο είναι μη γραμμικό, υπάρχουν ακραίες τιμές (outliers) στα δεδομένα και τα δεδομένα είναι μη αριθμητικά. Τα τρία αυτά χαρακτηριστικά, δηλαδή η μη γραμμική σχέση μεταξύ των μεταβλητών, η ύπαρξη ακραίων τιμών (outliers) και η μη αριθμητική φύση των δεδομένων συναντώνται συχνά στα δεδομένα των επιχειρήσεων και συνεπώς απαιτούν τη χρήση σύγχρονων τεχνικών εξόρυξης δεδομένων. Παρά το γεγονός ότι η εξόρυξη δεδομένων χρησιμοποιήθηκε αρχικά κυρίως από επιχειρήσεις που δραστηριοποιούνταν στον τομέα της χονδρικής (business-to-business) και των υπηρεσιών (Armstrong και Kotler 2001), η σημασία και η χρησιμότητα της άρχισε να γίνεται κατανοητή από ένα όλο και μεγαλύτερο εύρος επιχειρήσεων σε πλήθος τομέων επιχειρηματικής δραστηριότητας. Μεγάλες εταιρείες χρησιμοποιούν τις βάσεις δεδομένων τους για να μάθουν όσο το δυνατόν περισσότερα για τους πελάτες τους προκειμένου να καλύψουν τις ανάγκες τους και να αποκομίσουν το βέλτιστο δυνατό όφελος από τις προωθητικές τους ενέργειες (Nath και Behara, 2003). 2.2 ΕΦΑΡΜΟΓΕΣ ΤΗΣ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ Η εξόρυξη δεδομένων βρίσκει ευρύ πεδίο εφαρμογών σε διάφορους τομείς και αντικείμενα και μπορεί να συμβάλλει στην καλύτερη λειτουργία επιχειρήσεων, οργανισμών και φορέων. Από τον εντοπισμό απάτης από φορείς του δημοσίου και κυβερνήσεις μέχρι τη φαρμακευτική και γενετική έρευνα, η εξόρυξη δεδομένων παρέχει πολύτιμες πληροφορίες που συντελούν στην επίτευξη των στόχων και την καλύτερη λειτουργία των οργανισμών. Σελίδα 33 από 106

2 Εξόρυξη δεδομένων Στη συνέχεια παρατίθενται διάφορες σημαντικές εφαρμογές της διαδικασίας εξόρυξης δεδομένων. Χρήση της διαδικασίας εξόρυξης δεδομένων στον δημόσιο τομέα. Διάφορες κυβερνήσεις ανά τον κόσμο κάνουν χρήση των τεχνικών εξόρυξης δεδομένων για την απόκτηση πληροφοριών από ογκώδεις βάσεις δεδομένων με στόχο τη βελτίωση των σχέσεων τους με τους πολίτες και την καλύτερη εξυπηρέτηση των πολιτών και τον εντοπισμό περιπτώσεων απάτης που πλήττουν το δημόσιο συμφέρον, όπως το ξέπλυμα χρήματος από εγκληματικές οργανώσεις και η φοροδιαφυγή. Επιπροσθέτως, οι τεχνικές εξόρυξης δεδομένων χρησιμοποιούνται από τις αρχές για τον εντοπισμό εγκληματικών και τρομοκρατικών δραστηριοτήτων, καθώς και τη βελτίωση και επέκταση σύγχρονων μορφών ηλεκτρονικές διακυβέρνησης που μειώνουν τη γραφειοκρατία και συντελούν στη βελτίωση του βιοτικού επιπέδου των πολιτών. Γίνεται φανερό ότι η διαδικασία εξόρυξης δεδομένων βρίσκει ευρύ πεδίο εφαρμογής στον δημόσιο τομέα, προκειμένου να συμβάλλει στην εύρυθμη λειτουργία του δημοσίου, όσον αφορά τη σχέση του με τους πολίτες, αλλά και να διασφαλιστεί η προστασία του δημόσιου συμφέροντος από εγκληματικές και παράνομες δραστηριότητες, διασφαλίζοντας και προασπίζοντας έτσι τα συμφέροντα των πολιτών. Συνεπώς, κρίνεται αναγκαία η εφαρμογή τεχνικών εξόρυξης δεδομένων στον σύγχρονο δημόσιο τομέα καθώς οι πληροφορίες που αντλούνται έχουν σημαντικές θετικές επιπτώσεις για τη λειτουργία του. Στο παρακάτω σχήμα παρουσιάζεται ένα παράδειγμα εντοπισμού απάτης με τη χρήση του SPSS Clementine. Σελίδα 34 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Σχήμα 2.1: Παράδειγμα εφαρμογής εξόρυξης δεδομένων για τον εντοπισμό απάτης στον δημόσιο τομέα Εξόρυξη δεδομένων και Σύστημα Διαχείρισης Πελατειακών Σχέσεων (CRM). Η διαδικασία εξόρυξης δεδομένων μπορεί να συμβάλλει στη βελτίωση του συστήματος διαχείρισης πελατειακών σχέσεων (customerrelationshipmanagement) μέσω της έξυπνης ταξινόμησης των διαφόρων τύπων πελατών και την ακριβή πρόβλεψη του κινδύνου απώλειας των πελατών προς ανταγωνίστριες εταιρείες (churning). Τα πακέτα λογισμικού εξόρυξης δεδομένων, όπως για παράδειγμα το SPSSClementine που χρησιμοποιείται στην παρούσα εργασία, έχουν βοηθήσει διάφορες επιχειρήσεις σε μία σειρά κλάδων να προσελκύσουν αλλά και ταυτόχρονα να διατηρήσουν τους πιο σημαντικούς πελάτες τους. Στο παρακάτω σχήμα παρουσιάζεται ένα παράδειγμα εξόρυξης δεδομένων στο πλαίσιο της διαχείρισης πελατειακών σχέσεων (CRM). Σελίδα 35 από 106

2 Εξόρυξη δεδομένων Σχήμα 2.2: Παράδειγμα εφαρμογής εξόρυξης δεδομένων στο πλαίσιο της διαχείρισης πελατειακών σχέσεων (CRM). Εξόρυξη δεδομένων ιστού (WebMining). Τα πακέτα λογισμικού εξόρυξης δεδομένων περιλαμβάνουν πανίσχυρους αλγόριθμους αλληλουχίας και πρόβλεψης έτσι ώστε να παρέχουν στον αναλυτή τα κατάλληλα εργαλεία προκειμένου να εντοπίσει τη συμπεριφορά των επισκεπτών σε μία ιστοσελίδα προκειμένου ο ιστότοπος να είναι σε θέση να παρέχει στους επισκέπτες τα προϊόντα ή τις πληροφορίες που επιθυμούν. Ταυτόχρονα, τα πακέτα λογισμικού εξόρυξης δεδομένων είναι σε θέση να παρέχουν στον αναλυτή τα απαραίτητα εργαλεία και την αναγκαία υποστήριξη σε όλη τη διαδικασία εξόρυξης δεδομένων, από την προετοιμασία των δεδομένων μέχρι την κατασκευή του μοντέλου. Στο παρακάτω σχήμα παρουσιάζεται ένα παράδειγμα ανάλυσης της συμπεριφοράς των επισκεπτών μίας ιστοσελίδας στα πλαίσια της εξόρυξης δεδομένων ιστού (webmining). Σελίδα 36 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Σχήμα 2.3: Παράδειγμα εφαρμογής εξόρυξης δεδομένων ιστού (webmining) Φαρμακευτική έρευνα και βιοπληροφορική. Η εξόρυξη δεδομένων συμβάλλει, επίσης, στη φαρμακευτική και γονιδιακή έρευνα αναλύοντας τα τεράστια αποθέματα δεδομένων που προκύπτουν ως αποτέλεσμα της αυτοματοποίησης των εργαστηρίων. Τα μοντέλα ταξινόμησης και ομαδοποίησης βοηθούν στην εξαγωγή πληροφοριών, ενώ παράλληλα η ανίχνευση ακολουθιών βοηθά στον εντοπισμό συγκεκριμένων τάσεων που χαρακτηρίζουν τα δεδομένα. Στο επόμενο σχήμα παρουσιάζεται ένα παράδειγμα εξόρυξης δεδομένων στα πλαίσια της φαρμακευτικής και γονιδιακής επιστημονικής έρευνας. Σελίδα 37 από 106

2 Εξόρυξη δεδομένων Σχήμα 2.4: Εφαρμογή εξόρυξης δεδομένων στα πλαίσια της φαρμακευτικής και γονιδιακής έρευνας. Από την παραπάνω ανάλυση που καταδεικνύει το εύρος εφαρμογής της διαδικασίας εξόρυξης δεδομένων και την πληθώρα αντικειμένων και τομέων στους οποίους μπορεί να χρησιμοποιηθεί και να συμβάλλει στην επίλυση σημαντικών προβλημάτων και την άντληση πολύτιμων πληροφοριών γίνεται κατανοητή η ιδιαίτερα μεγάλη σημασία της στο σύγχρονο πλαίσιο λειτουργίας οργανισμών και επιχειρήσεων. Ο παρακάτω πίνακας παρέχει μία συνοπτική παρουσίαση των διαφόρων εφαρμογών της διαδικασίας εξόρυξης δεδομένων ανά φορέα, τομέα και αντικείμενο. Σελίδα 38 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Πίνακας 2.1: Εφαρμογές της εξόρυξης δεδομένων, ανά τομέα, αντικείμενο και σκοπό. Φορέας Αντικείμενο Σκοπός Δημόσιος τομέας Εντοπισμός απάτης και φοροδιαφυγής Αποτροπή εγκληματικών και τρομοκρατικών δραστηριοτήτων Ιδιωτικές επιχειρήσεις Βελτίωση του συστήματος διαχείρισης πελατειακών σχέσεων (CRM) Προσέλκυση και διατήρηση σημαντικών και κερδοφόρων πελατών Διαχειριστές Ανάλυση της Παροχή κατάλληλων ιστοσελίδων και συμπεριφοράς των προτάσεων αγοράς και ηλεκτρονικών επισκεπτών της πληροφοριών καταστημάτων ιστοσελίδας (εξόρυξη δεδομένων ιστού) Ερευνητές στον τομέα των φαρμάκων και της γονιδιακής έρευνας Άντληση πληροφοριών από τα μεγάλα αποθέματα δεδομένων από τα διάφορα εργαστήρια Προαγωγή της έρευνας, ανακάλυψη τάσεων στα δεδομένα και δημιουργία νέων φαρμάκων Ορισμένες από τις πρακτικές εφαρμογές στις οποίες μπορεί να χρησιμοποιηθούν τα ευρήματατης εξόρυξης δεδομένων έτσι ώστε να συμβάλλει στην επίτευξη των στόχων και στην καλύτερη λειτουργία επιχειρήσεων, οργανισμών και φορέων είναι οι ακόλουθες: Ταχυδρομική επικοινωνία. Η εξόρυξη δεδομένων μπορεί να συμβάλλει στον εντοπισμό των δημογραφικών εκείνων ομάδων με το μεγαλύτερο βαθμό ανταπόκρισης σε μία προωθητική ενέργεια. Η πληροφορία αυτή μπορεί να χρησιμοποιηθεί ώστε να μεγιστοποιηθεί η ανταπόκριση σε μία εκστρατεία ταχυδρομικής επικοινωνίας. Σελίδα 39 από 106

2 Εξόρυξη δεδομένων Αξιολόγηση πιστοληπτικής ικανότητας. Η προηγούμενη πιστοληπτική συμπεριφορά ενός πελάτη μπορεί να χρησιμοποιηθεί κατά τη διαδικασία αξιολόγησης του πελάτη για τη λήψη αποφάσεων χορήγησης δανείων από τράπεζες και χρηματοπιστωτικά ιδρύματα. Διοίκηση ανθρώπινων πόρων. Η κατανόηση της συμπεριφοράς της εταιρείας όσον αφορά τη διαδικασία προσλήψεων κατά το παρελθόν μπορεί να συμβάλλει στη δημιουργία κανόνων απόφασης που θα βοηθήσουν στην επιτάχυνση της διαδικασίας προσλήψεων και στη μείωση των απαιτούμενων πόρων κατά τη διαδικασία αυτή. Ιατρική έρευνα. Το ιατρικό ιστορικό των ασθενών μπορεί να χρησιμοποιηθεί για τη δημιουργία κανόνων απόφασης που θα συντελέσουν στην καλύτερη παροχή ιατροφαρμακευτικών υπηρεσιών. Ανάλυση αγοράς. Η εξόρυξη δεδομένων μπορεί να συμβάλλει στον εντοπισμό των μεταβλητών εκείνων, όπως η γεωγραφική περιοχή, η τιμή και τα χαρακτηριστικά των πελατών, που συνδέονται με τον όγκο των πωλήσεων και να συμβάλλει ώστε μία επιχείρηση να αυξήσει τις πωλήσεις των προϊόντων της και κατά συνέπεια την κερδοφορία της. Ποιοτικός έλεγχος. Η ανάλυση των δεδομένων από τη διαδικασία παραγωγής μπορεί να οδηγήσει στον εντοπισμό εκείνων των μεταβλητών που καθορίζουν τον αριθμό τωνελαττωματικώνπροϊόντων ώστε να ληφθούν οι κατάλληλες ενέργειες για τη βελτίωση της ποιότητας και τη μείωση των ελαττωματικώνπροϊόντων και της σπατάλης πόρων. Καθορισμός πολιτικής. Η χρήση δεδομένων που προέρχονται από τη διενέργεια δημοσκοπικών ερευνών μπορούν να χρησιμοποιηθούν για τη χάραξη πολιτικών μέσω του εντοπισμού των μεταβλητών εκείνων που θεωρούνται οι σημαντικότερες από την κοινή γνώμη. Υγειονομική περίθαλψη. Τα ευρήματα δημοσκοπικών ερευνών και τα νοσοκομειακά δεδομένα μπορούν να συνδυασθούν και να Σελίδα 40 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου χρησιμοποιηθούν ταυτόχρονα με στόχο τον εντοπισμό των μεταβλητών εκείνων που επηρεάζουν την υγεία των πολιτών. 2.2 ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΑΚΤΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΗΣ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ Η εξόρυξη δεδομένων έχει εφαρμοσθεί από διάφορες εταιρείες προκειμένου να ανταποκριθούν καλύτερα στις ανάγκες των πελατών τους και να αυξήσουν την κερδοφορία τους. Στην ενότητα αυτή παρατίθενται μία σειρά πρακτικών εφαρμογών της εξόρυξης δεδομένων από διάφορες εταιρείες: ΗKraft διαθέτει δεδομένα για 30 εκατομμύρια καταναλωτές των προϊόντων της και χρησιμοποιεί λογισμικό εξόρυξης δεδομένων προκειμένου να κατανοήσει καλύτερα τις ανάγκες των πελατών της και να τους αποστείλει κατάλληλο προωθητικό υλικό όπως συνταγές, συμβουλές διατροφής και κουπόνια. Η Fingerhutαποστέλλει ερωτηματολόγια στους πελάτες της και χρησιμοποιεί τις απαντήσεις τους προκειμένου να προσαρμόσει τον κατάλογο των προϊόντων της με προϊόντα που θα μπορούσαν να φανούν ελκυστικά στην πελατειακή της βάση. Καθώς αυξάνεται η χρήση της εξόρυξης δεδομένων τόσο αυξάνεται και το εύρος και η δημιουργικότητα των εφαρμογών των αποτελεσμάτων της. Χαρακτηριστικό παράδειγμα αποτελεί η AmericanExpress, η οποία χρησιμοποιώντας τη βάση δεδομένων της, στην οποία βρίσκονται καταχωρημένοι οι ταχυδρομικοί κωδικοί των πελατών της, κάθε φορά που ανοίγει έναν εστιατόριο σε μία συγκεκριμένη περιοχή αποστέλλει στους κατάλληλους πελάτες κουπόνια για το νέο εστιατόριο. Ανάλογες πρωτοβουλίες και προωθητικές ενέργειες θα μπορούσαν να αποτελέσουν το μέλλον των αποτελεσμάτων της εξόρυξης δεδομένων (Nath και Behara, 2003). Η εξόρυξη δεδομένων χρησιμοποιείται ευρέως στον τομέα τηλεπικοινωνιών της Τουρκίας. Όλες οι εταιρείες τηλεπικοινωνιών χρησιμοποιούν τεχνικές εξόρυξης Σελίδα 41 από 106

2 Εξόρυξη δεδομένων δεδομένων (Gürsoy, 2010) προκειμένου να κατανοήσουν τις ανάγκες των πελατών τους, να αποτρέψουν την απώλεια τους, να προελκύσουν νέους πελάτες και να βελτιώσουν την κερδοφορία τους. Η Vodafone εφαρμόζει τεχνικές εξόρυξης δεδομένων στον τομέα των πωλήσεων, του μάρκετινγκ, της χρηματοοικονομικής διοίκησης καθώς και για την ανάλυση της αγοράς με στόχο τη διάγνωση των λειτουργικών αναγκών της εταιρείας και τη βελτίωση των διαφόρων λειτουργιών και διαδικασιών της. Για παράδειγμα, χρησιμοποιεί τη βάση δεδομένων της για να προβλέψει τις ώρες αιχμής προκειμένου να κατανείμει κατάλληλα το προσωπικό της προκειμένου να μην ανακύψει κάποιου είδους πρόβλημα στην επικοινωνία των πελατών της τις ώρες αυτές. Επίσης, χρησιμοποιεί τεχνικές εξόρυξης δεδομένων για να καθορίσει τον μέσο όρο λεπτών χρόνου ομιλίας που θα αγοράσουν οι πελάτες της, αλλά και για να εντοπίσει τους πελάτες εκείνους που είναι πιθανότερο να αποχωρήσουν από την εταιρεία και να επιλέξουν κάποιο ανταγωνιστή της έτσι ώστε να είναι σε θέση με τις κατάλληλες ενέργειες να αποτρέψει την απώλεια τους(churn). Η Turkcell, από την πλευρά της, χρησιμοποιεί τεχνικές εξόρυξης δεδομένων για την άντληση πληροφοριών προκειμένου να προσφέρει στους πελάτες της νέα προγράμματα χρήσης προσαρμοσμένα στις ανάγκες τους. Αναπτύσσει,επίσης, προγράμματα ανταμοιβής πελατών για να κερδίσει την εμπιστοσύνη των πελατών της, ενώ παράλληλα αντλεί πληροφορίες για την συμπεριφορά τους όσον αφορά την πληρωμή των λογαριασμών. Με αυτόν τον τρόπο όχι μόνο αυξάνει την ικανοποίηση των πελατών της, αλλά μειώνει ταυτόχρονα και το λειτουργικό της κόστος (Gürsoy, 2010). Γίνεται φανερό ότι οι τεχνικές εξόρυξης δεδομένων είναι σε θέση να προσφέρουν σε μία εταιρεία τηλεπικοινωνιών πολύτιμες πληροφορίες για τη συμπεριφορά των πελατών της και τον κίνδυνο απώλειας τους και ταυτόχρονα να αυξήσει την ικανοποίηση των πελατών της εταιρείας από τα προϊόντα και τις υπηρεσίες της. Ακόμη μπορούν να τη βοηθήσουν να κατανοήσει καλύτερα τις Σελίδα 42 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου ανάγκες και τις επιθυμίες της πελατειακής της βάσης και να συμβάλλουν έτσι στο να διατηρήσει τους υπάρχοντες πελάτες της, να προσελκύσει νέους πελάτες και να επεκτείνει την πελατειακή της βάση, την ανάπτυξη και την κερδοφορία της. Στην επόμενη ενότητα παρουσιάζεται μία ιδιαίτερα σημαντική εφαρμογή της εξόρυξης δεδομένων στον τομέα των τηλεπικοινωνιών, που στόχο έχει να βοηθήσει μία εταιρεία τηλεπικοινωνιών να αποτρέψει την απώλεια των πελατών της. 2.2.1 ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ (CHURNING) Μία ιδιαίτερα σημαντική εφαρμογή της εξόρυξης δεδομένων, που χρησιμοποιείται ευρέως και αποτελεί και το αντικείμενο της παρούσας εργασίας, αφορά την ανάλυση της απώλειας των πελατών μίας εταιρείες προς άλλες ανταγωνίστριες εταιρείες (churning) στον τομέα των τηλεπικοινωνιών. Καθώς το κόστος της απώλειας των πελατών(churning) είναι ιδιαίτερα υψηλό για μία εταιρεία, εξελιγμένες τεχνικές εξόρυξης δεδομένων μπορούν να χρησιμοποιηθούν προκειμένου να διαπιστωθούν οι λόγοι για τους οποίους οι πελάτες μίας εταιρείας φεύγουν και ποιοι πελάτες είναι πιθανότερο να φύγουν στο μέλλον. Αυτού του είδους η πληροφορία θα μπορούσε να χρησιμοποιηθεί από το τμήμα μάρκετινγκ των εταιρειών για την καλύτερη στόχευση εκστρατειών προσέλκυσης και διατήρησης πελατών και μέσω της παρακολούθησης της πελατειακής βάσης της εταιρείας έτσι ώστε να εντοπιστούν οι πελάτες εκείνοι που μέσω του τρόπου χρήσης τους καταδεικνύουν ότι υπάρχει αυξημένη πιθανότητα απώλειας τους προς ανταγωνιστικό τηλεπικοινωνιακόπάροχο. Οι τεχνικές εξόρυξης δεδομένων προσφέρουν ισχυρά εργαλεία μοντελοποίησης των δεδομένων προκειμένου να ανιχνευθεί το «γιατί» και το «ποιος πελάτης είναι πιο πιθανό» να αποχωρήσει. Σελίδα 43 από 106

2 Εξόρυξη δεδομένων Τα δέντρα αποφάσεων (decisiontress) και τα νευρωνικά δίκτυα (neuralnets) βρίσκονται στον πυρήνα των σύγχρονων μεθόδων εξόρυξης δεδομένων (Workingwithtelecommunications, 2010). Συνεπώς, μπορούν να εφαρμοσθούν με επιτυχία στην ανάλυση του προβλήματος της απώλειας των πελατών. Τα νευρωνικά δίκτυα (neuralnets) είναι σε θέση να αποκαλύψουν σύνθετες τάσεις όσον αφορά τύπο των πελατών της εταιρείας και να κατατάξουν ταυτόχρονα την πελατειακή της βάση μέσω μίας βαθμολογίας με βάση την πιθανότητααποχώρησης (churning). Μειονέκτημα των νευρωνικών δικτύων αποτελεί το γεγονός ότι η ερμηνεία τους είναι δύσκολη, ενώ παράλληλα δεν είναι εύκολο να διακριβωθεί ο τρόπος με τον οποίο βαθμολογήθηκε ένας πελάτης. Αντίθετα, τα δέντρα απόφασης (decisiontrees) έχουν το πλεονέκτημα ότι τα μοντέλα που κατασκευάζονται με τη χρήση τους είναι ιδιαίτερα εύκολα στην ερμηνεία τους και συνεπώς είναι εύκολο για τον αναλυτή να εξακριβώσεις τις τάσεις που εξήχθησαν από την εξόρυξη των δεδομένων. Στην περίπτωση της ανάλυσης της απώλειας των πελατών (churning), για παράδειγμα, ένα δέντρο απόφασης θα μπορούσε να ανακαλύψει μέσα από την ανάλυση των δεδομένων τον ακόλουθο κανόνα: εάν η διάρκεια των διεθνών κλήσεων είναι 10 λεπτά και η χρέωση είναι η τυπική, τότε η πιθανότητα απώλειας είναι υψηλή. Είναι εμφανές ότι η ανακάλυψη ενός τέτοιου κανόνα θα μπορούσε να βοηθήσει μία εταιρεία τηλεπικοινωνιών να ελαχιστοποιήσει το ενδεχόμενο απώλειας αυτού του είδους πελατών. Θα μπορούσε, για παράδειγμα, η εταιρεία να καλέσει αυτούς τους πελάτες και να τους προτείνει κάποιο πρόγραμμα χρεώσεων κατάλληλο για την χρήση που κάνουν και τις διεθνείς κλήσεις που πραγματοποιούν (Workingwithtelecommunications, 2010). Σελίδα 44 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου 2.3 ΠΛΑΝΟ (ΒΗΜΑΤΑ) ΔΙΑΔΙΚΑΣΙΑΣ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ Στην ενότητα αυτή ακολουθεί μία γενική περιγραφή της διαδικασίας εξόρυξης δεδομένων. Η διαδικασία εξόρυξης δεδομένων συνίσταται στα ακόλουθα βήματα για την αποτελεσματικότερη ανάλυση του προβλήματος και την εξαγωγή χρήσιμων συμπερασμάτων από την ανάλυση των δεδομένων. Ταβήματααυτάείναι (Working with telecommunications, 2010): Ορισμός του επιχειρηματικού προβλήματος. Στην περίπτωση της ανάλυσης της απώλειας των πελατών (churning) το ερώτημα το οποίο θα μπορούσε να τεθεί είναι ποια είναι τα χαρακτηριστικά εκείνα του πελάτη που είναι πιθανό να αποχωρήσει και ποιο πλάνο θα μπορούσε να αναπτύξει η εταιρεία προκειμένου να αποτρέψει αυτή την απώλεια. Συγκέντρωση των δεδομένων. Στο στάδιο αυτό συγκεντρώνονται τα δεδομένα, συνήθως από τη βάση δεδομένων που διαθέτει η εταιρεία. Συνοψίζονται τα υπό διερεύνηση χαρακτηριστικά, όπως η συμπεριφορά του πελάτη μαζί με δημογραφικά και άλλα χαρακτηριστικά, όπως, για παράδειγμα, οι χρεώσεις των πελατών κλπ. Επιλογή των μεταβλητών και καθαρισμός των δεδομένων. Σε αυτό το στάδιο αφαιρούνται ελλιπείς εγγραφές και μεταβλητές που κρίνεται ότι δεν είναι σχετικές με το υπό εξέταση πρόβλημα. Αυτό γίνεται είτε με τη διαγραμματική απεικόνιση και τον ενδελεχή έλεγχο των δεδομένων, είτε σε συνεργασία με έναν ειδικό επί του υπό εξέταση αντικειμένου έτσι ώστε να καθορισθούν οι μεταβλητές εκείνες που είναι σχετικές με τις διαστάσεις του προβλήματος το οποίο εξετάζεται. Μοντελοποίηση. Ακολουθεί η δημιουργία των μοντέλων. Σελίδα 45 από 106

2 Εξόρυξη δεδομένων Ανάλυση και δημιουργία αναφορών. Στο τελευταίο στάδιο πραγματοποιείται η ανάλυση των αποτελεσμάτων και η δημιουργία αναφορών με τα ευρήματα της διαδικασίας εξόρυξης δεδομένων. Είναι σημαντικό να τονισθεί ότι η διαδικασία ορισμού του προβλήματος θα πρέπει να γίνει σε συνεργασία με έναν ειδικό του συγκεκριμένου τομέα καθώς το υπό εξέταση πρόβλημα είναι αυτό που θα καθορίσει τη διαδικασία εξόρυξης των δεδομένων. Συνεπώς, προκειμένου η εξόρυξη δεδομένων να γίνει με συστηματικό και αποτελεσματικό τρόπο, θα πρέπει ο αναλυτής να θέσει τις παρακάτω ερωτήσεις που θα τον βοηθήσουν στον ορισμό και στην καλύτερη διερεύνηση του προβλήματος(clementine 12.0 User sguide, 2007): Ποιο είναι το ουσιώδες πρόβλημα που καλούμαστε να λύσουμε; Ποιες πηγές δεδομένων είναι διαθέσιμες και ποια δεδομένα είναι σχετικά με το πρόβλημα που θέλουμε να αναλύσουμε; Τι είδους προεπεξεργασία και καθαρισμός των δεδομένων χρειάζεται να γίνει πριν ξεκινήσει η διαδικασία εξόρυξης των δεδομένων; Ποιες τεχνικές εξόρυξης δεδομένων θα χρησιμοποιηθούν; Πώς θα αξιολογηθούν τα αποτελέσματα εξόρυξης των δεδομένων; Πώς θα αποκομισθούν τα μέγιστα οφέλη από τις πληροφορίες που εξήχθησαν από την εξόρυξη δεδομένων; Επιπροσθέτως, κατά τη διαδικασία εξόρυξης των δεδομένων ο αναλυτής μπορεί να επιλέξει να διερευνήσει τα δεδομένα του μέσω της διαγραμματικής απεικόνισης με τη χρήση γραφημάτων που θα του επιτρέψει την καλύτερη γνώση των δεδομένων του και την ανακάλυψη τάσεων που υπάρχουν σε αυτά. Μία τεχνική παράμετρος που θα πρέπει να λαμβάνεται υπόψη κατά τη διαδικασία εξόρυξης δεδομένων αποτελεί το γεγονός ότι ορισμένοι αλγόριθμοι αντιμετωπίζουν προβλήματα όταν ο αριθμός των μεταβλητών είναι μεγάλος. Καθώς σε πολλές πραγματικές βάσεις δεδομένων ο αριθμός των μεταβλητών μπορεί να είναι πολύ μεγάλος αυτό μπορεί να οδηγήσει σε φτωχά Σελίδα 46 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου αποτελέσματα του αλγόριθμου του μοντέλου. Μια ενδεχόμενη λύση σε αυτή την περίπτωση θα ήταν η μείωση του αριθμού των μεταβλητών στις απολύτως αναγκαίες μέσω της χρήσης δέντρων απόφασης (decisiontrees). Μετά την επιλογή των μεταβλητών μπορεί να γίνει η εκπαίδευση ενός νευρωνικού δικτύου (neuralnetwork) ή κάποιου άλλου αλγόριθμου με τις μεταβλητές που επελέγησαν. Μόλις ολοκληρωθεί η εκπαίδευση του αλγορίθμου μπορεί να γίνει η εκτίμηση του μοντέλου. Στην παρούσα εργασία θα γίνει η ανάλυση απώλειας των πελατών (churning) και η ανάπτυξη ενός μοντέλου εξόρυξης γνώσης με τη χρήση του λογισμικού SPSS Clementine της IBM. Είναι προφανές ότι η διαδικασία εξόρυξης των δεδομένων είναι μία ιδιαίτερα σύνθετη και πολύπλοκη διαδικασία, καθώς ο αναλυτής βρίσκεται αντιμέτωπος με πληθώρα στοιχείων τα οποία θα πρέπει να εκτιμήσει και να καταλήξει στα κατάλληλα συμπεράσματα προκειμένου η διαδικασία εξόρυξης δεδομένων να είναι αποδοτική. Το πρόβλημα που καλείται να αντιμετωπίσει είναι πολλές φορές ιδιαίτερα σύνθετο, υπάρχουν διάφορες πηγές άντλησης δεδομένων οι οποίες μπορεί να διαφέρουν μεταξύ τους ως προς την ποιότητα των διαθέσιμων δεδομένων, έχει στη διάθεση του διαφορετικές τεχνικές εξόρυξης δεδομένων ανάμεσα από τις οποίες καλείται να επιλέξει την καταλληλότερη, καθώς και διαφορετικούς τρόπους μέτρησης της αποτελεσματικότητας της εξόρυξης δεδομένων και ερμηνείας των αποτελεσμάτων της, Είναι εμφανές ότι ο αναλυτής βρίσκεται αντιμέτωπος με μία σειρά επιλογών προκειμένου να αντλήσει τα βέλτιστα οφέλη από τη διαδικασία εξόρυξης δεδομένων. Συνεπώς είναι χρήσιμο ο αναλυτής να καθοδηγείται από μία συγκεκριμένη στρατηγική για την εξόρυξη δεδομένων, η οποία θα αποτελέσει πολύτιμο σύμβουλο προκειμένου να ανταποκριθεί αποτελεσματικά στα διάφορα ζητήματα που καλείται να αντιμετωπίσει έτσι ώστε να στεφθεί η διαδικασία εξόρυξης Σελίδα 47 από 106

2 Εξόρυξη δεδομένων δεδομένων με επιτυχία και να συμβάλει στην άντληση χρήσιμων συμπερασμάτων. 2.4 ΤΟ ΜΟΝΤΕΛΟ CRISP-DM Ένα ευρέως χρησιμοποιούμενο μοντέλο διαδικασίας εξόρυξης δεδομένων είναι το Cross-Industry Standard ProcessforDataMining (CRISP-DM). Το συγκεκριμένο μοντέλο μπορεί να χρησιμοποιηθεί σε μία πληθώρα τομέων καθώς και διαφορετικών προβλημάτων. Το μοντέλο CRISMP DM περιλαμβάνει έξι φάσεις που αφορούν τα βασικά ζητήματα που καλείται να αντιμετωπίσει ο αναλυτής σε μία διαδικασία εξόρυξης δεδομένων, με στόχο να αποτελέσει η εξόρυξη δεδομένων αναπόσπαστο κομμάτι της ευρύτερης λειτουργίας της επιχείρησης. Οι έξι φάσεις του μοντέλου είναι οι ακόλουθες(clementine 12.0 User sguide, 2007): Η κατανόηση του προβλήματος. Αποτελεί ίσως τη σημαντικότερη φάση της διαδικασίας εξόρυξης δεδομένων. Η κατανόηση του προβλήματος περιλαμβάνει τον καθορισμό των στόχων, γενικότερα της επιχείρησης αλλά και ειδικότερα της διαδικασίας εξόρυξης δεδομένων προκειμένου να συμβάλει στην επίτευξη των στόχων που έχει θέσει γενικότερα η επιχείρηση, την εκτίμηση της κατάστασης, καθώς και τη δημιουργία ενός πλάνου δράσης γύρω από τη διαδικασία εξόρυξης δεδομένων. Η κατανόηση των δεδομένων. Τα δεδομένα αποτελούν την εισροή σε μία διαδικασία εξόρυξης δεδομένων. Στη φάση αυτή είναι σημαντικό για τον αναλυτή να κατανοήσει τις πηγές των δεδομένων του καθώς και τα χαρακτηριστικά τους. Η φάση αυτή περιλαμβάνει τη συλλογή των δεδομένων, την διερεύνηση και την περιγραφή τους, καθώς και τον έλεγχο της ποιότητας των δεδομένων. Σελίδα 48 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Η προετοιμασία των δεδομένων. Μετά τον καθορισμό της προέλευσης των δεδομένων, ακολουθεί η προετοιμασία των δεδομένων προκειμένου να χρησιμοποιηθούν στη διαδικασία εξόρυξης δεδομένων. Η προετοιμασία αυτή περιλαμβάνει ενέργειες όπως η επιλογή, ο καθαρισμός, η δημιουργία σύνθετων τύπων δεδομένων εφόσον ο αναλυτής επιθυμεί να δημιουργήσει νέους τύπους δεδομένων από τα ακατέργαστα δεδομένα που έχει στη διάθεση του, καθώς και η μορφοποίηση των δεδομένων. Η δημιουργία και εκτίμηση του μοντέλου. Σε αυτή τη φάση λαμβάνει χώρα η δημιουργία του μοντέλου με τη χρήση σύγχρονων εξελιγμένων μεθόδων. Η φάση αυτή περιλαμβάνει τη χρήση τεχνικών μοντελοποίησης και τη δημιουργία και εκτίμησητου μοντέλου εξόρυξης δεδομένων. Η αξιολόγηση των αποτελεσμάτων του μοντέλου. Μετά την επιλογή του μοντέλου το οποίο θα χρησιμοποιηθεί και την εκτίμηση του, ο αναλυτής θα πρέπει να αξιολογήσει πώς τα αποτελέσματα της διαδικασίας εξόρυξης δεδομένων θα μπορούσαν να βοηθήσουν την εταιρεία στην επίτευξη των στόχων της. Σε αυτή τη φάση ακολουθεί ο έλεγχος και η αξιολόγηση των αποτελεσμάτων, η ανασκόπηση της διαδικασίας εξόρυξης δεδομένων και ο καθορισμός των επόμενων βημάτων της ανάλυσης. Η χρήση των αποτελεσμάτων του μοντέλου. Σε αυτή τη φάση ο στόχος είναι η ενσωμάτωση των αποτελεσμάτων του μοντέλου και των πληροφοριών που εξήχθησαν στις καθημερινές λειτουργίες της επιχείρησης προκειμένου να επιτευχθούν οι στόχοι για τους οποίους έγινε η εξόρυξη δεδομένων. Λαμβάνει χώρα η εφαρμογή του σχεδίου ανάλυσης, η δημιουργία της τελικής αναφοράς με τα συμπεράσματα της ανάλυσης και η ανασκόπηση της ανάλυσης για τον εντοπισμό τυχόν λαθών ή παραλείψεων αλλά και τυχόν βελτιώσεων που απαιτούνται. Σε αυτό το σημείο θα πρέπει να σημειωθούν κάποια ιδιαίτερα χαρακτηριστικά αυτού του μοντέλου. Η διαδικασία εξόρυξης δεδομένων δεν ακολουθεί Σελίδα 49 από 106

2 Εξόρυξη δεδομένων απαραίτητα αυστηρά τα βήματα της διαδικασίας με τη σειρά που αναφέρθηκαν παραπάνω κατά γραμμικό τρόπο και οι διάφορες φάσεις της διαδικασίας μπορεί να επηρεάσουν η μία την άλλη κατά ένα μη γραμμικό τρόπο. Για παράδειγμα, ενώ η διαδικασία προετοιμασίας των δεδομένων προηγείται της μοντελοποίησης τους, οι αποφάσεις στις οποίες μπορεί να καταλήξει ο αναλυτής και οι πληροφορίες που μπορεί να συλλέξει κατά τη φάση δημιουργίας του μοντέλου μπορεί να τον οδηγήσουν στην αναθεώρηση κάποιων επιλογών τουκατά τη διαδικασία συλλογής και προετοιμασίας των δεδομένων και έτσι να κληθεί να αντιμετωπίσει πρόσθετα ζητήματα σχετικά με την διαδικασία της μοντελοποίησης των δεδομένων του προβλήματος. Έτσι, υφίσταται μια διαδραστική σχέση μεταξύ των δύο φάσεων μέχρι τα διάφορα ζητήματα που αφορούν και τις δύο φάσεις να επιλυθούν με ικανοποιητικό τρόπο. Κατά ανάλογο τρόπο, η φάση της αξιολόγησης του μοντέλου μπορεί να αναγκάσει τον αναλυτή να προχωρήσει στην αναθεώρηση του αρχικού προβλήματος και να τον οδηγήσει στο συμπέρασμα ότι απαιτείται εκ νέου αξιολόγηση του προβλήματος που καλείται να διερευνήσει. Αυτό μπορεί να έχει σαν αποτέλεσμα τη ριζική αναθεώρηση της όλης διαδικασίας και του συνολικού επιχειρηματικού προβλήματος που καλείται να λύσει. Το δεύτερο σημαντικό στοιχείο είναι η επαναληπτική φύση της διαδικασίας εξόρυξης δεδομένων. Θα πρέπει να θεωρείται δεδομένο ότι θα απαιτηθεί κάποια αναθεώρηση του συνολικού σχεδίου όπως αυτό αρχικά σχεδιάσθηκε και θα χρειαστεί η διαδικασία να προσαρμοσθεί στα νέα δεδομένα που θα ανακύψουν. Τα νέα δεδομένα και η αποκτηθείσα γνώση από την αρχική εφαρμογή της διαδικασίας εξόρυξης δεδομένων θα οδηγήσουν σε νέες ερωτήσεις, νέα ζητήματα και νέες ευκαιρίες προκειμένου η ανάλυση να οδηγήσει σε καλύτερη κατανόηση των αναγκών και των απαιτήσεων των πελατών της επιχείρησης. Σελίδα 50 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Οι νέες αυτές ερωτήσεις και ευκαιρίες που θα ανακύψουν θα οδηγήσουν σε μία νέα διαδικασία εξόρυξης δεδομένων. Η αναγνώριση νέων ευκαιριών και προκλήσεων που προκύπτουν από τη διαδικασία εξόρυξης δεδομένων που θα οδηγήσουν σε αναθεώρηση των μέχρι εκείνη τη στιγμή διαθέσιμων πληροφοριών με στόχο την καλύτερη αναγνώριση, κατανόηση και ικανοποίηση των αναγκών των πελατών της επιχείρησης θα πρέπει να ενσωματωθεί και να αποτελέσει μέρος της συνολικής στρατηγικής της επιχείρησης. Συνοψίζοντας, το μοντέλο CRISP-DM προσφέρει στον αναλυτή μία συνολική στρατηγική εφαρμογής της διαδικασίας εξόρυξης των δεδομένων και ένα ολοκληρωμένο πλάνο με τις διάφορες φάσεις και βήματα που θα πρέπει να περιλαμβάνει μία διαδικασία εξόρυξης δεδομένων. Μπορεί συνεπώς να αποτελέσει οδηγό για κάθε αναλυτή που επιθυμεί να εφαρμόσει μία ολοκληρωμένη διαδικασία εξόρυξης δεδομένων με σκοπό την επίλυση του επιχειρηματικού προβλήματος που καλείται να αντιμετωπίσει και να συμβάλει στην καλύτερη κατανόηση και ικανοποίηση των αναγκών των πελατών μίας επιχείρησης, έτσι ώστε να μπορέσει η επιχείρηση να πετύχει τους στόχους που έχει θέσει και να βελτιώσει την κερδοφορία της. Το παρακάτω σχήμα παρουσιάζει διαγραμματικά το μοντέλο CRISP DM. Σχήμα 2.5: Tο μοντέλο CRISP DM Σελίδα 51 από 106

ΚΕΦΑΛΑΙΟ 3 ΔΙΑΧΕΙΡΙΣΗ ΠΕΛΑΤΕΙΑΚΩΝ ΣΧΕΣΕΩΝ (CRM) 3.1 ΕΙΣΑΓΩΓΗ Οι τεχνικές μαζικής παραγωγής και μάρκετινγκ που αναπτύχθηκαν στα μέσα του 20 ου αιώνα άλλαξαν δραστικά το ανταγωνιστικό τοπίο αυξάνοντας τη διαθεσιμότητα των προϊόντων για τους καταναλωτές, αλλά μετέβαλλαν και τη σχέση πωλητή και πελάτη. Ενώ πριν ο πωλητής ήταν σε θέση να γνωρίσει προσωπικά τους πελάτες του και να κατανοήσει καλύτερα τις επιθυμίες και τις ανάγκες τους αυτό άλλαξε δραστικά. Οι καταναλωτές από προσωπικοί πελάτες μετατράπηκαν σε απρόσωπους αριθμούς λογαριασμού, καθώς η μαζική διάθεση προϊόντων και υπηρεσιών που αναπτύχθηκε έβαλε τέλος στη διαπροσωπική αυτή σχέση μεταξύ πωλητή και καταναλωτή. Πολλές σύγχρονες εταιρείες επιχειρούν να αποκαταστήσουν τις σχέσεις εμπιστοσύνης με δυνητικούς και υπάρχοντες πελάτες προκειμένου να ενισχύσουν την αφοσίωση των πελατών τους και να προσελκύσουν νέους πελάτες. Ορισμένες από τις εταιρείες αυτές επιτυγχάνουν τους συγκεκριμένους στόχους μέσω της εφαρμογής αρχών σχεσιακού μάρκετινγκ μέσω της εφαρμογής στρατηγικών και τεχνολογικών λύσεων διαχείρισης πελατειακών σχέσεων(crm). Οι εφαρμογές διαχείρισης πελατειακών σχέσεων συνδέουν τις λειτουργικές μονάδες της επιχείρησης όπως το τμήμα πωλήσεων, μάρκετινγκ και εξυπηρέτησης πελατών καθώς και τα τμήματα εκείνα της εταιρείας που υποστηρίζουν την εύρυθμη λειτουργία της, όπως η χρηματοοικονομική διαχείριση, το τμήμα logistics και το τμήμα ανθρώπινων πόρων με τα σημεία «επαφής» της εταιρείας με τους πελάτες της (Fickel, 1999). Σελίδα 52 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Τα σημεία «επαφής» μίας εταιρείας με τους πελάτες της αποτελούν το διαδίκτυο, οι πωλήσεις, το ηλεκτρονικό ταχυδρομείο, η ταχυδρομική επικοινωνία, το τηλεμάρκετινγκ, η διαφήμιση καθώς και τα καταστήματα. Τις περισσότερες φορές τα σημεία «επαφής» της εταιρείας ελέγχονται από ξεχωριστά πληροφοριακά συστήματα. Η διαχείριση πελατειακών σχέσεων (CRM) ενσωματώνει τα σημεία «επαφής» γύρω από μία ενιαία εικόνα του πελάτη (Eckerson και Watson, 2000).Το σχήμα 3.1 αναπαριστά τη σχέση μεταξύ των σημείων επαφής της εταιρείας και των λειτουργικών μονάδων της. Σχήμα 3.1: Οι εφαρμογές CRM συνδέουν τα σημεία επαφής της εταιρείας με τις λειτουργικές της μονάδες μέσω συστημάτων ERP και αποθήκευσης δεδομένων (Chen, I. J., Popovich, K.,2003). Το σύστημα διαχείρισης πελατειακών σχέσεων (CustomerRelationshipManagement) έχει αποκτήσει ιδιαίτερη σημασία για μία σύγχρονη επιχείρηση τα τελευταία χρόνια, καθώς έχει γίνει κατανοητή η σημασία της οικοδόμησης σχέσεων εμπιστοσύνης μίας επιχείρησης με τους πελάτες της καθώς και της ικανοποίησης των πελατών από το επίπεδο των προσφερόμενων προϊόντων και υπηρεσιών της επιχείρησης. Προκειμένου να γίνει κατανοητός ο ρόλος και η σημασία του συστήματος διαχείρισης πελατειακών σχέσεων θα πρέπει αρχικά να δοθεί ένας περιεκτικός ορισμός της έννοιας του CRM. Σελίδα 53 από 106

3 Διαχείριση πελατειακών σχέσεων (CRM) Η κατανόηση του τι ακριβώς περιλαμβάνει ένα σύστημα διαχείρισης πελατειακών σχέσεων είναι ιδιαίτερα σημαντική καθώς όπως επισημαίνουν οι Payne και Frow (2005), σύμφωνα με τα αποτελέσματα της έρευνας τους, επικρατεί σύγχυση από τα διοικητικά στελέχη των εταιρειών γύρω από το τι αφορά η διαχείριση πελατειακών σχέσεων. Προς αυτή την κατεύθυνση έχουν γίνει διάφορες προσπάθειες στη βιβλιογραφία και έχουν δοθεί διάφοροι ορισμοί. 3.2 ΟΡΙΣΜΟΙ ΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΛΑΤΕΙΑΚΩΝ ΣΧΕΣΕΩΝ (CRM) Σε αυτή την ενότητα παραθέτουμε μια σειρά ορισμών που έχουν δοθεί στη βιβλιογραφία σχετικά με την έννοια της διαχείρισης πελατειακών σχέσεων και τις διάφορες διαστάσεις της. Οι διάφοροι ορισμοί προσδίδουν έμφαση στην πολυδιάστατη φύση της έννοιας της διαχείρισης πελατειακών σχέσεων, αναδεικνύοντας ότι δεν πρόκειται απλώς για μία διαδικασία που αφορά αποκλειστικά την τεχνολογική της διάσταση αλλά σχετίζεται με τη συνολική σχέση επιχείρησης και πελατών. Για τους Βασιλειάδης κ.α. (2007) ο σκοπός των συστημάτων διαχείρισης πελατειακών σχέσεων (CRM) είναι η καλύτερη εξυπηρέτηση των πελατών μέσω της κατανόησης των αναγκών και επιθυμιών τους ως αποτέλεσμα μίας συντονισμένης προσπάθειας και ενός συνόλου διαδικασιών, τεχνολογίας και του ανθρώπινου δυναμικού της επιχείρησης. Τονίζουν ότι το CRM αποτελεί κάτι παραπάνω από τη χρήση κάποιου πακέτου λογισμικού, όπως πιθανώς να γίνεται αντιληπτό μέσα από μία απλοϊκή και μονοδιάστατη προσέγγιση, αλλά μία συνολική εταιρική κουλτούρα και λειτουργικό πλαίσιο που προσδίδει έμφαση στην ικανοποίηση των αναγκών των πελατών και λειτουργεί με επίκεντρο τον πελάτη. Σελίδα 54 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Επιχειρήσεις που ενσωμάτωσαν συστήματα πελατειακών σχέσεων στον τρόπο λειτουργίας τους και στο σύνολο των διαδικασιών, λειτουργιών και τομέων τους, υιοθετώντας έτσι μία πελατοκεντρική κουλτούρα, αποκόμισαν σημαντικά οφέλη όσον αφορά τη δημιουργία μακροχρόνιων σχέσεων με τους πελάτες τους και κατ επέκταση την κερδοφορία τους. Σύμφωνα με τους Reinartz κ.α. (2004) η διαχείριση πελατειακών σχέσεων αποτελεί μία συνολική διαδικασία διαχείρισης των σχέσεων μίας εταιρείας με τους πελάτες της σε όλα τα στάδια της σχέσης αυτής, από την έναρξη της μέχρι το τέλος της, και μέσα από όλα τα κανάλια επικοινωνίας που διαθέτει η εταιρεία. Με βάση τον ορισμό των Stone και Woodcock (2001) το CRM είναι ένας όρος που αναφέρεται σε μια σειρά τεχνολογιών, μεθοδολογιών καθώς και δυνατοτήτων ηλεκτρονικού εμπορίου που χρησιμοποιούν οι επιχειρήσεις προκειμένου να διαχειριστούν τις σχέσεις τους με τους πελάτες τους. Για τους Singh και Agrawal (2003) το CRM αποτελεί μία διαδικασία που αφορά όλο το εύρος και όλους τους τομείς μίας επιχείρησης, ενώ για τους Parvitiyar και Sheth (2001) πρόκειται για μία συνολική στρατηγική και διαδικασία απόκτησης, διατήρησης και συνεργασίας με συγκεκριμένους πελάτες προκειμένου να δημιουργηθεί αξία τόσο για την επιχείρηση όσο και για τον πελάτη. Με βάση τον ορισμό του Buttle (2001) το CRM αφορά την ανάπτυξη και διατήρηση μακροχρόνιων, αμοιβαία επωφελών σχέσεων με στρατηγικά σημαντικούς πελάτες. Για τους Gosney και Boehm (2000) το CRM αποτελείται από διάφορες πτυχές, αλλά η βασική του διάσταση αφορά την μεταστροφή της εταιρείας σε μία πιο πελατοκεντρική αντίληψη. Οι μέθοδοι αφορούν κυρίως τεχνολογικά εργαλεία καθώς και τη διαδικτυακή παρουσία της εταιρείας. Σύμφωνα με τους Peppers, Rogers και Dorf (1999) το CRM θα μπορούσε να θεωρηθεί ως μία εφαρμογή του διαπροσωπικού μάρκετινγκ. Η εταιρεία ανταποκρίνεται στις απαιτήσεις του πελάτη με βάση τις επιθυμίες του και όποια άλλη πληροφορία είναι διαθέσιμη γύρω από αυτόν. Σελίδα 55 από 106

3 Διαχείριση πελατειακών σχέσεων (CRM) Για τον Hobby (1999) το CRM είναι μία προσέγγιση γύρω από το μάνατζμεντ που επιτρέπει στις επιχειρήσεις να αναγνωρίσουν, να προσελκύσουν και να αυξήσουν τη διατήρηση των επικερδών πελατών μέσω της διαχείρισης της σχέσης τις εταιρείας με τους σημαντικούς αυτούς πελάτες. Για τον Couldwell (1999) το CRM περιλαμβάνει τη χρήση των πληροφοριών που υπάρχουν γύρω από τους πελάτες για την καλύτερη εξυπηρέτηση των πελατών και τη βελτίωση της κερδοφορίας της εταιρείας, ενώ σύμφωνα με τον Glazer (1997) το CRM επιχειρεί να δημιουργήσει μία γέφυρα μεταξύ της πληροφοριακής τεχνολογίας και στρατηγικών μάρκετινγκ που στόχο έχουν τη δημιουργία μακροχρόνιων σχέσεων μεταξύ της επιχείρησης και των πελατών και την αύξηση της κερδοφορίας της επιχείρησης. Για τους Kutner και Cripps (1997) το CRM αποτελεί μάρκετινγκ με επίκεντρο την πληροφορία ενώ για τον Swift (2000) το CRM είναι μία εταιρική προσέγγιση για την κατανόηση και τον επηρεασμό της συμπεριφοράς των πελατών μέσω της ουσιαστικής επικοινωνίας προκειμένου να βελτιωθεί η απόκτηση, η διατήρηση και η κερδοφορία των πελατών. Σύμφωνα με τον Goldenberg (2000) το CRM δεν περιορίζεται απλά στην εφαρμογή τεχνολογικών λύσεων για τις λειτουργίες μάρκετινγκ, πωλήσεων και εξυπηρέτησης πελατών μίας εταιρείας, αλλά όταν εφαρμόζεται με επιτυχία αποτελεί μίαδιαλειτουργική, πελατοκεντρική στρατηγική μάνατζμεντ επιχειρησιακών λειτουργιών που μεγιστοποιεί τις σχέσεις συνεργασίας των διαφόρων λειτουργικών μονάδων της επιχείρησης και περιλαμβάνει ολόκληρο τον οργανισμό. Προειδοποιεί, επίσης, ότι εάν το CRM αντιμετωπισθεί μονοδιάστατα ως μία αποκλειστικά τεχνολογική λύση ο κίνδυνος αποτυχίας είναι μεγάλος. Ο Anton (1996) χαρακτηρίζει το CRM ως μία ολοκληρωμένη προσέγγιση της διαχείρισης των σχέσεων μίας εταιρείας με τους πελάτες της με την επανεκτίμηση της αξίας του πελάτη που θα προκύψει μέσω της καλύτερης εξυπηρέτησης του και ανταγωνιστικότερων προσφορών. Σελίδα 56 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Για τους Gulati και Garino (2000) μία στρατηγική CRM χρησιμοποιεί και ενσωματώνει τις λειτουργίες μάρκετινγκ, πωλήσεων, εξυπηρέτησης πελατών, ανθρώπινων πόρων, έρευνας και ανάπτυξης (R&D) και χρηματοοικονομικής διαχείρισης μίας εταιρείας σε συνδυασμό με την πληροφοριακή τεχνολογία και το διαδίκτυο για να μεγιστοποιήσει την κερδοφορία των σχέσεων της εταιρείας με τους πελάτες της. Για τους πελάτες της εταιρείας, από την άλλη πλευρά, το CRM προσφέρει αυξημένες δυνατότητες και ευκολίες στις συναλλαγές τους με την εταιρεία ανεξαρτήτως του τρόπου τον οποίο επιλέγουν για τις συναλλαγές αυτές και την επικοινωνία τους με την εταιρεία. Τέλος, σύμφωνα με τους Payne και Frow (2005) «το CRM είναι μία στρατηγική προσέγγιση που αφορά τη βελτίωση της αξίας για τους μετόχους μέσω της ανάπτυξης κατάλληλων σχέσεων με σημαντικούς πελάτες και τμήματα της αγοράς. Το CRM ενώνει τις δυνατότητες των διαπροσωπικών στρατηγικών μάρκετινγκ και της πληροφορικής τεχνολογίας προκειμένου να δημιουργήσει επικερδείς, μακροχρόνιες σχέσεις με τους σημαντικούς πελάτες. Το CRM παρέχει αυξημένες ευκαιρίες για τη χρήση δεδομένων και πληροφοριών τόσο για την κατανόηση των πελατών όσο και για τη δημιουργία αξίας μαζί τους. Αυτό απαιτεί μία διαλειτουργική ενσωμάτωση διαδικασιών, ανθρώπων, λειτουργιών και ενεργειών μάρκετινγκ, κάτι που καθίσταται εφικτό μέσω της χρήσης πληροφοριών, τεχνολογίας και εφαρμογών». Όπως αναφέρουν οι Payne και Frow (2005) οι διάφοροι ορισμοί στη βιβλιογραφία ορίζουν τη διαχείριση πελατειακών σχέσεων τουλάχιστον σε τρείς διαφορετικές διαστάσεις. Από μία περιορισμένη διάσταση που ορίζει το CRM ως μία συγκεκριμένη τεχνολογική λύση, σε μία αντίληψη που θεωρεί το CRM ως μία τεχνολογία ευρείας κλίμακας αλλά και ως μία ευρεία διάσταση και ερμηνεία της διαχείρισης των πελατειακών σχέσεων σαν μία γενικότερη πελατοκεντρική αντίληψη. Οι διαστάσεις αυτές των διαφόρων ορισμών μπορούν να αναπαρασταθούν ως ένα συνεχές όπως στο παρακάτω σχήμα. Σελίδα 57 από 106

3 Διαχείριση πελατειακών σχέσεων (CRM) Σχήμα 3.2. Οι ορισμοί του CRM ως ένα συνεχές (Payne, A. καιfrow, P., 2005) Περιορισμένη ερμηνεία του CRM Ευρεία ερμηνεία του CRM Το CRM αφορά την εφαρμογή μίας συγκεκριμένης τεχνολογικής λύσης Το CRM αφορά την εφαρμογή μίας σειράς πελατοκεντρικών τεχνολογικών λύσεων Το CRM ως μία συνολική προσέγγιση στη διαχείριση των εταιρικών σχέσεων με τους πελάτες για τη δημιουργία αξίας 3.3 Η ΙΣΤΟΡΙΚΗ ΕΞΕΛΙΞΗ ΤΟΥ CRM Η διαχείριση πελατειακών σχέσεων (CRM), αν και δεν αποτελεί καινούργια έννοια, κατέστη εφικτή χάρη στην πρόσφατη τεχνολογική πρόοδο στον τομέα της πληροφορικής. Προέκυψε ως επέκταση των εργαλείων αυτοματοποίησης της ομάδας πωλήσεων (salesforceautomation) και αναφέρεται συχνά στη βιβλιογραφία ως διαπροσωπικό (one-to-one) μάρκετινγκ (Peppers και Rogers, 1999). Το λογισμικό αυτοματοποίησης της ομάδας πωλήσεων αυτοματοποιεί τις λειτουργίες ρουτίνας, όπως η διαχείριση των επαφών με τους πελάτες και έχει ως στόχο να επιτρέψει στην ομάδα πωλήσεων να επικεντρωθεί περισσότερο στις πωλήσεις και λιγότερο σε διαχειριστικές ενέργειες. Το CRM αντλεί τη βάση του ταυτόχρονα από το σχεσιακό μάρκετινγκ, που έχει ως στόχο τη βελτίωση της μακροπρόθεσμης κερδοφορίας μέσω της έμφασης στην διατήρηση των υφιστάμενων πελατών διαμέσου της αποτελεσματικής διαχείρισης των σχέσεων με τους πελάτες, έναντι της παραδοσιακής προσέγγισης όπου πρωταρχικό στόχο αποτελούσε η προσέλκυση νέων πελατών (Christopher κ.α., 1991). Συνεπώς, το CRM αποτελεί μία σύνθετη και εξελιγμένη διαδικασία η οποία βασίζεται στην εξόρυξη των δεδομένων των πελατών που συλλέγονται από όλα τα σημεία «επαφής» της εταιρείας με τους πελάτες της, με στόχο τη δημιουργία Σελίδα 58 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου μίας ενιαίας και περιεκτικής εικόνας του πελάτη, ενώ παράλληλα επιδιώκει την ανακάλυψη του προφίλ των σημαντικών πελατών της εταιρείας και την πρόβλεψη των αγοραστικών τους συνηθειών. Λογισμικό που καταγράφει και αναλύει τη συμπεριφορά των πελατών επιτρέπει στις εταιρείες να αναγνωρίσουν τους καλύτερους πελάτες τους και να επικεντρώσουν εκεί τις προσπάθειες τους, καθώς και να επιβραβεύσουν παράλληλα αυτούς που είναι πιθανότερο να αγοράζουν τα προϊόντα της συχνότερα. Η καλύτερη κατανόηση της πελατειακής τους βάσης επιτρέπει στις εταιρείες να έρχονται σε επαφή και να επικοινωνούν αποτελεσματικότερα με τους πελάτες τους, γεγονός που θα τους επιτρέψει να διατηρήσουν και να επεκτείνουν την πελατειακή τους βάση, να ενισχύσουν την ανάπτυξη τους και να αυξήσουν την κερδοφορία τους. Οι τεχνολογικές καινοτομίες, το διαδίκτυο και το σύγχρονο ανταγωνιστικό περιβάλλον είναι διάφοροι από τους παράγοντες που συνετέλεσαν στη δημιουργία του διαπροσωπικού μάρκετιγνκ. Οι επιχειρήσεις είναι σε θέση να δημιουργήσουν σχέσεις εμπιστοσύνης με τους πελάτες τους για να βελτιώσουν την καταναλωτική εμπειρία που είναι σε θέση να τους προσφέρουν, να προβλέψουν τη μελλοντική αγοραστική ζήτηση, να προσελκύσουν πελάτες με ειδικές προσφορές ή υπηρεσίες, να εκτιμήσουν το οικονομικό πλεονέκτημα που αποκομίζουν από τον κάθε πελάτη και να δημιουργήσουν μακροχρόνιες αμοιβαία επωφελείς σχέσεις. Στην επόμενη ενότητα παρατίθενται ορισμένα παραδείγματα επιτυχούς εφαρμογής της διαχείρισης πελατειακών σχέσεων (CRM). 3.4 ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΦΑΡΜΟΓΗΣ ΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΛΑΤΕΙΑΚΩΝ ΣΧΕΣΕΩΝ Το Ritz-Carlton, μία αλυσίδα πολυτελών ξενοδοχείων, καταγράφει τις προτιμήσεις των επισκεπτών, όπως αυτές προκύπτουν από συζητήσεις με τους Σελίδα 59 από 106

3 Διαχείριση πελατειακών σχέσεων (CRM) πελάτες κατά τη διάρκεια της διαμονής τους και τις χρησιμοποιεί προκειμένου να προσαρμόσει κατάλληλα τις υπηρεσίες που θα λάβουν οι πελάτες της αλυσίδας κατά τη διαμονή τους σε οποιαδήποτε ξενοδοχειακή μονάδα της ανά τον κόσμο στην επόμενη επίσκεψη τους. Διαφόρων ειδών απαιτήσεις των πελατών, όπως για παράδειγμα υποαλλεργικά μαξιλάρια και επιπλέον πετσέτες καταγράφονται για μελλοντική χρήση, έτσι ώστε να είναι σε θέση να προσφέρει εξατομικευμένες υπηρεσίες και προϊόντα ειδικά για τους τακτικούς πελάτες (Chen, I. J., Popovich, K., 2003). Ένα άλλο παράδειγμα επιτυχούς εφαρμογής του CRM αποτελεί η τράπεζα BankOne. Η εξόρυξη δεδομένων επέτρεψε στην εν λόγω τράπεζα να μειώσει την απώλεια των πλέον κερδοφόρων μικρομεσαίων επιχειρήσεων που αποτελούν πελάτες της με το να αναθέσει προσωπικούς διαχειριστές λογαριασμών για κάθε σημαντικό πελάτη της. Έτσι κατάφερε να διατηρήσει και να επεκτείνει την πελατειακή της βάση σε έναν ιδιαίτερα κρίσιμο τομέα δραστηριοποίησης της και να βελτιώσει την κερδοφορία της (Conlon, 1999). Τα παραδείγματα επιτυχούς εφαρμογής του CRM για την οικοδόμηση μακροχρόνιων σχέσεων εμπιστοσύνης και την καλύτερη ικανοποίηση των αναγκών των πελατών δεν περιορίζονται όμως σε επιχειρήσεις που δραστηριοποιούνται στον τομέα των υπηρεσιών. Ένα άλλο παράδειγμα επιτυχούς εφαρμογής του CRM, μέσω της ενσωμάτωσης της πληροφοριακής τεχνολογίας με τις λειτουργίες της επιχείρησης αποτελεί η DELLComputerCorporation. Οι πελάτες της DELL μέσα από τον διαδικτυακό τόπο της εταιρείας είναι σε θέση να προσαρμόσουν τον υπολογιστή που επιθυμούν να αγοράσουν σύμφωνα με τις ανάγκες και τις επιθυμίες τους, μέσα από χιλιάδες συνδυασμούς υλισμικού και λογισμικού, μέσα από ένα εύχρηστο σύστημα λήψης παραγγελιών που τους ενημερώνει ταυτόχρονα για την ημερομηνία παραλαβής της παραγγελίας τους συμβάλλοντας έτσι σε μία πιο ευχάριστη καταναλωτική εμπειρία (Chen, I. J., Popovich, K., 2003). Σελίδα 60 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου 3.5 ΑΠΑΙΤΟΥΜΕΝΕΣ ΑΛΛΑΓΕΣ ΓΙΑ ΤΗΝ ΑΠΟΤΕΛΕΣΜΑΤΙΚΗ ΕΦΑΡΜΟΓΗ ΤΟΥ CRM Προκειμένου οι επιχειρήσεις να εφαρμόσουν με επιτυχία μία στρατηγική CRM, και να αποκομίσουν σημαντικά οφέλη για τις σχέσεις τους με τους πελάτες τους, την ανάπτυξη τους και την κερδοφορία τους, θα πρέπει να προβούν σε μία σειρά αλλαγές στον τρόπο λειτουργίας τους, καθώς όπως αναλύθηκε παραπάνω το CRM αποτελεί μία ολοκληρωμένη στρατηγική και φιλοσοφία που απαιτεί τον επανασχεδιασμό και επαναπροσανατολισμό ευρέως φάσματος λειτουργιών μίας επιχείρησης. Οι Chen και Popovich (2003) σταχυολογούν αυτές τις αλλαγές. 3.5.1 ΑΛΛΑΓΕΣ ΣΤΙΣ ΛΕΙΤΟΥΡΓΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ Κατά το παρελθόν, επιχειρήσεις με αποτελεσματικές εγκαταστάσεις παραγωγής και σημαντικούς διαθέσιμους πόρους ήταν σε θέση να προσελκύσουν πελάτες προσφέροντας τυποποιημένα προϊόντα επωφελούμενες έτσι από μειωμένα κόστη και αυξημένη παραγωγικότητα. Συνεπώς, το μαζικό μάρκετινγκ και η μαζική παραγωγή ήταν ιδιαίτερα αποτελεσματικά στο βαθμό που οι πελάτες έμειναν ικανοποιημένοι από τη χρήση τυποποιημένων προϊόντων. Καθώς όμως αυξάνεται ο αριθμός των εταιρειών που δραστηριοποιούνται σε μία αγορά οι τεχνικές μαζικού μάρκετιγνκ, όπου ο στόχος είναι η προώθηση ενός τυποποιημένου προϊόντος, αρχίζουν να χάνουν την αποτελεσματικότητα τους. Με το στοχευμένομάρκετιγνκ είναι αναγκαία η προσαρμογή των προσπαθειών των εταιρειών στην ικανοποίηση των αναγκών των πελατών τους. Οι μεταβαλλόμενες ανάγκες και προτιμήσεις των καταναλωτών υποχρεώνει τις επιχειρήσεις να γίνουν περισσότερο ευέλικτες και προσαρμοστικές. Καθώς είναι ευρέως γνωστό ότι η διατήρηση των πελατών είναι πιο επικερδής από την προσέλκυση νέων πελατών, το σχεσιακό μάρκετινγκ αναπτύχθηκε στη βάση αναγνώρισης του γεγονότος ότι οι πελάτες διαφέρουν ως προς τις Σελίδα 61 από 106

3 Διαχείριση πελατειακών σχέσεων (CRM) ανάγκες, τις προτιμήσεις και την αγοραστική συμπεριφορά τους. Συνεπώς, η κατανόηση των διαφορών μεταξύ των πελατών μπορεί να βοηθήσει τις επιχειρήσεις να προσαρμόσουν κατάλληλα τα προσφερόμενα προϊόντα και υπηρεσίες τους έτσι ώστε να αυξήσουν τη συνολική αξία της πελατειακής τους βάσης. Είναι χαρακτηριστικό ότι σύμφωνα με τη μελέτη του Reichheld (1996a,b) μία αύξηση της τάξης του 5% στη διατήρηση πελατών είχε σαν αποτέλεσμα μία αύξηση μεταξύ 35% και 95% στη συνολική αξία ανά πελάτη, οδηγώντας έτσι σε σημαντική βελτίωση της κερδοφορίας της εταιρείας. Οι τεχνικές σχεσιακού μάρκετινγκ επικεντρώνονται στις ιδιαίτερες ανάγκες και επιθυμίες του κάθε πελάτη και απαιτούν κατά συνέπεια από τις επιχειρήσεις να οργανωθούν με επίκεντρο τον πελάτη και όχι το προϊόν. Συνεπώς, οι πελατοκεντρικές επιχειρήσεις συνδυάζουν το μάρκετινγκ και τις υπόλοιπες λειτουργικές διαδικασίες τους προκειμένου να εξυπηρετήσουν καλύτερα τους πελάτες τους και να ανταποκριθούν καλύτερα στις πιέσεις της αγοράς. Οι σύγχρονες επιχειρήσεις θα ωφεληθούν από τη δημιουργία μίας στενής σχέσης μεταξύ μάρκετινγκ και παραγωγής που θα τους επιτρέψει την κατάλληλη ευελιξία έτσι ώστε να ανταποκρίνονται στις μεταβαλλόμενες ανάγκες των πελατών τους αποτελεσματικά (Prabhaker, 2001). Η διαχείριση πελατειακών σχέσεων αποτελεί ένα συνολικό πελατοκεντρικό μοντέλο το οποίο θα πρέπει να οικοδομηθεί γύρω από τον πελάτη. Αποτελεί μία συνολική προσπάθεια που απαιτεί τον επανασχεδιασμό των θεμελιωδών επιχειρηματικών πρακτικών με στόχο να κατανοήσει η επιχείρηση την οπτική των ίδιων των πελατών και να ανταποκριθεί τις επιθυμίες και τις ανάγκες τους. Χαρακτηριστικό παράδειγμα μίας τέτοιας επιχείρησης που ενσωματώνει τις επιθυμίες των πελατών στις επιχειρηματικές πρακτικές της αποτελεί το SeyboldGroup το οποίο ξεκινά μία τέτοια διαδικασία επικοινωνίας με τους πελάτες του ρωτώντας τους ποια εμπόδια συναντούν κατά τις συναλλαγές τους με την εταιρεία (Seybold, 1998; Seybold κ.α., 2001). Σελίδα 62 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Ενώ σύμφωνα με την παραδοσιακή προσέγγιση ο στόχος είναι η εξεύρεση πελατών για τα προϊόντα με τη χρήση τεχνικών μαζικού μάρκετινγκ, με βάση την πελατοκεντρική προσέγγιση, αντίθετα, ο στόχος είναι η ανάπτυξη προϊόντων και υπηρεσιών που ανταποκρίνονται στις επιθυμίες και τις ανάγκες των πελατών. Σύμφωνα με το SeyboldGroup η διαδικασία εφαρμογής μίας πελατοκεντρικής προσέγγισης σε μία επιχείρηση περιλαμβάνει πέντε βήματα: Η επιχείρηση θα πρέπει να διευκολύνει τους πελάτες της στην πραγματοποίηση των συναλλαγών τους. Ο καταναλωτής θα πρέπει να βρίσκεται στο επίκεντρο της επιχείρησης. Επανεξέταση και επανασχεδιασμός των λειτουργικών μονάδων της επιχείρησης και της ροής της πληροφορίας μεταξύ των διαφόρων λειτουργικών μονάδων της. Ενίσχυση της εμπιστοσύνης των πελατών μέσω της ανάληψης πρωτοβουλιών από την πλευρά της εταιρείας. Θεσμοθέτηση μετρήσιμων στόχων και αντικειμενικών κριτηρίων απόδοσης με στόχο τη συνεχή βελτίωση της εταιρείας. Οι στόχοι ενός πελατοκεντρικού μοντέλου είναι η αύξηση των εσόδων, η προώθηση της εμπιστοσύνης των καταναλωτών, η μείωση του λειτουργικού κόστους και η βελτίωση των επιχειρησιακών λειτουργιών μίας εταιρείας. Η βελτιστοποίηση των σχέσεων με τους πελάτες απαιτεί την πλήρη κατανόηση όλων των πελατώνκαι στη συνέχεια τον σχεδιασμό και την υλοποίηση διαδικασιών με σκοπό την αντιμετώπιση του κάθε πελάτη ξεχωριστά με βάση τις ανάγκες, τις αξίες και τις επιθυμίες του (Renner, 2000). Οι Al-Mashari και Zairi (1999) εντοπίζουν τους παράγοντες εκείνους που μπορεί να οδηγήσουν στην επιτυχία ή αποτυχία του εγχειρήματος του επανασχεδιασμού των λειτουργικών διαδικασιών μίας εταιρείας. Συγκεκριμένα, επισημαίνουν την αλλαγή του τρόπου διοίκησης, τη διοικητική υποστήριξη, την οργανωτική δομή και την πληροφοριακή τεχνολογία ως τους σημαντικότερους Σελίδα 63 από 106

3 Διαχείριση πελατειακών σχέσεων (CRM) παράγοντες που θα καθορίσουν την επιτυχία ή μη της υιοθέτησης μίας πελατοκεντρικής αντίληψης στα πλαίσια της εταιρείας. Εταιρείες που θα επιθυμούσαν να θέσουν σε εφαρμογή μία στρατηγική CRM για την καλύτερη εξυπηρέτηση των πελατών τους, τη βελτίωση της ικανοποίησης από τα προϊόντα και τις υπηρεσίες τους και την αύξηση της κερδοφορίας τους θα πρέπει να λάβουν υπόψη αυτούς τους ιδιαίτερα σημαντικούς παράγοντες. 3.5.2 ΜΕΤΑΒΟΛΕΣ ΣΤΟ ΑΝΘΡΩΠΙΝΟ ΔΥΝΑΜΙΚΟ Η εφαρμογή του CRM απαιτεί ταυτόχρονα και αλλαγές στην οργανωτική δομή μίας εταιρείας (Al-Mashari και Zairi, 2000). Πέρα από την τεχνολογία και τις επιχειρησιακές διαδικασίες που είναι ιδιαίτερα σημαντικές παράμετροι για την επιτυχή εφαρμογή του CRM, το ανθρώπινο δυναμικό μίας εταιρείας είναι αυτό που οικοδομεί σχέσεις εμπιστοσύνης και συνεργασίας με τους πελάτες της. Η επιτυχής εφαρμογή του CRM απαιτεί να ληφθούν υπόψη μία σειρά διαστάσεων που αφορούν τη διοίκηση και το προσωπικό ενός οργανισμού. Η προσήλωση των ανώτατων διοικητικών στελεχών αποτελεί απαραίτητη προϋπόθεση για την εισαγωγή καινοτομιών και την επιτυχή εφαρμογή μίας στρατηγικήςcrm, έτσι ώστε να αποκομίσει η εταιρεία τα προσδοκώμενα οφέλη. Η πελατοκεντρική αντίληψη απαιτεί την υποστήριξη και την προσήλωση των ανώτατων διοικητικών στελεχών στη στρατηγική CRM σε ολόκληρη τη διαδικασία εφαρμογής της. Σε διαφορετική περίπτωση, η όποια δυναμική έχει το εγχείρημα θα ατονήσει γρήγορα. Επιπροσθέτως, η ανώτατη διοίκηση της εταιρείας θα πρέπει να αναλάβει πρωτοβουλίες όσον αφορά την ηγεσία, τον στρατηγικό προσανατολισμό και την ευθυγράμμιση οράματος και στόχων της εταιρείας για να εφαρμοσθεί επιτυχώς η στρατηγική CRM της (Herington και Peterson, 2000). Όπως και σε κάθε σημαντική προσπάθεια εισαγωγής σημαντικών αλλαγών έτσι και στην περίπτωση του επαναπροσανατολισμού των λειτουργιών μίας Σελίδα 64 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου επιχείρησης και της εφαρμογής μίας στρατηγικής CRM, οι όποιες ενστάσεις και διαφωνίες ανακύψουν μεταξύ των διαφόρων τμημάτων της εταιρείας μπορούν να επιλυθούν μόνο μέσω της προσωπικής διαμεσολάβησης των ανώτερων διοικητικών στελεχών που θα έχει ως αποτέλεσμα αλλαγές στην οργανωτική κουλτούρα της επιχείρησης. Σύμφωνα με τον Dickie (1999) μία επιχείρηση θα πρέπει να προχωρήσει στην εφαρμογή μίας στρατηγικής CRM μόνο αν η διοίκηση της επιχείρησης πιστεύει στην υιοθέτηση ενός πελατοκεντρικού επιχειρηματικού μοντέλου. Σε διαφορετική περίπτωση το εγχείρημα κινδυνεύει να καταλήξει σε αποτυχία και σπατάλη των πόρων της επιχείρησης. Η προσπάθεια εφαρμογής μίας στρατηγικής CRM απαιτεί τη συνεχή προσήλωση και προσοχή της ομάδας εφαρμογής, η οποία θα πρέπει να αποτελείται από στελέχη από τα τμήματα μάρκετινγκ, πωλήσεων, παραγωγής, εξυπηρέτησης πελατών και πληροφοριακής τεχνολογίας και των διαφόρων άλλων λειτουργικών μονάδων της επιχείρησης. Σκοπός της ομάδας εφαρμογής αποτελεί η συμβολή στην καθετοποίηση των βασικών λειτουργικών της επιχείρησης, τον συνδυασμό των σχετικών δραστηριοτήτων καθώς και στον εντοπισμό εκείνων των δραστηριοτήτων της επιχείρησης που δεν προσθέτουν αξία στον πελάτη με στόχο την κατάργηση τους. Καθώς πολλά τμήματα και στελέχη της επιχείρησης θεωρούν τον χειρισμό των ζητημάτων που αφορούν τους πελάτες ως μία αποκλειστική λειτουργία του τμήματος μάρκετινγκ ή πωλήσεων, αυτό μπορεί να έχει ως αποτέλεσμα να θεωρήσουν την κοινή χρήση των δεδομένων τους με άλλα τμήματα της εταιρείας ως απώλεια δύναμης και σημασίας στους κόλπους της επιχείρησης. Ένα πελατοκεντρικό μοντέλο, όμως, απαιτεί τον διαμοιρασμό των δεδομένων μεταξύ όλων των τμημάτων της επιχείρησης. Κάτι που συνεπάγεται μία θεμελιώδη αλλαγή παραδείγματος στην κουλτούρα της επιχείρησης όσων αφορά στην διάχυση πληροφοριών και γνώσης στους κόλπους της. Σελίδα 65 από 106

3 Διαχείριση πελατειακών σχέσεων (CRM) Ιδιαίτερα σε επιχειρήσεις όπου παραδοσιακά τα διάφορα τμήματα έχουν ξεχωριστούς στόχους και επιδιώξεις είναι αναγκαία η ενεργή συμμετοχή των ανώτερων διοικητικών κλιμακίων στην προσπάθεια εισαγωγής αλλαγών για την επιτυχή εφαρμογή μίας στρατηγικής CRM. Ο οργανωτικός απομονωτισμός πρέπει να αντικατασταθεί από λειτουργικές διαδικασίες με επίκεντρο τον πελάτη και οι ανταγωνιστικές σχέσεις μεταξύ των διαφόρων τμημάτων μίας επιχείρησης να αντικατασταθούν από σχέσεις συνεργασίας. Πολλές από αυτές τις προωθούμενες αλλαγές μπορούν ναπροχωρήσουναποτελεσματικότερα μέσω της κατάλληλης επικοινωνίας μεταξύ των διαφόρων τμημάτων και στελεχών της επιχείρησης σε όλη τη διάρκεια εφαρμογής της στρατηγικής CRM. Μία αποτελεσματική στρατηγική CRM απαιτεί όραμα και την κατανόηση από την πλευρά του κάθε στελέχους της επιχείρησης του σκοπού και των αλλαγών που θα έχει ως αποτέλεσμα η υιοθέτηση της νέας αυτής φιλοσοφίας. Ο επαναπροσανατολισμός της επιχείρησης και η υιοθέτηση ενός πελατοκεντρικού λειτουργικού μοντέλου απαιτεί οργανωτικές αλλαγές και την ενεργό συμμετοχή όλων των εργαζομένων της επιχείρησης. Κάποια από τα στελέχη της επιχείρησης μπορεί να επιλέξουν να αποχωρήσουν, ενώ κάποιες θέσεις θα καταστούν περιττές με βάση το νέο λειτουργικό μοντέλο. Η επιτυχής εφαρμογή μίας στρατηγικής CRM θα έχει ως αποτέλεσμα σημαντικές αλλαγές στον τρόπο λειτουργίας ορισμένων λειτουργικών μονάδων και στελεχών. Η διοίκηση της επιχείρησης θα πρέπει να καταδείξει την αφοσίωση της στην επιτυχή εφαρμογή της στρατηγικής CRM και τη νέα πελατοκεντρική φιλοσοφία της επιχείρησης μέσω ενός προγράμματος επανακατάρτισης και επανεκπαίδευσης των εργαζομένων στις νέες λειτουργικές διαδικασίες της εταιρείας. Ένα πρόγραμμα επανακατάρτισης όχι μόνο αυξάνει τις δεξιότητες και τις γνώσεις των εργαζομένων, αλλά παράλληλα αυξάνει τα κίνητρα και την Σελίδα 66 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου αφοσίωση των εργαζομένων και μειώνει την αντίδραση τους στην εισαγωγή αλλαγών. Επιπροσθέτως, η διοίκηση της επιχείρησης θα πρέπει να φροντίσει ώστε η αξιολόγηση, οι απολαβές και τα προγράμματα ανταμοιβής των εργαζομένων της επιχείρησης να προσαρμοσθούν κατάλληλα έτσι ώστε να ανταμείβουν και να προωθούν τον προσανατολισμό στην εξυπηρέτηση των πελατών, καθώς ο τρόπος αξιολόγησης της συμπεριφοράς των στελεχών από την εταιρεία καθορίζει και τη συμπεριφορά τους. Σελίδα 67 από 106

ΚΕΦΑΛΑΙΟ 4 ΤΟ ΛΟΓΙΣΜΙΚΟ SPSS CLEMENTINE 4.1 ΕΙΣΑΓΩΓΗ Το λογισμικό SPSS Clementine αποτελεί ένα ιδιαίτερα εύχρηστο και φιλικό προς το χρήστη λογισμικό εξαγωγής γνώσης της IBM. Το γραφικό του περιβάλλον καθιστά ιδιαίτερα εύκολη και γρήγορη τη δημιουργία μοντέλων εξαγωγής γνώσης, καθώς δεν απαιτείται η χρήση κώδικα από το χρήστη. Βασίζεται στη γραφική απεικόνιση της ροής ενός μοντέλου εξαγωγής γνώσης και η δημιουργία και τροποποίηση του μοντέλου λαμβάνει χώρα στο γραφικό περιβάλλον του λογισμικού μέσω της εισαγωγής και σύνδεσης διαφόρων γραφικών αντικειμένων που αναπαριστούν τις διάφορες λειτουργίες που επιθυμεί να εισάγει ή να τροποποιήσει ο αναλυτής στο μοντέλο του. Ο αναλυτής χρησιμοποιεί τα διάφορα εργαλεία μοντελοποίησης που θα βρει στις διάφορες παλέτες του λογισμικού προκειμένου να δημιουργήσει ένα μοντέλο εξόρυξης δεδομένων στην παλέτα του SPSS Clementine. Στην ενότητα που ακολουθεί γίνεται παρουσίαση των διαφόρων δυνατοτήτων του πακέτου λογισμικού SPSS Clementine με την παρουσίαση του περιβάλλοντος εργασίας που θα συναντήσει ο χρήστης του λογισμικού. 4.2 ΤΟ ΓΡΑΦΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΟΥSPSS CLEMENTINE Αναγνωρίζοντας ότι η κατασκευή ενός μοντέλου εξόρυξης δεδομένων είναι ταυτόχρονα επιστήμη αλλά και τέχνη το περιβάλλον εργασίας του λογισμικού SPSS Clementine παραπέμπει στον καμβά και στην παλέτα ενός ζωγράφου. Σε κάθε στάδιο δημιουργίας του μοντέλου το ιδιαίτερα εύχρηστο γραφικό περιβάλλον του SPSS Clementineεπιτρέπει στον χρήστη να επικεντρωθεί στη δημιουργία του μοντέλου και την επίλυση του προβλήματος που διερευνά δίχως να χρειάζεται να ασχοληθεί με τις τεχνικές λεπτομέρειες. Η εύκολη πρόσβαση Σελίδα 68 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου και χρήση διαφόρων αλγόριθμων μοντελοποίησης επιτρέπει την εύκολη και γρήγορη δημιουργία πανίσχυρων και αποτελεσματικών μοντέλων. Η διαδικασία εξόρυξης δεδομένων με το SPSS Clementine περιλαμβάνει τρία βήματα (SPSSClementineUserGuide, 2007): Στην αρχή εισάγονται τα δεδομένα στο λογισμικό. Στη συνέχεια τα δεδομένα μετασχηματίζονται κατάλληλα και Στο τελικό στάδιο, τα δεδομένα αποστέλλονται στον κατάλληλο προορισμό. Αυτή η αλληλουχία ενεργειών ονομάζεται ροή δεδομένων (datastream) καθώς τα δεδομένα «ρέουν» από την πηγή δεδομένων που έχει στη διάθεση του ο χρήστης προς τις διάφορες ενέργειες τροποποίησης και στη συνέχεια στον τελικό προορισμό, που μπορεί να είναι είτε κάποιο μοντέλο ή τύπος δεδομένων εξόδου. Η ροή αυτή παρουσιάζεται στο ακόλουθο σχήμα. Σχήμα 4.1: Ροή δεδομένων στο SPSS Clementine. 4.2.1 ΟKΑΜΒΑΣΡΟΗΣΤΟΥSPSS CLEMENTINE Ο καμβάς ροής δεσπόζει στο παράθυρο εργασίας του SPPS Clementine (σχήμα 4.2), καθώς καταλαμβάνει τη μεγαλύτερη επιφάνεια και είναι εκεί που μπορεί ο χρήστης να δημιουργήσει και να τροποποιήσει ροές δεδομένων και να πραγματοποιήσει διάφορες ενέργειες μετασχηματισμού των δεδομένων κατά τη διαδικασία δημιουργίας και επεξεργασίας του μοντέλου του. Σελίδα 69 από 106

4 Το λογισμικό SPSS - Clementine Ο χρήστης είναι σε θέση να δημιουργήσει μία ροή δεδομένων σχηματίζοντας διαγράμματα ενεργειών μετασχηματισμού των δεδομένων σχετικών με το μοντέλο του στον καμβά ροής του περιβάλλοντος εργασίας του SPSSClementine. Σχήμα 4.2: Τογραφικόπεριβάλλονχρήστητου SPSS Clementine (SPSS Clementine 12.0 User s Guide, 2007) Κάθε ενέργεια αναπαρίσταται από ένα εικονίδιο ή κόμβο και οι κόμβοι συνδέονται μεταξύ τους σε μία ροή που αναπαριστά τη ροή των δεδομένων μέσα από την κάθε ενέργεια. Το λογισμικό επιτρέπει παράλληλα στον χρήστη την εργασία με πολλές ροές δεδομένων είτε στον ίδιο καμβά ροών είτε σε ένα νέο καμβά ροών. Κατά τη διάρκεια της εργασίας του χρήστη οι ροές αποθηκεύονται στην καρτέλα «ροές» που φαίνεται στο άνω δεξιά παράθυρο του περιβάλλοντος εργασίας του SPSS Clementine (σχήμα 4.2). Σελίδα 70 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου 4.2.2 Η ΠΑΛΕΤΑ ΚΟΜΒΩΝ ΤΟΥ ΓΡΑΦΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Στην παλέτα κόμβων στο κάτω μέρος του παραθύρου της εφαρμογής, κάτω από τον καμβά ροής, ο χρήστης θα συναντήσει τα περισσότερα εργαλεία επεξεργασίας των δεδομένων και μοντελοποίησης που προσφέρει η εφαρμογή. Η κάθε καρτέλα παλετών περιέχει μία συλλογή σχετικών κόμβων που σχετίζονται με τις δυνατότητες τροποποίησης και αναπαράστασης των δεδομένων που προσφέρει το πακέτο λογισμικού κατά τη διάρκεια της διαδικασίας δημιουργίας ροών δεομένων που σχετίζονται με το μοντέλο εξόρυξης δεδομένων που επιθυμεί να δημιουργήσει ο χρήστης. Πιο συγκεκριμένα, οι καρτέλες παλετών και οι ενέργειες που πραγματοποιούν οι διάφοροι κόμβοι που περιλαμβάνουν είναι: Η καρτέλα Sources. Περιλαμβάνει κόμβους για την εισαγωγή δεδομένων στο SPSS Clementine. Η καρτέλα RecordOps. Περιλαμβάνει κόμβους που επιτελούν μεταβολές επί των καταχωρήσεων, όπως η επιλογή, η συγχώνευση και η προσθήκη. Η καρτέλα FieldOps. Περιλαμβάνει κόμβους που επιτελούν μεταβολές επί των πεδίων, όπως το φιλτράρισμα, η δημιουργία νέων πεδίων και ο καθορισμός του τύπου δεδομένων των πεδίων. Η καρτέλα Graphs. Περιλαμβάνει κόμβους γραφικής απεικόνισης των δεδομένων πριν και μετά τη μοντελοποίηση. Περιλαμβάνει διάφορους γραφούς, όπως διαγράμματα, ιστογράμματα και δικτυακούς κόμβους μεταξύ άλλων. Η καρτέλα Modeling.Περιλαμβάνει κόμβους που χρησιμοποιούν τους διαθέσιμους αλγόριθμους μοντελοποίησης του SPSSClementine, όπως νευρωνικά δίκτυα, δέντρα απόφασης, αλγόριθμους ομαδοποίησης και ταξινόμησης δεδομένων. Η καρτέλα Output.Περιλαμβάνει κόμβους που παράγουν διάφορες μορφές εξόδου για τα δεδομένα, τα γραφήματα και τα αποτελέσματα του Σελίδα 71 από 106

4 Το λογισμικό SPSS - Clementine μοντέλου, τις οποίες ο χρήστης μπορεί να ανοίξει στο ίδιο το λογισμικό ή να εξάγει σε διάφορες άλλες εφαρμογές όπως το SPSS ή το MicrosoftExcel. Το SPSS Clementine προσφέρει, επίσης, δυνατότητες προσωπικής παραμετροποίησης των παλετών κόμβων για τον προχωρημένο χρήστη. Ακόμη, κάτω από τις παλέτες κόμβων βρίσκεται το παράθυρο αναφορών και το παράθυρο κατάστασης. Το παράθυρο αναφορών παρέχει στον χρήστη πληροφορίες για την πρόοδο των διαφόρων ενεργειών, όπως η είσοδος δεδομένων στη ροή δεδομένων. Ταυτόχρονα, το παράθυρο κατάστασης παρέχει στον χρήστη πληροφορίες για τις ενέργειες που εκτελούνται τη δεδομένη χρονική στιγμή από το πρόγραμμα, καθώς και τον ειδοποιεί όποτε το πρόγραμμα απαιτεί την προσοχή του χρήστη και την πραγματοποίηση ενεργειών από την πλευρά του. Στο παρακάτω σχήμα παρουσιάζεται η καρτέλα παλετών RecordOps και οι διάφοροι κόμβοι που περιλαμβάνει. Σχήμα 4.3 : Η καρτέλα παλετών RecordOps 4.2.3 ΑΛΛΑ ΠΑΡΑΘΥΡΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΕΡΓΑΣΙΑΣ Το περιβάλλον εργασίας του SPSS Clementine περιλαμβάνει άλλα δύο παράθυραδιαχείρισης που επιτρέπουν στον χρήστη την οργάνωση των δεδομένων, των μοντέλων, των ροών, καθώς και των αντικειμένων εξαγωγής που προέρχονται από την εξόρυξη δεδομένων με το SPSS Clementine. Στην άνω δεξιά περιοχή του περιβάλλοντος εργασίας ο χρήστης συναντά το παράθυρο διαχείρισης που περιλαμβάνει τις καρτέλες Streams (ροές), Σελίδα 72 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Outputs(αντικείμενα αποτελεσμάτων) και Models (μοντέλα).η καρτέλα Streams(ροές) (σχήμα4.4) επιτρέπει στον χρήστη να ανοίξει, μετονομάσει και διαγράψει ροές που δημιουργήθηκαν κατά την τρέχουσα περίοδο χρήσης. Σχήμα 4.4: ΗκαρτέλαStreams(SPSS Clementine 12.0 User s Guide, 2007) Η καρτέλαoutputs(αντικείμενα αποτελεσμάτων) (σχήμα 4.5) περιέχει διάφορα αντικείμενα, όπως γραφήματα και πίνακες, που δημιουργήθηκαν κατά τη διαδικασία δημιουργίας ροών με το SPSS Clementine. Ο χρήστης μπορεί να ανοίξει, αποθηκεύσει, μετονομάσει και να κλείσει τους πίνακες, τα γραφήματα και τις αναφορές που υπάρχουν στην καρτέλα. Σχήμα 4.5: ΗκαρτέλαOutputs(SPSS Clementine 12.0 User s Guide, 2007) Σελίδα 73 από 106

4 Το λογισμικό SPSS - Clementine Τέλος, η καρτέλα Models (μοντέλα) (σχήμα 4.6) περιλαμβάνει τα μοντέλα τα οποία δημιουργήθηκαν κατά την τρέχουσα περίοδο χρήσης. Δίνει στον χρήστη τη δυνατότητα να δει τα διάφορα μοντέλα που δημιούργησε και να προσθέσει κάποιο από αυτά στον καμβά ροής εάν το επιθυμεί. Σχήμα 4.6: Ηκαρτέλα Models (Πηγή: SPSS Clementine 12.0 User s Guide, 2007) Η καρτέλα CRISP - DM παρέχει στον χρήστη τη δυνατότητα να οργανώσει τα πρότζεκτ του σύμφωνα με το πρότυπο, μία δοκιμασμένη και ιδιαίτερα σημαντική μεθοδολογία. Η προβολή CRISP-DM επιτρέπει τόσο σε αρχαρίους όσο και σε έμπειρους χρήστες να οργανώσουν καλύτερα και αποτελεσματικότερα τη δουλειά τους. Η προβολή CRISP DM παρουσιάζεται στο επόμενο σχήμα. Σελίδα 74 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Σχήμα 4.7: Ηπροβολή CRISP DM (Πηγή: SPSS Clementine 12.0 User s Guide, 2007) Ενώ η καρτέλα Classes επιτρέπει στον χρήστη να οργανώσει τη δουλειά του ανά κατηγορία αντικειμένου με βάση τον τύπο του κάθε αντικειμένου που έχει δημιουργήσει. Η συγκεκριμένη προβολή είναι ιδιαίτερα χρήσιμη όταν ο χρήστης επιθυμεί την καταγραφή των δεδομένων που έχει στη διάθεση του καθώς και των διαφόρων ροών και μοντέλων που έχει δημιουργήσει. Στο σχήμα που ακολουθεί παρουσιάζεται η προβολή Classes. Σχήμα 4.8: Ηπροβολή Classes (Πηγή: SPSS Clementine 12.0 User s Guide, 2007) Σελίδα 75 από 106

4 Το λογισμικό SPSS - Clementine 4.2.4 ΠΡΟΤΥΠΑ ΕΦΑΡΜΟΓΩΝ ΤΟΥ SPSSCLEMENTINE To λογισμικό SPSSClementine παρέχει στον χρήστη τη δυνατότητα να κάνει χρήση μίαςσειράς προτύπων για διάφορες εφαρμογές εξόρυξης δεδομένων. Τα πρότυπα εφαρμογών είναι γνωστά ως ClementineApplicationTemplates, ή CATS, και περιλαμβάνουν διαθέσιμα πρότυπα για τις ακόλουθες εφαρμογές εξόρυξης δεδομένων: o Εξόρυξη ιστού. o Εντοπισμός απάτης. o Αναλυτικό CRM. o Αναλυτικό CRM στον τομέα των τηλεπικοινωνιών. o Γονιδιακή έρευνα. 4.3 ΔΗΜΙΟΥΡΓΙΑ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ Η εξόρυξη δεδομένων με το SPSS Clementineσυνίσταται στην επεξεργασία των δεδομένων μέσα από μία σειρά κόμβων, μία διαδικασία που είναι γνωστή ως ροή δεδομένων. Αυτή η ακολουθία κόμβων αναπαριστά τις ενέργειες που λαμβάνουν χώρα επί των δεδομένων με τους συνδέσμους μεταξύ των κόμβων να καταδεικνύουν την κατεύθυνση της ροής των δεδομένων. Μία τυπική ροή δεδομένων περιλαμβάνει την εισαγωγή δεδομένων στο Clementine, την επεξεργασία τους μέσα από μία σειρά μετασχηματισμών και τέλος την έξοδο τους σε κάποιο αντικείμενο, όπως ένα αρχείο του SPSS. Για παράδειγμα, εάν ο χρήστης επιθυμεί να εισάγει μία πηγή δεδομένων, να προσθέσει ένα νέο πεδίο, να επιλέξει εγγραφές με βάση τις τιμές στο νέο πεδίο και στη συνέχεια να παρουσιάσει τα αποτελέσματα σε έναν πίνακα, η ροή δεδομένων του θα αποτελείται από τέσσερις κόμβους: Σελίδα 76 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Έναν κόμβο VariableFile με τον οποίο εισάγονται τα δεδομένα από την πηγή προέλευσης τους. Έναν κόμβο Derive με τον οποίο προστίθεται το νέο υπολογισμένο πεδίο στο δείγμα. Έναν κόμβο Select, με τον οποίο τίθενται τα κριτήρια με βάση τα οποία θα εξαιρεθούν εγγραφές από τη ροή δεδομένων. Έναν κόμβο πίνακα με τον οποίο παρουσιάζονται τα αποτελέσματα της επεξεργασίας των δεδομένων. 4.3.1 ΔΙΑΔΙΚΑΣΙΑ ΔΗΜΙΟΥΡΓΙΑΣ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ Το ιδιαίτερο εύχρηστο γραφικό περιβάλλον χρήστη του SPSSClementine επιτρέπει την εξόρυξη δεδομένων μέσω της δημιουργία διαγραμμάτων ροής δεδομένων. Τα βασικά βήματα δημιουργίας μίας ροής δεδομένων είναι τα εξής: Προστίθενται οι κόμβοι στον καμβά ροής. Οι κόμβοι συνδέονται για τη δημιουργία μίας ροής δεδομένων. Ορίζονται οι διάφορες επιλογές των κόμβων και της ροής. Εκτελείται η ροή. Στο παρακάτω σχήμα παρουσιάζεται μία ολοκληρωμένη ροή στον καμβά ροής του SPSSClementine. Σελίδα 77 από 106

4 Το λογισμικό SPSS - Clementine. Σχήμα 4.9: Ολοκληρωμένη ροή δεδομένων στον καμβά ροής του SPSSClementine 4.3.2 ΕΙΣΑΓΩΓΗ ΚΑΙ ΕΠΕΞΕΡΓΑΣΙΑ ΚΟΜΒΩΝ Οι κόμβοι στο SPSSClementine βοηθούν τον χρήστη να εξερευνήσει τα δεδομένα του. Οι διάφοροι κόμβοι στο περιβάλλον εργασίας του SPSSClementine αναπαριστούν διαφορετικά αντικείμενα και ενέργειες. Η παλέτα στη βάση του παραθύρου του SPSSClementine περιέχει όλους τους διαθέσιμους κόμβους για τη δημιουργία ροών. Ο χρήστης συνδέει κόμβους για να δημιουργήσει μία ροή η οποία, μετά την εκτέλεση της, του επιτρέπει την οπτικοποίηση σχέσεων που υπάρχουν στα δεδομένα και την άντληση συμπερασμάτων. Οι ροές είναι σαν αυτοματοποιημένες σειρές εντολών (scripts) και μπορούν να αποθηκευτούν και να χρησιμοποιηθούν με διαφορετικές πηγές δεδομένων. Σελίδα 78 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου 4.3.3 ΠΡΟΣΘΗΚΗ ΚΑΙ ΑΠΑΛΟΙΦΗ ΚΟΜΒΩΝ ΑΠΟ ΤΟΝ ΚΑΜΒΑ Ο χρήστης έχει τη δυνατότητα να προσθέσει κόμβους στον καμβά ροής του SPSSClementine με τρείς τρόπους: Με διπλό κλικ σε έναν κόμβο στην παλέτα, για να συνδέσει απευθείας τον κόμβο στην παρούσα ροή δεδομένων. Μέσω draganddrop από την παλέτα στον καμβά ροής. Με κλικ σε έναν κόμβο στην παλέτα και στη συνέχεια κλικ στον καμβά. Μετά την προσθήκη ενός κόμβου στην παλέτα, ο χρήστης έχει τη δυνατότητα με διπλό κλικ να εμφανίσει το παράθυρο ιδιοτήτων του κόμβου με τις διάφορες ιδιότητες και επιλογές του κόμβου, ανάλογα με τον κόμβο τον οποίο έχει επιλέξει. Με επιλογή ενός κόμβου και στη συνέχεια πατώντας το πλήκτρο delete, ή με δεξί κλικ και επιλογή του Delete από το αναδυόμενο μενού, ο χρήστης μπορεί να διαγράψει έναν κόμβο. 4.3.4 ΣΥΝΔΕΣΗ ΚΟΜΒΩΝ ΣΤΗ ΡΟΗ ΔΕΔΟΜΕΝΩΝ Προκειμένου οι κόμβοι στον καμβά ροής να σχηματίσουν μία ροή δεδομένων θα πρέπει πρώτα να συνδεθούν. Οι συνδέσεις μεταξύ των κόμβων καταδεικνύουν τη ροή των δεδομένων από τη μία ενέργεια προς τις υπόλοιπες. Το λογισμικό προσφέρει στον χρήστη διάφορους τρόπους για να συνδέσει κόμβους όπως μέσω διπλού κλικ, του μεσαίου πλήκτρου του ποντικιού, ή χειροκίνητα. Με διπλό κλικ σε έναν κόμβο στην παλέτα ο κόμβος αυτός συνδέεται αυτόματα με τον επιλεγμένο κόμβο στον καμβά ροής. Για παράδειγμα, εάν ο καμβάς περιέχει έναν κόμβο βάσης δεδομένων (Databasenode) ο χρήστης μπορεί να επιλέξει τον κόμβο αυτό και στη συνέχεια να τον συνδέσει με διπλό κλικ σε έναν κόμβο Derive στην παλέτα. Σελίδα 79 από 106

4 Το λογισμικό SPSS - Clementine Η διαδικασία αυτή μπορεί να επαναληφθεί μέχρι την προσθήκη ενός τελικού κόμβου, για παράδειγμα ενός κόμβους ιστογράμματος (Histogramnode), και να σχηματισθεί έτσι μία ολοκληρωμένη ροή δεδομένων. Στο σχήμα 4.10 παρουσιάζεται η δημιουργία μίας ολοκληρωμένης ροής δεδομένων μέσω της προσθήκης κόμβων με διπλό κλικ. Σχήμα 4.10: Ροή δεδομένων που δημιουργήθηκε με διπλό κλικ στους κόμβους Ο χρήστης μπορεί επίσης να ενώσει δύο κόμβους στον καμβά πατώντας το μεσαίο πλήκτρο του ποντικιού (εάν το πλήκτρο του χρήστη δεν διαθέτει μεσαίο πλήκτρο μπορεί να πατήσει αντίστοιχα το πλήκτρο Alt του πληκτρολογίου και το δεξί κλικ του ποντικιού) και σύροντας από τον ένα κόμβο στον άλλο (σχήμα 4.11). Σχήμα 4.11: Ένωση δύο κόμβων με τη χρήση του μεσαίου πλήκτρου του ποντικιού και σύροντας από τον ένα κόμβο στον άλλο Σελίδα 80 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Ακόμη, η σύνδεση δύο κόμβων μπορεί να γίνει χειροκίνητα μέσω του αναδυόμενου μενού με δεξί κλικ επί ενός κόμβου. Η διαδικασία έχει ως εξής: Επιλογή ενός κόμβου και δεξί κλικ για την εμφάνιση του αναδυόμενου μενού. Στη συνέχεια από το αναδυόμενο μενού επιλογή του Connect. Στη συνέχεια θα εμφανιστεί ένα εικονίδιο σύνδεσης τόσο στον επιλεγμένο κόμβο όσο και στον δείκτη του ποντικιού (σχήμα 4.12). Ο χρήστης μπορεί να συνδέσει τον επιλεγμένο κόμβο με έναν άλλο με κλικ επάνω στον κόμβο που επιθυμεί να συνδέσει. Σχήμα 4.12: Σύνδεση κόμβων μέσω της επιλογής Connect από το αναδυόμενο μενού. Στο παρακάτω σχήμα εμφανίζονται δύο συνδεδεμένοι κόμβοι. Σχήμα 4.13: Συνδεδεμένοι κόμβοι Ο χρήστης θα λάβει ένα μήνυμα σφάλματος σε περίπτωση που επιχειρήσει να δημιουργήσει μία σύνδεση που καταλήγει είτε σε έναν κόμβο εισόδου, είτε έχει ως προέλευση έναν τελικό κόμβο, εάν οι συνδέσεις εισόδου ενός κόμβου ξεπερνούν τον προβλεπόμενο αριθμό, εάν επιχειρήσει να συνδέσει δύο κόμβους που είναι ήδη συνδεδεμένοι, είτε ακόμη εάν εισάγει κυκλικότητα στη Σελίδα 81 από 106

4 Το λογισμικό SPSS - Clementine ροή δεδομένων (τα δεδομένα επιστρέφουν σε έναν κόμβο από τον οποίο προέρχονται). 4.3.5 ΠΑΡΑΚΑΜΨΗ ΚΟΜΒΩΝ ΣΕ ΡΟΗ ΔΕΔΟΜΕΝΩΝ Ο χρήστης μπορεί ακόμη να επιλέξει να παρακάμψει συγκεκριμένους κόμβους σε μία ροή δεδομένων. Όταν ο χρήστης επιλέγει να παρακάμψει έναν κόμβο σε μία ροή δεδομένων όλες οι συνδέσεις εισόδου και εξόδου του κόμβου αντικαθίστανται από συνδέσεις που οδηγούν κατευθείαν από τους συνδεδεμένους κόμβους εισόδου στους συνδεδεμένους κόμβους εξόδου του συγκεκριμένου κόμβου. Εάν ο κόμβος δεν διαθέτει ταυτόχρονα κόμβους εισόδους και εξόδου, τότε οι συνδέσεις του διαγράφονται. Για παράδειγμα, ο χρήστης μπορεί να έχει μία ροή δεδομένων που δημιουργεί ένα νέο πεδίο, φιλτράρει συγκεκριμένα πεδία και στη συνέχεια παρουσιάζει τα αποτελέσματα σε ένα ιστόγραμμα και έναν πίνακα. Εάν ο χρήστης επιθυμεί να εξετάσει το γράφημα και τον πίνακα πριν το φιλτράρισμα των δεδομένων μπορεί να προσθέσει ένα νέο κόμβο ιστογράμματος και ένα νέο κόμβο πίνακα στη ροή ή να παρακάμψει τον κόμβο φίλτρου (Filternode). Όταν ο χρήστης επιλέξει να παρακάμψει τον κόμβο φίλτρου (Filternode) οι συνδέσεις προς το γράφημα και τον πίνακα περνούν κατευθείαν προς τον κόμβο Derive. Ο κόμβος Filter αποσυνδέεται από τη ροή δεδομένων (σχήμα 4.14). Σελίδα 82 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Σχήμα 4.14: Παράκαμψη ενός κόμβου Filter Ο χρήστης μπορεί να παρακάμψει τον κόμβο που επιθυμεί με επιλογή του συγκεκριμένου κόμβου με το μεσαίο πλήκτρο του ποντικιού. 4.3.6 ΣΥΝΔΕΣΗ ΝΕΩΝ ΚΟΜΒΩΝ ΣΕ ΥΠΑΡΧΟΥΣΑ ΣΥΝΔΕΣΗ Ο χρήστης μπορεί να προσθέσει ένα νέο κόμβο μεταξύ δύο συνδεδεμένων κόμβων (σχήμα 4.15) σύροντας το βελάκι που συνδέει τους δύο κόμβους πατώντας το μεσαίο πλήκτρο του ποντικιού και σύροντας το βελάκι σύνδεσης προς το νέο κόμβο που επιθυμεί να συνδέσει και στη συνέχεια απελευθερώνοντας το μεσαίο πλήκτρο του ποντικιού προκειμένου έτσι να δημιουργήσει μία νέα ροή δεδομένων (σχήμα 4.16). Σελίδα 83 από 106

4 Το λογισμικό SPSS - Clementine Σχήμα 4.15: Συνδέοντας ένα νέο κόμβο μεταξύ δύο συνδεδεμένων κόμβων Σχήμα 4.16: Νέα ροή δεδομένων μετά τη σύνδεση ενός επιπλέον κόμβου σε μία υπάρχουσα σύνδεση 4.3.7 ΔΙΑΓΡΑΦΗ ΣΥΝΔΕΣΕΩΝ ΜΕΤΑΞΥ ΣΥΝΔΕΔΕΜΕΝΩΝ ΚΟΜΒΩΝ Το λογισμικό παρέχει επίσης στον χρήστη τη δυνατότητα να διαγράψει μία σύνδεση μεταξύ δύο συνδεδεμένων κόμβων με διάφορους τρόπους. Ο πρώτος τρόπος είναι με δεξί κλικ επάνω στο βελάκι σύνδεσης και στη συνέχεια επιλέγοντας διαγραφή σύνδεσης (DeleteConnection) από το αναδυόμενο μενού. Εναλλακτικά, μπορεί να επιλέξει έναν κόμβο και να πατήσει το πλήκτρο F3 για να διαγράψει όλες τις συνδέσεις. Ένας επιπλέον τρόπος είναι Σελίδα 84 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου μέσω της επιλογής του κόμβου και από το κύριο μενού της εφαρμογής επιλέγοντας Edit, Node, Disconnect. 4.4 ΟΑΛΓΟΡΙΘΜΟΣCHI-SQAURED AUTOMATIC INTERACTION DETECTION (CHAID) Στην ενότητα αυτή παρουσιάζεται ο αλγόριθμος CHAID με τη χρήση του οποίου θα γίνει η ανάλυση των δεδομένων του μοντέλου στην παρούσα εργασία. Η Chi-squaredAutomaticInteractionDetection (CHAID) αποτελεί μία μέθοδο ταξινόμησης για τη δημιουργία δέντρων απόφασης με τη χρήση στατιστικών που ακολουθούν την κατανομή χ τετράγωνο για τον εντοπισμό του βέλτιστου διαχωρισμού των δεδομένων. Αναπτύχθηκε από τον Kass(1980) ως μία ιδιαίτερα αποτελεσματική στατιστική τεχνική για τον διαχωρισμό των δεδομένων και τη δημιουργία δέντρων απόφασης. Χρησιμοποιώντας τη σημαντικότητα ενός στατιστικού ελέγχου ως κριτήριο, ο αλγόριθμος CHAID αξιολογεί όλες τις τιμές ενός πιθανού πεδίου πρόβλεψης. Στη συνέχεια συγχωνεύει όλες τις τιμές που κρίνει ως στατιστικά ομοιογενείς, ή ανάλογες, συγκριτικά με τη μεταβλητή στόχο και διατηρεί όλες τις άλλες τιμές που κρίνει ως στατιστικά ετερογενείς ή δυσανάλογες. Στη συνέχεια επιλέγει την καλύτερη πρόβλεψη για τον σχηματισμό του πρώτου κλάδου του δέντρου απόφασης, έτσι ώστε ο κάθε κόμβος παιδί να αποτελείται από το σύνολο των ομογενών τιμών του επιλεχθέντος πεδίου. Η διαδικασία αυτή επαναλαμβάνεται μέχρι τον πλήρη σχηματισμό του δέντρου απόφασης. Ο στατιστικός έλεγχος που χρησιμοποιείται διαφέρει ανάλογα με τον τύπο των δεδομένων του πεδίου στόχου. Εάν το πεδίο στόχος αποτελείται από συνεχείς τιμές χρησιμοποιείται ένας έλεγχοςf. Σε αντίθετη περίπτωση, εάν οι τιμές που παίρνει το πεδίο στόχος είναι διακριτές, αποτελείται δηλαδή από κατηγορικά δεδομένα, τότεχρησιμοποιείται ένας έλεγχος που ακολουθεί την κατανομή χ τετράγωνο. Σελίδα 85 από 106

4 Το λογισμικό SPSS - Clementine Αφού πρώτα εξετάσει τις διασταυρώσεις μεταξύ κάθε μεταβλητής πρόβλεψης και του αποτελέσματος, ο αλγόριθμος ελέγχει τη στατιστική σημασία με τη χρήση του στατιστικού ελέγχου. Εάν περισσότερες από μία από αυτές τις σχέσεις είναι στατιστικά σημαντική, ο αλγόριθμος CHAID θα επιλέξει τη μεταβλητή πρόβλεψης με τη μεγαλύτερη στατιστική σημασία, δηλαδή τη μικρότερη τιμή p. Εάν μία από τις μεταβλητές πρόβλεψης έχει περισσότερες από δύο κατηγορίες ο αλγόριθμος τις συγκρίνει και οι κατηγορίες που δεν παρουσιάζουν καμία διαφορά συμπυκνώνονται σε μία. Αυτό επιτυγχάνεται μέσω της επαναλαμβανόμενης ένωσης των κατηγοριών με τη λιγότερο σημαντική στατιστική διαφορά. Η διαδικασία αυτή συγχώνευσης κατηγοριών σταματά όταν οι κατηγορίες που απομένουν διαφέρουν στατιστικά στο επίπεδο σημαντικότητας που έχει επιλεγεί για τη διεξαγωγή του ελέγχου (Clementine 12.0 ModelingNodes, 2007). Ο αλγόριθμος CHAID(Chi-squaredAutomaticInteractionDetection) δεν περιορίζεται στην κατασκευή αποκλειστικά δυαδικών δέντρων. Μπορεί, δηλαδή, να παράγει δέντρα απόφασης που αποτελούνται από περισσότερες από δύο κατηγορίες σε κάθε επίπεδο του δέντρου. Αυτό έχει σαν αποτέλεσμα τη δημιουργία ενός ευρύτερου δέντρου σε σχέση με τους αλγόριθμους κατασκευής δυαδικών δέντρων απόφασης. Ο αλγόριθμος είναι σε θέση να επεξεργαστεί όλους τους τύπους δεδομένων και δέχεται τόσο σταθμίσεις περιπτώσεων (caseweights) όσο και μεταβλητές συχνότητας. Όσον αφορά τις μη διαθέσιμες τιμές ο αλγόριθμος αντιμετωπίζει τα συγκεκριμένα πεδία σαν να ανήκουν σε μία ενιαία ξεχωριστή κατηγορία (Clementine 12.0 AlgorithmsGuide, 2007). 4.4.1 Ο ΑΛΓΟΡΙΘΜΟΣ EXHAUSTIVECHAID Προκειμένου να αντιμετωπισθούν κάποιες από τις αδυναμίες του αλγορίθμου CHAID αναπτύχθηκε ο αλγόριθμος ExhaustiveCHAID από τους Biggs, Σελίδα 86 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου devilleκαι Suen (1991). Πιο συγκεκριμένα, ο αλγόριθμος CHAID πολλές φορές ίσως να μην είναι σε θέση να εντοπίσει τον βέλτιστο διαχωρισμό για μία μεταβλητή, καθώς η συγχώνευση κατηγοριών σταματά μόλις ο αλγόριθμος εντοπίσει ότι όλες οι υπόλοιπες κατηγορίες διαφέρουν στατιστικά. Ο αλγόριθμος ExhaustiveCHAID, από την άλλη πλευρά, ξεπερνά αυτό το μειονέκτημα συνεχίζοντας να συγχωνεύει κατηγορίες της μεταβλητής πρόβλεψης μέχρι να απομείνουν δύο κύριες κατηγορίες. Στη συνέχεια εξετάζει τη σειρά των συγχωνεύσεων για τη μεταβλητή πρόβλεψης και βρίσκει το σύνολο των κατηγοριών που παρουσιάζουν τη μεγαλύτερη συσχέτιση με τη μεταβλητή στόχο και υπολογίζει μία τιμή p για τη συγκεκριμένη συσχέτιση. Έτσι, ο αλγόριθμος ExhaustiveCHAID είναι σε θέση να εντοπίσει τον βέλτιστο διαχωρισμό για κάθε μεταβλητή πρόβλεψης και στη συνέχεια να επιλέξει ποια μεταβλητή πρόβλεψης να διαχωρίσει συγκρίνοντας τις προσαρμοσμένες τιμές p που έχει υπολογίσει. Οι στατιστικοί έλεγχοι που χρησιμοποιεί ο αλγόριθμος ExhaustiveCHAID είναι οι ίδιοι έλεγχοι που χρησιμοποιεί και ο αλγόριθμος CHAID, ενώ δεν διαφέρει ούτε ως προς τον τρόπο που αντιμετωπίζει τα κενά πεδία και συνεπώς ακολουθεί την ίδια διαδικασία που περιγράφηκε παραπάνω για τον αλγόριθμο CHAID. Το σημαντικότερο μειονέκτημα του αλγόριθμου ExhaustiveCHAID είναι ότι απαιτεί μεγαλύτερη υπολογιστική ισχύ και απαιτούμενο χρόνο για να ολοκληρωθούν οι υπολογισμοί, καθώς χρησιμοποιεί μια πιο σύνθετη μέθοδο συνδυασμού κατηγοριών των μεταβλητών με συνέπεια να αυξάνεται έτσι η υπολογιστική πολυπλοκότητα. Πέρα από το γεγονός ότι αυξάνεται η υπολογιστική πολυπλοκότητα ο αλγόριθμος ExhaustiveCHAID πολλές φορές είναι σε θέση να εντοπίσει πιο χρήσιμους και αποτελεσματικούς τρόπους διαχωρισμού των δεδομένων, αν και ανάλογα με τα δεδομένα που έχει στη διάθεση του ο κάθε αναλυτής κατά τη διαδικασία εξόρυξης δεδομένων τα αποτελέσματα από τη χρήση του αλγόριθμου ExhaustiveCHAID και του αλγόριθμου CHAID μπορεί να μην παρουσιάζουν διαφορές μεταξύ τους. Σελίδα 87 από 106

ΚΕΦΑΛΑΙΟ 5 ΜΟΝΤΕΛΟ ΠΡΟΒΛΕΨΗΣ ΤΗΣ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ ΣΤΟΝ ΤΟΜΕΑ ΤΩΝ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 5.1 ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ Στην ενότητα αυτή παρουσιάζεται η διεξαγωγή μίας εμπειρικής διαδικασίας εξόρυξης δεδομένων στο πλαίσιο μίας εταιρείας τηλεπικοινωνιών και της αντιμετώπισης του προβλήματος του εντοπισμού των πελατών εκείνων που είναι πιθανό να αποχωρήσουν για ανταγωνίστριες εταιρείες, γνωστό στη διεθνή βιβλιογραφία ως churning. H ανάλυση και η μοντελοποίηση των δεδομένων μίας εταιρείας κινητής τηλεφωνίας που επιθυμεί να αντλήσει τις σημαντικές πληροφορίες που θα τη βοηθήσουν να εντοπίσει τους πελάτες εκείνους που παρουσιάζουν τον μεγαλύτερο κίνδυνο απώλειας, προκειμένου να προβεί στις απαραίτητες ενέργειες διατήρησης τους, θα πραγματοποιηθεί με την κατασκευή ενός μοντέλου με τη χρήση του λογισμικό SPSSClementine της IBM. Η ανάλυση και μοντελοποίηση των δεδομένων που αφορούν την πελατειακή της βάση μπορεί να βοηθήσει μία εταιρεία τηλεπικοινωνιών στη διατήρηση των πελατών της και συνεπώς στην αύξηση της κερδοφορίας της, καθοριστικό στοιχείο για την επιβίωση της στο σύγχρονο, ιδιαίτερα ανταγωνιστικό, επιχειρηματικό περιβάλλον. Εντοπίζοντας τους παράγοντες εκείνους που συντελούν στην απώλεια των πελατών, μία εταιρεία είναι σε θέση να προβεί στις απαραίτητες ενέργειες που θα συμβάλλουν στην αποτροπή της απώλειας των πελατών της προς ανταγωνιστικές εταιρείες (churning), ιδιαίτερα των σημαντικών εκείνων πελατών που της αποφέρουν αυξημένα κέρδη. Σελίδα 88 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου 5.2 ΔΗΜΙΟΥΡΓΙΑ ΤΟΥ ΜΟΝΤΕΛΟΥ ΜΕ ΤΟSPSSClEMENTINE Το πρώτο στάδιο της διαδικασίας αυτής περιλαμβάνει την ανάκτηση των δεδομένων των πελατών της εταιρείας από τη βάση δεδομένων και την δημιουργία των νέων σύνθετων μεταβλητών. Στην περίπτωση της ανάλυσης της απώλειας των πελατών μίας εταιρείας τηλεπικοινωνιών δημιουργήσαμε, για παράδειγμα, τη μεταβλητή DUR1 η οποία αναφέρεται στα λεπτά ομιλίας του πελάτη ένα μήνα πριν τον μήνα διακοπής του συμβολαίου του. Στην περίπτωση που ο πελάτης παραμένει στην πελατειακή βάση της εταιρείας επιλέγεται ένας τυχαίος μήνας μεταξύ των τεσσάρων μηνών που περιλαμβάνει η παρούσα διαδικασία εξόρυξης δεδομένων. Στη συνέχεια τα δεδομένα εισάγονται για περαιτέρω επεξεργασία στο πακέτο λογισμικού εξόρυξης δεδομένων. Στην περίπτωση του SPSSClementine αυτό γίνεται με την εισαγωγή στον καμβά ροής ενός κόμβου VariableFile από την παλέτα κόμβων Sources. Ο συγκεκριμένος κόμβος παρέχει στον χρήστη του SPSSClementine τη δυνατότητα να μετονομάσει πεδία (σχήμα 5.1), αλλά και να εξαιρέσει πεδία από την ανάλυση. Η εξαίρεση συγκεκριμένων πεδίων από την ανάλυση γίνεται με κλικ επί του βέλους που εμφανίζεται στην καρτέλα Filter μεταξύ των πεδίων Field στο παράθυρο ιδιοτήτων του κόμβου VariableFieldType. Στα πεδία που θα εξαιρεθούν από την ανάλυση εμφανίζεται ένα κόκκινο βέλος στο βελάκι του πεδίου Filter (σχήμα 5.2). Σελίδα 89 από 106

5 Μοντέλο πρόβλεψης της απώλειας πελατών στον τομέα των τηλεπικοινωνιών Σχήμα 5.1 Μετονομασία πεδίων Σχήμα 5.2: Εξαίρεση πεδίων από την ανάλυση Στον συγκεκριμένο κόμβο γίνεται και η επιλογή του πεδίου που θα αποτελέσει τη μεταβλητή στόχο, στην ανάλυση μας η μεταβλητή CHURN, από την καρτέλα Types και το πεδίο Direction του κόμβου VariableFile (σχήμα 5.3) Σελίδα 90 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Σχήμα 5.3: Επιλογή της μεταβλητής στόχου Το επόμενο στάδιο της ανάλυσης είναι η δημιουργία του συνόλου εκπαίδευσης του αλγορίθμου (trainingset). Με το λογισμικό SPSSClementine η δημιουργία του συνόλου εκπαίδευσης (trainingset) του αλγορίθμου γίνεται με την εισαγωγή στον καμβά ροής ενός κόμβου SampleRecordOps, ο οποίος συνδέεται με τον κόμβο VariableFile. Από την καρτέλα Settings του παραθύρου ιδιοτήτων του κόμβου Sample επιλέγουμε Mode: Includesample και Sample 1-in-n:2 (σχήμα 5.4). Αυτό έχει σαν αποτέλεσμα την προσθήκη στο σύνολο εκπαίδευσης των μισών διαθέσιμων καταχωρήσεων του δείγματος. Εάν συνδέσουμε στον κόμβο Sample έναν κόμβο Distribution, επιλέξουμε το πεδίο CHURN και τρέξουμε τον κόμβο θα διαπιστώσουμε ότι η σχετική συχνότητα των 0 και 1 διαφέρει σημαντικά (σχήμα 5.4) Σελίδα 91 από 106

5 Μοντέλο πρόβλεψης της απώλειας πελατών στον τομέα των τηλεπικοινωνιών Σχήμα 5.4: Σχετική συχνότητα της μεταβλητής CHURN Καθώς για την κατάλληλη εκπαίδευση ενός νευρωνικού δικτύου απαιτείται ο αριθμός των 0 και 1 να είναι σχεδόν ο ίδιος, θα πρέπει να αυξήσουμε τον αριθμό των 1 μέχρι να είναι σχεδόν ίδιος με τον αριθμό των 0. Αυτό μπορεί να γίνει από τo μενού Generate του κόμβου Distribution και την επιλογή BalanceNode(boost). Η διαδικασία αυτή θα δημιουργήσει έναν κόμβο Balance, τον οποίο εάν συνδέσουμε με τον κόμβο Sample και τον κόμβο Distribution θα διαπιστώσουμε ότι πλέον ο αριθμός των 0 είναι σχεδόν ίδιος με τον αριθμό των 1 (σχήμα 5.5). Σελίδα 92 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Σχήμα 5.5: Σχετική συχνότητα της μεταβλητής CHURN μετά τη δημιουργία και σύνδεση ενός κόμβου Balanced Στη συνέχεια θα προχωρήσουμε στην εκπαίδευση του μοντέλου. Εισάγουμε και συνδέουμε τρείς κόμβους Deriveμε τον ακόλουθους τύπους στο πεδίο formula της καρτέλα Settings του παραθύρου επιλογών του κάθε κόμβου: DUE_VAL1 - PAY_VAL1, DUE_VAL2 - PAY_VAL2και DUE_VAL3 - PAY_VAL3 αντίστοιχα. Ο τύπος δημιουργεί μία νέα μεταβλητή αφαιρώντας το πεδίο που καταγράφει το «πληρωθέν ποσό» του πελάτη από το «οφειλόμενο ποσό» του λογαριασμού του πελάτη. Στη συνέχεια συνδέουμε στη ροή ένα νέο κόμβο Type και έναν κόμβο νευρωνικού δικτύου (neuralnode). Προχωράμε στην εκπαίδευση του μοντέλου εκτελώντας την εντολή execute του κόμβου νευρωνικού δικτύου. Μόλις τελειώσει η εκπαίδευση του μοντέλου θα εμφανισθεί στην καρτέλα Models (Μοντέλα) στο παράθυρο στην άνω δεξιά πλευρά της εφαρμογής (σχήμα 5.6). Σελίδα 93 από 106

5 Μοντέλο πρόβλεψης της απώλειας πελατών στον τομέα των τηλεπικοινωνιών Σχήμα 5.6: Το εκπαιδευμένο μοντέλο Στο επόμενο γράφημα αναπαριστάται η ροή δεδομένων κατά τη διαδικασία εκπαίδευσης του μοντέλου. Σχήμα 5.7: Η ροή δεδομένων κατά τη διαδικασία εκπαίδευσης του μοντέλου Πλέον μπορούμε να προχωρήσουμε στη δημιουργία του συνόλου ελέγχου (testingset). Αφού εισάγουμε έναν νέο κόμβο Sample αυτή τη φορά θα επιλέξουμε την επιλογή DiscardSample από την καρτέλα Settings του παραθύρου επιλογών του κόμβου. Στη συνέχεια συνδέουμε τον νέο κόμβο Sample με τον κόμβο εισαγωγής δεδομένων VariableFile. Σελίδα 94 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Η υπόλοιπη διαδικασία είναι ανάλογη με τη διαδικασία εκπαίδευσης του μοντέλου. Εισάγουμε και συνδέουμε αντίστοιχα τρείς κόμβους Derive με τους τύπους που αναφέρθηκαν παραπάνω στο πεδίο formula του παραθύρου ιδιοτήτων του κάθε κόμβου και ένα κόμβο Type. Στη συνέχεια θα σύρουμε το εκπαιδευμένο μοντέλο στον καμβά ροής του SPSSClementine και θα το συνδέσουμε με τον κόμβο Type. Τέλος, συνδέουμε στο νευρωνικό δίκτυο έναν κόμβο evaluation. Στο παρακάτω γράφημα εμφανίζεται η ροή δεδομένων του συνολικού μοντέλου. Σχήμα 5.8: Η ροή δεδομένων του συνολικού μοντέλου Στην καρτέλα Plot του παραθύρου επιλογών του κόμβου Evaluation στην περιοχή Charttype επιλέγουμε lift προκειμένου η εφαρμογή να παρουσιάσει τα αποτελέσματα υπό τη μορφή ενός διαγράμματος lift. Ένα διάγραμμα lift αναπαριστά γραφικά τη βελτίωση που προσφέρει ένα μοντέλο εξόρυξης δεδομένων σε σχέση με μία τυχαία πρόβλεψη και μετράει την αλλαγή σε όρους ενός δείκτη lift. Συγκρίνοντας τους διάφορους δείκτες lift για διαφορετικά μοντέλα και τμήματα των αποτελεσμάτων ο αναλυτής μπορεί να Σελίδα 95 από 106

5 Μοντέλο πρόβλεψης της απώλειας πελατών στον τομέα των τηλεπικοινωνιών εκτιμήσει ποιο μοντέλο είναι καλύτερο και ποια αποτελέσματα του μοντέλου θα μπορούσαν να του φανούν χρήσιμα σε σχέση με μία τυχαία πρόβλεψη. Στην καρτέλα Plot του παραθύρου επιλογών του κόμβου Evaluation ο χρήστης έχει επίσης τη δυνατότητα να επιλέξει εάν επιθυμεί ένα αθροιστικό γράφημα lift μέσω της επιλογής cumulativeplot ή ένα γράφημα lift χωρίς άθροιση. Στην επόμενη ενότητα παρουσιάζονται τα αποτελέσματα από την εκτίμηση του μοντέλου. 5.3 ΑΝΑΛΥΣΗ ΠΡΑΓΜΑΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ Μετά την εκτίμηση του μοντέλου ακολουθεί η ανάλυση των αποτελεσμάτων του με σκοπό την άντληση πληροφοριών από την διαδικασία εξόρυξης δεδομένων. Στην περίπτωση μίας εταιρείας τηλεπικοινωνιών επιθυμούμε να εξετάσουμε εάν το μοντέλο βοηθά την εταιρεία να εντοπίσει τους πελάτες εκείνους που παρουσιάζουν τον μεγαλύτερο κίνδυνο αποχώρησης. Στο παρακάτω γράφημα παρουσιάζεται το αθροιστικό διάγραμμαlift (cumulativelift). Σχήμα 5.9: Το αθροιστικό διάγραμμα lift Σελίδα 96 από 106

Πτυχιακή εργασία των Μάνιμου Ηλία και Τσικνίδη Αναστάσιου Με βάση το αθροιστικό γράφημα lift ο αναλυτής μπορεί να συμπεράνει σε ποιο βαθμό είναι καλύτερο το μοντέλο από την τυχαία πρόβλεψη. Στην περίπτωση του συγκεκριμένου μοντέλου που αναπτύξαμε βλέπουμε ότι το μοντέλο είναι έως και 6 φορές καλύτερο της τυχαία πρόβλεψης στα πρώτα 10 εκατοστημόρια. Μέχρι το 20 ο εκατοστημόριο το μοντέλο είναι 3.7 φορές καλύτερο της τυχαίας πρόβλεψης, ενώ στο 40 ο εκατοστημόριο είναι δυο φορές καλύτερο. Το μοντέλο παύει να είναι καλύτερο της τυχαίας πρόβλεψης γύρω στο 95 ο εκατοστημόριο.στο παρακάτω γράφημα (σχήμα 5.10) παρουσιάζεται το γράφημα lift χωρίς άθροιση. Στη συγκεκριμένη περίπτωση το διάγραμμα lift παρουσιάζει τη βελτίωση έναντι της τυχαίας πρόβλεψης στο κάθε εκατοστημόριο, χωρίς άθροιση. Σχήμα 5.10: Διάγραμμα lift Το διάγραμμα lift χωρίς άθροιση βοηθά τον αναλυτή να κατανοήσει για ποιο τμήμα των αποτελεσμάτων το μοντέλο αποδίδει καλύτερα από την τυχαία πρόβλεψη. Σελίδα 97 από 106