Ein Ansatz zur Modellierung von Informationssystemen für den schlecht-strukturierbaren Bereich "Marketing" Dr. Alfred Schweiger Katholische Universität Eichstätt Zusammenfassung: Informationssysteme gewinnen für das Marketing zunehmend an Bedeutung. Dabei ist zu beachten, daß die Systeme sowohl den unternehmensspezifischen Problemstellungen als auch der spezifischen Datensituation (Datenverfügbarkeit) gerecht werden sollen. Die daraus resultierende Forderung nach unternehmensspezifischen Marketinginformationssystemen erfordert eine geeignete Form der Modellierung solcher Systeme. Prozeßorientierte Ansätze stehen hier vor dem Problem, daß es sich im Marketing um einen überwiegend schlecht-strukturierbaren Bereich handelt, für den sich kaum Prozesse formulieren lassen, die sich in gleicher Weise hinreichend oft wiederholen, um eine Unterstützung durch ein Informationssystem zu rechtfertigen. In dem vorliegenden Beitrag wird mit der "ARchitektur für MArketingInformationsSysteme (ARMAIS)" ein Ansatz vorgestellt, der auf der Grundlage der Sichten "Entscheidungen", "Methoden" und "Daten" versucht, Marketinginformationssysteme auf der Ebene des Fachkonzepts zu beschreiben. 1. Ausgangssituation und Problemstellung Marketing gewinnt für Unternehmen in Zeiten hart umkämpfter Märkte immer mehr an Bedeutung. Der erfolgreiche Einsatz der Marketinginstrumente (Produkt-, Preis- Distributions- und Kommunikationspolitik)1 entscheidet bei technisch immer ähnlicher werdenden Produkten zunehmend über den Markterfolg. "Marketinginformationssysteme (MAIS)" können hier einen wesentlichen Beitrag zur Unterstützung des - für den Einsatz der Marketinginstrumente verantwortlichen - Marketingmanagements leisten. Dabei subsumieren wir unter dem Begriff alle Informationssysteme, die zur Entscheidungsunterstützung im Marketing beitragen können. Marketinginformationssysteme lassen sich jedoch nicht als "starre" Standardsoftwareprodukte realisieren, sondern sind an die branchen- und unternehmensspezifischen Gegebenheiten anzupassen. Das betrifft sowohl die in einer bestimmen Branche bzw. einem Unternehmen zur Entscheidungsunterstützung verfügbaren Daten, als auch die konkret zu unterstützenden Entscheidungen (bzw. Problemlösungen). 1 Die Einteilung der Marketinginstrumente nach den vier "p’s" (product, price, place, promotion) geht auf McCarthy zurück [Mc81]. -1- Im Hinblick auf ihre grundsätzliche Gestaltung lassen sich Marketinginformationssysteme nach der Art der Entscheidungsunterstützung (Data Support und Decision Support) und nach ihrer Spezifität (Problem- und Unternehmensspezifität) einteilen. Wir unterscheiden folgende Gestaltungsvarianten: • Data Support stellt im Sinne einer computergestützten Informationsbereitstellung die Aggregation, Transformation und Bereitstellung bereits in maschinenlesbarer Form vorliegender marketingrelevanter Informationen aus unterschiedlichen internen und externen Datenquellen in den Vordergrund. Der Grundgedanke dabei ist, daß bereits allein durch die Bereitstellung von Daten im Rahmen eines Informationssystems - ohne weiterführende Möglichkeiten der Datenauswertung - ein wichtiger Beitrag zur Unterstützung des Entscheidungsträgers geleistet werden kann. Die Bedeutung von Data Support zur Entscheidungsunterstützung wird deutlich, wenn man sich die vielfach anzutreffende Situation in der Praxis vor Augen hält, in der relevante Informationen oft auf verschiedenen (zueinander inkompatiblen) Informationssystemen abgelegt sind. Die systemübergreifende Nutzung dieser Informationen ist häufig mit einem hohen Zeit- und Kostenaufwand verbunden, der ihre regelmäßige Inanspruchnahme als Grundlage der Entscheidungsunterstützung verhindert. Ein wesentlicher Aspekt des Data Support ist jedoch auch, daß er die Grundlage für den Einsatz weiterer Methoden zur Datenauswertung und damit einer weiterführenden Entscheidungsunterstützung im Sinne von Decision Support bildet. • Decision Support stellt - teilweise aufbauend auf die im Rahmen des Data Support bereitgestellten Informationen - zusätzlich Methoden bereit, die durch eine Auswertung bzw. Analyse der Daten zu neuen entscheidungsunterstützenden Informationen gelangen können. Der Grundgedanke hierbei ist, daß im Rahmen eines Informationssystems neben den Daten zusätzlich Methoden zu deren Auswertung zur Verfügung gestellt werden. Einen äußerst wichtigen Gestaltungsparameter für die Akzeptanz durch die Benutzer stellt erfahrungsgemäß die Spezifität von Marketinginformationssystemen dar. Wir unterscheiden folgende Varianten: • Nicht-problemspezifische Systeme stellen Methoden zur Problemlösung - das können z.B. statistische oder mathematische Verfahren sein - in allgemeiner Form bereit. Typische Vertreter dieser Art sind Softwarepakete wie SPSS oder SAS etc.. Der Benutzer muß hier über ausreichende Methodenkenntnisse verfügen, um die Methoden an seine spezifische Problemstellung anzupassen und die Er-2- gebnisse zu interpretieren. Im Gegensatz dazu stellen problemspezifische Systeme die Methoden bereits (adaptiert) für konkrete Marketingprobleme (jedoch nicht unternehmensspezifisch) zur Verfügung. Demzufolge ist auch eine weitergehende Unterstützung des Benutzers bei der Ergebnisinterpretation möglich. Ein typischer Vertreter dieser Art ist beispielsweise das System MARK2MAN von GAUL/BAIER [GauBai93]. Problemspezifische MAIS stellen zwar wesentlich geringere Anforderungen an den Benutzer und sollten daher zweckmäßigerweise die am häufigsten vorkommenden Probleme unterstützen. Es bleibt jedoch anzumerken, daß nicht alle Probleme antizipiert werden können und deshalb der Einsatz nicht-problemspezifischer Systeme ergänzend erforderlich bleibt. • Unternehmensspezifische Systeme berücksichtigen über die im vorigen Abschnitt behandelte Problemspezifität die Gegebenheiten des einzelnen Unternehmens. Das betrifft erstens die problemspezifische Bereitstellung der Methoden im Hinblick auf die konkrete Problemstellung des einzelnen Unternehmens. Zweitens sollen auch die datenspezifischen Gegebenheiten des einzelnen Unternehmens bei der Gestaltung eines Marketinginformationssystems Berücksichtigung finden. Das heißt zum einen, daß nur solche Methoden bereitgestellt werden sollen, deren erforderliche InputDaten in dem Unternehmen (bzw. der Branche) auch tatsächlich verfügbar sind. Nicht nutzbare Überfunktionalitäten sind der Übersichtlichkeit des Systems abträglich und sollten daher vermieden werden. Zum anderen sollte eine datenmäßige Anbindung eines Marketinginformationssystems an die bestehenden Informationssysteme erfolgen, um auf die von den Methoden benötigten InputDaten ohne weitere zeit- und kostenaufwendige Konvertierungsarbeiten zugreifen zu können. So scheitert in der Praxis der (regelmäßige) Einsatz entscheidungsunterstützender Methoden erfahrungsgemäß oft daran, daß das Zusammenführen der Daten aus verschiedenen Informationssystemen mit einem zu hohen Aufwand verbunden ist. Unternehmensspezifische Marketinginformationssysteme stellen aus unserer Sicht die ideale Systemkonzeption dar. Sie bieten eine individuelle Ausrichtung auf die (am häufigsten) zu unterstützenden Marketing-Entscheidungen eines Unternehmens sowie dessen Datensituation. Darüber hinaus stellen sie die geringsten Anforderungen an die Methoden- und DV-Kenntnisse der Benutzer. Die Forderung nach unternehmensspezifischen Marketinginformationssystemen setzt für deren Entwicklung eine geeignete Form der Modellierung voraus, die den Besonderheiten des Marketing gerecht -3- wird. Das zentrale Problem besteht hier darin, daß es sich im Marketing um einen überwiegend schlecht-strukturierbaren Bereich mit heterogen ablaufenden Entscheidungen bzw. Entscheidungsprozessen handelt. Eine Modellierung von MAIS auf der Grundlage von zu unterstützenden (Entscheidungs-) Prozessen erscheint daher nicht sinnvoll, weil sich diese nicht hinreichend oft in der gleichen Weise wiederholen. Die heute in der Betriebswirtschaftslehre breit diskutierten prozeßorientierten Ansätze sind daher für den schlecht-strukturierbaren Bereich Marketing - mangels formulierbarer Prozesse - nicht geeignet.2 Im folgenden soll deshalb mit der "Architektur für Marketinginformationssysteme (ARMAIS)" ein Ansatz für die Beschreibung von Marketinginformationssystemen auf Fachkonzeptsebene vorgestellt werden. 2. Aufbau der ARchitektur für MArketingInformationsSysteme (ARMAIS) Um die Unterschiede der "Architektur für Marketinginformationssysteme (ARMAIS)" zu prozeßorientierten Ansätzen deutlich zu machen, sollen diese in Analogie zu der bekannten, prozeßorientierten ARIS-Architektur von SCHEER [Sch92] aufgezeigt werden. Architektur-Ansätze nehmen zur Komplexitätsreduktion generell eine Strukturierung des Untersuchungsgegenstandes vor und legen dazu Strukturierungsmerkmale fest. ARIS definiert hier in horizontaler Sicht "Beschreibungssichten" (Daten-, Funktions-, Organisations- und Steuerungssicht) und in vertikaler Richtung die "Beschreibungsebenen" - bzw. Entwicklungsphasen - (Fachkonzept, DVKonzept und Implementierung)3. Abbildung 1 zeigt die ARIS-Architektur im Überblick. 2 Anmerkung: Der Vollständigkeit halber sei darauf hingewiesen, daß im Marketing durchaus auch wohl-strukturierbare Prozesse (wie z.B. das mechanistische Abwickeln einer Mailing-Aktion oder die Besuchsplanung auf der Stufe einzelner Außendienstmitarbeiter) existieren. Diese bewegen sich aber mehr auf der operativen Ebene als auf der Ebene des Marketingmanagements. 3 Die Beschreibungsebenen unterscheiden sich dabei durch ihre "unterschiedliche Nähe zur Informationstechnik". Vgl. [Sch92, S. 15]. -4- Abb. 1: ARIS-Architektur4 ARIS beschreibt in der "Funktionssicht" die zu erfüllenden Funktionen, wie z.B. die Funktion "Kundenauftrag bearbeiten" (=statische Sicht). Weiterhin werden in der "Datensicht" die Daten und in der "Organisationssicht" die Abteilungen und Stellen beschrieben. Im Mittelpunkt der ARIS-Architektur steht die sogenannte "Steuerungssicht" oder Prozeßsicht, welche die konkreten Abläufe, die zur Erfüllung der Funktionen erforderlich sind, als Prozesse beschreibt (=dynamische Sicht) und dabei die drei anderen Sichten zusammenführt. Der - in der Steuerungssicht enthaltene - Prozeß "Kundenauftrag bearbeiten" beschreibt also den konkreten Ablauf der zur Erfüllung der Funktion "Kundenauftrag bearbeiten" erforderlich ist (z.B. die dabei durchzuführenden Teilaufgaben wie Kundenauftrag erfassen, Kundenauftrag technisch prüfen, ...) und legt durch Referenzierung zu den Elementen in den anderen Sichten die benötigten Daten sowie die organisatorischen Zuständigkeiten fest. Aufgrund der in schlecht-strukturierbaren Bereichen nicht sinnvoll einsetzbaren Modellierung von Prozessen beschreitet die ARMAIS-Architektur hier einen anderen Weg. ARMAIS differenziert in horizontaler Sicht die "Beschreibungssichten" Entscheidungs-, Methoden-, Daten- und Organisationssicht5. In vertikaler Richtung beschränkt sich ARMAIS auf die – für die 4 Quelle: [Sch94, S. 17]. Anmerkung: Die "Betriebswirtschaftliche Problemstellung", die den Ausgangspunkt der Modellierung bildet, ist nicht Teil der ARIS-Architektur. -5- Systementwicklung häufig als wichtigste bezeichnete – "Beschreibungsebene" des Fachkonzepts.6 ARMAIS konzentriert sich damit (im Hinblick auf die in Abb. 1 verwendete Phaseneinteilung von SCHEER) auf die Umsetzung der - idR textuell unstrukturiert vorliegenden - "betriebswirtschaftlichen Problemstellung" in eine formalisierte und strukturierte Beschreibung der von einem Marketinginformationssystem zu unterstützenden Entscheidungen, sowie der dazu einzusetzenden Methoden und Daten ("Fachkonzept"). Abbildung 2 zeigt den grundlegenden Aufbau der ARMAIS-Architektur. Abb. 2: Grundlegender Aufbau der ARMAIS-Architektur ARMAIS unternimmt (wie ARIS [Sch94, S.55]) - statt einer objektorientierten Betrachtung - eine Dekomposition des Untersuchungsgegenstandes mit Hilfe eines Sichtenmodells. Zwar erscheint die Verwendung eines objektorientierten Ansatzes - vor allem unter dem Aspekt der Wiederverwendbarkeit - wünschenswert, dies setzt aber voraus, daß Objekte identifiziert werden können, die (in ähnlicher Weise) hinreichend oft wiederverwendet werden können. Im Marketing steht dem entgegen, daß die Art der möglichen Unterstützung einer Entscheidung äußerst heterogen ist. Die zur Entscheidungsunterstützung einsetzbaren Methoden sind wesentlich von den im (unternehmens- und branchenspezi5 Anmerkung: Die Entwicklung von Informationssystemen setzt zunächst eine Lösung für die Entscheidungs-, Methodenund Datensicht voraus, bevor die Frage der aufbauorganisatorischen Anbindung der Elemente der einzelnen Sichten in der Organisationssicht beschrieben werden kann. Für die nachstehende Darstellung der ARMAIS-Architektur wurde die Organisationssicht ausgeblendet und ist daher in den folgenden Abbildungen gestrichelt dargestellt. Nichtsdestotrotz ist sie bei der Beschreibung realer Informationssysteme durchaus nützlich. 6 Anmerkung: Die Bedeutung des Fachkonzepts ergibt sich zum einen daraus, weil sie den Ausgangspunkt für die Umsetzung der betriebswirtschaftlichen Problemstellung in eine dv-gestützte Lösung bildet, zum anderen stellt sie die Schnittstelle zwischen der Sprache des Anwenders und der DV-Sprache dar. Vgl. [Sch94, S. 16]. -6- fischen) Einzelfall verfügbaren Daten abhängig. Die daraus resultierende Vielfalt läßt sich unseres Erachtens bei Marketinginformationssystemen - auf der Ebene des "Fachkonzepts" - nicht sinnvoll zu Objekten zusammenfassen. Entweder man bildet eine Vielzahl heterogener Objekte oder aber wenige, äußerst umfangreiche Objekte. Beide Möglichkeiten sind für die Erstellung von Fachkonzepten - unter dem Aspekt der Wiederverwendbarkeit der Objekte - nur bedingt geeignet. Wir sehen daher die Anwendbarkeit der Objektorientierung bei Marketinginformationssystemen vor allem in den darauf folgenden Entwicklungsphasen "DV-Konzept" und "Implementierung". So können - auf der Grundlage des Wissens aus einer "Vielzahl" von durchgeführten Projekten - möglicherweise häufig benötigte Objekte identifiziert und im Rahmen von Software-Modulen zur Verfügung gestellt werden. Im folgenden soll nun der detaillierte Aufbau der ARMAIS-Architektur sowie die weitere inhaltliche Ausgestaltung der Sichten erläutert werden. Die Beschreibungssichten von Informationssystem-Architekturen lassen sich meist dichotomisch unterteilen. In der Regel existiert eine Sicht, die beschreibt "was" (d.h. welche Aufgaben) von dem Informationssystem auszuführen bzw. zu unterstützen ist. Die weiteren Sichten beschreiben schließlich "wie" oder "mit was" die in der ersten Sicht spezifizierten Elemente zu unterstützen sind. Die ARMAIS-Architektur differenziert hier als erste Beschreibungssicht die "Entscheidungssicht". ENTSCHEIDUNGEN repräsentieren im Marketing jene Aufgaben, die von einem Informationssystem zu unterstützen sind. Im Gegensatz zu den heterogen ablaufenden Entscheidungs-Prozessen (=dynamische Sicht) verhalten sich die Entscheidungen (=statische Sicht) selbst weitgehend stabil. Die ARMAIS-Entscheidungssicht kann dabei als Pendant der (ebenfalls statischen) ARIS-Funktionssicht interpretiert werden. Im Mittelpunkt des Marketing stehen inhaltlich jedoch keine - mehr den Charakter von Verrichtungen aufweisende - Funktionen, sondern Entscheidungen. Aus diesem Grund wurde in ARMAIS explizit eine "Entscheidungssicht" eingeführt. Die in der Entscheidungssicht enthaltenen Entscheidungen können in einem Informationssystem durch die Bereitstellung unterschiedlicher METHODEN unterstützt werden. Dabei wird der Begriff Methode sehr weit gefaßt und darunter alle Verfahren subsumiert, die zur Unterstützung von Entscheidungen beitragen können.7 Das Methodenspektrum reicht von einfachen Basismethoden (wie der Bereitstellung 7 In Anlehnung an die gängige Definition von [Alp80, S. 40]. -7- der für eine Entscheidung grundlegend relevanten Daten) bis hin zu komplexen statistischen Methoden, quantitativen Marketingmodellen oder dem Einsatz neuerer Ansätze, wie beispielsweise Expertensystemen, Neuronalen Netzen oder Genetischen Algorithmen. Die "Methodensicht" bildet die zweite Beschreibungssicht von ARMAIS und stellt das Pendant zur ARIS-Steuerungs- bzw. –Prozeßsicht dar. Anstelle der in schlecht-strukturierbaren Bereichen nicht sinnvoll anwendbaren Formulierung von Prozessen tritt hier die Beschreibung von Methoden (und der von ihnen benötigten Input- und zu erzeugenden Output-Daten), die zur Unterstützung der Entscheidungen eingesetzt werden sollen. Die Anwendbarkeit von Methoden kann entweder auf eine Entscheidung beschränkt (z.B. für bestimmte Problemstellungen konzipierte quantitative Marketingmodelle) oder aber für mehrere Entscheidungen möglich sein (z.B. statistische Methoden, wie die Regressionsanalyse). Aufgrund der Tatsache, daß in Abhängigkeit von der Entscheidung idR unterschiedliche Daten erforderlich sind, müssen auch die Methoden unterschieden werden. Dies erfolgt durch eine entscheidungsspezifische Konkretisierung der Methoden. Hierzu wird an die ursprüngliche Bezeichnung der Methode – formal abgetrennt durch einen Punkt – die Bezeichnung der zugehörigen Entscheidung angehängt (z.B. Methode "Regressionsanalyse.Preishöhe", Methode "Regressionsanalyse.Zielgruppenselektion"). Die Anzahl der im Marketing potentiell einsetzbaren Methoden ist "kaum noch überschaubar" [JaGroVo93, S. 13]. Zur Bewältigung der Methodenvielfalt und zur Erleichterung der Auswahl der Methoden empfiehlt sich deshalb eine Einteilung der Methoden in Methoden-Klassen. Die Auswahl der zur Entscheidungsunterstützung einzusetzenden Methoden erfolgt dabei aus Anwendersicht primär nach dem "Zweck" einer Methode und nicht nach dem zugrundeliegenden Lösungsansatz. Soll zur Entscheidungsunterstützung beispielsweise eine Prognose erstellt werden, so ist es aus Anwendersicht zunächst unerheblich, ob diese mit Hilfe eines statistischen Verfahrens, eines Neuronalen Netzes oder eines Genetischen Algorithmus erstellt wird. Erst danach werden - innerhalb der Methodenklasse - aus den potentiell einsetzbaren (Prognose-) Methoden - anhand von Kriterien, wie z.B. Datenanforderungen, (Prognose-) Qualität und Kosten - die im Informationssystem zu implementierenden Methoden festgelegt. ARMAIS versucht die Methoden deshalb nach ihrem vordergründigen Zweck zu unterscheiden. Folgende vier Methoden-Klassen werden hierbei differenziert: -8- Die Methoden-Klasse "Grunddatenbereitstellung" umfaßt jene Methoden deren Hauptzweck darin besteht, die für eine Entscheidung grundsätzlich relevanten Daten aus den unterschiedlichen Datenquellen zusammenzuführen und sie durch das Marketinginformationssystem bereitzustellen. Des weiteren wird die Methoden-Klasse "Datenanalyse" unterschieden. Die Datenanalyse verfolgt das Ziel, Einzeldaten zu verdichten sowie Abhängigkeiten und Strukturen aufzudecken, um dadurch neue Informationen für die Entscheidungsfindung zu gewinnen [NiDiHoe91, S. 735]. Die Methoden können auf den im Rahmen der Grunddatenbereitstellung verfügbaren Daten aufbauen und/oder zusätzliche Daten erfordern. Die Methoden-Klasse "Prognose" umfaßt alle Methoden, die zur Prognose eingesetzt werden können. Das können z.B. statistische Verfahren, quantitative Marketingmodelle oder Neuronale Netze sein. Prognoseverfahren lassen sich in quantitative (z.B. Verfahren der exponentiellen Glättung) und qualitative (z.B. Expertenbefragungen oder Delphi-Methode)8 einteilen. In Marketinginformationssystemen finden überwiegend quantitative Prognoseverfahren Anwendung. Aber auch die Einbindung qualitativer Verfahren (z.B. periodische Expertenbefragungen per e-mail) erscheint denkbar. Die Methoden-Klasse "Optimierung" umfaßt schließlich alle zu diesem Zweck einsetzbaren Methoden. Dabei kann es sich z.B. um mathematische Optimierungsverfahren, Simulationsmodelle oder neuere Ansätze, wie Genetische Algorithmen, handeln. Es sei darauf hingewiesen, daß eine eindeutige Zuordnung der Methoden zu den Methoden-Klassen nicht immer möglich ist. Nichtsdestotrotz führt die Einteilung in Methodenklassen wesentlich zu einer Erleichterung bei der Auswahl, welche Methoden zur Unterstützung der einzelnen Entscheidungen im Rahmen eines Marketinginformationssystems bereitgestellt werden sollen.9 Neben der Bildung von Methoden-Klassen sieht ARMAIS die Bildung von Methoden-Clustern vor. Hierbei werden - um die Anzahl der Methoden in Grenzen zu halten - "einfache" Methoden, welche auf dieselben Daten zugreifen zu Methoden-Clustern zusammengefaßt. Als Beispiel sei hier das Cluster "Univariate Methoden" genannt, welches die Verfahren Häufigkeitsauszählung, Arithmetisches Mittel, Modus, Median, Varianz, Standardabweichung, Variationsbreite, Minimum und Maximum enthält. 8 Zu den qualitativen Prognosemethoden vgl. z.B. [BeEckEl93, S. 277 ff]. -9- Die in der Methodensicht enthaltenen Methoden benötigen und erzeugen unterschiedliche DATEN, welche mit Hilfe der "Datensicht" beschrieben werden. Dabei ist zu berücksichtigen, daß die Vielfalt der im Marketing potentiell relevanten Daten immens ist. Die Beschreibung "aller" dieser Daten in Form einzelner Datenelemente (z.B. "Umsatzdaten nach Produktgruppen und Regionen im Zeitraum x", "Umsatzdaten nach Kundengruppen und Regionen im Zeitraum x", usw.) - wie sie bei der Verwendung von Daten-Referenzmodellen im Entwicklungsprozeß erforderlich wird - führt zu äußerst umfangreichen und unübersichtlichen Datenkatalogen. Mit dem Übergang vom allgemeinen zum konkreten Fall reduziert sich jedoch auch diese Vielfalt. Die (benötigten) Daten lassen sich für den Einzelfall auf einem wesentlich höheren Konkretisierungsniveau formulieren, ohne zugleich ein äußerst umfangreiches, nicht mehr handhabbares Datenmodell zu erhalten. Im Anschluß an die Beschreibung der unternehmensspezifischen Daten mit der ARMAIS-Methode kann deshalb - in den folgenden Entwicklungsphasen - die Umsetzung in ein ER-Modell erfolgen. ARMAIS verwendet aus diesem Grunde in der Datensicht (auf Fachkonzeptsebene) keine konkreten Datenelemente, sondern Daten-Cluster, die eine bestimmte Gruppe von Marketingdaten grob beschreiben. In den Clustern werden ähnliche Datenelemente zusammengefaßt und (soweit sinnvoll) hierarchisch weiter untergliedert. Wir unterscheiden dabei 21 verschiedene Daten-Cluster, die auf bis zu 5 Hierarchieebenen D1 (höchste Ebene) bis D5 (niedrigste Ebene) untergliedert werden. Abbildung 3 zeigt die von uns differenzierten Daten-Cluster (auf der obersten Ebene). 9 Anmerkung: Für die verschiedenen Sichten der ARMAIS-Architektur wurden zusätzlich Referenzmodelle entwickelt. Die entsprechenden Methoden werden hier aus dem ARMAIS-Methoden-Referenzmodell ausgewählt. - 10 - D1[Gesamtwirtschaftliche Daten] ... D1[Absatzmarkt-Daten] ... D1[Beschaffungsmarkt-Daten] ... D1[Absatz-/Umsatz-Daten] ... D1[Distributions-Daten] ... D1[Kunden-Daten] ... D1[Kundenbeziehungs-Daten] ... D1[Produkt-Daten] ... D1[Preis- u. Konditionen-Daten] ... D1[Unternehmens-Daten] ... D1[Standort-Daten] ... D1[Kommunikations-Daten] ... D1[Image-Daten] ... D1[Kontakt-Daten] ... D1[Aktivitäts-Daten] ... D1[Produktions-Daten] ... D1[Auftrags-Daten] ... D1[Kosten-/Leistungs-Daten] ... D1[Finanzwirtschaftliche Daten] ... D1[Budget] ... D1[Sonstige Daten] Ø umfassen bekannte Kunden (Anschrift) und anonyme Verbraucher Abb. 3: ARMAIS-Daten-Cluster Abbildung 4 zeigt exemplarisch die weitere hierarchische Untergliederung der Daten-Cluster am Beispiel des Clusters "Kunden-Daten". Der Zweck der Verwendung von Daten-Clustern besteht darin, das breite Spektrum von Marketingdaten mit wenigen Beschreibungselementen schnell und übersichtlich darstellen zu können. Dies gibt dem Entwickler die Möglichkeit sich auf einen Blick grob über den Datenbedarf der Methoden zu informieren, ohne dabei die Datenelemente im Detail betrachten zu müssen. Beispiele hierzu werden in den folgenden Abschnitten aufgeführt. - 11 - D1[Kunden-Daten] Ø umfassen bekannte Kunden (Anschrift) und anonyme Verbraucher D2[Kunden-Identifikationsdaten] D3[Anschrift] D2[Kunden-Profildaten] D3[Profil demographisch] D4[Geschlecht] D4[Alter] D3[Profil geographisch] D4[Wohnortgröße] D4[Region] D4[Stadt/Land] D4[Geotyp] D3[Profil soziographisch] D4[Schulbildung] D4[Akad. Titel] D4[Beruf/Position] D4[Familienstand] D4[Haushaltsgröße] D4[Kinderzahl] D3[Profil sozio-ökonomisch] D4[Einkommen] D4[Kaufkraft] D4[Bonität] D4[Kaufvolumen] D4[Bedarf] D3[Profil psychographisch] D4[Lebensstil] D4[Freizeitverhalten] D4[Risikofreude] D4[Motive] D4[Interessen] D4[Einstellungen] D4[Präferenzen] D4[Kaufabsichten] D3[Verhalten] D4[Markentreue] D4[Kaufhäufigkeit] D4[Preissensibilität] D4[Einkaufsstättenpräferenz] D4[Mediennutzung] D3[Kundenstruktur_gesamt] D4[Stammkundenanteil] Abb. 4: Weitere hierarchische Untergliederung der Daten-Cluster am Beispiel des Clusters "Kunden-Daten" Die Daten-Cluster können bei Bedarf mit Hilfe sogenannter "Konkretisierungssichten" weiter präzisiert werden. Konkretisierungssichten präzisieren die Daten-Cluster in der Weise, als sie zusätzlich angeben, auf "was" sich die Cluster beziehen. Dazu werden - formal durch Punkte abgetrennt - eine oder mehrere Konkretisierungssichten an die Bezeichnung des Daten-Clusters angehängt (z.B. "Absatz/Umsatz-Daten.Produkt_Gruppe" oder "Absatz-/Umsatz-Daten.Kunden_Gruppe "). Abbildung 5 zeigt die in ARMAIS differenzierten Konkretisierungssichten. - 12 - D1[Markt] D1[Unternehmen] D1[Wettbewerber] D2[Wettbewerber_einzelner] D2[Wettbewerber_Gruppe] D1[Distributionskanal] D2[Direktvertrieb] D2[Indirekter Vertrieb] D3[Großhandel] D3[Einzelhandel] D3[Absatzmittler] D1[Kommunikationskanal] D2[Mediawerbung] D2[Direktmarketing] D3[Direct-Mail] D3[Telefon-Marketing] D3[Electronic-Marketing] D3[Außendienst] D2[Verkaufsförderung] D2[Öffentlichkeitsarbeit] D3[Public Relations] D3[Corporate Identity] D3[Product Placement] D2[Sponsoring] D2[Messen und Ausstellungen] D1[Marktsegment] D1[Produkt] D2[Produkt_einzelnes] D2[Produkt_Gruppe] D1[Kunden] D2[Kunden_einzelner] D2[Kunden_Gruppe] (=eigenes Unternehmen) Abb.5: Konkretisierungssichten zur Präzisierung der Daten-Cluster Während also die "Daten-Cluster" die wichtigsten Datengruppen im Marketing repräsentieren ("Daten über ...") dienen die "Konkretisierungssichten" der Präzisierung dieser Daten ("Präzisierung der Daten über ..."). Ergänzend sei erwähnt, daß nicht alle Kombinationen aus Daten-Clustern und Konkretisierungssichten sinnvoll sind. So eignen sich manche Konkretisierungssichten nur zur Präzisierung bestimmter Daten-Cluster. Die Konkretisierungssichten reichen oft aus, um die Daten auf der noch relativ groben FachkonzeptEbene hinreichend genau zu beschreiben. Falls eine weitere Präzisierung erforderlich ist besteht in ARMAIS weiter die Möglichkeit, die Daten hinsichtlich ihres zeitlichen und geographischen Bezugs, sowie ihrer Maßeinheit zu präzisieren. Dies erfolgt durch die Angabe von "konkretisierenden Datenbezügen", die – formal abgetrennt durch einen Doppelpunkt - an die Bezeichnung des DatenClusters angehängt werden (z.B. "Absatz-/Umsatz-Daten.Produkt_Gruppe:Region:Zeitraum", "Absatz/Umsatz-Daten.Kunden_Gruppe:Region:Zeitraum"). - 13 - Der Zweck dieses Vorgehens dient auch der Vorauswahl der zur Entscheidungsunterstützung einsetzbaren Methoden. So kann der Einsatz einer bestimmten Methode beispielsweise daran scheitern, daß benötigte Daten-Cluster in einem Unternehmen oder einer Branche nicht verfügbar sind. Des weiteren läßt sich der Datenbedarf einiger Methoden im Marketing ohnehin erst für konkrete Anwendungsfälle präzisieren. Es erscheint deshalb sinnvoll, die (Vor-) Auswahl der Methoden zunächst anhand einer groben Datenspezifikation zu betreiben und die Daten dann schrittweise bis hin zur endgültigen Auswahl der einzusetzenden Methode zu konkretisieren. Die bisher vorgestellte Beschreibungsmethode bietet den Vorteil, daß die von den (meisten) Methoden benötigten Input- und erzeugten Output-Daten mit wenigen Beschreibungselementen schnell und übersichtlich dargestellt werden können. Einige Marketing-Methoden erfordern jedoch sehr spezifische Daten, die nicht mit den Daten-Clustern abgebildet werden können. Dies betrifft vor allen quantitative Marketingmodelle, in deren Zielfunktionen teilweise sehr spezielle Daten eingehen. In diesen Fällen ist die explizite Angabe der benötigten Datenelemente unabdingbar. Ergänzend zu den Daten-Clustern besteht deshalb in ARMAIS die Möglichkeit "methodenspezifische Daten" – d.h. konkrete Datenelemente – zu den Methoden anzugeben (z.B "subjektiv geschätzte Wahrscheinlichkeit für einen Konkurrenzpreis von pk, wenn der eigene Preis auf pe fixiert wird"). Damit können auch individuellste Datenanforderungen in der Architektur abgebildet werden. Abbildung 6 zeigt nun zusammenfassend die ARMAIS-Architektur im Überblick. - 14 - ORGANISATION DATEN ... als Input/Output der Methoden Datencluster - mit präzisierenden Konkretisierungssichten -- Unternehmen -- Wettbewerber -- Produkt ... - mit konkretisierenden Datenbezügen -- zeitlicher Bezug -- geograph. Bezug -- Maßeinheit Methodenspezifische Daten BEISPIEL: Datencluster (hier ohne Konkretisierungssichten und ohne konkretisierende Datenbezüge) Absatz/Umsatz-Daten Preis/Konditionen-Daten Kosten/Leistungs-Daten Methodenspezifische Daten ... METHODEN ENTSCHEIDUNGEN ... zur Unterstützung der Entscheidungen ... im Rahmen der vier Marketing-Instrumente Differenzierung von Methoden-Klassen Produkt/Programm/ Service - Grunddatenbereitstellung - Datenanalyse - Prognose - Optimierung Preis/Konditionen Distribution Kommunikation Zusammenfassung "einfacher" Methoden zu Methoden-Clustern und Instrumentübergreifende Entscheidungen Methoden werden entscheidungsspezifisch konkretisiert BEISPIEL: Grunddatenbereitstellung.Preishöhe BEISPIEL: Regressionsanalyse. Preishöhe Preishöhe ... Preisbestimmungsmodell_XY.Preishöhe ... Abb. 6: ARMAIS-Architektur - Überblick 3. Anwendung der ARMAIS-Architektur auf der Basis von Referenzmodellen Die ARMAIS-Architektur dient der Modellierung von Marketinginformationssystemen auf der Ebene des Fachkonzepts. Für die Sichten der Architektur wurden zusätzlich Referenzmodelle entwickelt, auf die bei der Modellierung zurückgegriffen werden kann. Dabei wird wie folgt vorgegangen: Aus dem Entscheidungs-Referenzmodell werden zunächst die für den Einzelfall relevanten Entscheidungen selektiert. Für diese können dann aus dem Methoden-Referenzmodell die zur Entscheidungsunterstützung einsetzbaren Methoden referenziert werden. Je nach Wichtigkeit der einzelnen Entscheidung können dazu einfachere oder komplexere Methoden herangezogen werden. Die Einsetzbarkeit der Methoden hängt jedoch auch von den (unternehmens- und branchenspezifisch) verfügbaren Daten ab. - 15 - Durch Referenzierung der Methoden zu den konkretisierten Daten-Clustern des Daten-Referenzmodells können die benötigten Input- und zu erstellenden Output-Daten der Methoden beschrieben werden. Das so gewonnene Informationsmodell dient als Grundlage für die weitere dv-technische Umsetzung. Die Komplexität der erstellten ARMAIS-Referenzmodelle und die zwischen den Referenzmodellen bestehenden Zusammenhänge läßt sich manuell nicht mehr bewältigen. Aus diesem Grund steht mit dem ARMAIS-Tool ein dv-gestütztes Werkzeug zur Anwendung und Verwaltung der ARMAISReferenzmodelle zur Verfügung. 4. Ausblick Als sinnvolle Weiterentwicklung für die Praxis bietet sich die Erstellung von Software-Modulen an. So könnten zur Unterstützung von Marketing-Entscheidungen, die in vielen Anwendungsfällen benötigt werden, Software-Module erstellt werden. In einem (zusätzlichen) Software-Referenzmodell kann hinterlegt werden, welche Software-Module zur Unterstützung welcher Entscheidungen herangezogen werden können. Die ARMAIS-Architektur wurde speziell für die Modellierung von Marketinginformationssystemen entwickelt. Dabei handelt es sich um einen schlecht-strukturierbaren Bereich für den sich prozeßorientierte Ansätze - aufgrund des Fehlens formulierbarer Prozesse – nicht sinnvoll einsetzen lassen. ARMAIS geht hier den Weg, anstelle von konkreten (Lösungs-) Prozessen die Methoden zu beschreiben, die zur Problemlösung herangezogen werden können. Eine Übertragung des Konzepts auf andere schlecht-strukturierbare Bereiche erscheint deshalb grundsätzlich möglich. - 16 - Literatur: [Alp80] Alpar, P.: Computergestützte interaktive Methodenauswahl, Frankfurt 1980. [BeEckEl93] Berekoven, L.; Eckert, W.; Ellenrieder, P.: Marktforschung, Wiesbaden 1993. [GauBai93] Gaul, W.; Baier D.: Marktforschung und Marketing Management, München, 1993. [JaGroVo93] Jahnke, B.; Groffmann, H.D.; Vogel, E.: Konzeption von Marketing-Informationssystemen, in: HMD 173/1993, S. 9-25. [Mc81] McCarthy, E.J.: Basic Marketing: A Managerial Approach 9. Aufl., Homewood, 1981. [NiDiHoe91] Nieschlag, R.; Dichtl, E.; Hörschgen, H.: Marketing, 16. Aufl., Berlin 1991. [Sch92] Scheer, A.W.: Architektur integrierter Informationssysteme, 2. Aufl, Berlin 1992. [Sch94] Scheer, A.W.: Wirtschaftsinformatik, 4. Aufl., Berlin 1994. - 17 -