die herausforderung heute und in zukunft · 2015-06-01 · geodaten marktdaten crm-daten...
Post on 24-Jul-2020
0 Views
Preview:
TRANSCRIPT
Die Herausforderung heute und in Zukunft: Big Data intelligent organisieren, kombinieren und analysieren, so dass sich daraus relevantes Wissenableiten lässt
GeodatenGeodaten MarktdatenMarktdaten
CRM-DatenCRM-Daten
Adhoc-DatenAdhoc-DatenUnser Ansatz:Wir sammeln und kombinieren Big Data aus vier relevanten Bereichen …
GeodatenGeodaten MarktdatenMarktdaten
CRM-DatenCRM-Daten
Adhoc-DatenAdhoc-Daten
Marketing ResearchMarketing Research
GeomarketingGeomarketing
CRM-AnalyticsCRM-Analytics
Unser Ansatz:… und generieren mit einem innovativen Disziplin-Mixrelevante Informationen überZielgruppen und Märkte. B2B und B2C.
Folie 4 | Unternehmenspräsentation | 01.06.2015 | © infas 360 | Vanessa Blume
Unser Leistungsmix im infas-Konzern erweitert den Blick auf Mensch und Gesellschaft
360-Grad-Blick auf Märkte und Konsumenten durch einen innovativen Disziplin-Mix auf Basis einer einzigartigen Datenbasis. Das Ergebnis: Vielfältiges Wissen für höchste Effektivität unternehmerischen Handelns.
Untersuchung, Beschreibung und Darstellung von Gesellschaft, Menschen und Märkten sowie deren Entwicklung.
(Presse-)Fotoagentur
Fotografische Abbildung von Realität und Lebenswelten
Erforschung und statistische Abbildung der Lebensrealität menschlichen Verhaltens in der Gesellschaft mit verschiedenen thematischen Schwerpunkten.
CustomerAnalyticsResearchMarketing
ResearchSozial-, Gesundheits-, Markt-
und VerkehrsforschungCustomerAnalytics
Geo-marketing
Institut für angewandteSozialwissenschaft
Unsere Unternehmensgruppe
Unser Vorgehen
Data ScreeningUnternehmens-/CRM-Daten
Maßnahmen-Monitoring
1
Unser Vorgehensmodell
Welche Daten liegen beim Kunden vor?
Welche Daten liegen in Zeiten von Big Data am Markt vor,welche müssen ad-hoc generiert werden?
2
Data ScreeningUnternehmens-/CRM-Daten
Maßnahmen-Monitoring
Data ResearchDatenrecherche aus wirtschaftlichen,
wissenschaftlichen, amtlichen, Quellen.
Datenrecherche aus Data Intelligence-Network
Datengenerierung aus Marktforschung
1
Unser Vorgehensmodell
Welche Daten werden beschafft und kombiniert?
23
Data ScreeningUnternehmens-/CRM-Daten
Maßnahmen-Monitoring
Data ResearchDatenrecherche aus wirtschaftlichen,
wissenschaftlichen, amtlichen, Quellen.
Datenrecherche aus Data Intelligence-Network
Datengenerierung aus Marktforschung
Data CombinationBeschaffung, Lizenzierung, Generierung.
Datenschutzkonzept.
Datenintegration/-kombination.
1
Unser Vorgehensmodell
Welche entscheidenden Marketinginformationen können generiert werden?
23
4 Data ScreeningUnternehmens-/CRM-Daten
Maßnahmen-Monitoring
Data ResearchDatenrecherche aus wirtschaftlichen,
wissenschaftlichen, amtlichen, Quellen.
Datenrecherche aus Data Intelligence-Network
Datengenerierung aus Marktforschung
Data AnalyticsCRM-Analytics
Geomarketing
Marktforschung
1
Unser Vorgehensmodell
Data CombinationBeschaffung, Lizenzierung, Generierung.
Datenschutzkonzept.
Datenintegration/-kombination.
Wie lassen sich die Daten ins Unternehmen überführen?
23
4
5
Data ScreeningUnternehmens-/CRM-Daten
Maßnahmen-Monitoring
Data ResearchDatenrecherche aus wirtschaftlichen,
wissenschaftlichen, amtlichen, Quellen.
Datenrecherche aus Data Intelligence-Network
Datengenerierung aus Marktforschung
Data CombinationBeschaffung, Lizenzierung, Generierung.
Datenintegration/-kombination.
Data AnalyticsCRM-Analytics
Geomarketing
Marktforschung
Data IntegrationZusammenspiel mit den CRM-Daten
1
Unser Vorgehensmodell
Wie können die Informationen effizient eingesetzt werden?
23
4
5
Data ScreeningUnternehmens-/CRM-Daten
Maßnahmen-Monitoring
Data ResearchDatenrecherche aus wirtschaftlichen,
wissenschaftlichen, amtlichen, Quellen.
Datenrecherche aus Data Intelligence-Network
Datengenerierung aus Marktforschung
Data CombinationBeschaffung, Lizenzierung, Generierung.
Datenintegration/-kombination.
Data AnalyticsCRM-Analytics
Geomarketing
Marktforschung
Data IntegrationZusammenspiel mit den CRM-Daten
1
6 Data Driven ActionStrategie, Marketing, Vertriebauf optimaler Datenbasis
Unser Vorgehensmodell
Unser Standard-Datenportfolio
Folie 13 | infas 360 GmbH Vorstellung | 01.06.2015 | © infas 360 | Georgi
Das Data Intelligence Network
Unser Datenportfolio
Folie 14 | infas 360 GmbH Vorstellung | 01.06.2015 | © infas 360 | Georgi
Wir verfügen über das größte amtliche Datenportfolio
Unser Datenportfolio
50 Mio. amtliche Gebäudedaten in Fläche
50 Mio. Gebäudedaten in Höhe (2 ½ D, zukünftig inkl. Dachform bzw. 3D)
22 Mio. amtlich-postalische Gebäudeadressen
2,2 Mio. Siedlungsblöcke mit Nutzungstypen
Ca. 80.000 (historische) Ortsteile
Alle Kreise und Gemeinden sowie
deren statistischen Daten
Folie 15 | infas 360 GmbH Vorstellung | 01.06.2015 | © infas 360 | Georgi
GebäudetypenHaushalte (%)
Metropolen (%)
Großstädten (%)
gr. Mittelstädten (%)
kl. Mittelstädten (%)
Kleinstädten (%)
freistehendes Ein- bis Zweiparteienhaus 23,17% 1,00% 3,28% 3,95% 8,27% 6,68%Ein- bis Zweiparteienhaus mit Anreiner 4,32% 0,45% 0,95% 0,90% 1,31% 0,71%freistehde Villa 0,76% 0,03% 0,09% 0,10% 0,27% 0,27%klassische Doppelhaushälfte 6,94% 0,78% 1,74% 1,55% 1,98% 0,89%Reihenhaus 6,83% 1,19% 2,02% 1,61% 1,57% 0,44%freistehendes Mehrparteienhaus 14,27% 1,85% 4,16% 2,96% 3,45% 1,85%Mehrparteienhaus mit Anreiner 6,61% 1,50% 2,48% 1,21% 1,08% 0,34%Mehrparteienhaus im Block 18,54% 8,23% 7,09% 1,75% 1,25% 0,22%Mehrparteiendoppelhaus 5,71% 1,31% 2,14% 1,17% 0,84% 0,25%Zeilenbau 1,10% 0,35% 0,40% 0,20% 0,14% 0,02%Mehrfamilienkomplex 1,07% 0,26% 0,34% 0,21% 0,22% 0,04%Hochhaus 2,37% 0,80% 1,00% 0,31% 0,24% 0,03%"reines" Gewerbe 3,28% 0,90% 0,92% 0,50% 0,62% 0,33%Sonderformen 5,03% 1,40% 1,76% 0,84% 0,75% 0,28%
Gesamtergebnis 100,00% 20,05% 28,36% 17,26% 21,97% 12,36%
Top-Neuheit: 30 hochdifferenzierende Wohngebäudetypen für das CRM
Unser Datenportfolio
Typ (9.2) MittleresMehrfamilien-Doppelhaus
Typ (12) Städtisches Hochhaus
Typ (1.2) FreistehendesEinfamilienhaus, mittel
Folie 16 | infas 360 GmbH Vorstellung | 01.06.2015 | © infas 360 | Georgi
PAGS: Das erste postalisch-amtliche Gliederungssystem
Unser Datenportfolio
AGS = Amtlicher Gemeinde Schlüssel
PAGS ist das neue Raumordnungssystem Deutschlands für große Datenmengen und deren Austausch.
PAGS unterteilt erstmals nach allen amtlichen Strukturen unter Berücksichtigung der PLZ5-Bereiche.
PAGS ist standardisiert, offen, nicht proprietär, hoch-präzise und auf beliebige andere Formate übertragbar.
PAGS bietet eine geeignete Aggregation für datenschutzkonforme Analysen.
Der PAGS Coder ist der erste amtliche Geocoder Deutschlands. Mit ihm lassen sich alle adressbasierten Daten geocodieren, lokalisieren und einem eindeutigen Gebäudeschlüssel versehen.
Folie 17 | Titel der Präsentation | 01.06.2015 | © infas 360 | Bearbeiter/in
Auszug weiterer wichtiger Datenquellen für das Standard-Portfolio
Unser Datenportfolio / Auszug
ca. 36 Mio. vermietbare Personenadressen
und weitere 34 Mio. analysierbaren Personen mit unzähligen Merkmalen
ca. 36 Mio. vermietbare Personenadressen
ähnlich zur Post aber zusätzliche 22 Mio. aktive eMail-Adressen
Echtaltersdaten, Jugendliche unter 18 Jahren
ca. 10. Mio. Immobilienwertemit vielen weiteren Merkmalen wie Nutzung etc. Wachsender Datentopf mit p.a. + 2,5 Mio. Werten
ca. 5. Mio. Firmenadressenmit Dach- und Feinbranche, Anzahl Mitarbeiter, Firmengröße, Umsatz, Bonität etc. in Deutschland.Bei Bedarf – weltweiter Adresslieferant
Folie 18 | Titel der Präsentation | 01.06.2015 | © infas 360 | Bearbeiter/in
Quartierstyp (vorwiegender Gebäudetyp) Einkommen / Kaufkraft
Mittlerer Mietpreis Mittlerer Kaufpreis
Beschäftigte Tagbevölkerung Nachtbevölkerung (Anzahl Haushalte) Anzahl Einwohner nach Altersklassen
Traffic-Daten Anzahl Autos je Zeiteinheit (24h, Woche, Monat) Zeit je Strecke
Neubaugebiete
Landnutzungsdaten
22 Mio. postalisch-amtliche Anschriften
Postalisch-Amtliche Haushalte Volladressierbare Haushalte Einwohnerzahlen nach Altersklassen Familienstruktur Soziale Schicht
Anzahl Firmen (nach Mitarbeiterzahl und Branche) Gebäudetyp (Wohnen, Misch, Gewerbe) Gebäudebasistyp Wohngebäudetyp in 26 Typen Gewerbegebietstyp in 9 Typen Gebäudealtersklasse
Grundfläche Wohnfläche Gebäudehöhe Solarnutzung
Garten Lagekriterien in 3 Klassen
Überregionale Lage Innerstädtische Lage Lokale Lage (Güte)
Weitere mikrogeographische Datenauf Hausebene (Auszug)
Weitere mikrogeographische Datenauf Straßen-/Quartiersebene (Auszug)
Unser Datenportfolio / Auszug
Beispiele für Adhoc-Datengenerierung
Folie 20 | Titel der Präsentation | 01.06.2015 | © infas 360 | Bearbeiter/in
Unser Datenportfolio / Auszug
Beispielquelle für Big Data und Ad-hoc-Datengenerierung:Flächendeckende Mobilfunkdaten für Frequenzmessungen
Folie 21 | Titel der Präsentation | 01.06.2015 | © infas 360 | Bearbeiter/in
Beispielquelle für Big Data und Ad-hoc-Datengenerierung:Flächendeckende Verkehrsdaten für alle Straßen Deutschlands und Europas
Unser Datenportfolio / Auszug
Folie 22 | Titel der Präsentation | 01.06.2015 | © infas 360 | Bearbeiter/in
Datenanforderung
Regionale SozialstrukturdatenAusländer an der BevölkerungArbeitslosenquoteSozialhilfeempfängerSoziale ZusammensetzungImmobilienindex
Umweltdaten, allgemeinEmissionenStickoxideSchwefeldioxidePM10-EmissionenPM 2,5-EmissionenKraftwerkeGroßfeuerungsanlagen
BodenSumme austauschbarer basischer Kationen des OberbodenspH-Werte im OberbodenBodenbelastungskatasterBindungsstärke der Böden für Schwermetalle
LärmGesamtlärmindex Berlin
Beispielprojekt Data-Research aus dem wissenschaftlichen Umfeld
Folie 23 | Titel der Präsentation | 01.06.2015 | © infas 360 | Bearbeiter/in
Regionale Sozialstrukturdaten
Geometrische Ebene 2012: 447 PR Berlin2001: 447 PR Berlin
Ausländer an der BevölkerungMerkmale zur Ausländern
Ausländer gesamt Ausländer männlich Ausländer weiblichAusländer nach Alter
ArbeitslosenquoteArbeitslosenquoteRanglisteSchichtwert
Sozialhilfeempfänger undSoziale Zusammensetzung
ImmobilienindexWohnlagen aus dem Mietspiegel
Ergebnisse der Data-Research
Folie 24 | Titel der Präsentation | 01.06.2015 | © infas 360 | Bearbeiter/in
Umweltdaten BodenSumme austauschbarer basischer Kationen des OberbodenspH-Werte im OberbodenBodenbelastungskatasterBindungsstärke der Böden für Schwermetalle
Umweltdaten LärmGesamtlärmindex Berlin (day-evening-night)Auflösung 10m x 10m
Ergebnisse der Data-Research
feinräumige Bebauungstypologiefür 2001 und 2010 in > 30 Klassen
Vielen Dank für Ihre Aufmerksamkeit!
Michael HerterGeschäftsführer
infas 360 GmbH+49 (0)228/74887-360info@infas360.dewww.infas360.de
top related