Ein Ansatz zur Modellierung von Informationssystemen für den schlecht-strukturierbaren Bereich "Marketing"

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, Marketing-
informationssysteme 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 Kommunikations-
politik)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 - Marketingmanage-
ments leisten. Dabei subsumieren wir unter dem Begriff alle Informationssysteme, die zur Entschei-
dungsunterstützung im Marketing beitragen können.

Marketinginformationssysteme lassen sich jedoch nicht als "starre" Standardsoftwareprodukte reali-
sieren, sondern sind an die branchen- und unternehmensspezifischen Gegebenheiten anzupassen. Das
betrifft sowohl die in einer bestimmen Branche bzw. einem Unternehmen zur Entscheidungsunter-
stützung verfügbaren Daten, als auch die konkret zu unterstützenden Entscheidungen (bzw. Problem-
lösungen).

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 marketing-
  relevanter 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 ver-
  schiedenen (zueinander inkompatiblen) Informationssystemen abgelegt sind. Die systemübergrei-
  fende Nutzung dieser Informationen ist häufig mit einem hohen Zeit- und Kostenaufwand verbun-
  den, der ihre regelmäßige Inanspruchnahme als Grundlage der Entscheidungsunterstützung verhin-
  dert. Ein wesentlicher Aspekt des Data Support ist jedoch auch, daß er die Grundlage für den Einsatz
  weiterer Methoden zur Datenauswertung und damit einer weiterführenden Entscheidungsunter-
  stützung 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 erfah-
  rungsgemäß die Spezifität von Marketinginformationssystemen dar. Wir unterscheiden folgende
  Varianten:

• Nicht-problemspezifische Systeme stellen Methoden zur Problemlösung - das können z.B. statisti-
  sche 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 Methoden-
  kenntnisse 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 Ergeb-
  nisinterpretation 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 Pro-
  blemspezifität die Gegebenheiten des einzelnen Unternehmens. Das betrifft erstens die problem-
  spezifische Bereitstellung der Methoden im Hinblick auf die konkrete Problemstellung des einzelnen
  Unternehmens. Zweitens sollen auch die datenspezifischen Gegebenheiten des einzelnen Unter-
  nehmens bei der Gestaltung eines Marketinginformationssystems Berücksichtigung finden. Das
  heißt zum einen, daß nur solche Methoden bereitgestellt werden sollen, deren erforderliche Input-
  Daten 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 Input-
  Daten ohne weitere zeit- und kostenaufwendige Konvertierungsarbeiten zugreifen zu können. So
  scheitert in der Praxis der (regelmäßige) Einsatz entscheidungsunterstützender Methoden erfah-
  rungsgemäß 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 System-
konzeption 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 Ent-
wicklung 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. Entscheidungs-
prozessen handelt. Eine Modellierung von MAIS auf der Grundlage von zu unterstützenden (Entschei-
dungs-) 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 prozeß-
orientierten Ansätzen deutlich zu machen, sollen diese in Analogie zu der bekannten, prozeß-
orientierten ARIS-Architektur von SCHEER [Sch92] aufgezeigt werden.

Architektur-Ansätze nehmen zur Komplexitätsreduktion generell eine Strukturierung des Unter-
suchungsgegenstandes 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, DV-
Konzept 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 "Kun-
denauftrag 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 Erfül-
lung 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 be-
arbeiten" 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 Model-
  lierung 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 Marketing-
informationssystem 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 Wiederverwendbar-
keit - 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 Entscheidungs-
unterstützung einsetzbaren Methoden sind wesentlich von den im (unternehmens- und branchenspezi-

5 Anmerkung: Die Entwicklung von Informationssystemen setzt zunächst eine Lösung für die Entscheidungs-, Methoden-
  und 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 unter-
teilen. In der Regel existiert eine Sicht, die beschreibt "was" (d.h. welche Aufgaben) von dem Informa-
tionssystem 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-Funktions-
sicht 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 Experten-
systemen, 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 Entschei-
dungen eingesetzt werden sollen.

Die Anwendbarkeit von Methoden kann entweder auf eine Entscheidung beschränkt (z.B. für be-
stimmte Problemstellungen konzipierte quantitative Marketingmodelle) oder aber für mehrere Ent-
scheidungen 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 Anwen-
dersicht primär nach dem "Zweck" einer Methode und nicht nach dem zugrundeliegenden Lösungs-
ansatz. Soll zur Entscheidungsunterstützung beispielsweise eine Prognose erstellt werden, so ist es aus
Anwendersicht zunächst unerheblich, ob diese mit Hilfe eines statistischen Verfahrens, eines Neu-
ronalen 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 imple-
mentierenden Methoden festgelegt. ARMAIS versucht die Methoden deshalb nach ihrem vordergrün-
digen Zweck zu unterscheiden. Folgende vier Methoden-Klassen werden hierbei differenziert:

                                                 -8-

Die Methoden-Klasse "Grunddatenbereitstellung" umfaßt jene Methoden deren Hauptzweck darin be-
steht, 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 quali-
tative (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 Verwen-
dung von Daten-Referenzmodellen im Entwicklungsprozeß erforderlich wird - führt zu äußerst umfang-
reichen 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 umfangrei-
ches, nicht mehr handhabbares Datenmodell zu erhalten. Im Anschluß an die Beschreibung der unter-
nehmensspezifischen Daten mit der ARMAIS-Methode kann deshalb - in den folgenden Entwicklungs-
phasen - 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 be-
schreiben. 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]                  Ø   umfassen bekannte Kunden (Anschrift)
   ...                                 und anonyme Verbraucher
 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]

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 Marketing-
daten 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 präzi-
siert 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]                      (=eigenes 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]

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 Konkretisie-
rungssichten 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 Fachkonzept-
Ebene 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 Daten-
Clusters 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 einsetz-
baren 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 Daten-
elemente – 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                      METHODEN                   ENTSCHEIDUNGEN
 ... als Input/Output der      ... zur Unterstützung der       ... im Rahmen der vier
     Methoden                      Entscheidungen                  Marketing-Instrumente

   Datencluster                 Differenzierung von                 Produkt/Programm/
   - mit präzisierenden         Methoden-Klassen                    Service
     Konkretisierungssichten     - Grunddatenbereit-
     -- Unternehmen                stellung                         Preis/Konditionen
     -- Wettbewerber             - Datenanalyse
     -- Produkt                  - Prognose
     ...                         - Optimierung                      Distribution
   - mit konkretisierenden
     Datenbezügen
     -- zeitlicher Bezug                                            Kommunikation
     -- geograph. Bezug          Zusammenfassung
     -- Maßeinheit               "einfacher" Methoden zu        und
                                 Methoden-Clustern
   Methodenspezifische
   Daten                                                            Instrumentübergrei-
                                 Methoden werden ent-               fende Entscheidungen
                                 scheidungsspezifisch
 BEISPIEL:
                                 konkretisiert
 Datencluster (hier ohne
 Konkretisierungssichten
 und ohne konkretisierende      BEISPIEL:
 Datenbezüge)
  Absatz/Umsatz-Daten            Grunddatenbereit-
                                 stellung.Preishöhe             BEISPIEL:
  Preis/Konditionen-Daten
                                 Regressionsanalyse.                Preishöhe
  Kosten/Leistungs-Daten         Preishöhe                          ...

 Methodenspezifische             Preisbestimmungs-
 Daten                           modell_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 Entschei-
dungen selektiert. Für diese können dann aus dem Methoden-Referenzmodell die zur Entscheidungs-
unterstützung einsetzbaren Methoden referenziert werden. Je nach Wichtigkeit der einzelnen Entschei-
dung 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 ARMAIS-
Referenzmodelle 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 hin-
terlegt 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 prozeßorien-
tierte Ansätze - aufgrund des Fehlens formulierbarer Prozesse – nicht sinnvoll einsetzen lassen.
ARMAIS geht hier den Weg, anstelle von konkreten (Lösungs-) Prozessen die Methoden zu beschrei-
ben, 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 -