Uniserv GmbH

Uniserv GmbH

Rastatter Strasse 13
75179 Pforzheim
Tel.: +49 (0) 72 31/9 36 - 0
Fax: +49 (0) 72 31/9 36 - 25 00
E-Mail: [email protected]
Web: www.uniserv.com

Uniserv ist Experte für erfolgreiches Kundendatenmanagement. Smart Customer MDM, die MDM-Lösung für Kundenstammdaten, vereint Datenqualitätssicherung und Datenintegration zu einem ganzheitlichen Ansatz. Als zertifizierter SAP Software Partner für NetWeaver und HANA bieten wir eine erweiterte Lösungskompetenz - sei es on premise oder aus der Cloud. Integrationen in kundenindividuelle SAP-Anwendungen sind dabei ebenso unproblematisch wie die Unterstützung von Webtechnologien, insbesondere im CRM- und ERP-Umfeld. Ein umfassendes Beratungs- und Serviceportfolio sowie die langjährige Erfahrung mit SAP-Projekten runden das Leistungsspektrum ab.


Dokumente

Corporate Overview

Download als PDF

Unternehmensprofil Uniserv Customer Data Management. Better Data. Better Business.

DQ-Connector SAP Business Suite

Download als PDF

Der Uniserv DQ-Connector für SAP Business Suite trägt maßgeblich dazu
bei, die Datenqualität in der SAP Business Suite zu steigern.

Die erste App für Datenqualität

Download als PDF

Die von IBIS entwickelte App „Postal Validation Real-Time
powered by Uniserv“ packt Datenqualitätsprobleme an der
Wurzel: Mit ihr können SAP TM Business ByDesign-Anwender
eine Datenprüfung mit höchster Ergebnisqualität schon bei
der Eingabe realisieren.

Uniserv-Lösungen für die SAP Business Suite

Download als PDF

Uniserv unterstützt Unternehmen dabei, die besonderen
Anforderungen eines effektiven Datamanagements in
allen Phasen eines SAP-Projekts zu meistern. Daher ist es
wichtig zu verstehen, um welche Herausforderungen es
sich handelt und wie sie sich auf das Geschäft auswirken.

Success Story Volkswagen Financial Services AG

Download als PDF

Die Volkswagen Financial Services
AG ist eine 100-prozentige Tochtergesellschaft
der Volkswagen AG und
hat ihren Sitz in Braunschweig. Sie koordiniert
die weltweiten Finanzdienstleistungsaktivitäten
des Volkswagen
Konzerns und ist der größte automobile
Finanzdienstleister in Europa. Ein
zuverlässiges System zur Erkennung
von potentiell betrügerischen Personen
und Organisationen ist für erfolgreiche
Geschäftsprozesse unabdingbar.


Links



Videos

Return on Data

Wie Uniserv Smart Customer MDM hilft, Kosten zu senken sowie Umsatz und Ertrag zu steigern.


Die 5 Herausforderungen des modernen Marketing

Wie Sie mit Uniserv Smart Customer MDM den 5 wichtigsten Herausforderungen des modernen Marketing begegnen.


Kundendatenmanagement im Wandel - Change

Die Welt befindet sich im stetigen Wandel. Sowohl Kunden als auch Wettbewerber sind in ständiger Bewegung. Mit steigender Mobilität verändern sich auch die Anforderungen an das eigene Kundendatenmanagement. Mehr dazu sehen Sie in unserem Video „Change“.


Kundendatenmanagement im Wandel - Deliver

Der Druck auf Unternehmen nimmt täglich zu. Durch die intelligente Kombination aller Informationen und eine einheitliche Kundenansprache sichern Sie sich einen Wissensvorsprung und steigern damit Ihren Unternehmenswert. Mehr dazu sehen Sie in unserem Video „Deliver“.


Uniserv-Webinar "Smart Customer MDM"

Erfahren Sie mehr über "Uniserv Smart Customer MDM" in unserem Webinar Video.


Branchen

Automobilindustrie
Bildungswesen
Chemie
Dienstleistungen
E-Commerce
Finanzdienstleistungen
Gesundheitswesen, Medizintechnik, Forschungseinrichtungen
Handel, Großhandel, Genussmittel- und Konsumgüterindustrie
Hightech- und Elektronik
IT-Dienstleistung
Medien
Öffentliche Verwaltung
Telekommunikation
Touristik
Transport- und Logistikdienstleister, Zoll- und Außenhandel
Versicherungen
Versorgungswirtschaft

Produkte

Cloud Computing
CRM (Customer Relationship Management)
ERP und Business Suite
GRC (Governance, Risk Controll und Compliance), Risikomanagement & Compliance, Compliance, Basel II
In-memory Computing
NetWeaver

Dienstleistungen

Cloud-Services
Consulting, Planung, Services, Customizing, Wartung, Support
Daten- und Technologieservice
Datenanalyse-/prüfung
Integrations-, Implementierungsservice
Kunden-/Mitarbeiterschulungen
Migration von Altdaten, Harmonisierung Stammdaten
Neueinführungen, Konzeption, Einführungsanalyse, Einführungsvorbereitung
Organisation und Prozessberatung
Projektleitung, Projektmanagement
Reviews und Compliance
Services, Optimierung und Transformation von Rechenzentren, Outsourcing, Hosting
Systemanalyse, Systemharmonisierung, Systemrestrukturierung
Testinstallationen
Web-Services


Autoren

Holger Stelz, Uniserv (3 Artikel)


Alle E-3 Artikel der Autoren:




1

KI rettet Kunden

Momentan setzen Unternehmen KI und Machine Learning (ML) zur vor allem Kundenbindung und für ein verbessertes Kundenerlebnis ein. Erwartungen wecken ML-basierte Churn-Prediction-Lösungen, die Kundenabwanderung verhindern sollen.

SAP wolle nach Aussage von Firmenchef McDermott der führende Anbieter von maschinellem Lernen im Firmenkundengeschäft werden. Das Unternehmen investiere daher stark in KI und hat mit dem Innovations-System Leonardo eine Grundlage für Anwendungen für maschinelles Lernen und Software für künstliche Intelligenz geschaffen. Sowohl anbieterseitig als auch auf der Nachfrageseite investieren Unternehmen zunehmend in KI und ihrem Teilgebiet, dem Machine Learning. 73 Prozent der Unternehmen erwarten sich vom Einsatz von KI-Technologien eine höhere Kundenzufriedenheit und 65 Prozent, dass sie so die Abwanderung von Kunden reduzieren können laut Beratungsunternehmen Capgemini. Prädestiniert sind ML-Lösungen in diesem Umfeld, um Abwanderungsprognosen zu ermitteln, auch Churn Prediction oder Customer Retention genannt. Mithilfe von Customer Retention können Kunden frühzeitig Identifiziert werden, die kurz davor stehen zum Wettbewerb […]

2

Die vier Musketiere der Datenqualität

Einer für alle, alle für einen – dieses Motto der vier Musketiere, es hat sich mittlerweile im allgemeinen Sprachgebrauch durchgesetzt, wenn es darum geht, deutlich zu machen, dass „Alleingänge“ nichts nützen und ein Erfolg sich nur einstellt, wenn mehrere Komponenten reibungslos ineinandergreifen. Das gilt auch für die Datenqualität.

Athos, Porthos, Aramis und D’Artagnan – so heißen die vier Musketiere in der Literatur und im Film. Auf den Bereich Datenqualität bezogen lauten ihre Namen Datenanalyse, Datenbereinigung, Datenschutz und Datenüberwachung. Datenanalyse: Status quo der Datenqualität Bevor Unternehmen sich überhaupt mit der Steigerung der im Unternehmen verfügbaren Kundendaten beschäftigen können, müssen sie sich zuerst einmal einen Überblick über den aktuellen Zustand ihrer Daten verschaffen. Für viele Unternehmen stellt dieser erste Schritt bereits eine große Herausforderung dar, denn in der Regel liegen die zu analysierenden Daten in unterschiedlichen, im gesamten Unternehmen verteilten Systemen. Die wichtigste Aufgabe im Bereich der Datenanalyse ist es, verlässliche Aussagen zur Beschaffenheit und Qualität der Kundendaten zu treffen, selbst wenn es sich dabei um ein großes Datenvolumen handelt. […]

3

Guter Lehrer für Mining-Algorithmen

Die Annahme, dass Prognosen nur so gut sein können wie die Daten, auf denen sie basieren, klingt plausibel. Im Rahmen einer Bachelorarbeit an der Hochschule der Medien (HdM) Stuttgart wurde dieser Zusammenhang nun erstmals empirisch untersucht und anhand einer konkreten Testreihe bestätigt.

Die Vergabe der Bachelorarbeit erfolgte im Rahmen der im Frühjahr vereinbarten Zusammenarbeit der HdM mit der Firma Uniserv aus Pforzheim, einem spezialisierten Anbieter von Lösungen für das Kundendatenmanagement. Der Autor der Arbeit, Paul Titze, Student am Fachbereich Information und Kommunikation des Studiengangs Wirtschaftsinformatik und digitale Medien an der HdM, überprüfte mithilfe verschiedener Testszenarien, in denen Datenanalysen mithilfe von Stammdaten verschiedener Qualität durchgeführt wurden, den Zusammenhang zwischen qualitativ hochwertigen Stammdaten und den Ergebnissen der Analyse via Supervised Machine Learning. Ergebnis: Vor allem beim Supervised Learning, bei dem die Stammdaten die Grundlage für das Lernen des Algorithmus bilden, konnten mit einer durch Stammdatenmanagement qualitativ hochwertig aufbereiteten Datengrundlage deutlich bessere Vorhersagen erzielt werden als beim Machine Learning mit einem unbehandelten Datenset. „Mit seiner […]