<p>The Retention has been most important factors for the companies because the cost of looking for much higher than the cost of keeping relation with current customers. The customer retention is to understand your customers through the Customer Relationship management and the more you know about them the better: their expectations, satisfaction levels, demographic & geographic & psychographic tendencies If you understand more about your customers and know more about which customer groups are defecting to rival providers, more effective retention strategies can be developed. This is the key to the successful retention marketing. The aim of this report is two fold:To help the company confronting the problem of the churn customer with complains at 60 percent due to the different reasons in the business of delivery the paper. Here the literature study from the other authors been taken as the reference. Maslow Theory has been served as the background model theory of this study. To deliver how the churn analysis could be helpful to solve the problem. It serves with detailed information, a strategy, recommendations to handle the customer complains in reflection of the churn and customer relation ship management. In addition to this, data ware house gives an open invitation to the data mining. The churn ratio of the customer can be identified as in the groups for the variables in respect to the calls received, tear paper call, wet paper calls. So in data mining one can analyse the data with the high or the low degree of description of the variables. In this manner there could be the chances the variable for the tear paper variable shows more in the customer segment. The data mining has been tried to apply here with some of the theories.</p>

The Retention has been most important factors for the companies because the cost of looking for much higher than the cost of keeping relation with current customers. The customer retention is to understand your customers through the Customer Relationship management and the more you know about them the better: their expectations, satisfaction levels, demographic & geographic & psychographic tendencies If you understand more about your customers and know more about which customer groups are defecting to rival providers, more effective retention strategies can be developed. This is the key to the successful retention marketing. The aim of this report is two fold:To help the company confronting the problem of the churn customer with complains at 60 percent due to the different reasons in the business of delivery the paper. Here the literature study from the other authors been taken as the reference. Maslow Theory has been served as the background model theory of this study. To deliver how the churn analysis could be helpful to solve the problem. It serves with detailed information, a strategy, recommendations to handle the customer complains in reflection of the churn and customer relation ship management. In addition to this, data ware house gives an open invitation to the data mining. The churn ratio of the customer can be identified as in the groups for the variables in respect to the calls received, tear paper call, wet paper calls. So in data mining one can analyse the data with the high or the low degree of description of the variables. In this manner there could be the chances the variable for the tear paper variable shows more in the customer segment. The data mining has been tried to apply here with some of the theories.

<p>Marknaden för datalager har sedan mitten på 1990 talet expanderat kraftigt. Det finns emellertid forskare och utvecklare vid företag som menar att dessa datalager är allt för passiva. Med det menar de att alla uppgifter som är relaterade till analys av data måste göras manuellt. Det finns dock hjälp att få när det gäller detta. Lösningen heter aktiva datalager, dessa datalager har ett så kallat aktivt beteende. Det innebär att de automatiskt kan reagera och handla utifrån olika förutbestämda händelser.</p><p>Syftet med denna undersökning är att kartlägga om det finns aktivt beteende i dagens datalager som utvecklats av svenska företag, samt vilka förväntningar och erfarenheter som finns kring aktivt beteende i datalager. För att undersöka detta har ett antal intervjuer på olika företag som utvecklar datalager genomförts.</p><p>Undersökningen bygger på de svar som inkommit under intervjueran, där olika områden har belysts. Dessa områden är, används aktivt beteende, orsaker, förväntningar, erfarenheter, kostnader och framtid. Undersökningens resultat visar att det finns svenska företag som utvecklar datalager med aktivt beteende. Undersökningen visar också att åsikterna kring aktivt beteende skiljer sig mellan olika företag som utvecklar datalager.</p>

Marknaden för datalager har sedan mitten på 1990 talet expanderat kraftigt. Det finns emellertid forskare och utvecklare vid företag som menar att dessa datalager är allt för passiva. Med det menar de att alla uppgifter som är relaterade till analys av data måste göras manuellt. Det finns dock hjälp att få när det gäller detta. Lösningen heter aktiva datalager, dessa datalager har ett så kallat aktivt beteende. Det innebär att de automatiskt kan reagera och handla utifrån olika förutbestämda händelser. Syftet med denna undersökning är att kartlägga om det finns aktivt beteende i dagens datalager som utvecklats av svenska företag, samt vilka förväntningar och erfarenheter som finns kring aktivt beteende i datalager. För att undersöka detta har ett antal intervjuer på olika företag som utvecklar datalager genomförts. Undersökningen bygger på de svar som inkommit under intervjueran, där olika områden har belysts. Dessa områden är, används aktivt beteende, orsaker, förväntningar, erfarenheter, kostnader och framtid. Undersökningens resultat visar att det finns svenska företag som utvecklar datalager med aktivt beteende. Undersökningen visar också att åsikterna kring aktivt beteende skiljer sig mellan olika företag som utvecklar datalager.

No description available.

No description available.

No description available.

No description available.

<p>Datalager är ett system som består av information från flera olika system. Datautvinning går ut på att få fram ej tidigare känd kunskap från till exempel datalager. Kostnaden för att hålla något i lager är en dold kostnad som många företagsledare ej är medvetna om hur mycket det kostar dem. Syftet med detta examensarbete är att undersöka ett möjligt angreppssätt med datautvinningsmetoder ur datalager för framtagande av beslutsunderlag rörande lagernivåer. Kostnaden att hålla något i lager är en dold kostnad som det är intressant att finna nya metoder för att påverka.</p><p>För att besvara frågeställningen utfördes en fallstudie på ett lagerhållande företag som använder sig av datalager. Resultatet visar att den ena metoden är mer lämpad än den andra för beslutsunderlag.</p>

<p>Det moderna samhället styr mot ökad konkurrens, globalisering och en högre affärskomplexitet. Detta medför att behovet av snabb tillgång till önskvärd information bland verksamheter ständigt ökar. För att mätta denna typ av behov använder sig fler och fler verksamheter av datalager. Att utveckla och hantera ett datalager är dock inte problemfria processer.</p><p>I detta arbete kommer framgångsfaktorer för hela datalagrets livscykel att studeras. Först genomförs en litteraturstudie där framgångsfaktorer för datalager tas fram. Vidare kategoriseras dessa utifrån ämnesområden och kopplas sedan till de olika spåren för datalagrets livscykel. Därefter görs en undersökning hur pass betydelsefulla de olika framgångsfaktorerna anses vara. Avslutningsvis presenteras en rangordning av de olika framgångsfaktorerna för de olika spåren. Att kategorisera och rangordna framgångsfaktorer bidrar till att verksamheter lättare kan studera vilka framgångsfaktorer som är betydelsefulla och var de hör hemma.</p><p>Resultatet visar dels på att hänsyn måste tas till flera olika framgångsfaktorer i de olika spåren samt att det finns interaktion mellan framgångsfaktorerna.</p><p>Nyckelord: Datalager, Framgångsfaktorer, Kategorisering och Rangordning</p>