Customer Intelligence y calidad de datos

En las estrategias orientadas al cliente, aquellas que hace unos años se denominaban estrategias CRM, hay un factor crítico, una barrera de entrada, disponer de información de cliente.

Muchas veces esta información proviene de diferentes fuentes y pasa por diferentes procesos hasta que se incorpora a los diferentes repositorios de datos.

Entre mayo y junio del 2006 se llevó a cabo un estudio con el objetivo de analizar la importancia de los datos y la información como factor clave en la estrategia de las empresas. Se realizaron 1000 entrevistas a ejecutivos con responsabilidades en diversas áreas. Los resultados no dejan de ser sorprendentes.

La mayoría de los entrevistados piensa que la calidad de los datos es muy importante para su actividad y que la falta de calidad de los mismos afecta de manera importante a la rentabilidad de las acciones. El problema existe y esta identificado, es un primer paso. Gran parte de los entrevistados consideraban que la calidad de sus datos era mejorable, pero la sorpresa llega cuando casi el 75 % reconocía que la calidad de los datos era peor de lo que pensaban.

En un estudio realizado el año pasado por Aberdeen Group titulado “Customer Intelligence Management Benchmark Report” se analizaban las acciones, resultados y desafíos de las organizaciones que querían realizar una estrategia de orientación al cliente.

Entre las acciones se citaban:

• Intensificar, integrar o implementar los proyectos de Business Intelligence orientados al análisis de la información clave de la organización (no exclusivamente de cliente)
• Intensificar, integrar o implementar los proyectos de Business Intelligence orientados al análisis predictivo
• Intensificar, integrar o implementar un proyecto CRM (sic)
• Intensificar, integrar o implementar un proyecto de creación de un repositorio de datos (Datawarehouse)
• Intensificar, integrar o implementar un proyecto que mejore la calidad de los datos de cliente.

Esta última opción sólo la citaban un 15 % de las organizaciones.

Entre los desafíos, sin embargo, estaban:

• Extracción y normalización de datos de cliente que se obtienen de diversas fuentes
• Establecer procedimientos de análisis de cliente (profiling, segmentación, modelos de retención y adquisición)
• Verificación de la validez de los datos de cliente y enriquecimiento de los mismos.
• Asegurar la disponibilidad de presupuesto y recursos técnicos y humanos para realizar políticas de Customer Intelligence.

Parece ser que a ambos lados del Atlántico las preocupaciones son las mismas, o al menos parecidas. Y los errores que se cometen también lo son: intentar cualquier tipo de acción orientada a obtener conocimiento de nuestros clientes pasa por obtener, procesar, tratar y completar los datos de los mismos de forma adecuada y eficaz.

Y lo mejor de estas soluciones, al contrario que otras que conforman el entramado customer intelligence, es que demostrar el retorno de la inversión no es necesario, se pagan por si solas. Piensen en el porcentaje de devoluciones y el enorme coste que supone la información errónea y/o incompleta.

Si quiere saber como mejorar la calidad de los datos visite el siguiente enlace.