… wszystko to ma bardzo duży wpływ na transformację potrzeb oraz oczekiwań użytkownika wobec marek.
Dane stały się nowym, pożądanym surowcem strategicznym. Rozwój nowych technologii powoduje powstanie nowych źródeł danych, które są zbierane przez różne organizacje w celu znalezienia wartościowej wiedzy do podejmowania decyzji biznesowych.
Zobacz również
Efektywne gromadzenie, zarządzanie i wykorzystanie danych wspiera optymalizację jakości produktów i usług, poprawę jakości obsługi klientów, redukcję kosztów, zwiększenie wpływów oraz zarządzania ryzykiem. W ciągłej walce o pozycję na rynku firmy gromadzą maksymalnie dużo danych bez konkretnego planu jak zostaną wykorzystane, z założeniem, że uda się wyciągnąć z nich wartość w przyszłości.
Dzisiaj biznes stoi w obliczu rosnącego wyzwania, jakim jest efektywne gromadzenie i wykorzystanie danych. Najczęściej wyznawaniem nie jest technologia, a problem jest bardziej natury organizacyjnej. W dużych strukturach korporacyjnych gromadzone dane często są rozproszone na różne jednostki i departamenty firmy. Niejednokrotnie spotkać się można z sytuacją, że marketing, e-commerce, sprzedaż w kanałach tradycyjnych, lojalność, biuro obsługi klienta etc. działają na różnych narzędziach, które zostały dobrane w ramach potrzeb poszczególnych działów. Mówiąc prościej – dane są podzielone i odseparowane w ramach firmy.
Kolejnym mankamentem zarówno dużych, jak i średnich struktur organizacyjnych jest nieunormowany sposób agregacji danych. Jak zostało wspomniane wcześniej, często poszczególne działy mogą mieć różne narzędzia. Podobnie polityka zbierania danych, która wielokrotnie jest zróżnicowana i odpowiada tylko potrzebom tych działów. Prowadzi to do sytuacji, w której zgromadzone w ramach organizacji dane są rozproszone na różne ekosystemy technologiczne, są zduplikowane i niezintegrowane. A to pociąga za sobą mnóstwo utraconych korzyści, między innymi w procesie budowania zunifikowanego profilu klienta i planowania multichannelowej komunikacji. Taki sposób gromadzenia i zarządzania danymi uniemożliwia zbudowanie spójnego obrazu tego co się dzieje w firmie na poszczególnych etapach jej działalności.
#PolecajkiNM cz. 32: czego szukaliśmy w Google’u, Kryzysometr 2024/25, rynek dóbr luksusowych w Polsce
Dlaczego tak jest?
Jest to za razem łatwe, jak i trudne pytanie. Natomiast najczęstszym powodem rozproszenia danych jest czynnik ludzki, a mianowicie:
Słuchaj podcastu NowyMarketing
- Brak zrozumienia zagadnień związanych z zarządzaniem danymi, a tym samym zbudowanej strategii danych.
- Brak komunikacji pomiędzy poszczególnymi departamentami i odpowiedzialności poszczególnych działów za budowanie jakości danych – data governance oraz data quality.
- Niechęć osobista pomiędzy pracownikami/managerami poszczególnych działów.
Efekty
Brak planu i porządku w agregacji danych, rozbicie ich na różne działy w organizacji utrudnia analizę i wyciąganie kluczowych wniosków. Analitycy niejednokrotnie muszą stawać na głowie, aby zbudować jakościowe insighty, które będą miały przełożenie na biznes. Ma to również wpływ na efektywność pracy marketerów, dla których wykorzystanie zunifikowanych danych o własnych klientach umożliwia planowanie i realizację jakościowej komunikacji. Jest to kluczowe z punktu widzenia organizacji ukierunkowanej na budowanie relacji z klientami, budowanie lojalności oraz postrzeganie marki na rynku.
Co można/trzeba zrobić w zaistniałej sytuacji?
Odpowiedź na to pytanie nie jest jednoznaczna. Każda organizacja jest inna. Można to porównać do człowieka – każdy jest inny, ale mamy mnóstwo cech wspólnych. Dlatego też jest szereg działań, które są uniwersalne dla każdej organizacji i które umożliwiają poprawę jakości gromadzonych danych i efektywności ich wykorzystania.
Aby dane mogły odgrywać kluczową rolę w realizacji założeń biznesowych, organizacja powinna rozumieć gromadzone dane. Wiedzieć jakich danych potrzebuje do realizacji swoich codziennych zadań i w jaki sposób chce z nich korzystać. Dlatego też znaczne zasoby oraz środniki są przeznaczane na weryfikację jakości agregowanych danych, zabezpieczenie ich przed niesankcjonowanym dostępem, ciągłe odświeżanie oraz zbieranie nowej, jakościowej informacji. Przykładem mogą tutaj być banki, które muszą na bieżąco monitorować nasze działania związane z płatnościami, przelewami, depozytami i innymi aktywnościami. Informacje przez nie zbierane muszą być ustrukturyzowane i zawsze aktualne, aby nie doszło do poważnego w skutkach błędu.
Z punktu widzenia marketingu, liczność kanałów marketingowych oraz źródeł danych, które muszą być procesowane, ciągle rośnie. W tak dużym napływie danych organizacje niejednokrotnie muszą poświęcić mnóstwo czasu i zasobów na weryfikację ich nowych źródeł oraz analizę i weryfikację powiązań pomiędzy nimi.
Co dalej?
Aby firma mogła wejść w świat tzw. Data-Driven Marketingu potrzebna jest definicja obowiązującej w organizacji strategii danych – swego rodzaju kompasu, który wyznacza kierunek dla całej organizacji pod kątem zbierania danych, ich jakości oraz istotności dla biznesu, podejścia do zarządzania całością danych gromadzonych przez firmę, ich analizy i wykorzystania na potrzeby prowadzonego biznesu.
Podczas definicji strategii danych w organizacji dobrą praktyka jest rozbicie procesu na kilka etapów:
- Odkrywanie danych (ang. Data Discovery) – jest to pierwszy etap w procesie budowania strategii danych polegający na weryfikacji typów danych gromadzonych w ramach organizacji, ich ilości oraz wskazanie luk w danych, które powinny być zniwelowane poprzez poprawę procesu zbierania danych.
- Klasyfikacja danych (ang. Data Classification) – jest to tak naprawdę taksonomia danych, która reprezentuje sposób klasyfikacji i kategoryzacji agregowanych danych przez organizację.
- Przetwarzanie danych (ang. Data Ingest) – jest to proces oraz metodologia agregacji i przechowywania wszystkich danych w ramach organizacji. Przykładem mogą być dane pozyskane przez Call Center podczas rozmowy telefonicznej, dane pozyskane przez handlowca i wprowadzone do CRM, dane z aplikacji mobilnej czy e-commerce, etc.
- Wykorzystanie danych (ang. Data Activation) – jest to nie tylko wykorzystanie danych w ramach działań marketingowych, ale również pomiar i weryfikacja efektów wykorzystania danych na każdym etapie realizowanych działań biznesowych.
Należy pamiętać, że proces zarządzania danymi jest ciągły. Dane są dynamiczne i jako aktywo organizacji powinny być na bieżąco weryfikowane oraz klasyfikowane pod kątem ich jakości i przydatności dla biznesu. Gromadzone dane powinny być istotne dla biznesu (Meaningful Data) i generować wartość dla prowadzonych działań, a nie być zobowiązaniem i kosztem.
Same dane, nawet w ustrukturyzowanej i znormalizowanej formie nic nam nie dają. Potrzebna jest umiejętność analizy oraz wyciągania wniosków. Wsparcie doświadczonego i rozumiejącego biznes zespołu analitycznego ma znaczący wpływ na jakość pracy przedsiębiorstwa. Umożliwia identyfikację newralgicznych punktów, które wymagają poprawy, np.: wykrywanie fraudów, definicję ścieżki klienta oraz definicję jego cyklu życia, poprawę jakość komunikacji, a tym z samym budowanie customer experience. Budowanie procesu decyzyjnego na wiarygodnej informacji niejednokrotnie stanowi o tym, czy firma odniesie sukces czy poniesie porażkę w walce o swoje miejsce na rynku.
Niestety częstym błędem popełnianym przez firmy w kontekście zarządzania danymi jest wrzucanie do jednego worka wszystkich zagadnień dotyczących analityki, danych oraz technologii i separowanie tego od biznesu. Tak, te zagadnienia są mocno powiązane, ale wszystkie wspierają cele biznesowe. Biznes generuje dane, a analityka i technologia skutecznie je wykorzystują w osiąganiu założonych efektów biznesowych.