*Źródło: Monte Carlo, The State of Data Quality, 2023
- Obniżona efektywność operacyjna
Błędne dane zwykle nie mogą pozostać same sobie – trzeba je wykryć, a następnie poprawić. Jeśli pojawiają się niespójności w trakcie ich wprowadzania / przetwarzania to ich poprawę często wykonują manualnie Twoi pracownicy.
Posłużmy się tutaj konkretnym przykładem z branży ecommerce. Standardowym zjawiskiem w handlu internetowym są błędne dane adresowe podawane przez kupujących – około 50% adresów w Polsce jest wprowadzana niezgodnie z obowiązującą adresacją. Z czego błędy związane z brakiem numerów mieszkań lub niepoprawnym połączeniem kodu pocztowego z pozostałymi elementami adresów utrudniają dostawę i często wymagają poprawy, aby klienci mogli otrzymać swoje przesyłki.
U jednego z naszych klientów (Bonprix) błędne dane adresowe w zamówieniach były ręcznie poprawiane przez pracowników Call Center. Prowadziło to do wydłużenia procesu dostawy, a czas pracowników na to przeznaczony stanowił dodatkowy koszt operacyjny. Co więcej, takie rozwiązanie i tak nie gwarantowało eliminacji wszystkich pomyłek. Dalej pojawiały się błędy z uwagi na przeoczenie niepoprawnych danych lub ich nieprawidłowe poprawienie przez pracownika. Problemy te udało się rozwiązać poprzez wprowadzeniu automatycznej standaryzacji danych. Dzięki naszemu rozwiązaniu Bonprix zminimalizował błędy do minimum, skrócił średni czas dostawy oraz uwolnił zasoby CC na inne inicjatywy.
- Nieefektywne kampanie marketingowe i działania sprzedażowe
Im lepiej znasz swojego klienta, tym skuteczniej możesz do niego dotrzeć – z tym stwierdzeniem zgodzi się pewnie każdy marketer czy sprzedażowiec. Wiele firm bagatelizuje jednak informacje osobowe dotyczące swoich klientów i posiada duplikaty oraz błędy w swoim systemie CRM. To natomiast powoduje spadek efektywności działań marketingowych.
Przykładów nieefektywności może być wiele:
- oferty są wysyłane na niepoprawne maile lub adresy zamieszkania
- jeden klient otrzymuje wiele (potencjalnie różnych) komunikatów
- wiadomości są błędnie personalizowane i w konsekwencji nieużyteczne.
Dodatkowo dział sprzedaży może popełniać błędy w kontaktach z klientami, ponieważ nie ma dostępu do pełnej historii współpracy w jednym miejscu, co utrudnia dopasowanie odpowiedniego przekazu oraz stanowi ryzyko kilkukrotnego (nieświadomego) kontaktu z tą samą osobą. Nie trzeba zastanawiać się długo, by domyślić się jakie mogą być tego skutki – nadszarpnięty wizerunek firmy, nieefektywnie wykorzystany czas pracowników, utracony potencjał sprzedażowy.
Brak poprawnych danych adresowych nie pozwala też na skuteczne określenie lokalizacji klienta, co natomiast ogranicza możliwości geomarketingu. W jaki sposób? Osadzając adres w przestrzeni możesz pozyskać wiele dodatkowych cennych informacji przestrzennych – np. szacowane zarobki, bliskość do wybranych punktów POI, poziom zagrożenia powodziowego. Tego typu informacje pozwalają znacznie skuteczniej segmentować klientów i dopasowywać do nich odpowiednie oferty.
- Zaburzona analityka i błędne decyzje biznesowe
Błędne dane to zaburzona analityka, a to już może prowadzić do nieoptymalnych decyzji biznesowych.
Przykładem może być sytuacja, w której niektóre dane klienckie są dwukrotnie zapisywane w CRMie. Analizując statystyki sprzedaży, wydaje się, że firma zdobywa większą liczbę nowych klientów niż faktycznie (zawyżony wskaźnik akwizycji). Na podstawie takiego fałszywego wskaźnika przedsiębiorstwo może podjąć decyzję o zwiększeniu budżetu marketingowego, choć w rzeczywistości efektywność kampanii pozostaje niska, a jej skalowanie nieopłacalne.
Inny przykład: Firma posiada niepoprawne dane kontaktowe swoich klientów w systemie CRM. W rezultacie wiele prób kontaktu z klientami kończy się niepowodzeniem, co wpływa na wysoki wskaźnik odrzuceń. To może sugerować, że kampanie marketingowe nie są skuteczne i należy ich np. zaniechać, podczas gdy faktycznym problemem jest niedokładność danych.
- Niewykorzystany potencjał antyfraudowy
Okazuje się, że dane adresowe mogą stanowić kluczową informację w procesie oceny ryzyka nadużycia i niewypłacalności. Skuteczność modeli wykorzystujących jedynie (!) tego typu informacje jest wręcz zaskakująca – wskaźnik ROC osiąga 69% dla klientów indywidualnych i JDG oraz aż 80% dla spółek. Jednak diabeł tkwi w szczegółach – osiągnięcie takiej precyzji predykcyjnej jest możliwe tylko przy zapewnieniu wysokiej jakości danych adresowych.
Jak się za to zabrać? Najpierw warto poddać dane adresowe procesowi standaryzacji, aby uzyskać spójny zapis. Drugim krokiem jest weryfikacja obecności adresu w bazach referencyjnych (aby wykryć, jeśli adres nie istnieje). Na końcu pozostaje nam zgeokodować adres (czyli nanieść go na mapę) i połączyć z danymi dotyczącymi danych zdarzeń – np. występowaniem nadużycia czy defaultu oraz zbudować odpowiednie scoringi. Wizualizację takiej oceny przedstawiamy poniżej.
Taką ocenę możesz z powodzeniem stosować jako pierwszą linię ochrony przed nadużyciami, albo w celu zwiększenia skuteczności obecnych modeli predykcyjnych. Wybór należy do Ciebie!
- Trudności w spełnieniu nowych regulacji
Dobrym przykładem tutaj jest ustawa obligująca firmy do korzystania od 1 lipca 2024 roku z Krajowego Systemu e-Faktur (KSeF).
Integracja z KSeFem może rodzić szczególne wyzwania, jeśli dane w Twoim systemie CRM/ERP są niskiej jakości. W takiej sytuacji faktury z systemu KSeF także nie będą poprawnie wystawiane. W rezultacie będą musiały być manualnie poprawiane przez Twoich pracowników, a w skrajnych przypadkach może się to zakończyć utratą przychodów. Możesz jednak tego uniknąć, jeśli zadbasz o dane znajdujące się w systemach Twojej firmy.
Podsumowując, błędne informacje mogą wpłynąć negatywnie na wiele aspektów biznesu – od ogólnej efektywności operacyjnej przez marketing i sprzedaż po działania antyfraud. Dbanie o jakość danych powinno być więc jednym z Twoich priorytetów. Jeśli chcesz poznać nasze sposoby na skuteczną i automatyczną poprawę jakości danych, skontaktuj się z nami pod adresem info@algolytics.pl.
