As empresas, relacionam-se com seus clientes. Pode parecer Ăłbvio, mas a maioria das empresas nĂŁo conhece as informaçÔes certas sobre as pessoas que estĂŁo cadastradas em seus bancos de dados. As empresas, relacionam-se com seus clientes. Pode parecer Ăłbvio, mas a maioria das empresas ? mesmo aquelas que exploram iniciativas de CRM ? nĂŁo conhece as informaçÔes certas sobre as pessoas que estĂŁo cadastradas em seus bancos de dados. Com tantas variĂĄveis envolvidas em um projeto de gestĂŁo de clientes, os dados sĂŁo freqĂŒentemente negligenciados. E a negligĂȘncia sobre a qualidade da informação pode levar ao insucesso, atĂ© mesmo os programas de CRM com as melhores intençÔes. Mas isso nĂŁo precisa ser assim.
O Instituto de Data Warehousing estima que a qualidade ruim dos dados custa Ă s empresas dos EUA mais de US$ 600 bilhĂ”es por ano. Mais prejudicial ainda Ă© que o nĂvel gerencial freqĂŒentemente nĂŁo tem consciĂȘncia sobre a situação, subestimando as atividades que causam essa perda. O relatĂłrio de 2003 do Gartner, “Uma Abordagem EstratĂ©gica para Melhorar a Qualidade dos Dados”, informa que 50% das empresas que implementam uma estratĂ©gia de CRM nĂŁo percebem os problemas significativos de qualidade dos dados que possuem. “Muitas organizaçÔes se preocupam com a estrutura, por exemplo, as ferramentas, mas tendem a nĂŁo pensar sobre a qualidade”, diz Ted Friedman, principal analista do Gartner, durante um recente seminĂĄrio promovido pela DM Review.
Uma qualidade de dados ruim significa que a informação pode ser imprecisa, incompleta, redundante ou fictĂcia. O Instituto de Data Warehousing vai mais longe ao afirmar que “a degeneração da qualidade dos dados estĂĄ lentamente sangrando as empresas atĂ© a morte”. Os problemas incluem erosĂŁo da confiança do cliente, perda de oportunidades de negĂłcio e tomadas de decisĂŁo estratĂ©gicas equivocadas, em função de dados imprecisos ou incompletos.
Para as iniciativas de CRM, “compreender os relacionamentos entre as entidades dentro da base de clientes Ă© missĂŁo crĂtica”, observou Friedman. “A alta qualidade dos dados do cliente Ă© vital para o CRM… Ă o trabalho analĂtico que permite quebrar qualquer barreira na lucratividade do cliente (por meio de estratĂ©gias centradas em valor e necessidades). E a qualidade dos dados tem de ser alta para que o trabalho analĂtico seja bem-sucedido”.
Situação atual da qualidade dos dados
As estratĂ©gias de CRM que nĂŁo possuem uma estratĂ©gia de dados associada nĂŁo tĂȘm muita chance de sobrevivĂȘncia em longo prazo. Muitas empresas que temos visto investem pesadamente em novos bancos de dados e em capacidade de armazenamento, mas poucas gastam tempo pensando sobre as suas prĂłprias informaçÔes. Muito freqĂŒentemente as empresas nĂŁo compreendem o volume de dados de que necessitam e que anĂĄlises podem gerar a partir deles. Isso varia de empresa para empresa, mas por menor que seja a melhora na qualidade dos dados, ela pode fazer milagres.
Por exemplo, quando trabalhamos com um grande varejista, vimos que a empresa atualizava as informaçÔes demogrĂĄficas dos clientes regularmente. A empresa cruza seu banco de dados com listas de terceiros para assegurar que todos os endereços sejam precisos. Isso Ă© o mĂnimo, mas pode ter um grande impacto. InformaçÔes imprecisas podem significar desperdĂcio de dinheiro e recursos para esforços de mala direta ou telemarketing.
Tivemos a chance de trabalhar com uma agĂȘncia governamental que se baseia em cĂłdigos padrĂ”es da indĂșstria para classificar os clientes nos grupos de necessidades e comparĂĄ-los para desenvolver iniciativas de valor. Quando olhamos para os cĂłdigos, alguns deles nĂŁo faziam muito sentido. A empresa entretanto ajustou seus cĂłdigos para serem mais precisos. Os clientes entĂŁo poderiam ser melhor classificados em grupos de indĂșstrias, os quais permitem a agĂȘncia realizar açÔes mais focadas.
Perfeição não é o objetivo
Por outro lado, algumas empresas estĂŁo tĂŁo preocupadas com os problemas dos dados que os utilizam como desculpa para nĂŁo agir. Encontramos esse problema em uma empresa especĂfica. Essa organização estava muito consciente sobre os problemas dos dados, mas ainda relutava em tomar alguma ação. A estratĂ©gia de limpeza das informaçÔes, por fim, resultou em um aumento na qualidade dos dados ao nĂvel de 70%, e nĂŁo aos 100% de meta. Mas mesmo os 70% sĂŁo uma melhora fundamental. Ter informaçÔes perfeitas seria o ideal, mas nĂŁo tĂȘ-las Ă© uma realidade.
Uma boa forma de contabilizar mentalmente essa “paralisação de açÔes” Ă© posicionar os dados dos clientes como uma fonte poderosa de vantagem competitiva. E uma boa regra Ă© focar nos dados mais relevantes para as iniciativas em andamento. O que vocĂȘ mede depende do foco que Ă© dado ao negĂłcio. Mantenha sob controle. VocĂȘ terĂĄ mais sorte se “colocar a qualidade dos dados no contexto financeiro que faz mais sentido para seu negĂłcio”, recomenda Friedman. “Em muitos casos haverĂĄ comprometimento das pessoas se os benefĂcios tangĂveis aparecerem”.
Encontrando as primeiras fundaçÔes Outro ponto importante Ă© unir a empresa, colocar os funcionĂĄrios de TI e banco de dados para trabalharem juntos. O motivo nĂșmero um pelo qual esses departamentos diferentes nĂŁo conversam Ă© porque eles nĂŁo falam a mesma “lĂngua”. Por exemplo, estivemos em situaçÔes onde a empresa possuĂa um maravilhoso banco de dados e estatĂsticos muito competentes, mas essa empresa nĂŁo realizava muitas açÔes com os dados coletados. Os responsĂĄveis pelo negĂłcio nĂŁo conseguiam expressar o que precisavam e as pessoas que trabalhavam com o banco de dados nĂŁo conseguiam dizer o que podiam entregar. A verdade Ă© que as açÔes de sucesso requerem entendimento mĂștuo e um objetivo comum.
A liderança ajuda a estabelecer o objetivo em comum. Se o CEO define que a nova abordagem para desenvolver uma estratĂ©gia vem das decisĂ”es das anĂĄlises dos dados, as açÔes tendem a fluir. Deixar claros tanto a visĂŁo como o processo facilita a colaboração departamental. As principais pessoas dentro da organização (que falam as diferentes lĂnguas) sĂŁo fundamentais para ajudar a alcançar a colaboração em qualquer iniciativa com dados e estar um passo mais prĂłximo do conhecimento dos seus clientes.