Errores más habituales en una estrategia de datos de clientes

Errores más habituales en una estrategia de datos de clientes

errores estrategia datos

Las empresas necesitan los datos de sus clientes para desarrollar relaciones de calidad, pero muchas veces esos datos correctos no se encuentran disponibles y esto supone que las organizaciones tomen decisiones sobre bases erróneas.

Lo anterior explica que muchos clientes de empresas reciban a diario mensajes con alguna de estas erratas u omisiones:

  • Una oferta para un producto o servicio que fue comprado a esa misma empresa hace poco tiempo.
  • Una oferta que no tiene relevancia para la compañía puesto que no cubre sus necesidades.
  • Ofertas que están duplicadas y se envían dos veces a una misma persona con el nombre mal escrito.
  • Mensajes promocionales relativos a productos o servicios comprados que en realidad nunca fueron comprados.
  • Mensajes promocionales que se refieren a premios que en realidad no se han ganado.

Si deseamos destacar frente a las empresas de la competencia es necesario que evitemos todos estos errores y de esa forma mejoraremos los resultados de la empresa.

 

KYO - CTA Texto - DM

 

Errores más habituales a la hora de desarrollar una estrategia de datos de clientes

Las empresas son conscientes de que es necesaria una estrategia de datos de clientes, pero muchas empresas encuentran dificultades para establecer el valor de un proyecto de datos y esto les hace perder tiempo y recursos. Además, hay una serie de errores que se suelen cometer en el desarrollo de una estrategia de datos de clientes, como son los siguientes:

  • Implementar iniciativas que están de moda sin vincularlas a iniciativas empresariales. Algunas empresas implementan el big data, el análisis predictivo u otras herramientas, sin considerar el valor que realmente les aporta.
  • No tener un plan para la gestión de datos a través de iniciativas empresariales. Cada iniciativa de una empresa tiene requisitos distintos, esto supone que los diferentes equipos construyen repositorios de datos enteros y soluciones de análisis de datos independientes. La consecuencia de lo anterior es que los datos está dispersos y no tienen una cohesión, lo cual tiene un coste en tecnología.
  • Uso de los sistemas actuales como base para una hoja de ruta. Muchas organizaciones buscan mejorar los sistemas actuales como un fin no como un medio, lo que supone que la integración se sacrifica y que no se tienen en cuenta las necesidades empresariales.
  • Implementar dominios de datos sin vincularlos a iniciativas empresariales. En los casos en que un proyecto se centre en implementar un dominio de datos sin ningún tipo de uso empresarial específico para impulsar el alcance, el proyecto necesitará mucho más tiempo y dinero y además tendrá más posibilidades de que se cancele antes de finalizarse.
  • Análisis confusos con proyectos y operaciones de TI. Las empresas confunden a veces la investigación analítica y el desarrollo, por lo que las operaciones de TI se pueden desconectar de las expectativas de TI, las del negocio y los resultados de negocios fallidos.
  • Estar contento por tener apoyo ejecutivo. El apoyo ejecutivo pierde utilidad si el ejecutivo de que se trate presiona para que ciertos proyectos finalicen con independencia de sus objetivos reales.
  • Evitar errores cuando incorporas Big Data a tu estrategia de datos. Los fracasos en la implantación de estrategias de datos se suelen deberse a conceptos equivocados sobre lo que Big Data puede y no puede hacer o a aplicar viejos métodos a una tecnología que tiene diversas dimensiones.

El mayor problema, en general, es que se produce una desconexión entre el proyecto de datos y los objetivos que tiene cada empresa. Un proyecto que aporte valor debe dirigirse hacia los objetivos de la empresa.

 

KYO - CTA horizontal - DM