Znaczenie wzbogacania danych w dostarczaniu doświadczeń związanych z personalizacją klientów

W tym miejscu omówimy, czym jest wzbogacanie danych i jak pomaga organizacjom poprawić ich doświadczenia z personalizacją klientów.

Firmy często wymagają, aby dane stron trzecich, takie jak dane z mediów społecznościowych, były częścią ich istniejących danych klientów. Pozwala to firmom tworzyć spersonalizowane doświadczenia, prowadzić ukierunkowane kampanie marketingowe, tworzyć zaawansowane strategie generowania potencjalnych klientów i wiele więcej. Takie powiększanie, dołączanie lub dodawanie danych do istniejącego zestawu danych jest określane jako wzbogacanie danych.

Wzbogacanie danych w dużych firmach z różnymi źródłami danych

Nierzadko zdarza się, że detaliści, banki, firmy ubezpieczeniowe i inne podobne firmy skierowane do konsumentów chcą wzbogacić swoje informacje. Najczęściej te duże przedsiębiorstwa mają różne źródła danych lub systemy. Na przykład dział marketingu banku może przechowywać informacje o klientach w innym CRM lub systemie. System obsługi klienta może przechowywać informacje w innym systemie. Jeśli bank chce zainicjować usługę personalizacji klienta lub zrozumieć jego podróż klienta, będzie musiał dołączyć dane z tych źródeł do głównego źródła, aby uzyskać pojedynczy pogląd na prawdę.

Ta zmiana źródeł danych w celu uzyskania głębszego wglądu jest powszechną praktyką w organizacjach, jednak różne źródła danych stanowią istotne wyzwanie w osiągnięciu tego celu. Firmy muszą poświęcać dużo czasu na czyszczenie i dopasowywanie wielu źródeł danych, aby móc zbudować kompleksowy lub „wzbogacony” widok klienta.

Pierwszym krokiem do wzbogacenia danych jest właściwie czyszczenie danych. Bez czystych danych nie będziesz w stanie uzyskać informacji potrzebnych do zbudowania widoku klienta, który można wykorzystać do dostarczania spersonalizowanych doświadczeń.

Dlaczego firmy muszą wzbogacać dane?

Oprócz realizacji współczesnych celów biznesowych, wzbogacanie danych pozwala również na:

• Definiowanie i zarządzanie wieloma poziomami hierarchii danych
• Tworzenie nowych reguł biznesowych i klasyfikowanie danych
• Wydajniejsze przetwarzanie i zarządzanie danymi
• Wykorzystanie danych do analizy predykcyjnej

Wzbogacanie danych ma również wpływ na cele operacyjne i organizacyjne, ponieważ firmy stale zwiększają swoje możliwości w zakresie transformacji cyfrowej, sztucznej inteligencji i systemów uczenia maszynowego. Aby takie przekształcenia miały miejsce, firmy będą musiały polegać na wysokiej jakości danych i ujednolicić różne źródła, aby stworzyć jedną wersję prawdy.

Podstawowym celem wzbogacania danych jest jednak potrzeba personalizacji doświadczeń klientów. Na przykład bank wymieniony w tym przykładzie będzie musiał wzbogacić istniejącą bazę klientów o informacje o gospodarstwie domowym (informacje o członkach rodziny klienta), aby zapewnić klientom kredyty studenckie dla ich dzieci. Ten rodzaj spersonalizowanej usługi napędza potrzebę wzbogacania danych.

Zrozumienie znaczących wyzwań związanych ze wzbogacaniem danych

Wymagający proces, wzbogacanie danych rozpoczyna się od zbadania jakości istniejących *i* nowych danych.

Oto lista wyzwań, które zagrażają powodzeniu projektu wzbogacania danych.

1. Dane przechowywane w różnych systemach różnią się formatem, atrybutami i informacjami. Aby uzyskać informacje z tych źródeł, dane muszą najpierw zostać posortowane, oczyszczone i dopasowane w źródle danych w celu usunięcia duplikatów.
2. Nawet jeśli uzyskujesz dane od osób trzecich, takie jak konta w mediach społecznościowych lub formularze na stronach internetowych, dane będą musiały być profilowane w celu sprawdzenia pod kątem niekompletnych lub niespójnych informacji, oczyszczone w celu usunięcia błędów danych i usunięcia duplikatów w celu usunięcia zduplikowanych informacji. Gdy ten zestaw danych będzie gotowy, należy go dodać do istniejących danych. Nadchodzi zabawna część.
3. Jeśli firma nie wyczyściła ani nie zaktualizowała swoich istniejących danych, będzie musiała wyczyścić to źródło danych, zanim będzie mogła zintegrować nowe dane. To źródło danych może składać się z milionów wierszy danych, co utrudnia korzystanie z ręcznych metod czyszczenia.
4. Wreszcie, gdy oba źródła danych zostaną oczyszczone…. To musi być dopasowane! To jest trudna część. W przeciwieństwie do kilkudziesięciu lat temu, dzisiejsze dane są nadmiernie złożone pod względem formatu i struktury. Chociaż stosunkowo łatwo jest wyłapać duplikaty z tymi samymi funkcjami, prawdziwym wyzwaniem jest wyłapanie probabilistycznych duplikatów. Oznacza to pola danych, które mogą reprezentować tę samą jednostkę, ale z inną pisownią nazw, numerów telefonów, a nawet adresów e-mail. Dlatego potrzeba dokładności jest głównym wymogiem, jeśli chodzi o dopasowanie danych.

Wzbogacenie danych nie jest więc prostą sprawą dodawania nowych kolumn do istniejącej bazy danych. Polega na głębokim oczyszczeniu, wyeliminowaniu duplikatów i stworzeniu widoku dającego dokładny obraz profilu klienta, który można wykorzystać w realizacji kampanii personalizacji klienta.

Rola dopasowywania danych we wzbogacaniu danych

Jednym z kluczowych procesów wzbogacania danych jest dopasowywanie danych. Podczas dopasowywania danych do innego źródła dokładność jest jednym z kluczowych problemów. Chociaż firmy wydają miliony dolarów na zatrudnianie specjalistów ds. danych i analityków, nadal nie osiągają nawet 80% dokładności w dopasowaniu danych. Dokładność to tylko jedna część dopasowywania danych.

Kolejną ważną częścią jest czyszczenie danych i deduplikacja danych.

Dzięki repozytoriom danych szanse na powielenie informacji są zawsze wysokie.

To całkiem proste, jeśli się nad tym zastanowić.

Za każdym razem, gdy klient aktualizuje swój numer telefonu, adresy e-mail lub dane adresowe, możliwe jest, że zduplikowany rekord jest generowany automatycznie lub jest wykonywany ręcznie.

Weźmy na przykład formularze internetowe. Użytkownik może przypadkowo uzupełnić swoje dane dwukrotnie, za każdym razem używając nowego adresu e-mail lub nowego numeru telefonu (pola, które zwykle decydują o unikalności).

Wzbogacanie danych będzie skuteczne tylko wtedy, gdy te duplikaty zostaną posortowane, a rekordy będą czyste. Po usunięciu zduplikowanych danych dane zostaną dopasowane, aby przypisać odpowiednie informacje do właściwej jednostki.

Wniosek

W świecie big data firmy starają się uzyskać głębszy wgląd w swoich klientów. Wzbogacanie danych to proces, który umożliwia firmom łączenie wielu źródeł danych w skonsolidowany widok klienta. Aby naprawdę odnieść sukces we wzbogacaniu danych, firmy muszą mieć dane, którym mogą ufać, dlatego będą musiały zainwestować w rozwiązania i struktury jakości danych, które pozwolą im uzyskać czyste, użyteczne dane. Przyjrzyj się jakości danych swojej organizacji. Czy uważasz, że masz wysokiej jakości dane do realizacji projektu wzbogacania danych?