Tornar enrere Tornar enrere Blog RS

Escrit per

Erik Rigola

next

CRM i Datalakes: Com configurar la millor solució per al teu negoci?

Que la pandèmia ha estat un vector d’acceleració de la transformació digital de les empreses és una obvietat. Que durant aquesta acceleració moltes empreses s'han adonat de la importància de la dada (propi) també. Això en part per la por que Google Chrome deixarà de suportar les cookies a finals de 2023 (fa un temps deien que seria a finals de 2022) – encara que la solució de les galetes està al FLoC -.

 

La gairebé obsessió per aconseguir dades pròpies ens ha portat a un entorn on les empreses han de començar a utilitzar eines i sistemes que els permetin emmagatzemar dades de clients de forma estructurada i lògica perquè aquestes es puguin explotar per incrementar el customer lifetime value.

 

Amb tot això, estem vivint un moment de màxima expansió dels CRM i les arquitectures de les bases de dades com a “customer data platform”, “data lakes”, “data marts” o “data wharehouses” que porta dues grans qüestions: 

 

Diferències entre CRM, customer data platform, data lake, data warehouse i data mart

Comencem pel principi, explicant que és cadascun d'aquests termes per estar alineats i entendre'ns.

CRM (Customer Relationship Management): és un sistema de gestió de la relació amb el client. Podríem arribar a dir que són una evolució del que antigament s'anomenava SFA (Sales Force Automation), sistema d'automatització de la força de vendes.

Avui dia, són sistemes que ens permeten monitorar en quin punt del journey de compra es troba el client (des de la fase de coneixement fins a la fidelització) per poder impactar-lo tant de forma activa com reactiva i, a més, de forma automatitzada.

Normalment, s'estructuren en tres grans mòduls:

  • Màrqueting: pensats per activar tàctiques i campanyes, també automàtiques, per captar leads i augmentar-ne el coneixement per poder segmentar-los degudament. I per poder desenvolupar les comunicacions relacionals via mail.

  • Sales: permeten a l'equip de vendes gestionar els punts de contacte que tenen amb el client. Poden incloure des de sistemes de planificació de rutes, fer seguiment d'emails o seguiment i enregistrament de trucades alhora que ajuden a automatitzar les vendes (normalment impulsant l'up-selling i el cross-selling).

  • Service: ideal per als equips d'atenció al client que han de gestionar consultes o incidències potencials del client i impulsar la satisfacció general en el procés de compra.


Tots els mòduls alimenten una fitxa única del client, per la qual cosa qualsevol agent de qualsevol departament pot accedir a tota la informació del mateix: etapa del funnel en què es troba, taxa d'obertura d'emails, compres realitzades (valor i tiquet mitjà), satisfacció o incidències anteriors, entre d'altres.

Customer Data Platform: sistema de gestió de bases de dades que consolida les dades de clients, encara que siguin provinents de diferents fonts per crear un perfil entorn d'un client en particular.

Data lake: es tracta d'una base de dades en què s'aboquen TOTS – no només de clients – les dades d'una companyia, incloent-hi dades d'inventari, rendiment de les línies de fabricació, correus electrònics, imatges, ingressos, comandes, pagaments de client, etc. En aquestes bases de dades es bolca molta informació que no necessàriament està ben estructurada, ni tan sols s'explota a ple rendiment.

Data warehouse: és complementari a un data lake, seria el “lloc” en què es posa ordre per estructurar les dades i poder explotar-les de forma ordenada. No necessàriament sota requisits concrets de negoci, sinó de manera lògica. Normalment, l'estructuració lògica serveix perquè un departament determinat pugui explotar-los.

Data mart: resulta ser la subsecció concreta en què s'estructuren les dades sobre la base de les particularitats i necessitats d'un departament. De fet, fins i tot poden comptar amb fonts diferenciades i descentralitzades. L'avantatge de mantenir certa independència és que el departament en qüestió només té accés a les “Les seves dades”, no a les de la resta de la companyia.

Aquesta tercera opció és la més específica entre els models de dades i sol estar orientada a projecte a curt termini si es construeixen de forma independent.

 

Com triar la solució ideal per explotar la relació amb el client

Evidentment, depèn de molts factors com el tipus d'empresa, la mida, el sector al qual es dedica i els reptes a què s'enfronta tant a curt com a llarg termini.

Cal començar qüestionant què es vol aconseguir amb una arquitectura de dades i, per descomptat, amb eines d'explotació com és un CRM.

Des del meu punt de vista el més indispensable és definir, des del negoci, quin ha de ser el model de relació amb el client ideal o si he de diferenciar models en funció dels buyer persona o en cas de desenvolupar negoci B2B, B2B2C i B2C. Sense entrar al detall de com definir el model de relació amb clients, aquest procés hauria d'acabar amb una sèrie de requeriments de negoci de l'estil: “la força de vendes has de ser capaç d'introduir comandes de clients, alhora que també poden fer comandes a través de la botiga online”, perquè siguin traduïdes a requisits tecnològics de l'estil: “hem de connectar via APIs el CRM amb l'ERP per transferir les comandes i amb la plataforma d'E-Commerce”.

Un cop definits els requisits tecnològics, cal fer una auditoria per validar que les fonts de dades i sistemes són amb “connectables entre si”.

A partir d'aquí, comparteixo alguns models partint de les necessitats o tipologies d'empreses:

Per exemple, una pime que requereix optimitzar els esforços de la força de vendes al mateix temps que explotar de forma més efectiva les seves campanyes de màrqueting, amb un CRM en té prou. Doncs, probablement, no cal que compti amb complexes arquitectures de BBDD.

En canvi, una gran empresa no productora podria perfectament construir la seva arquitectura contra un CDP (Customer Data Platform) connectat el seu CRM, ja que l'arquitectura estarà plenament orientada al client sense tenir en compte processos de fabricació. En aquest cas, cal tenir en compte que l'arquitectura es cobreix un programari d'un proveïdor extern que aplicarà càrrecs econòmics per l'explotació de dades o per la creació de cada nou registre.

D'altra banda, una empresa productora pot tenir cert interès que el CRM alimenti una BBDD única perquè altres sistemes connectats com ERP o eines de planificació puguin retroalimentar-se, necessitarà construir un data warehouse amb els seus particulars data marts.

Aquest mateix model seria vàlid per a qualsevol empresa que vol mantenir una independència quant a les dades que recull. De fet, hi ha certa pràctica de construir un data lake que capti el nombre més gran de dades possibles, encara que per ara “no serveixin” o els equips de negoci no sàpiguen com explotar-los a curt termini, pot convertir-se en una mina d'or al futur quan es defineixi com explotar-los.

D'altra banda, cal concretar quin ha de ser el model de relació amb els clients des del punt de vista del negoci, per fer una traducció dels requisits tecnològics i construir l'arquitectura idònia.

 

Vols que en parlem?

Posts relacionats

28-06-2023

Inteligencia Artificial Generativa, la nueva frontera

Los mensajes de voz de WhatsApp son la forma más cómoda y más odiosa de...

21-03-2023

El Mobile World Congress 2023: On el futur...

L'edició 2023 del Mobile World Congress s'ha dut a terme del 27 de febrer al...

20-03-2023

Joana Barbany s’incorpora com a Advisor de RocaSalvatella

Sant Cugat del Vallès, 15 de març de 2023 - RocaSalvatella anuncia la incorporació de...

11-11-2022

Grupo Moventia continua confiant en RocaSalvatella per a...

Niza Cars, la divisió de Rent a Car que forma part del grup Moventia, és...

Breus i esdeveniments

partner with us
Preparat per a transformar el teu negoci?
Contacta'ns arrowarrow
Partner with us Preparat per a transformar el teu negoci? Contacta'ns arrow