Μοντελοποίηση δεδομένων, Data Mining, Επιχειρηματική γνώση

Η αξιοποίηση του πλούτου πληροφορίας που παράγεται από τη διαρκή αλληλεπίδραση επιχείρησης - πελάτη (the ‘closed loop' principle) αποτελεί ένα από τα πιο κρίσιμα και απαιτητικά στάδια της διαδικασίας ‘κατανόησής‘ του ενώ παράλληλα μπορεί να αποτελέσει και σημαντικό παράγοντα επιτυχίας CRM υλοποιήσεων.

Οι προκλήσεις που παρουσιάζονται στη φάση αυτή πηγάζουν τόσο από το μεγάλο όγκο δεδομένων όσο και από τις πολύπλοκες δομές που περιγράφουν το αναλυτικό ιστορικό χρήσης υπηρεσιών - αλληλεπίδρασης.Με την προϋπόθεση της ύπαρξης μίας αξιόπιστης βάσης δεδομένων πελατών με αναλυτική και συστηματική πληροφορία ‘συναλλαγών' (η ολοκληρωμένη εικόνα του πελάτη όπως περιγράφεται στα ανωτέρω), οι τεχνολογίες data mining μπορούν να δώσουν εξαιρετικά αποτελεσματικές λύσεις στο ‘πρόβλημα της κατανόησης του πελάτη': μοντέλα που αξιολογούν (credit risk - fraud assessment), προβλέπουν (churn prediction, propensity to buy) ή ομαδοποιούν πελάτες με χρήση σύνθετων σχημάτων σε ομάδες με υψηλό βαθμό ομοιογένειας (εσωτερικά) και τη μέγιστη ‘απόσταση' μεταξύ των ομάδων (clustering, segmentation).
Η συστηματική χρήση των τεχνολογιών αυτών μπορεί να οδηγήσει σε ιδιαίτερα σημαντική ‘γνώση' για τους πελάτες, τις συμπεριφορές και διάφορους ‘συσχετισμούς' που κατ' επέκταση εμπλουτίζουν συνεχώς την κεντρική πελατειακή βάση (data warehouse, data mart, marketing database), παρέχοντας έτσι στη διοίκηση της εταιρείας τη δυνατότητα για άμεση και αποτελεσματική ενημέρωση.
Είναι προφανές ότι μία αποτελεσματική CRM προσέγγιση προϋποθέτει συντονισμένη και συνεχή προσπάθεια, με κατάλληλο συνδυασμό εξειδικευμένων τεχνολογιών (data mining, business intelligence), πληροφοριακών συστημάτων (POS, operational CRM, Call Center integration - CTI, MIS), επιχειρηματικής γνώσης, εμπειρίας και στρατηγικής. Οι σύγχρονες διοικήσεις πρέπει να αντιληφθούν το CRM ως μία πορεία μετασχηματισμού των διαδικασιών μέσω των οποίων η επιχείρηση μετράει, αξιολογεί τους πελάτες της και επικοινωνεί μαζί τους

No comments: