Guía de enriquecimiento de datos: cómo enriquecer y optimizar los datos de CRM para obtener información precisa

La personalización de los clientes es un imperativo del negocio digital que requiere datos de clientes limpios, actualizados y enriquecidos. El proceso de enriquecimiento de datos, que forma parte de un marco de gestión de la calidad de los datos, permite a las empresas aumentar los datos de terceros o consolidar los datos existentes para obtener información precisa y profunda sobre sus registros de clientes.

En el competitivo mercado actual, la empresa que mejor conoce a sus clientes es la que lleva la delantera.

Pero el enriquecimiento de datos no es una empresa fácil. Para que sea una iniciativa valiosa, hay que dar prioridad a un componente clave del proceso: el de la calidad de los datos. Para que un proceso de enriquecimiento de datos tenga éxito, necesitará datos limpios, fiables y utilizables .

Este post le ayudará a entender el papel de la limpieza de datos en el proceso de enriquecimiento de datos y por qué es tan importante centrarse en la calidad de los datos.

¿Qué es el enriquecimiento de datos?

Un CRM suele contener información básica de contacto, como nombres, direcciones de correo electrónico, números de teléfono, etc. Las empresas necesitan más información para conocer mejor a sus clientes.

Por ejemplo, ¿dónde trabaja el cliente A? ¿Cuál es su cargo? ¿Cuál es su marca tecnológica favorita? ¿Cuál es su estado civil o su nivel de ingresos? La información demográfica y firmográfica ayuda a enriquecer el CRM, permitiendo a la organización obtener información más profunda sobre sus clientes, que puede utilizar para aumentar el rendimiento de las ventas y el marketing.

He aquí un ejemplo de enriquecimiento de la base de datos a nivel básico. A los registros de contactos se añade información adicional sobre la empresa del cliente y los ingresos medios para obtener una visión completa del perfil del cliente. A medida que la organización amplíe sus objetivos de servicio al cliente o de personalización, se añadirán a esta base de datos datos datos domésticos como el estado civil del cliente, su situación familiar, etc. El objetivo final es crear una visión de 360º del cliente.

Las organizaciones de nivel empresarial, como los bancos, los seguros y las empresas financieras, tienen dificultades para consolidar y enriquecer sus datos porque están almacenados en sistemas dispares.

Las aerolíneas y las empresas de viajes son los ejemplos perfectos de organizaciones que tienen datos dispares en cuatro o cinco bases de datos. Para mejorar la experiencia de los pasajeros, las aerolíneas tendrán que consolidar los datos de los mismos, como los nombres completos, las direcciones, los cumpleaños exactos, la asignación de asientos, las tarjetas de crédito y cualquier información que facilite la personalización. Sin embargo, la mayoría de las compañías aéreas no cuentan con un plan sólido de gestión o enriquecimiento de datos que permita utilizarlos para impulsar el ML o Iniciativas de IA. A medida que las empresas dan un paso adelante para beneficiarse del big data, el ML y la IA, necesitan enriquecer su CRM con datos sobre el estilo de vida y el comportamiento para ofrecer servicios personalizados. Sin embargo, para que esto sea posible, estas organizaciones tendrán que limpiar, actualizar y gestionar tanto los datos estructurados como los no estructurados.

El enriquecimiento de datos, por tanto, puede resumirse como una actividad que toma una gran cantidad de datos dispares, estructurados y no estructurados, procedentes de diversas fuentes, y los convierte en algo de valor.

El proceso – ¿Cómo se enriquecen los datos?

Hay dos maneras de enriquecer los datos.

1. Aprovechar la riqueza de datos existente
2. Utilizar servicios de datos de terceros.

Su organización reúne una gran cantidad de datos de clientes cada día. Cada chat de ventas, cada interacción en las redes sociales, cada inscripción se registra en los CRM, los ERP y las hojas de cálculo. Mientras que el marketing y las ventas pueden trabajar con los datos de los clientes en un CRM, la facturación o la logística pueden utilizar el ERP para almacenar la información. Esta visión dispar del cliente es un obstáculo para la experiencia del cliente y los objetivos de personalización. Por ello, es importante navegar primero por los sistemas internos para eliminar esta información, limpiarla (es decir, corregir las erratas, los errores, eliminar los datos obsoletos), purgar los datos innecesarios y fusionarlos para crear una única versión de la verdad.

Por ejemplo, si utiliza ZOHO, esa información podría perderse en las docenas de módulos y campos que pueden haber sido configurados por los miembros del equipo a lo largo de los años. En este contexto, el enriquecimiento de los datos significaría revisar los datos del CRM, limpiar las incoherencias, fusionar y purgar campos o datos innecesarios y crear un Golden Record (es decir, el registro más perfecto y preciso) de cada uno de sus clientes.

El otro tipo de enriquecimiento de datos implicaría el uso de servicios de terceros para proporcionarle datos firmográficos (información sobre la empresa de un cliente), demográficos y tecnológicos (su uso de la tecnología). Estos servicios proporcionan listas con verticales añadidas que enriquecen sus datos, como la función y el nivel de trabajo, e incluso la persona del comprador, para ver a sus clientes potenciales bajo una luz totalmente diferente. Estos servicios hacen el trabajo duro por usted: extraen información de los canales de las redes sociales, Google y otros dominios públicos, lo que le permite obtener información completa sobre su audiencia.

Sea cual sea el método que utilices, debes tener cuidado con la calidad. Si se extraen datos de los sistemas internos, hay que comprobar que no haya duplicidades ni problemas de higiene de datos (errores ortográficos, erratas, formatos no estructurados, etc.). Si se trata de datos de terceros, deben estar limpios, verificados y validados.

Existe un proceso de enriquecimiento de datos que, si se sigue, dará como resultado el disco de oro definitivo. El siguiente proceso es un marco proporcionado por Data Ladder’s DataMatch Enterprise, un software de preparación y enriquecimiento de datos de autoservicio.

Paso – 1 Establecer el objetivo de enriquecimiento de datos

La personalización de los clientes suele ser la motivación clave para un objetivo de enriquecimiento de datos. Sin embargo, según nuestra experiencia, cuanto más estrecho y centrado sea el objetivo, más fácil será aplicar el proceso de enriquecimiento de datos.

Por ejemplo, una compañía de seguros quería mejorar la experiencia de sus clientes iniciando un plan de seguro médico para estudiantes universitarios. La empresa tuvo que decidir primero el tipo de datos que necesitaba y el nivel de segmentación necesario para alcanzar este objetivo. A un nivel muy básico, necesitaban registros genealógicos, registros familiares, registros de propiedades e ingresos, registros sanitarios electrónicos, registros de comportamiento y estilo de vida. La mayoría de los registros ya estaban disponibles en el depósito de la compañía de seguros. Los registros de comportamiento y estilo de vida se obtuvieron de datos de terceros. Una vez realizada la recopilación y segmentación, la empresa comenzó el proceso de limpieza, fusión y depuración para consolidar los datos internos con los de terceros.

Para que el enriquecimiento de datos funcione, es imprescindible que los objetivos, la segmentación de la audiencia y los conjuntos de datos estén claramente definidos.

Paso 2 – Preparación de los datos mediante herramientas de enriquecimiento de datos

Esta es la parte más importante del proceso.

Si aún no dispone de un plan de calidad de datos, deberá preparar los datos antes de proceder a su enriquecimiento.

Con DataMatch Enterprise, puede limpiar, desduplicar y consolidar fuentes de datos dispares para que los datos sean lo suficientemente buenos como para fusionarlos con un nuevo conjunto de datos.

El proceso de preparación de los datos implica:

Integración de datos: Integre su fuente de datos, como un CRM de Salesforce o HubSpot, directamente en la plataforma. No tendrá que perder tiempo con extracciones manuales de datos. Basta con conectar la fuente de datos y empezar a preparar los datos.

Perfilado de datos : Este es un paso crucial para la limpieza de datos. Le ayuda a evaluar la calidad de sus datos y a identificar problemas en la fuente de datos a nivel de filas. Por ejemplo, puede ver cuáles de sus filas de datos carecen de direcciones de correo electrónico o códigos postales. No sabrá qué arreglar si no puede ver lo que está mal y los problemas de calidad de los datos están tan arraigados, que simplemente no se observa. Es posible que ni siquiera sepa que algunos de sus campos tienen caracteres no imprimibles o signos de puntuación dentro de sus datos telefónicos o de dirección. Estos problemas invisibles se convierten más tarde en un cuello de botella y dificultan el proceso de enriquecimiento.

Limpieza de datos : Los datos brutos son intrínsecamente defectuosos. Hay que limpiarlo de erratas, errores ortográficos e incoherencias de formato. Considere la limpieza de datos como una transformación de datos muy necesaria (transformar todos los nombres en minúsculas en mayúsculas o eliminar todos los signos de puntuación innecesarios en un campo). Una vez que se limpien los datos de estas incoherencias, serán utilizables y valiosos.

Deducción de datos: Es muy probable que tus datos tengan de tres a cuatro copias de una misma entidad. Si está consolidando datos de múltiples fuentes, entonces definitivamente terminará con duplicados. Por lo tanto, antes de añadir más datos, coteje los datos existentes para eliminar los duplicados y asegúrese de que existe un registro único para cada entidad. Los datos duplicados son peligrosos. Esto conduce a análisis sesgados y dificulta la obtención de una imagen completa de su audiencia.

Purga de fusión de datos : Si ha extraído datos de varias fuentes, por ejemplo de un CRM y un ERP, tendrá que fusionarlos en un único registro. Sin embargo, recuerde que ambas fuentes deben pasar por el proceso de limpieza y deduplicación anterior antes de poder fusionarse. Una vez que haya fusionado estos registros, puede purgar los campos innecesarios y conservar sólo los que necesita. Este proceso, históricamente, se realizaba a través de Excel o mediante complejas soluciones de gestión de datos que tardaban meses en realizarse. Una herramienta de enriquecimiento de datos de autoservicio como DataMatch Enterprise le permite lograr esto en cuestión de minutos.

Supervivencia de los datos: Es la última etapa del proceso de enriquecimiento. Suponiendo que los datos de terceros estén limpios (si no es así, tendrá que pasarlos también por el proceso anterior), ahora puede fusionar ese registro con el registro final y crear un registro maestro. Este registro maestro se puede exportar a la base de datos que elijas y ya tienes datos fiables para utilizar en tus campañas.

Es necesario reiterar un punto clave: cualquier fuente de datos, ya sean datos de terceros o propios, debe estar limpia, ser única y estar actualizada antes de poder utilizarla para cualquier propósito de enriquecimiento.

Si no está seguro de la calidad de los datos de terceros, compruebe las primeras 100 o 200 muestras para ver si tienen problemas de calidad. Si tiene duplicados, problemas de formato o estructurales, tendrá que limpiarlo y desduplicarlo. Este es el caso, sobre todo, de los datos obtenidos de las redes sociales y los listados en línea.

Una advertencia: Cualquier intento de hacer coincidir dos conjuntos de datos de primera mano, debe tener un factor común que vincule los dos conjuntos de datos. Puede ser un nombre común, un número de teléfono, un DNI o una dirección de correo electrónico. La omisión de este factor común anulará toda la actividad porque no sabrá qué factor se refiere a los mismos clientes en dos conjuntos de datos diferentes.

Paso 3 – Mantener los datos actualizados

Una vez que haya creado registros limpios, tendrá que mantener los datos actualizados. El enriquecimiento de datos no es un esfuerzo único. Los datos de los clientes, por muy detallados que sean, son fundamentalmente una instantánea en el tiempo. Los niveles de ingresos suben y bajan, el estado civil puede cambiar, y el tipo de coche y la dirección física pueden alterarse. Incluso los nombres pueden cambiar, especialmente si hay un cambio en el estado civil.

Además, a medida que vayas avanzando en tu campaña o en tus objetivos, te darás cuenta de que necesitas aumentarla más. No quieres tener que pasar por todo el proceso de limpieza y desduplicación cada vez. Para evitar complicaciones innecesarias, se recomienda mantener un programa de limpieza de datos. Si sus datos de origen están limpios y optimizados, sólo tendrá que dedicar unos minutos a limpiar los datos de terceros y añadirlos a su base de datos.

Casi todas las empresas de la lista Fortune 500 con las que hemos trabajado se esfuerzan por alcanzar los objetivos de enriquecimiento de datos, pero sólo unas pocas consiguen el proceso correctamente. Otros recogen los datos y los vierten en un lago de datos donde permanecen inactivos hasta que se descomponen. Con una tasa de caída de datos del 2,1% mensual y 22,5% al año, no puede permitirse perder los datos que está recopilando con tanto esfuerzo. Si no actualizas tus datos a intervalos regulares, estás perdiendo valor.

¿Por qué es importante la calidad de los datos?

No hay que esperar a grandes objetivos como la personalización para mantener la calidad de los registros. Si implementa ahora una sólida política de calidad de datos, estará evitando costosos errores más adelante. De hecho, mantener sus registros actualizados tendrá un impacto directo en su servicio y experiencia como cliente. Pongamos un pequeño ejemplo: si está enviando un correo electrónico de lanzamiento y su lista está formada por 5.000 registros obsoletos, está perdiendo millones en ingresos potenciales por ventas. La calidad de los datos le ahorra prácticamente la pérdida de ingresos.

Independientemente de la estructura, el tipo o el formato, los datos fuente destinados al enriquecimiento deben ser validados en términos de los siguientes atributos clave:

• Pertinencia: ¿Es relevante para su objetivo?
• Precisión: ¿Es correcta y objetiva, y puede ser validada?
• Integridad: ¿Tiene una estructura coherente y lógica?
• La coherencia: ¿Es coherente y fácil de entender?
• La integridad. ¿Proporciona toda la información necesaria?
• Validez: ¿Está dentro de los parámetros aceptables para la empresa?
• La puntualidad: ¿Está actualizada y disponible siempre que se necesite?
• Accesibilidad: ¿Se puede acceder fácilmente y exportar a la aplicación de destino?
• Cumplimiento: ¿Cumple las normas reglamentarias?

Aplique estas métricas de comprobación de la calidad tanto a los datos de origen como a los de terceros y asegúrese de que la calidad de sus datos es adecuada para su finalidad.

Para concluir, enriquezca sus datos, pero no olvide la calidad de los mismos

Los registros ausentes, incompletos y obsoletos son los principales detractores de la calidad de los datos de los clientes. Si realmente quiere que su enriquecimiento de datos tenga éxito, tendrá que asegurarse de que los problemas de calidad se solucionen primero. El enriquecimiento de datos no es un proceso único. Como todo, requerirá mantener una versión actualizada de los datos para que sea útil y eficaz.

¿Quiere saber cómo podemos ayudarle a iniciar el proceso? Hable con nuestro arquitecto de soluciones hoy mismo y obtenga una demostración gratuita de nuestra herramienta de enriquecimiento de datos de autoservicio.