Blog

Problemas comunes de calidad de datos en el sector minorista y cómo solucionarlos

En el blog anterior El papel de la calidad de los datos en el mundo de la venta al por menor, hablamos del papel que desempeñan los datos limpios en el sector de la venta al por menor y de cómo los minoristas pueden identificar si tienen una mala calidad de datos en la venta al por menor. En este blog, veremos qué son los activos de datos maestros de la venta al por menor, los problemas más comunes presentes en los datos de la venta al por menor y cómo solucionarlos.

Empecemos.

¿Qué son los activos de datos maestros en el comercio minorista?

Toda empresa minorista utiliza una serie de activos de datos para garantizar el buen funcionamiento de sus procesos y transacciones comerciales. Pueden variar según el tipo de empresa, pero en general, para una empresa minorista, incluyen conjuntos de datos de clientes, clientes potenciales, clientes potenciales, vendedores, proveedores, productos, ubicaciones, empleados, tiendas, etc. Algunos de ellos se consideran activos de datos maestros, ya que son cruciales para el éxito de las operaciones de venta al por menor, mientras que el resto están relacionados de alguna manera con los maestros (ya sea debido a la similitud en el significado o el modelo de datos). Hay cuatro activos de datos principales que se utilizan en casi todas las transacciones minoristas, a saber, el cliente, el producto, la ubicación y las ventas.

Ejemplo de datos maestros del comercio minorista

Como ejemplo, considere la transacción más común que un minorista procesa varias veces al día:

El cliente A compra el producto B en el establecimiento C.

Esta transacción se considera en sí misma un registro de ventas. Y para que esta transacción sea verdadera, precisa y fiable para su uso en cualquier propósito previsto, debe haber un:

  • Cliente A en el conjunto de datos de clientes,
  • Producto B en el conjunto de datos de productos, y
  • Ubicación C en el conjunto de datos de ubicación.

Antes de seguir adelante, observe un modelo básico de datos de venta al por menor que se muestra a continuación:

Problemas comunes de calidad de datos en los conjuntos de datos del sector minorista y cómo solucionarlos

Hablamos de cómo los problemas de calidad de los datos pueden causar un daño irreversible a un minorista, incluyendo el impacto en los ingresos por ventas, las relaciones con los clientes, así como la reputación de la marca. Además, también hemos analizado qué son los datos maestros en el sector minorista. En esta sección, trataremos de ver qué aspecto tiene la mala calidad de los datos en el comercio minorista y qué se puede hacer para solucionar los problemas de calidad de los datos del comercio minorista.

Aquí sólo nos centraremos en los problemas de calidad de datos presentes en los cuatro activos de datos mencionados anteriormente, es decir, cliente, producto, ubicación y ventas. Esto le ayudará a identificar problemas en otros conjuntos de datos similares, por ejemplo, los problemas en el conjunto de datos de los clientes son similares a los presentes en los prospectos, clientes potenciales, proveedores, vendedores, etc. Del mismo modo, los conjuntos de datos de localización tendrán problemas similares a los conjuntos de datos de las tiendas, y así sucesivamente.

Otra cosa que hay que tener en cuenta aquí es que intentaremos examinar los problemas específicos de ese tipo de activo de datos y no los problemas generales de calidad de los datos que se encuentran habitualmente en todos los conjuntos de datos. Para ello, hace poco cubrimos los 12 problemas de calidad de datos más comunes y su origen en nuestro blog anterior.

1. Cliente

La información de los clientes es uno de los mayores activos de cualquier organización. Por ello, las empresas no pueden permitirse el lujo de tener datos ausentes, incorrectos o incompletos en sus conjuntos de datos de clientes. Pero como los clientes interactúan con una marca a través de múltiples canales, a menudo es el primer lugar donde se detectan discrepancias en la calidad de los datos. Veamos los tres problemas de calidad de datos más comunes a los que se enfrentan los minoristas en sus conjuntos de datos de clientes.

How to build a unified, 360 customer view

Download this whitepaper to learn about why it’s important to consolidate your data to get a 360 view.

Download

a. Registros de clientes duplicados

¿Qué es?

Todas las interacciones que un cliente tiene con su marca durante su viaje de compra se registran en algún lugar de una base de datos. Estos registros pueden proceder de sitios web, formularios de páginas de aterrizaje, publicidad en redes sociales, registros de ventas, registros de facturación, registros de marketing, registros de puntos de compra y otras áreas similares. Si no hay una forma sistemática de identificar las identidades de los clientes y de fusionar la información nueva con la existente, puede acabar habiendo duplicados en todos sus conjuntos de datos.

Resulta bastante difícil rastrear los duplicados e identificar los que pertenecen al mismo cliente, sobre todo si los datos que se capturan son incoherentes en todos los canales, o si hay errores tipográficos o variaciones evidentes en los registros duplicados. Como resultado, puede acabar enviando el mismo correo electrónico a un cliente varias veces, o su equipo puede tener problemas al elegir un registro para un cliente que muestre información correcta y actualizada sobre su número de teléfono o dirección.

¿Cómo solucionarlo?

Para solucionar la duplicación, tendrá que ejecutar algoritmos avanzados de cotejo de datos que comparen dos o más registros y calculen la probabilidad de que pertenezcan al mismo cliente. A veces, esta comparación puede realizarse utilizando sólo un atributo del cliente (como el número de la Seguridad Social). En ausencia de atributos únicos, tendrá que ejecutar la concordancia difusa en una combinación de campos, como por ejemplo, utilizar el nombre del cliente, la dirección residencial y el número de teléfono juntos.

Más información en El temor a los datos duplicados – Una guía para la deduplicación de datos.

b. Falta de una visión de 360º del cliente

¿Qué es?

Una organización media con 200-500 empleados utiliza actualmente unas 123 aplicaciones SaaS. La gran cantidad y variedad de aplicaciones utilizadas para capturar, gestionar, almacenar y utilizar datos es la razón principal de que la información de un cliente esté dispersa en distintas fuentes. Como resultado, los minoristas no pueden realizar importantes análisis estadísticos necesarios para tomar mejores decisiones, como la atribución precisa del marketing o la atribución de clientes potenciales.

La falta de una visión de 360º de los clientes puede obstaculizar sus esfuerzos para comprender el comportamiento y las preferencias de los clientes, así como para ofrecerles experiencias fluidas.

¿Cómo solucionarlo?

La deduplicación de registros de clientes se centra principalmente en elegir un registro de un cliente y descartar los demás. Por otro lado, el enriquecimiento de los datos para obtener una visión de 360 clientes se centra en reunir todos los datos que se tienen sobre un cliente y deducir significados importantes de esa información agrupada.

Esto suele llevarse a cabo mediante reglas avanzadas de fusión y supervivencia de datos, además de técnicas de cotejo de datos. Durante el enriquecimiento de los datos, puede definir los tipos de interacciones que deben conservarse en el registro de un cliente, y también crear un registro de oro que actúe como fuente única de verdad para todos en la organización.

Lea más en Su guía completa para obtener una visión de 360º de los clientes.

c. Información no verificada

¿Qué es?

Los minoristas captan la información de los clientes de todas las fuentes posibles. Estas fuentes incluyen -pero no se limitan a- formularios de sitios web, encuestas en ventanilla, puntos de venta, vendedores, proveedores y otros. Además, los datos tienden a envejecer muy rápido, ya sea que un cliente haya cambiado su dirección residencial, una dirección de correo electrónico o su apellido debido a su estado civil. Estos cambios pueden hacer que se tengan datos de semanas o meses atrás que pueden ser muy rápidamente inexactos o no verificados.

¿Cómo solucionarlo?

Dado que los minoristas tienen enormes cantidades de datos de clientes, verificar toda la información puede parecer imposible. Lo mejor es empezar con un subconjunto de información, tal vez verificando los 100 primeros clientes, o verificando sólo los nombres de los 1000 primeros clientes del conjunto de datos. La verificación de un subconjunto de datos de clientes le dará una buena idea de la precisión de sus datos y de lo que puede hacer para corregir la información no verificada.

Lea más en Qué es la exactitud de los datos, por qué es importante y cómo pueden las empresas asegurarse de tener datos exactos.

2. Producto

Los datos de los productos son otro activo crucial que poseen los minoristas. Su importancia puede medirse por el hecho de que es lo primero que los consumidores navegan o revisan en su viaje de compra. Por lo tanto, cualquier inexactitud o discrepancia encontrada en sus productos expuestos puede llevarle a perder clientes en favor de la competencia. Tanto si la información se utiliza para vender productos en su tienda de comercio electrónico como para comprender la colocación de los productos en la tienda, garantizar la buena calidad de los datos de los productos puede ayudarle a obtener una enorme ventaja competitiva en el mercado.

Veamos los problemas de calidad de datos más comunes que se encuentran en los datos de los productos y cómo puede solucionarlos.

Kingfisher uses DataMatch Enterprise

See how Kingfisher corrects thousands of misclassified products by driving product hierarchies in unstructured format.

Read case study

a. Duplicación de la información del producto

¿Qué es?

Al igual que los registros de clientes, sus datos de productos también son propensos a tener múltiples variaciones para el mismo producto. Los minoristas suelen utilizar SKU que identifican de forma exclusiva cada producto, pero dependiendo de la fuente de información, las SKU pueden estar ausentes o estar presentes con distintos formatos, lo que hace imposible entender qué productos son realmente duplicados.

Cuando los clientes navegan por su sitio web en busca de un producto y encuentran múltiples búsquedas de algo que parece casi idéntico, es muy probable que no se sientan cómodos comprando en su tienda.

¿Cómo solucionarlo?

La duplicación de productos se soluciona mediante el proceso de correspondencia de productos. Los productos se comparan entre sí (en términos de títulos, imágenes, características y otros atributos disponibles) para calcular la probabilidad de que sean iguales o similares. Los mismos productos se fusionan para mejorar la información del producto y ofrecer más detalles sobre un producto a los visitantes.

Más información en Product matching: The key factor to accurate sales and marketing intelligence.

b. Falta de taxonomía de los productos

¿Qué es?

La taxonomía de productos se refiere a una estructura lógica y jerárquica que ayuda a organizar sus productos. Cuando sus productos están organizados de forma lógica, se facilita la navegación, la búsqueda y el acceso a los mismos. A menudo, los minoristas tienen los productos adecuados que necesitan los clientes, pero aun así, acaban perdiendo ventas potenciales porque los clientes no son capaces de encontrar los productos necesarios de forma rápida y eficaz. Esto es lo que ocurre cuando sus productos no están estructurados lógicamente o carecen de taxonomía.

¿Cómo solucionarlo?

Los grandes minoristas suelen contratar a taxonomistas para que clasifiquen sus productos en función de patrones o características similares. Sin embargo, no todos los minoristas pueden permitirse contratar a estos profesionales. Utilizan herramientas de categorización de productos de autoservicio que analizan enormes volúmenes de información sobre productos y los clasifican de forma inteligente en una estructura jerárquica.

Lea más en Taxonomía de productos 101: Cómo clasificar la jerarquía de su tienda para aumentar las ventas.

c. Falta de clasificación y denominación normalizada de los productos

¿Qué es?

Los pequeños minoristas realizan la categorización o taxonomía de los productos internamente, lo que significa que crean sus propias categorías personalizadas y clasifican los productos en consecuencia. Por otro lado, los minoristas que comercian a nivel mundial necesitan normas de clasificación más estandarizadas, no para clasificar los productos, sino también para asignarles identificadores únicos o números de producto.

Por ejemplo, considere el número de producto 00121. Este número sigue el sistema de categorización de productos de la Clasificación Uniforme para el Comercio Internacional (CUCI) que mantiene la ONU. Esta norma utiliza una jerarquía que sigue: división grupo – subgrupo – rúbrica.

¿Cómo solucionarlo?

En lugar de contratar recursos para revisar las normas de clasificación global y clasificar y nombrar manualmente cada producto de su inventario, es mejor utilizar herramientas que admitan la categorización automática según normas identificadas universalmente.

Más información en Clasificar los datos de los productos: Normas de clasificación y cómo aplicarlas sin problemas.

3. Ubicación

Los datos de localización son otro activo importante que poseen los minoristas. Tanto si se trata de las ubicaciones que fijan sus tiendas minoristas como de las direcciones de los clientes, es imprescindible que estos datos estén libres de cualquier problema de calidad, como la falta de información o las direcciones no verificadas.

Gibraltar Group uses DataMatch Enterprise

See how Gibraltar Group consolidates address silos to spearhead sales campaigns.

Read case study

a. Direcciones no estandarizadas

¿Qué es?

Las direcciones no estandarizadas se refieren a la presencia de información de direcciones sin formato, no estructurada o semiestructurada en sus conjuntos de datos. La normalización se refiere a:

La estructura de sus direcciones; por ejemplo, si abarcan varios campos de dirección o toda la información está presente en un solo campo de dirección), o

El formato de los valores disponibles en estos campos; por ejemplo, los estados se abrevian (NY) o se escriben correctamente (Nueva York).

¿Cómo solucionarlo?

Este problema de calidad de los datos puede solucionarse mediante la normalización de las direcciones. La estandarización de direcciones (o normalización de direcciones) es el proceso de verificar el formato de las direcciones con una base de datos autorizada, como USPS en los EE. UU., Y convertir la información de la dirección en un formato estandarizado aceptable.

Una dirección estandarizada está correctamente deletreada, formateada, abreviada, geocodificada y adjunta con valores ZIP + 4 precisos. La información de dirección estandarizada es importante para garantizar entregas y envíos confiables, y campañas de correo directo efectivas según la ubicación del cliente.

Más información en Guía rápida para la normalización y verificación de direcciones.

b. Direcciones no verificadas

¿Qué es?

¿Cuántas veces ha enviado pedidos para su entrega al cliente, sólo para que su repartidor pase horas buscando la dirección – y peor aún, sin encontrarla del todo porque la dirección especificada no era una ubicación válida y apta para el correo. Este es el aspecto de las direcciones no verificadas en sus conjuntos de datos.

¿Cómo solucionarlo?

Este problema de calidad de los datos puede solucionarse mediante técnicas de verificación de direcciones. La verificación de direcciones es el proceso de cotejar las direcciones con una base de datos autorizada -como la de USPS en Estados Unidos- y validar la veracidad de la información. Este proceso verifica que la dirección es un lugar apto para el correo, preciso y válido dentro del país para la entrega del correo.

El proceso suele comenzar con la estandarización de las direcciones, para luego pasar al análisis sintáctico, la geocodificación, el formato, etc.

Más información en ¿Cree que la verificación de direcciones es una opción?

4. Ventas

Veamos el último activo, pero igual de importante para un minorista: los registros de ventas. Dado que los registros de ventas hacen un seguimiento de las transacciones, a menudo hacen referencia a una o más entidades de datos en su información transaccional, como productos, clientes, ubicaciones, tiendas, etc. Estos registros son muy cruciales para el negocio minorista, ya que las decisiones críticas se basan en la información sobre las ventas, como el seguimiento de los ingresos y beneficios anuales, así como la búsqueda de nuestros clientes recurrentes, los productos más vendidos, las preferencias de los clientes según una determinada época del año, etc.

Integrating Salesforce with DataMatch Enterprise

Improve business opportunities and customer experience by fusing the industry’s fastest data cleansing software with the industry’s leading CRM.

Download whitepaper

a. Falta de integridad referencial

¿Qué es?

Dado que los registros de ventas hacen referencia a otras entidades, uno de los mayores problemas de calidad de datos en los que se incurre es la falta de integridad referencial. La integridad referencial significa que los registros de datos son fieles a su homólogo de referencia. Los minoristas probablemente almacenan sus registros de ventas en una tabla de Ventas, y cada registro menciona qué producto se vendió cuando se realizó esa venta. Por lo tanto, es probable que espere encontrar IDs de ventas así como IDs de productos en la tabla de ventas. Pero si un registro de ventas hace referencia a IDs de productos que no existen en la tabla de productos, es obvio que sus conjuntos de datos carecen de integridad referencial. Estos problemas pueden llevar a sus equipos a crear informes incorrectos, enviar productos incorrectos o enviar productos a clientes que no existen, etc.

¿Cómo solucionarlo?

Para superar este problema de calidad de datos, es importante aplicar restricciones de relación (clave primaria, restricciones de clave externa) en su modelo de datos de ventas. Pero lo mejor es examinar también los problemas de integridad referencial presentes actualmente en su conjunto de datos. Esto puede hacerse utilizando fórmulas de búsqueda inteligentes para garantizar que todos los ID de referencia del conjunto de datos de ventas existen en sus respectivos conjuntos de datos.

Envoltura

Hemos hablado con bastante detalle sobre la calidad de los datos y lo que significa en el mundo de la venta al por menor. Desde las ventajas de los datos limpios y los indicadores de datos deficientes, hasta la naturaleza exacta de los problemas de calidad de los datos que se encuentran en el comercio minorista y cómo pueden solucionarse. Tras haber suministrado soluciones de datos a clientes de la lista Fortune 500 durante más de una década, nos hemos encontrado con muchos líderes que hacen valer la importancia de las soluciones de calidad de datos para el éxito del negocio minorista. Por eso hemos diseñado una solución que resuelve casi todos los problemas de calidad de los datos del comercio minorista de forma eficaz.

Major retailer uses DataMatch Enterprise

See how a major wholesaler beats a two-year data merger project deadline by several months.

Read case study

Nuestra solución DataMatch Enterprise ofrece una sólida limpieza de datos, estandarización, cotejo y varias otras soluciones para mejorar la calidad de los datos de sus productos, clientes y transacciones, así como para verificar y localizar las direcciones de los clientes para agilizar los envíos de los pedidos, y conciliar las identidades de los clientes no resueltas para garantizar una facturación correcta.

Para saber más sobre cómo podemos ayudarle, puede descargar una prueba gratuita hoy mismo o reservar una demostración con nuestros expertos.

In this blog, you will find:

Try data matching today

No credit card required

"*" señala los campos obligatorios

Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Este campo es un campo de validación y debe quedar sin cambios.

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

¡Vaya! No hemos podido localizar tu formulario.