טיוב נתונים – מתיעוב נתונים לטיוב נתונים


איך תיעוב נתונים מוביל לטיוב נתונים

איכות הנתונים במרבית הארגונים העסקיים טעונה שיפור. נתונים שגויים גורמים להפסד כספי בהיקף חסר תקדים. ישנם ארגונים הטומנים את הראש בחול ומתעלמים מהבעיות ואחרים כבר מבינים את התועלות במהלך טיוב נתונים ומטפלים בבעיות איכות נתונים במערכות המידע שלהם. הטיפול פשוט, מהיר וכדאי כלכלית.

טומנים את הראש בחול

איכות המידע במערכות המידע הארגוניות, נחשבת בצדק ל”בטן רכה” המשפיעה בכל זווית אפשרית על תפקוד הארגון, בהיבטים של תפעול, שירות, מכירה, שיווק, הנהלה, רגולציה ועוד.
מרבית הארגונים העסקיים סובלים מבעיות איכות נתונים בדרגות שונות במערכות המידע, המשפיעות לרעה על ביצועיהן העסקיים. מדובר על מידע תפעולי, כלכלי, טרנזקציות שונות (קניות, מידע ממוקדי שירות, פרטי הלקוחות), עצי מוצר וקטלוגים ועוד.

מידע שגוי עשוי להוביל במקרה הטוב לקבלת החלטות שגויות או גרועות, ובמקרה הרע להפסד כסף רב – הן במונחים שניתן למדוד מיידית כגון היקף הדואר שגוי או לקוחות “אבודים” שלא ניתן ליצור איתם קשר והן במונחים סמויים אותם קשה יותר למדוד ולכמת, כגון שעות עבודה אבודות, זמני עיבוד ארוכים ועוד. מה “שוות” מערכות ה-CRM וה- BI שארגונים ועסקים כל כך אוהבים לקנות, אם הן מביאות את הארגונים לקבלת החלטות מוטעת המבוססת על נתונים בעיתיים?
האבן השואבת של כל עסק, היא מאגר לקוחות המכיל לקוחות קיימים ופוטנציאליים. כאשר רשימת לקוחות זו מכילה מידע שגוי, חלקי, מוטעה או חסר – מאוד קשה לעסק לתקשר עם הלקוחות בצורה אפקטיבית – דבר המתבטא בהפסד כספי רב לארגון. לא מדובר בהפסד זניח: בארה”ב לבדה, מוערך כי נגרם הפסד שנתי של למעלה משש מאות מיליארד דולר בכל שנה, כתוצאה ממידע שגוי או מידע באיכות נמוכה !

התועלת הקיימת בטיפול בבעיות איכות נתונים ובעיקר בנתוני הלקוחות, באה לידי ביטוי מיידי בחיזוק הקשר עם הלקוח, מאפשרת לבצע פניה ממוקדת לקוח תוך הפחתת פניות סרק, הגברת שביעות רצון הלקוחות מהתקשורת שמקיים הארגון מולם, מסייע ליישום אפליקציות אנליטיות ושיווקיות, משפר את ביצועי הגישה אל בסיס הנתונים, מפחית משמעותית כמויות ועלויות של משלוח דואר ועלות הפקתם, מפחית את שיעור הדואר החוזר והטלפונים השגויים ומשביח את תפוקת מערכות המידע הארגוניות.

מתיעוב נתונים לטיוב נתונים שגויים

אף אחד לא אוהב שאומרים לו שהמידע שלו שגוי… אך דוגמא מייצגת לאיכות הנתונים שאתם צפויים לגלות במאגר הלקוחות שלכם תוכלו לקבל מעיון ברשימת אנשי הקשר בטלפון הסלולרי האישי שלכם. הוא מכיל המון אנשים שאין לכם מושג שהפרטים שלהם כבר לא נכונים.  זה עבר כתובת, היא החליפה מספר טלפון, הוא החליף (שוב) את כתובת המייל, היא עברה מקום עבודה והוא (לא עלינו) נפטר ועוד ועוד.

הנה עוד דוגמא: יש לכם מושג איפה מנוהלות קופות הגמל וקרנות הפנסיה שלכם? לא יודעים? גם מי שמנהל לכם את המידע (גוף מוסדי) לא תמיד יודע מה הטלפון שלכם ומה הכתובת שלכם. אגף הממונה על שוק ההון והביטוח במשרד האוצר הוציא חוזר בנושא טיוב נתוני עמיתים לגופים המנהלים, בו הוא דורש ליישם תהליך טיוב נתוני זכויות העמיתים בגופים מוסדיים המנהלים את הכסף של כולנו. כמו כן, נדרשים הגופים לבצע נוהל איתור עמיתים ומוטבים מנותקי קשר, כלומר לבצע איתור לקוחות שאבד איתם הקשר (עקב החלפת כתובות מגורים, החלפת מקומות עבודה, פטירת עמית מבלי שהמוטבים יודעים על הכספים, מיזוגים ורכישות של קופות גמל). ללקוחות אלה יש כסף בגוף המנהל, אך אותו גוף אינו מקיים קשר עם הלקוח (העמית) כדי לעדכן אותו או את המוטבים האחרים כנדרש. בימים אלה (יולי 2016) שולחים הגופים המנהלים לכולנו מכתבים לגבי הקרנות ששכחנו מאחור במטרה לאחד את הנתונים לאפשר לנו להוזיל את דמי הניהול.

זה גם הרקע להנגשת מידע לציבור החוסכים באמצעות הקמת אתר “הר הכסף” של משרד האוצר – מנוע לאיתור חסכונות פנסיוניים ופוליסות לביטוח חיים, שכעת נוסף לו גם מנוע לחיפוש חשבונות בנק אבודים, ובהקמת פרויקט המסלקה הפנסיונית, אשר אמורה לספק מידע פנסיוני, ניוד חסכונות בין גופים שונים ותייעל את השירות לחוסכים.

 

לשים אצבע בסכר

על ארגונים מוטלת החובה לטפל בנתונים, אך גם לצמצם למינימום הזנת נתונים שגויים לתוך מערכות המידע בארגון. במקרים רבים אין בידי הארגון יכולת לאמת נתונים של לקוחות אך ניתן לצמצם הזנת נתונים שגויים על ידי קיום של מערכת חוקים שלא תאפשר הזנת מידע שאינו תקני בשמות של אנשים, נתוני כתובת (ישוב, רחוב, מספר בית, מיקוד), טלפונים וכדומה, על ידי אילוץ הזנת מידע תיקני מתוך טבלאות בחירה בשילוב עם מנגנון חיפוש אינטואיטיבי המקל על המשתמשים האחראים על הזנת מידע לאתר את המידע התקני ולהזינו למערכת המידע בקלות ומהירות.

בעיות איכות נתונים שכיחות:

מידע לא סטנדרטי (תקני):
הבעיה: אין אחידות ברישום נתוני שמות לקוחות, נתוני הכתובת ומספרי הטלפון שלהם, הזנת מידע מעורב לתוך שדות נתונים לא נכונים (כגון שם הלקוח ושם בן/בת הזוג באותו שדה, הזנת שם אדם ושם חברה באותו שדה). ראו מאמר נפרד בנושא.

הפתרון: פירוק המידע למבנה טבלאי נכון ומסודר, סיווגו (כגון סימון הלקוחות העסקיים), וביצוע תקנון נתונים (סטנדרטיזציה) על מנת ליצור האחדה ותקן אחיד במידע.

אבד הקשר עם הלקוח:
הבעיה: לקוחות מנותקי קשר. כלומר הקשר עם הלקוח אבד כתוצאה מהתיישנות המידע או בשל העדר מידע: חוסר במספרי טלפון וכתובות, נתונים ישנים או שגויים, מידע חופף, כפול וכו’.
הפתרון: טיוב נתונים תוך הצמדת מספרי טלפון קווים וסלולריים עדכניים ממקור חיצוני אמין, מסודר ומתוקנן, הפעלת מנגנונים לאיתור וטיפול ברשומות כפולות, טיוב כתובות הצמדת מיקודים עדכניים.

חוסר במידע:
הבעיה: חסר בנתונים אודות לקוחות אינו מאפשר פילוח נתונים בסיסיים לגביהם. לדוגמא: שייכות לעשירון, מגזר, סוג בית האב ועוד.
הפתרון: השבחת מידע בנתונים סוציודמוגראפיים שלא קיימים בו כיום / לאשרר או להחליף נתונים קיימם ממקור חיצוני אמין ומדויק.

 

הגדרת המילון:
* תיעוב: (ז’) מיאוס, גועל, סלידה, דחייה, שנאה, בחילה, שאט-נפש
** טיוב: (ז’) שיפור, השבחה, שכלול, שיבוח, העשרה, השתבחות, הפיכה לטוב יותר, הטבה




יש לכם שאלה שקשורה למאמר?

לחצו כאן למעבר לדף יצירת הקשר

תוכן המאמר היה מעניין או עזר לכם? שתפו אותו