База для АІ…

На вихідних фейсбук нагадав, що рік тому я опублікував другу статтю «Чи замінить ChatGPT маркетологів?» про використання АІ для розробки стратегії утримання клієнтів. 

 

За цей рік змінилося багато чого: вийшли оновлення ChatGPT і з’явилися нові гравці; піднялась хвиля новомодних "AI-агентів"; я повністю переїхав на Claude :) Але, що залишається базою - це дані. Бо без них не зробити ML - модель для прогнозування відтоку клієнтів, а значить нічого буде обробляти і "чатам". 

 

No data - no AI. 

 

У нас багато даних - говорить бізнес. Так. Але яка їх якість? Чи можна довіряти результатам які отримали на їх основі? Чи то розрахунку окремого показника на гарному дашборді, чи відсотку ймовірності відтоку конкретного клієнта, чи прогнозу продажу молока в супермаркеті. 

 

Використання даних - це вже фінальний етап. Для цього треба, щоб дані були створені за визначеними правилами і стандартами, перевірена їх якість і виправлені допущені помилки. Це і буде елементарне впорядкування даних (Data Governance). Тобто потрібна система не тільки створення чи використання даних, але і керування даними.

 

Часто бізнес в своїй любові до технологічних інновацій забуває про всі складові системи роботи з даними - люди, процеси, технології і концентрується тільки на технологіях. Звичайно розробка гарного дашборду чи навіть побудова сховища даних значно простіші, ніж впровадження процесів керування майстер - даними. Але зміна культури роботи з даними – задача з «зірочкою».

 

На одному з проектів по розробці бачення розвитку архітектури даних і аналітики ми аналізували історію проекту побудови сховища. Виявилось, що недостатнє залучення користувачів і виключення з рамок проекту ініціатив, пов’язаних з керуванням якістю даних і майстер даними було однією з причин невдачі проекту. 

 

Отже, якщо хочете отримати не разовий ефект від даних і аналітики почніть з простих кроків.

 

1️⃣ Визначте хто відповідає конкретні елементи даних. Наприклад, хто головний в питаннях клієнтських даних. Хто опікується додаванням параметрів клієнта в CRM, хто формулює вимоги до наявності чи формату внесення номеру телефона. Хто затверджує визначення поняття «клієнт» чи ініціативи, пов’язані з пошуком «двійників» в базі. Це і буде власник даних. 

 

2️⃣ Опишіть базові процеси для ведення довідників (клієнти, продукти, території, тощо) та визначте основні KPI для оцінки якості даних. І ви отримаєте не тільки миттєвий ефект в якості аналітики, але і довгострокові вигоди від можливості використання даних для різноманітних інновацій, наприклад впровадження чат ботів чи автоматичної сегментації клієнтів з допомогою кластерного аналізу.

 

3️⃣ Попросіть відповідальних за розвиток персоналу із HR-департаменту включити в програму навчання курси для підвищення data literacy (недавно був вебінар по цій темі і з радістю поділюсь з вами записом). 

 

А далі вже можна переходити до наступного етапу зрілості в роботі з даними…

 

(для збільшення картинки клацніть по ній мишою)