En kundedatastrategi til din customer data platform

Vil du undgå, at din customer data platform sander til i ubrugelige data som ingen længere har overblik over endsige glæde af? Så læs med her og bliv klogere på, hvorfor en datastrategi er alfa og omega. Og hvordan du kommer i gang med at udarbejde den.

Artiklen er skrevet med henblik på etablering af en customer data platform (CDP), men meget af guiden vil også kunne bruges i forbindelse med nyt CRM eller andre lignende systemer. CDP er brugt her, fordi der med de mange kildesystemer bag et CDP er endnu større risiko for, at systemet bliver uoverskueligt med mange forskellige datainputs.

Hvad er en Customer Data Platform?

En customer data platform er et dataværktøj, som samler hele organisationens kundedata i ét system og viser hver kunde som én samlet profil uanset hvilket kildesystem, data kommer fra. Identifikation af kunden sker gennem datakonsolidering, hvorved data fra en række forskellige systemer ensartes, matches til kundeprofiler og samles i den samme platform.

Det er netop den automatiserede ensretning af data fra forskellige kildesystemer og matching af relevant kundeprofil og adfærdsdata, som er det unikke i en customer data platform. Det gør platformen i stand til at identificere den samme kunde på tværs af systemer (uanset om data handler om online eller offline adfærd) og konsolidere dem med stamdata og transaktionsdata. Kundeindsigten vil overstige alt, hvad du er vant til. Forestil dig eksempelvis mulighederne for forebyggende churn-tiltag, dybdegående produktudviklingsanalyser, bedre og hurtigere kundeservice. Eller hvad med personaliseret kommunikation og nærværende salg?

Hvis CDP’en kan alt det, hvorfor har jeg så brug for en datastrategi?

Det lyder næsten for godt til at være sandt, og træerne vokser da heller ikke ind i himlen. Udfordringen er, at en CDP hurtigt kan blive en rodebutik med et væld af ligegyldige informationer og tilfældigt logget kundeadfærd. Informationer som i bedste fald blot gør systemet uoverskueligt, men i værste fald kan skabe dårlige kundeoplevelser eller ulovlig datalogning.

Derfor har du brug for en datastrategi.

Hvordan ser en datastrategi ud?

Hvis du vil have mest muligt ud af din customer data platform, skal du lave et stykke forudgående arbejde. Det er nemlig det arbejde, som skal lægge fundamentet for sammenkøring af dine kundedata. Uden disse regler vil systemet hurtigt sande til i forvirrende informationer og blive stort set ubrugeligt.

Du kan vælge at se regelsættet som en grundlov for din nye data-regering. Uden en grundlov vil dit datalandskab hurtigt forfalde til anarki, fordi der ikke er de rigtige institutioner på plads til at sikre regeringen.

Data Governance-beskrivelse

Governance betyder styring. Og i denne sammenhæng betyder det, at der skal udpeges nogle generelle regler for, hvordan data indsamles, ensrettes og lægges ind i customer data platformen. Regelsættet skal være på plads, før de første data lægges i systemet. Ellers rådner fundamentet, mens du bygger ovenpå. Det er aldrig et godt udgangspunkt.

Det skal være et simpelt regelsæt, som skal være kendt af de medarbejdere, som bruger systemet.

For at udbrede kendskabet til regelsættet kan du lave en trænings-session for organisationens brugere. I nogle systemer kan du lægge små noter ind i brugerfladen på de forskellige sektioner for at angive standarder for navngivning eller formater. Alternativt kan du dele dem fra et dokumentstyringsværktøj som templafy eller sharepoint. Det vigtigste er, at du nemt kan ændre reglerne centralt og dermed holde guides opdaterede og top of mind.

Vi deler data governance-regelsættet ind i 3 små sektioner som tilsammen danner basis for den gode data governance-beskrivelse.

1. Datasporing

Datasporing er en simpel oversigt over:

  • hvilke data, I indsamler
  • hvem der ejer indsamlingsprocessen
  • kildesystemet bag indsamlingen
  • hvorfor data indsamles.

2. Datavalidering

Datavalidering er en beskrivelse af, hvem der ejer processen for at ensrette data. Det er også her, du skal beskrive, om du loader data ind i CDP’ens egne formater eller fodrer systemet med rådata, som efterfølgende skal ensrettes med værktøjer i customer data platformen, eksempelvis Segment Protocols. Datavalideringen indeholder også regler for hvilke unikke stamdata, kundeprofiler etableres på baggrund af (f.eks. mail, telefonnummer, kreditkort-token, kundenummer) og regler for, hvornår data skal skrives til, overskrives eller udgå på en given kundeprofil.

3 Datahåndhævelse

Datahåndhævelse handler om rollestyring i CDP eller i kildesystemerne. Det er de administrator-håndtag, som definerer adgangen til data og features på brugerniveau. Rollestyringen sikrer, at ændringer går igennem valideringsprocessen ovenfor og godkendes af de rigtige stakeholders.

Med rollestyringen hører også ansvarsfordeling for oprydningsopgaver i systemet. For lad os være helt ærlige. Selv med den bedste governance, vil der opstå forældet data, som skal ryddes op. Lav en cyklus for oprydning og sæt ansvarlige på opgaverne.

Tag stilling til hvert enkelt datainput

Det er vigtigt at sikre, at platformen kun samler de data som er nødvendige for at drive forretning. Overflødig data kan som tidligere nævnt skabe forvirring og i værste fald bringe jer på kant med loven.

For at undgå dette skal hvert datainput vurderes med afsæt i 3 simple spørgsmål:

  1. Hvem har brug for denne data?
  2. Hvilket formål tjener denne data?
  3. Hvis vi ikke indsamlede denne data, kunne vi så stadig drive forretningen?

Hvis du ikke kan svare på de to første spørgsmål, skal du ikke gemme data. Hvis du svarer ja, til spørgsmål 3, så skal du heller ikke gemme data.

Skal historisk data migreres over i den nye platform?

Det kan være fristende at migrere alle historiske data for at få noget volumen på customer data platformen i en fart. Men det er ikke nødvendigvis en god ide. Gå frem efter punkt 1 og 2 ovenfor og hold fast i de regler, I sætter op for systemet. Igen, et dårligt fundament med gamle data og dårlig struktur skaber en mistillid blandt organisationens brugere og kan ødelægge adoptionen af systemet og dermed værdien af investeringen.

Forstå organisationens datasiloer

Det kaldes datasiloer, når data indsamles af forskellige afdelinger i den samme virksomhed og opbevares adskilt fra andre afdelingers indsamlede data. Det skaber blinde vinkler i dine data og betyder, at du ikke opnår fuld indsigt i dine kunder.

Hvis du vil undgå datasiloer, eller vil fjerne de eksisterende datasiloer i din virksomhed, så kræver det samarbejde mellem afdelingerne. I skal opnå en fælles forståelse for, hvilke data der indsamles og hvad, de anvendes til. Start med at finde ud af hvilke værktøjer, der benyttes til indsamling af kundedata i din organisation. Byg derfra ovenpå med hvilke informationer, værktøjerne indsamler. Måske finder du ud af, at data er lukket inde i en silo af juridiske årsager. Eller måske er data hegnet inde alene på grund af manglende kommunikation mellem de afdelinger, som også kunne have nytte af dem. Det kan der heldigvis gøres noget ved. Og en CDP er en god anledning til at få data ud at leve i hele organisationen.

En datastrategi er en simpel plan som fremtidssikrer dine systemer

Med en god og simpel datastrategi skaber du rammen for ordentlig datahygiejne. Og du er godt på vej til at sikre, at en customer data platform lever op til de basale krav i organisationen:

  • At udfase datasiloer ved at sammenkøre og opbevare data ét centralt sted
  • At øge nøjagtighed af data ved at minimere redundante data og overlappende kundeprofiler
  • At samle alle kundedata på tværs af organisationen, så alle parter kun skal søge et sted
  • At give forretningen mulighed for at bringe kundedata effektivt i spil til analyser, produktudvikling, markedsundersøgelser, kundeservice, op-, kryds- og mersalg, win-back kampagner og meget mere.

God arbejdslyst