Il CRM analitico

Il CRM analitico consente di valorizzare e sfruttare il patrimonio informativo proveniente dall’operativo al fine del miglioramento della performance del business. Naturalmente il CRM analitico non può prescindere da quello operativo, ma bisogna tenere presente che è proprio questo a dare valore aggiunto all’azienda in termini di competitività.

Attraverso l’interazione con i touchpoint³⁰, l’impresa acquisisce i dati sul cliente. I dati vengono raccolti, automaticamente o manualmente, a seconda del grado di implementazione del sistema di CRM, all’interno del database. Il database può essere unico (datawarehouse) oppure multiplo (datamart).

30 Tra i principali si annoverano il call center, web, mailing e face to face. Il seguente argomento è trattato in maniera più ampia nel paragrafo 2.4.

38 Una volta raccolti i dati, essi vengono trasformati, dagli strumenti di business intelligence, in informazioni utili per prendere decisioni strategiche. Di questi strumenti ne esistono diversi tipi che si differenziano per la loro capacità informativa.

Successivamente vengono integrati all’interno dei vari processi aziendali ed utilizzati, dal cliente o dall’impresa, nella forma e attraverso il canale più adatto.

Figura 2.4 Le componenti del CRM Analitico

Con il termine business intelligence (BI) si intende l’insieme di concetti, metodologie e la capacità dell’impresa di accedere, esplorare ed analizzare le informazioni aziendali. Il compito della BI è di trasformare i dati in informazioni attraverso la tecnologia a disposizione.

Il primo passo è, quindi, quello di archiviare i dati, provenienti dalle sorgenti informative, in un database per essere analizzati con tecnologie diverse. Esistono tre diversi tipi di database: datawarehouse, data mart e data webhouse.

 DATAWAREHOUSE

39 La costruzione di un database, in particolare del datawarehouse, è una delle iniziative fondamentali in un approccio di customer relationship management.

Il datawarehouse rappresenta uno strumento utilissimo per riorganizzare, integrare, filtrare e aggregare i dati già disponibili per trarne informazioni che vengono messe a disposizione del management.

Immon ³¹individua le caratteristiche principali del datawarehouse attraverso la sua celebre definizione “una collezione di dati orientata ai soggetti, integrata, non volatile e correlata alla variabile tempo costruita in supporto delle decisioni manageriali”:

- Orientata al soggetto: in un datawarehouse i dati sono archiviati in modo che possano essere facilmente letti ed elaborati.

- Integrata: i dati confluiscono da più sistemi transazionali e da fonti esterne. L’integrazione avviene mediante l’utilizzo di una codifica uniforme, mediante l’utilizzo delle stesse unità di misura o attraverso altre strade.

- Non volatile: l’aggiornamento dei dati, con la perdita di informazioni che ne consegue, non viene effettuato all’interno del data warehouse; in questo modo vengono aggiunte informazioni senza modificare quelle già presenti.

- Variabile nel tempo: i dati archiviati in un datawarehouse hanno un orizzonte temporale molto più esteso nei sistemi operazionali consueti.

31 Immon W.H., Bulding the Data WareHouse, John Wiley, 1996

40

 DATA WEBHOUSE

Il web è un’immensa fonte di dati. Per poter utilizzare questi dati, essi devono essere confluiti in un unico database, il data webhouse, che si distingue dal data warehouse perché deve considerare le caratteristiche del web.

A differenza del data warehouse, il data web house offre tempi di risposta alla ricerca di informazioni più immediati, ed è reperibile velocemente e senza interruzioni di disponibilità da ogni parte del mondo.

 DATA MART

Data mart è l’abbreviazione del data marketing e può essere considerato come un archivio aziendale che raccoglie tutte le informazioni sui clienti e soggetti interessati.

Solitamente deriva da altre strutture di dati, è possibile ad esempio estrarre diversi data mart dal data warehouse, uno per ogni tipo di analisi che si vuole effettuare.

La costruzione di data mart rappresenta una delle operazioni fondamentali per l’applicazione del CRM.

L’affermazione dei database e del data warehouse è legata alla forte crescita di peso dei sistemi informatici in azienda. Le opportunità sono pressocchè infinite e le applicazioni continueranno a svilupparsi consentendo di escogitare la soluzione anche ai problemi più complessi.

Ciò porterà, di converso, alla rapidissima obsolescenza del software attuale. I costi legati ai sistemi informativi dovrenno essere ammortizzati

41

Il data mining è il processo atto a scoprire correlazioni, relazioni e tendenze nuove e significative, setacciando grandi quantità di dati immagazzinati nei repository, quindi un processo di estrazione di informazioni valida, utilizzabile e precedentemente sconosciuta, da grandi database di utilizzo di questa informazione a supporto delle decisioni di business.³³ settore della medicina, per capire quale sia la terapia più adeguata ed economica per il paziente e in altri molti settori.

32 Vikman L., Un database informativo sulla rete distributiva, in AA.VV., Customer Relationship Management: strategie e strumenti per la soddisfazione del cliente, IPSOA, Milano, 2002

33 Altavilla A., Bolwijn R., op. cit.

42

 QUERY & REPORTING

Realizzato il datawarehouse e dopo aver analizzato le informazioni presenti attraverso la tecnica del data mining, è necessaria l’implementazione di una reportistica leggibile e fruibile che faccia da supporto dalle decisioni del management.

Questi strumenti permettono di esplorare di dati aziendali a vari livelli, recuperando specifiche informazioni richieste (strumenti di query), e presentandole in modo chiaro e leggibile (strumenti di reporting).

La produzione del report deve seguire alcune fasi:

1- la definizione chiara e puntuale degli obiettivi della reportistica;

2- definizione chiara delle informazioni a supporto degli obiettivi;

3- inserimento dell’interrogazione a sistema;

4- produzione della reportistica.

Gli applicativi del reporting possono rappresentare il passo finale nell’utilizzo degli strumenti di CRM.

 DATA RETRIEVAL

Il data retriva è una attività che ha le stesse funzioni del data mining, ovvero quelle di estrarre da un database le informazioni di interesse per chi ne fa uso.

I criteri di estrazione dei dati sono definiti a priori, in maniera esogena all’attività di estrazione stessa.

Un classico esempio di questa attività è la ricerca, da parte del settore marketing, di tutti quei clienti che hanno acquistato almeno una volta il prodotto A e il prodotto B contestualmente. I

43 nominativi che ne vengono fuori potrebbero essere soggetti di una campagna promozionale, confidando sul fatto che la probabilità dei successi, ovvero dei clienti che acquistano effettivamente il prodotto in fase di lancio rispetto al totale dei contattati, sarebbe sicuramente superiore alla percentuale di successi che si otterrebbe qualora i clienti non avessero le caratteristiche ricercate dal marketing.

 OLAP

OLAP, acronimo di On-line Analytical Processing, rappresenta un insieme di tecniche software per l’analisi interattiva e veloce di grandi quantità di dati.

Con il termine OLAP si intende la possibilità di effettuare analisi dei dati su strutture multidimensionali in maniera rapida, flessibile ed efficiente, attraverso i servizi forniti da motori di database specifici. Le analisi multidimensionali (in inglese Sclice % Dice) consistono nel navigare i dati lasciando all’utente la facoltà di scegliere interattivamente le informazioni da visualizzare ed i filtri da applicare. La tecnologia OLAP, quindi, consente all’utente di realizzare da solo le sue analisi, senza la necessità di ricorrere all’aiuto di personale tecnico.³⁴

Esistono diverse tipologie di OLAP: ROLAP (Relationship OLAP), MOLAP (Multidimensional OLAP), HOLAP (Hybrid OLAP) e DOLAP (Desktop OLAP).

34 http://www.olap.it

44