La conoscenza della clientela costituisce a condizione necessaria per declinare le leve di marketing a livello micro. Tale conoscenza si basa sulla costruzione di un quadro completo del consumatore mediante la raccolta di dati in ogni punto in cui esso interagisce con l’impresa, quali ma non solo, il punto vendita fisico, il centro servizi, il sito web e il punto vendita elettronico. I dati, consolidati, elaborati e combinati con quelli ottenuti al momento del rilascio della carta fedeltà nonché da fonti esterne, generano le informazioni su cui fondare le scelte in materia di micro marketing.
Tabella 4 - Le informazioni di cliente rilevanti per il micro marketing Anagrafiche 64%
Comportamentali 55%
Analisi andamento della fedeltà/propensione all’abbandono del cliente 45%
Analisi deciliche di importanza economica del cliente 36%
Analisi di cross selling e utilizzo di servizi partner 36%
Informazioni sulla risposta e iniziative di marketing diretto 27%
Solo dati relativi a punti e premi, nessuna analisi di cliente 18%
Altro 9%
Fonte: Osservatorio Carte Fedeltà Università di Parma, 2007
Dati e informazioni non sono sinonimi: i dati devono intendersi come la
“rappresentazione originaria e non interpretata di un fenomeno, mentre le informazioni sono “l’insieme di uno o più dati, memorizzati, classificati, messi in relazione o interpretati nell’ambito di un contesto in modo da avere un significato”174. Il trattamento dei dati può essere assimilato ad un processo produttivo che inizia con l’acquisizione di materie prime, prosegue con la lavorazione di semilavorati e termina con la realizzazione di uno o più prodotti finiti. In questo processo, il dato svolge la funzione di materia prima in input e informazione quella di prodotto finito in output. Essa è il dato che viene
174 Camussone P.F., Il sistema informativo aziendale, Etas, Milano, 1998.
contestualizzati per renderlo utile al destinatario a cui è diretto e non soggetto ad errori di interpretazione quando trasmesso. La distinzione tra dati e informazioni consiste di evidenziare la loro diversa natura. I dati esistono in quanto esiste l’azienda che li genera automaticamente nello svolgimento della propria attività e ne costituiscono la rappresentazione simbolica. L’esistenza delle informazioni è invece derivata da un preciso atto di volontà, ovvero se e quando servono a qualcuno.
La funzione di impresa deputata alla gestione dei dati e alla produzione delle informazioni è quella dei sistemi informativi. Essi possono essere definiti come un “insieme ordinato di elementi, anche molto diversi tra loro, che raccolgono, elaborano, scambiano ed archiviano dati con lo scopo di produrre e distribuire le informazioni nei momenti e nel luogo adatti alle persone che in azienda ne hanno bisogno”175. Gli strumenti impiegati dai sistemi informativi per assolvere alla propria missione differiscono per tipologia di attività poiché varia sia il contenuto, sia la modalità con cui vengono utilizzate.
Le attività aziendali possono essere classificate in operative, tattiche e strategiche.
Analizziamo qui di seguito le tre diverse tipologie.
Le attività operative sono relative all’esecuzione dei compiti correlati all’esercizio corrente dell’impresa. Nel caso specifico di un’azienda commerciale, si tratta ad esempio della gestione delle scorte, degli approvvigionamenti. Oltre che ripetitivi, tali compiti sono noti e fanno per la maggior parte capo al personale esecutivo. Gli strumenti informativi riguardanti le attività operative devono garantire stabilità, vale a dire produrre gli stessi risultati se alimentati con gli stessi dati, rendendo massimo il grado di rigidità di utilizzo. L’utente non ha cioè la possibilità di intervenire attivamente sull’applicazione, ma se ne serve in maniera passiva.
Le attività tattiche sono correlate all’amministrazione corrente dell’impresa ed esperite prevalentemente dal middle management per verificare che le risorse disponibili siano impiegate efficientemente nonché efficacemente. Le soluzioni informative che supportano i dirigenti nel loro lavoro forniscono informazioni sintetiche di tipo predeterminato, ottenute a partire da dati sia retrospettivi sia prospettici per monitorare l’andamento delle
175 Camussone P.F., op.cit.
attività operative aziendali. Esse devono evidenziare con la dovuta evidenza le anomalie egli scostamenti rispetto ai programmi previsti176.
Infine, le attività strategiche competono quasi esclusivamente all’alta direzione che ha a responsabilità di pianificare decidendo sugli obiettivi di medio lungo termine dell’impresa, sui loro cambiamenti, sulle risorse da acquisire nonché impiegare per il loro raggiungimento e sulle politiche da seguire nell’impiego di tali risorse177. Si tratta di attività che si caratterizzano per un modesto livello di strutturazione in quanto la procedura per affrontare in processo decisionale può essere definita solo parzialmente.
L’architettura di un data warehouse comprende le seguenti componenti:
- back-end in cui vengono gestiti i processi di estrazione, integrazione e trasformazione dei dati prelevati dal sottosistema informativo operativo dell’impresa e dai sistemi informativi esterni;
- gestione dei dati, in cui risiedono i dati ed il metadata del sottosistema informativo direzionale;
- front-end in cui sono presenti le funzioni che consentono agli utenti di accedere ai dati per produrre le informazioni di interesse.
L’area della gestione costituisce il cuore del sottosistema informativo direzionale in quanto custodisce i dati organizzandoli in tre diverse modalità: attuali di dettaglio, aggregati e storici di dettaglio. I dati attuali si presentano con un livello di dettaglio pari a quello che si ritiene essere sufficiente per supportare i processi decisionali in base ai fabbisogni informativi presenti e stimati per il futuro. Nella realtà operativa esso è solitamente frutto di un compromesso tra le esigenze conoscitive da soddisfare (efficacia) e i volumi di dati da trattare (efficienza). I dati aggregati sono dati che vengono preparati senza l’intervento attivo dell’utente e resi disponibili in lettura allo scopo di velocizzare i tempi di esecuzione delle interrogazioni. La perdita di dettaglio inevitabilmente correlata a tale operazione è superata realizzando diverse aree dati, aggregate secondo più dimensioni, che consentono altrettante modalità di accesso e di analisi. I dati aggregati vengono generalmente raggruppati per area tematica e prendono il nome di data mart.
176 Camussone P.F., Il sistema informativo aziendale, Etas, Milano, 1998.
177 Anthony R., “The learning bureaucracy: new united motors manufacturing, Inc.”, in Staw B.M., Bummings L.L.
(ed.), Research in organizational behaviour, Jai Press, Greenwich, 1965
Tale temine è evocativo del fatto che i dati sono “pronti sullo scaffale”, strutturati e modellati per risolvere un certo insieme di problematiche di analisi o interrogazione.
5.1 La qualità dei dati per il micro marketing
La capacità delle informazioni di costituire una rappresentazione affidabile della clientela è strettamente connessa alla qualità dei dati da cui originano. Tale condizione risulta verificata quando l’immagine del fenomeno che il dato descrive simbolicamente si configura accurata ed esaustiva. Senza dati di qualità, le imprese perdono il controllo sugli accadimenti che si verificano al loro interno e nel mercato. Le decisioni maturate in un simile contesto producono risultati peggiori all’immobilismo, come la conseguente perdita di fiducia degli utenti nel sistema informativo. L’importanza della qualità dei dati per il successo di progetti di datawarehouse per il micro marketing diventa evidente se si considera che le principali difficoltà che le imprese devono fronteggiare durante l’implementazione sono proprio la gestione della coerenza dei dati (46 per cento) e la loro riconciliazione (40 per cento)178.
L’attestazione della qualità dei dati al di sotto del livello ottimale è ascrivibile alla tendenza delle imprese da un lato a sovrastimare la propria prestazione con riferimento a questa dimensione, dall’altro a sottostimare l’impatto che gli errori possono avere sul processo decisionale. La ricerca empirica rileva l’esistenza di un divario tra la qualità percepita e quella reale dei dati179. La tolleranza sembra essere l’atteggiamento prevalente rispetto alla bassa qualità dei dati, considerando i problemi da essa causati come un costo inevitabilmente correlato all’esercizio dell’attività.
L’implementazione di un programma di miglioramento della quantità dei dati impatta sull’efficienza e sull’efficacia del processo di produzione delle informazioni. Prevenire un errore costa fino a dieci volte meno rispetto a correggerlo una volta che è entrato nel sistema informativo e aumenta il livello di servizio all’utenza sotto il profilo della capacità rappresentativa. Il primo passo è l’individuazione delle fonti della cattiva qualità in quanto ciò consente sia le azioni da intraprendere sia l’entità dello sforzo da
178 Eckerson W.W., Data quality and the bottom line, The Data Warehousing Institute, USA, 2002.
179 Eckerson W.W., op.cit.
profondere. Gli errori si manifestano prevalentemente al momento della digitazione dei dati da parte degli addetti e dei clienti. Si tratta di errori ortografici, numeri trasposti, codici scorretti o mancanti, dati immessi nel campo sbagliato, nomi non riconoscibili, abbreviazioni, acronimi mal digitati. Tale tipologia di errori aumenta quando l’impresa gestisce la relazione con il cliente anche attraverso la Rete, permettendogli di alimentare direttamente il sistema informativo con i propri dati. La gestione degli aspetti più squisitamente tecnici correlati alla creazione e alla manutenzione del data warehouse è la seconda area per importanza ai fini della qualità dei dati. Seguono le difficoltà di armonizzare e condividere gli obiettivi informativi trasversalmente alle funzioni aziendali e la qualità dei dati provenienti dai sistemi esterni.
La qualità dei dati per il micro marketing si configura come un programma collettivo a cui partecipano tutti coloro che presidiano le applicazioni da cui sono estratti i dati per alimentare il data warehouse. I dati raccolti nei punti di contatto del cliente rappresentano infatti soltanto una parte di quelli che devono essere monitorati per assicurare la qualità al sistema nel suo complesso. La responsabilità di tali monitoraggi compete anche alle funzioni vendite ad acquisti dell’impresa nonché ai fornitori di banche dati che producono i dati mutuati dal marketing per tracciare un quadro completo del cliente.
I progetti di data warehouse devono necessariamente coinvolgere diverse aree funzionali dell’impresa. Lo sforzo più importante che il driver deve compiere è di far convergere l’impegno degli utenti, ottenendo la loro partecipazione attiva al progetto. La creazione di un gruppo di lavoro per la raccolta di esigenze e aspettative informative dei membri della direzione aziendale assicura efficacia al data warehouse perché i potrà essere coerenza tra attesa e risultati. Il coinvolgimento degli utenti è indispensabile in molte fasi de progetto:
la definizione dei requisiti, del modello dati, delle modalità operative, del significato del singolo dato, delle regole di calcolo e dei criteri di aggregazione.
Gli obiettivi del progetto devono essere raggiungibile in modo da non frustrare le attese degli utenti con tempi di realizzazione eccessivamente lunghi. Lo sviluppo del data warehouse deve avvenire secondo una logica incrementale, procedendo per obiettivi successivi a breve-medio termine che aggiungono di volta in volta valore in vista del raggiungimento di quelli a lungo termine. La creazione di un gruppo stabile di lavoro dedicato alla gestione del data warehouse garantisce che il sistema evolva di pari passo con l’attività e non sia soggetti a personalismi. Senza la creazione di tale gruppo il
sistema è destinato, dopo pochi mesi dall’implementazione, ad una graduale perdita di interesse da parte degli utenti.
La flessibilità e la scalabilità del data warehouse possono essere ottenute agendo sulla componente informativa e tecnologica. Il mantenimento dei dati al massimo livello di dettaglio unitamente alla scelta di una piattaforma hardware e software aggiornabile nel tempo consentono di soddisfare tali condizioni. E’ tuttavia necessario selezionare i dati da memorizzare con estrema oculatezza, mediando tra la richiesta di avere quanto più informazioni possibili e la necessità che il sistema venga appesantito da informazioni che ne compromettono la capacità di risposta. La qualità dei dati è il vero tallone d’Achille di un progetto di data warehouse. La riconciliazione di dati che esprimono, in modo diverso, semantiche uguali è uno degli aspetti che può causare un riciclo continuo di analisi con gli utenti per trovare una convergenza per una definizione unica dl dato o per stabilire quale sistema sorgente abbia la versione più completa. A ciò si aggiungono le difficoltà connesse alla gestione del programma di qualità dei dati come attività permanente.