您已經收集了客戶數據，現在呢？

在過去幾年中，數字技術已經完全民主化，產生了大量與客戶行為相關的數據，從偏好到興趣和情緒。

由於 COVID-19 大流行，客戶不再使用他們傳統上用於購買的相同渠道，這加速了企業從他們收集的信息中更有效地獲取可操作情報的需求。

企業希望應用人工智能、機器學習和自然語言處理等技術來更好地了解客戶模式並做出預測，從而實現更加個性化的體驗，但組織不善、非結構化的數據阻礙了他們的發展。

部署需要提供個性化體驗的數字參與系統——在線商店、聊天機器人、移動應用——如果沒有有效的數據分析，將導致糟糕的數字體驗。

在有效使用數據分析方面面臨挑戰的營銷人員和其他業務用戶需要提出三個問題。 1.如何加速？ 2. 我如何自動化？ 3. 如何降低每次洞察的成本？

當企業希望變得更加數據驅動時，請牢記以下四個關鍵最佳實踐：

1）速度至關重要

七到十年前，在數字技術變得如此多產之前，企業可能需要幾年的互動和購買歷史才能完全了解客戶的購買行為。

今天，分析客戶購買行為的一分鐘歷史可能會改變您對他們購買模式的理解。 公司需要以閃電般的速度開發和部署數據分析和智能記錄系統。 這將使您的企業減少獲得洞察的時間，同時優化每次洞察的成本。

2）我們沒有技術問題

今天，當談到可視化和解釋業務信息時，沒有人可以聲稱技術是一個問題。

Hadoop、MongoDB、Spark、Snowflake 等技術以及 Tableau、Looker、Microsoft PowerBI、TensorFlow、機器學習算法和更複雜的雲數據分析等可視化工具不斷湧現。

技術、系統和計算能力可大規模使用。 阻礙公司有效使用其中許多技術的部分原因是他們對遺留系統的投資，部分原因是在不需要信息的孤島中擁有信息，並且缺乏現代化的戰略。

組織需要集中用於分發和分析消費的上下文信息。

3）需要打破數據孤島

許多營銷組織和其他業務用戶正在投資數據湖和集中式數據倉庫，以存儲來自多個不同來源的信息。 儘管這些是由企業贊助的，但它們仍然以 IT 為中心。

使用以 IT 為中心的方法，必然會出現孤島。 對於零售商來說，這意味著實體店沒有與全渠道通信，供應鏈也沒有與庫存管理通信——以及兩者之間的每一種可能的組合——造成信息消費的滯後。

這就是數據網格架構有望實現的地方——以集中式平台無法實現的方式大規模分發數據，並提供業務洞察力和自動化決策。

數據網格使業務組能夠靈活地查看信息並做出決策。 數據網格是一種使組織能夠利用多種不同數據源的方法，打破有時面臨信息湖的孤島。

4) IT 和業務團隊需要更緊密的協作

多年前，CIO 圍繞數據分析、客戶成功和業務分析計劃做出了大部分決策。 今天，整個企業的最高管理層和關鍵利益相關者都深度參與，這往往會導致摩擦和孤島。

IT 部門在標準化工具、技術和基礎設施方面仍然發揮著重要作用。 但由於圍繞數據的消費模式和要求不同，營銷組織和其他業務用戶需要與 IT 合作，以了解他們如何更有效地合作以利用他們的信息。

營銷組織在從信息中獲取洞察力方面取得了很大進展，尤其是在客戶成功領域。 但是，如何訪問它、如何自動化以及如何優化每個洞察的成本等問題仍然需要回答，才能成功地向前發展。

挑戰絕非易事。 但潛在的回報，以數據驅動的體驗形式，讓客戶滿意，更高的效率和自動化，令人興奮。

Radhakrishnan Rajagopalan 是 Mindtree 的全球客戶成功主管，Mindtree 是一家領先的數字化轉型和技術服務公司。