การกำจัดข้อมูลที่ไม่ดี การกำจัดข้อมูลที่ไม่ดีออกไปอาจเป็นวิธีที่เป็นประโยชน์มากที่สุดวิธีหนึ่งสำหรับ บริษัท ต่างๆในการปรับปรุงผลกำไร ดังตัวอย่างหนึ่งที่โดดเด่นการสำรวจของ Gartner ในปี 2009 จาก 140 บริษัท เปิดเผยว่าการพลาดโอกาสและความไร้ประสิทธิภาพอันเนื่องมาจาก“ ข้อมูลที่ไม่ดี” ทำให้แต่ละธุรกิจมีต้นทุนมากกว่า 8 ล้านดอลลาร์ต่อปี – 4 เปอร์เซ็นต์ของผู้ตอบแบบสอบถามคาดว่าความเสียหายต่อปีจะสูงถึง 100 ล้านดอลลาร์ ในขณะที่ร้อยละ 25 รายงานค่าใช้จ่ายข้อมูลที่ไม่ดีอยู่ที่ 20 ล้านดอลลาร์หรือมากกว่านั้นต่อปี
บริษัท ของคุณมีข้อมูลที่ไม่ดีหรือไม่? ในบทความนี้ DataEntryOutsourced จะให้ภาพรวมของสิ่งที่มักทำให้เกิดปัญหาและสิ่งที่คุณสามารถทำได้
หมวดหมู่ของข้อมูลที่ไม่ถูกต้อง
ข้อมูลที่ไม่ถูกต้องมีหลายรูปแบบเช่นชุดข้อมูลที่ไม่เชื่อมต่อสำหรับข้อมูลเชิงสัมพันธ์ไฟล์ที่เสียหายช่องข้อมูลที่ไม่ถูกต้องและไฟล์ที่ซ้ำกัน แม้จะมีข้อมูลที่ไม่ดีหลายรูปแบบ แต่นี่คือห้าหมวดหมู่หลัก:
ข้อมูลที่ไม่เป็นไปตามข้อกำหนด – ข้อมูลไม่เป็นไปตามกฎการตั้งชื่อ บริษัท ของคุณ
ไม่มีข้อมูล – ช่องข้อมูลว่างเปล่าที่ควรมีข้อมูล
ข้อมูลที่ไม่เกี่ยวข้อง – ข้อมูลที่ป้อนในฟิลด์ผิด
ข้อมูลไม่ถูกต้อง – ข้อมูลไม่ถูกต้อง (รวมถึงข้อมูลที่ไม่ได้รับการอัปเดตอย่างถูกต้อง)
ข้อมูลที่ซ้ำกัน – ผู้ติดต่อหนึ่งรายปรากฏในบันทึกฐานข้อมูลหลายรายการ
ค่าใช้จ่ายสูงของข้อมูลที่ไม่ดี
ไม่ว่าข้อมูลที่ไม่ดีจะเกิดขึ้นในรูปแบบใดก็อาจทำให้ บริษัท ของคุณได้รับความเสียหายอย่างร้ายแรงในรูปแบบของความไร้ประสิทธิภาพความเสียหายต่อชื่อเสียงการพลาดโอกาสขวัญกำลังใจของพนักงานลดลงการบริการลูกค้าที่ไม่ดีการคาดการณ์ที่ไม่ถูกต้องและการตัดสินใจทางธุรกิจที่ไม่ดี บทความนี้มีงานวิจัยชิ้นหนึ่งรายงานว่ามีค่าใช้จ่ายประจำปีตั้งแต่ 8 ล้านเหรียญถึง 100 ล้านเหรียญ
ในการวิจัยล่าสุดโดย Experian Data Quality บริษัท 88 เปอร์เซ็นต์รายงานผลกระทบโดยตรงต่อผลกำไรโดยเฉลี่ยแต่ละ บริษัท สูญเสียรายได้ 12 เปอร์เซ็นต์เนื่องจากข้อมูลที่ไม่ดี โดยทั่วไปการสูญเสียรายได้เกิดจากพนักงานมีเวลามากเกินไปสิ้นเปลืองทรัพยากรและค่าใช้จ่ายทางการตลาดโดยไม่จำเป็น
ตามหลักการคุณภาพ 1-10-100 ต้นทุนในการแก้ไขปัญหาสามารถเพิ่มขึ้นเป็นทวีคูณเมื่อเวลาผ่านไป ตัวอย่างเช่นหาก $ 1 เป็นต้นทุนเริ่มต้นเพื่อป้องกันไม่ให้ข้อมูลที่ไม่ดีส่งผลกระทบต่อระบบ CRM ของคุณ $ 10 คือค่าใช้จ่ายในการแก้ไขปัญหาข้อมูลที่มีอยู่และ $ 100 คือค่าใช้จ่ายในการแก้ไขปัญหาข้อมูลที่ไม่ดีหลังจากที่เกิดความล้มเหลวกับลูกค้า หรือ บริษัท การกำจัดข้อมูลที่ไม่ดี
การใช้กลยุทธ์สองส่วนเพื่อรักษาข้อมูลที่ไม่ดี
การจัดการกับข้อมูลที่ไม่ดีอย่างมีประสิทธิภาพต้องใช้การดำเนินการสองหน้าเพื่อความแม่นยำในการป้อนข้อมูล:
การป้องกัน – การควบคุมและลดข้อมูลที่ไม่ดี“ ก่อน” ที่จะเข้าสู่ระบบของคุณ
การแก้ไข – การตรวจสอบและล้างข้อมูล“ หลังจาก” เข้าสู่ระบบโดยมีเป้าหมายในการรักษามาตรฐานคุณภาพที่กำหนดไว้
เพื่อป้องกันข้อมูลที่ไม่ดีให้เริ่มต้นด้วยการฝึกอบรมผู้ใช้ที่แก้ไขปัญหาต่างๆเช่นการค้นหารายการที่ซ้ำกันก่อนป้อนข้อมูลและกรอกข้อมูลในฟิลด์ทั้งหมด ในการแก้ไขข้อมูลที่มีอยู่ให้เริ่มต้นด้วยการกำหนดกระบวนการคุณภาพข้อมูลจากนั้นตรวจสอบฐานข้อมูลตามมาตรฐานเหล่านั้น
คำเตือนสองสามคำ – การล้างข้อมูลอาจเป็นกระบวนการที่ซ้ำซากจำเจ เพื่อหลีกเลี่ยงการทำงานหนักเกินไปให้พนักงานของคุณคิดถึงทางเลือกที่ใช้ได้จริงเช่นการจ้างผู้เชี่ยวชาญด้านการล้างข้อมูลเช่น DataEntryOutsourced
ค้นหาผู้เชี่ยวชาญด้านการล้างข้อมูล
ในยุคของ“ ข้อมูลขนาดใหญ่” และกระบวนการที่ไวต่อข้อมูลเพิ่มมากขึ้นความเสียหายที่อาจเกิดขึ้นเนื่องจากข้อมูลที่ไม่ดีนั้นแทบจะไม่ จำกัด แม้ว่าจะไม่มีองค์กรใดได้รับการยกเว้นจากข้อมูลที่ไม่ดี แต่คุณสามารถตรวจจับและแก้ไขปัญหาข้อมูลที่ไม่ดีได้
การล้างข้อมูลเป็นกลยุทธ์ที่มีประสิทธิภาพซึ่งสามารถปรับปรุงผลกำไรของคุณได้อย่างมากโดยการเปลี่ยนข้อมูลที่ไม่ชัดเจนให้เป็นชุดข้อมูลที่สอดคล้องกัน สิ่งที่สำคัญไม่แพ้กันคือการตรวจสอบข้อมูลที่ “จุดเข้า” – ให้คิดว่าเป็นการตรวจสอบหนังสือเดินทางข้อมูลก่อนที่ข้อมูลจะได้รับอนุญาตให้เข้าสู่ระบบของคุณ
DataEntryOutsourced เป็นผู้เชี่ยวชาญระดับโลกที่ได้รับการยอมรับซึ่งสามารถช่วยดำเนินการสองหน้าเพื่อกำจัดข้อมูลที่ไม่ดีออกไปการล้างข้อมูลและการตรวจสอบข้อมูลเป็นหน้าที่หลักสองอย่างของ DEO ในแต่ละวันตลอด 24 ชั่วโมง
คุณมีประสบการณ์อย่างไรกับข้อมูลที่ไม่ดี กรุณาแบ่งปันความคิดเห็นด้านล่างแล้วส่งต่อความคิดของคุณโดยใช้ไอคอนโซเชียลมีเดีย
ธุรกิจของคุณทำอะไรกับข้อมูลจำนวนมหาศาลที่รวบรวมทุกวัน การวิเคราะห์ข้อมูลนี้และการค้นพบข้อมูลที่สำคัญที่สุดไม่ใช่เรื่องง่ายเสมอไป แต่การจัดกลุ่มข้อมูลสามารถช่วยได้ ในบทความนี้ DataEntryOutsourced ให้ข้อมูลพื้นฐานเกี่ยวกับกลยุทธ์การจัดการข้อมูลที่จำเป็นนี้
Clustering ใน Data Mining คืออะไร?
การใช้การจัดกลุ่มเกี่ยวข้องกับการวางข้อมูลลงในกลุ่มที่เกี่ยวข้องกันโดยทั่วไปจะไม่มีความรู้ล่วงหน้าเกี่ยวกับคำจำกัดความของกลุ่ม อัลกอริธึมการทำคลัสเตอร์การขุดข้อมูลจะกำหนดจุดข้อมูลให้กับกลุ่มต่างๆบางกลุ่มที่คล้ายกันและอื่น ๆ ที่ไม่เหมือนกัน
ธุรกิจสามารถใช้การจัดกลุ่มข้อมูลได้อย่างไร
การทำคลัสเตอร์สามารถช่วยให้ธุรกิจจัดการข้อมูลได้ดีขึ้น – การแบ่งส่วนรูปภาพการจัดกลุ่มหน้าเว็บการแบ่งส่วนตลาดและการดึงข้อมูลเป็นสี่ตัวอย่าง สำหรับธุรกิจค้าปลีกการจัดคลัสเตอร์ข้อมูลจะช่วยในเรื่องพฤติกรรมการจับจ่ายของลูกค้าแคมเปญการขายและการรักษาลูกค้า ในอุตสาหกรรมประกันภัยมีการใช้คลัสเตอร์เป็นประจำในการตรวจจับการฉ้อโกงการระบุปัจจัยเสี่ยงและความพยายามในการรักษาลูกค้า ในการธนาคารการทำคลัสเตอร์จะใช้สำหรับการแบ่งกลุ่มลูกค้าการให้คะแนนเครดิตและการวิเคราะห์ความสามารถในการทำกำไรของลูกค้า
ในการสร้างคลัสเตอร์หรือกลุ่มข้อมูลเหล่านี้มักใช้ข้อมูลเช่นเชื้อชาติที่อยู่อาศัยอาชีพอายุและรายได้ร่วมกับข้อมูลสำมะโนประชากร ข้อมูลการจัดกลุ่มสามารถใช้เพื่อ “แท็ก” ลูกค้าในฐานข้อมูลโดยรวม ในที่สุดผู้ใช้จะสามารถคาดการณ์ได้อย่างสังหรณ์ใจว่าคลัสเตอร์ต่างๆจะตอบสนองต่อข้อเสนอทางการตลาดอย่างไร
ตัวอย่างการทำคลัสเตอร์ใน Data Mining
นี่คือสองตัวอย่างที่แสดงให้เห็นว่าเทคนิคการทำคลัสเตอร์ในการขุดข้อมูลมักจะแปลเป็นข้อมูลเชิงลึกที่เป็นประโยชน์สำหรับเจ้าของธุรกิจและผู้จัดการ ในทั้งสองกรณีที่ระบุไว้ด้านล่างแอปพลิเคชันที่ใช้งานได้จริงคือการระบุบันทึกข้อมูลที่แตกต่างจากกลุ่มอื่น ๆ
ในตัวอย่างแรกห้างสรรพสินค้าแห่งหนึ่งในอิลลินอยส์จัดงานลดราคาเกี่ยวกับชุดสูทผู้ชาย ร้านค้าทั้งหมดยกเว้นร้านเดียวมีรายได้จากการขายเพิ่มขึ้นอย่างน้อย 100 เปอร์เซ็นต์ยกเว้นร้านเดียวที่ใช้การโฆษณาทางวิทยุมากกว่าโทรทัศน์
ในตัวอย่างที่สองผู้จัดจำหน่ายไวน์ที่มีข้อยกเว้นที่โดดเด่นรายหนึ่งซึ่งขายไวน์ราคาไม่แพงในนิวยอร์กได้สร้างผลกำไรในระดับที่คาดเดาได้เมื่อดูร่วมกับปริมาณการจัดส่งที่แน่นอน จากการตรวจสอบอย่างใกล้ชิดอันเป็นผลมาจากการจัดกลุ่มข้อมูลพบว่าไม่มีการรวบรวมการชำระเงินจากลูกค้ารายใดรายหนึ่งในเวลาที่เหมาะสม
เทคนิคการจัดกลุ่มที่สำคัญในการขุดข้อมูลและการจัดกลุ่มลูกค้า
วิธีการจัดกลุ่มหลักสี่ประเภท ได้แก่ การแบ่งพาร์ติชันลำดับชั้นอิงตามความหนาแน่นและแบบกริด อย่างไรก็ตามสำหรับการจัดการลูกค้าสัมพันธ์ (CRM) และโปรแกรมการตลาดการรวมกลุ่มลูกค้าถือเป็นกลยุทธ์ที่สำคัญที่สุด
การจัดกลุ่มลูกค้าใช้ข้อมูลธุรกรรมการซื้อเพื่อติดตามพฤติกรรมการซื้อจากนั้นสร้างการริเริ่มทางธุรกิจใหม่ตามสิ่งที่พบ เป้าหมายทางการตลาดโดยทั่วไปคือการเน้นย้ำและรักษาลูกค้าที่มีความเสี่ยงต่ำมูลค่าสูงและผลกำไรสูงซึ่งกลุ่ม“ พรีเมียม” นี้คิดเป็นร้อยละ 10-20 ของผู้ซื้อทั้งหมดมักสร้างผลกำไร 50-80 เปอร์เซ็นต์ของ บริษัท
เมื่อระบุคลัสเตอร์นี้แล้วคุณควรพิจารณาเทคนิคการขายต่อและการขายต่อเนื่องที่จะช่วยเพิ่มศักยภาพในการทำกำไรของคลัสเตอร์ข้อมูลที่น่าสนใจนี้
การรวมกลุ่มเป็นโซลูชันการขุดข้อมูล
แน่นอนว่าการจัดกลุ่มข้อมูลไม่ใช่วิธีแก้ปัญหาแบบ “โดดๆ” สำหรับการขุดข้อมูลของคุณ คุณจะไม่มีทางพลาดเป้าหมายที่สำคัญอย่างการบรรลุคุณภาพของข้อมูล – ผู้เชี่ยวชาญอย่าง DataEntryOutsourced สามารถช่วยคุณ“ จับตาดูบอล” ได้เมื่อคุณกำลังคิดที่จะปรับปรุงการจัดการข้อมูลและการริเริ่มการขุดข้อมูลภายใน บริษัท ของคุณ DEO ยังช่วยให้คุณระบุได้ว่าการดำเนินการขุดข้อมูลใดเหมาะสมกับความต้องการเฉพาะของคุณมากที่สุดก่อนที่คุณจะเริ่ม
โปรดฝากประสบการณ์การจัดกลุ่มข้อมูลและการขุดข้อมูลไว้ด้านล่างจากนั้นใช้ไอคอนโซเชียลมีเดียเพื่อแบ่งปันความคิดเห็นของคุณ
การปรับปรุงคุณภาพฐานข้อมูลการตลาดของคุณ
ในการสร้างรายชื่อผู้ติดต่อทางการตลาดอย่ามองข้ามคุณภาพเป็นแนวทางที่สำคัญ เลือกได้เสมอโดยกำหนดว่าเมื่อใดที่คุณต้องการรายชื่อและประเภทของบุคคลที่ควรอยู่ในนั้น คุณภาพมากกว่าปริมาณควรเป็นเกณฑ์มาตรฐานที่คุณกำหนด ตัวอย่างเช่นรายชื่อผู้มีโอกาสเป็นลูกค้าที่มีการกำหนดไว้อย่างดีมีค่ามากกว่ารายชื่อคนผิดที่มีความยาว เมื่อใดก็ตามที่เป็นไปได้ให้สร้างการสมัครรับอีเมลหลายรายการที่แสดงถึงความสนใจในหัวข้อที่เฉพาะเจาะจงมากขึ้น
ให้ความรู้แก่พนักงานของคุณเกี่ยวกับความสำคัญของความถูกต้องในการรับและป้อนข้อมูล – การพิมพ์ตัวอักษรหรือตัวเลขในที่อยู่อีเมลผิดพลาดจะทำให้เสียโอกาสทางธุรกิจ เมื่อส่งเนื้อหาทางไปรษณีย์หรืออีเมลตรวจสอบให้แน่ใจว่าคุณภาพของเนื้อหานั้นไร้ที่ติ: เขียนดีให้ข้อมูลเป็นข่าวและไม่มีข้อผิดพลาดที่ชัดเจนเช่นการพิมพ์ผิดหลายครั้ง เมื่อทำเช่นนี้คุณจะมั่นใจได้ว่าผู้รับยังคงสมัครรับข้อมูลรายชื่ออีเมลของคุณเพราะพวกเขาจะต้องการเห็นสิ่งที่คุณพูด!
การใช้ LinkedIn เพื่อสร้างรายชื่อผู้ติดต่อของคุณ
LinkedIn ยังคงเป็นหนึ่งในไซต์โซเชียลมีเดียที่ “เหมาะกับธุรกิจ” มากที่สุดและมีโอกาสมากมายในการเพิ่มรายชื่อผู้ติดต่อทางการตลาดของคุณผ่านทางกิจกรรมบน LinkedIn ตัวอย่างหนึ่งคือการเพิ่มลิงก์ลงทะเบียนในโปรไฟล์ของคุณ ตัวอย่างทั่วไปอื่น ๆ ได้แก่ การเชื่อมต่อใหม่การรับรองและความคิดเห็นเกี่ยวกับโพสต์ที่คุณสร้าง – ในทุกกรณีเหล่านี้คุณควรพิจารณาใช้โอกาสเชิญบุคคลนั้นให้เข้าร่วมรายชื่ออีเมลของคุณ
ความคิดสุดท้ายเกี่ยวกับเทคนิคการขุดข้อมูลเพื่อสร้างรายชื่ออีเมล
อีเมลมีความสำคัญเพียงใดในการทำการตลาดในปัจจุบันของคุณ? จากการศึกษาล่าสุดของ DMA พบว่า 75 เปอร์เซ็นต์ของนักการตลาดรายงานว่าวันนี้พวกเขาใช้อีเมลมากกว่าเมื่อสามปีก่อน
การขุดข้อมูลออนไลน์ของคุณทำให้เกิดฐานข้อมูลการติดต่อทางการตลาดที่สะอาดหรือไม่? ในขณะที่การสร้างและดูแลรายชื่ออีเมลที่ถูกต้องเป็นกระบวนการที่ใช้เวลานานคุณควรพิจารณาจ้างงานทางธุรกิจเหล่านี้ให้กับผู้เชี่ยวชาญเช่น DataEntryOutsourced
โปรดแบ่งปันข้อสังเกตของคุณเกี่ยวกับรายชื่อส่งเมลโดยแสดงความคิดเห็นด้านล่างและแบ่งปันความคิดของคุณโดยใช้ไอคอนโซเชียลมีเดียตั้งแต่เศรษฐกิจขั้นสูงไปจนถึงเศรษฐกิจตลาดเกิดใหม่
จากความเสี่ยงด้านการละลายไปจนถึงความเสี่ยงด้านสภาพคล่อง
ตั้งแต่ธนาคารไปจนถึงไม่ใช่ธนาคาร
ความเสี่ยงทางการเงินที่เปลี่ยนแปลงไปในตลาดหุ้นหมายความว่าธนาคารกลางอาจเป็นหน่วยงานสถาบันเพียงแห่งเดียวที่สามารถดำเนินการอย่างรวดเร็วและเด็ดขาดเพื่อป้องกันไม่ให้ตลาดหุ้นล่ม อย่างไรก็ตามทั้งธนาคารกลางยุโรปและธนาคารกลางสหรัฐต่างแสดงข้อ จำกัด ในการพึ่งพาหน่วยงานของธนาคารกลางโดยไม่สร้าง “ผลข้างเคียง” ที่ไม่ต้องการ แต่ระบบการป้อนข้อมูลทางการเงินที่ถูกต้องและตรงเวลาสามารถลดและลดปัญหาที่ไม่ต้องการได้มากมาย
THAI-PDPA ให้คำปรึกษาและบริการปกป้องข้อมูลส่วนบุคคลตาม พ.ร.บ.ฯ แบบครบวงจร
ผู้ที่สนใจใช้บริการ Data Protection Services ของ THAI-PDPA สามารถติดต่อฝ่ายขายที่ดูแลคุณหรือฝ่ายการตลาดได้ที่เบอร์ 0-2860-6659 หรืออีเมล dcs@ko.in.th
Leave A Comment?