企业该如何关注数据质量

AXA金融公司在今年年初刚建立起其门户网站的时候，就遇到了一个很大的事件--一个愤怒的客户由于不能在网站上注册而向AXA公司投诉。不过幸运的是，他们还算是处理妥当了。

这个问题出在公司的许多旧系统中数据资料的不完善上。大约有600个最重要的客户资料在被传输到网站数据库的时候被删去了公司地址信息。没有这些信息数据，这些客户在试图进入他们的帐户在线查询信息时，就被挡在了门外，网站拒绝提供服务。

在更多的其他人遇到同样的问题之前，AXA公司已经确定了问题所在，并展开了更大规模的数据调查工作。AXA公司在发现了其他不准确数据之后，决定通过把正常的、企业级的数据标准变成AXA CRM战略的一个关键环节，以制止将来发生更多的在线问题。

"我们的CRM只有在数据安全和完善的基础上才能真正很好地被应用起来。"AXA客户方案数据技术的主管Jennifer Schuppert这样说，"我们一开始就知道，我们必须把数据质量纳入到CRM里来。"

CRM以数据为基石

多年以来，很多公司象AXA公司一样，一直忽视这个问题。现在在权宜之计下，都投入了数百万美元和大量人力来人工地清理和重整数据，并把数据质量问题看成是一项非常关键的工作来对待。对于许多公司来说，CRM是"驱动程序"。为什么？因为，在以前的后台办公系统里，不一致的数据只是会使成本增加。而在电子商务环境下，这些问题将会导致生意告吹。

这并不是危言耸听。数据的质量问题正在开始逐渐地被高层管理部门所重视，而不只是IT部门的事情。根据Pricewaterhouse Coopers对全球600个CIO和IT主管的数据管理调查，电子商务已经使数据管理及战略被放到了一个很高的位置。

"数据质量问题已经是阻碍成功实施CRM的重要因素了。"PricewaterhouseCoopers数据管理业务的合作伙伴John Benge这样说，"因此很多公司开始看重数据质量问题。而在几年前，这样的公司比例还非常小。"

建立标准化的数据

但是认识到问题的严重性并不意味着问题就能很容易地解决。对于那些拥有诸多旧的信息系统的公司来说，实施一个全面的数据整理计划是充满挑战的，也许需要长达18个月以及在相关软件上定规模的投资。当然，统一意见，并架构新的、跨企业交易处理系统的数据和数据标准同样需要很多时间。

专家们认为数据标准可能尤为棘手。其困难在于如何才能保证来自于不同业务部门的数据保持一致性。这个过程实际上就是建立一个系统。该系统能够实时采集客户信息，对数据进行审核以决定哪些信息可被利用并以什么格式进行存储，以至要使数据能跨越各公司的不同系统，而以同样的形式被储存。

两个实例

虽然朗讯公司的CEO Henry Schacht的注意力一直集中在公司的管理结构与市场策略上，但是他仍然强调，各个部门（如制造以及销售部门）的最高管理层必须关注于普通客户信息的标准化工作。朗讯希望能够得到一个统一的客户信息库，能够适用于其所有的事业部门。但是要实现这个目标，需要朗讯所有部门的协作。

"这需要一个很大的转变，"公司信息服务主管Bruce Ellington说，"必须采用新的方法，而且还必须是一个统一的解决方法。"为了实现统一的数据格式，朗讯最近成立了系统框架管理部门--一个由6个诸如销售、制造、市场以及供应链管理这些重要部门的高级管理人员所组成的横向合作部门。该部门一个月开一次会或两次会，讨论与客户信息管理的一切事情，诸如客户信息的编码标准，以及如何建立一整套的过程与策略来管理端到端的客户关系等等。 通过这些措施，朗讯在客户信息库上的进展相当顺利，原来预计18个月才能完成的工作6个月就实现了。这样，客户与公司的任何交流--无论是通过销售代表、还是技术支持中心或者Web，都会记录在该信息库中，保持一个完整的记录。在此基础上，还可以进一步分析，得到诸如市场的宏观变化以及单个客户的购买习惯等各种信息。客户关系管理系统采用了来自于Siebel 公司的自动分析软件、来自于Oracle公司的ERP软件以及NCR公司的Teradata数据库技术。

AXA也在考虑建立统一的客户数据库。因为经历过在线门户数据灾难后，Schuppert的小组无需多费口舌就使得公司上下支持其数据整理计划。

Schuppert认为该计划将是商业业务流程的一个强有力的支持工具。像许多关注于客户的公司一样，AXA希望能够得到关于客户关系的全方位资料。这些资料应该覆盖各个业务部门，如技术支持中心以及Web交易。但是诸如错误的名字以及家庭住址这些问题都会导致不正确的结论。

例如，如果一个AXA基金客户以John B. Smith的帐号记录在客户数据库中，但是其同时又以John Smith的帐号存贮在AXA住房贷款客户信息库中，AXA公司也许就不能识别出这两个记录实际上是同一个客户。Schuppert小组的工作就是将这些来自于不同部门的历史遗留数据进行分析、匹配，从而得到关于该客户详细、全面、一致而不重复的记录，并且将其存储到公司统一的中央客户数据库中。为了实现这个目标，公司采用了来自Evoke软件公司的自动数据处理软件。该软件能够自动分析数据库，估计其内容、结构以及质量并产生通用的数据模式。"我们必须对以前所有的客户信息进行分析，然后才能将这些信息集成到一个统一的数据库中。" Schuppert说。

专家指出，甚至在数据整理开始之前就必须采取这项措施。处理CRM信息的最大一个失误就是将所有没有关联的信息集成到新的统一数据库中。"滥用数据是对公司在CRM上的投资的最大浪费，" IMS公司（一家CRM咨询公司）的总裁Barton Goldenberg说："许多公司从来不过问CRM数据是如何存储的，也从来不考虑这些数据之间的关联，至于整理数据就更不用提了。"

有效整理旧数据

一旦选定了合适的数据资源，数据整理就可以开始了。公司可以用人工来手动整理数据库，或者更为普遍的，利用多种自动数据整理工具来完成。这些工具能够自动检验以及填补损失的数据、消除重复数据以及确定、匹配相关信息。许多工具如今还增加了实时功能，所以他们能够自动检查、整理Web上的数据流。

位于多伦多的加拿大皇家银行是加拿大最大的银行，其利用了Vality的一致性检查工具来保证其客户数据的可靠性。Vality公司的产品能够匹配来自于不同数据源的客户信息。这些数据源覆盖银行的11个业务部门。利用全面准确的客户数据，加拿大皇家银行能够做出准确的商业判断，诸如在35~45这个年龄段，哪些客户倾向于申请购房贷款，进而为这些客户提供附加的服务，诸如财务平衡分析以及住房改造贷款。"要利用好先进的市场细化以及客户关系管理系统，数据的标准化与准确性必须要得到保证，"加拿大皇家银行的客户资源管理以及数据仓库部门的高级经理Mohammad Rifaie说。

但是不仅仅是传统企业需要关心数据质量，电子商务公司也同样面临这个问题。虽然他们没有从旧系统遗留下来的数据，但是他们需要管理来自于不同数据源的数据，而且还要考虑来自于Web上的数据的一致性问题。

SciQuest.com公司是一家生命科学领域中的B2B电子市场服务供应商，成立已经四年了。这家电子市场希望客户能够访问众多的产品目录，每个目录均有其独特的介绍产品的方式。同时系统也能纠正用户在寻找产品时的拼写错误。为了实现这些功能，该公司从上个季度开始采用了Vality公司的Beacon搜索以及匹配引擎（原来称为eSearch）。

Beacon能够纠正数据中的不一致之处。"我们的科学仪器产品目录包含许多复杂的产品名称，用户经常拼错，导致找不到产品，"SciQuest公司的CIO Rob Fusillo说，"当我们分析客户的点击记录时，我们知道客户正在试图寻找我们能够提供的产品，却由于种种原因找不到该产品，导致最后交易不能成功。"

同样，计算机与消费电子产品经销商Outpost.com也同样面临这种挑战。他们需要从每天10万次的访问记录中找到客户的消费需求，借此调整自己的商业策略以及网站设计。Outpost的管理人员认为，数据整理是其中最关键的一个环节，因为许多客户数据是由消费者自己输入的。因此拼写或格式错误是难免的。

可见，收集数据以及保证数据的质量是指导企业维护并拓展客户关系行动的基础。