CRM , Data Quality

Dimensiones de la Calidad de los Datos del CRM

Autor: Carlos Martínez
septiembre 22, 2022

Los datos de tu CRM a menudo incluyen errores de diferentes tipos los cuales pueden clasificarse en grupo denominados Dimensiones. Las dimensiones de la calidad de datos facilita la medición de los niveles de calidad de tus datos. Estas dimensiones se categorizan según el contexto. Algunas requieren revisión continua por parte de la gerencia (por ej. gobernanza de datos) y otras aplican perfectamente a la definición de reglas para monitorear de forma continua.

 

Revisemos algunas de las principales dimensiones a considerar al momento de planificar el mantenimiento de datos del CRM.

Validez

La validez se refiere a qué tan bien tus datos se ajustan a las reglas de negocio definidas.


Hay varios tipos de validaciones que se pueden realizar en los distintos campos del CRM (Propiedades):

 

  • Tipo-Dato. Los valores ingresados deben ser de un tipo en particular (texto, numérico, etc).
  • Rango. Los valores deben "caer" en un rango específico.
  • Obligatoriedad. El campo no puede quedar vacío (al guardar o crear el registro).
  • Regular Expression. Los valores deben obedecer un cierto patrón (Teléfonos).
  • Campos-cruzados. Se deben cumplir condiciones específicas en varios campos. Por ejemplo, la Etapa del ciclo de vida de un contacto no puede ser "Lead" si el contacto está asociado a un negocio ganado (deberá ser "Cliente").

Precisión

Que los datos del CRM sean válidos no significa necesariamente que sean precisos. Por ejemplo, un código postal ingresado con un número incorrecto puede verse como válido hasta que corre la asignación automática de cuentas por código postal y declara el error.

 

Podríamos decir que la precisión en los datos se refiere a qué tan bien representan los objetos que pretenden modelar y tiene impacto directo en cómo los equipos pueden (o no) usar los datos del CRM.

 

Y la precisión se puede medir. Básicamente, comparando valores contra una referencia válida mediante la incorporación de un proceso de verificación automático, o manual. En cualquier CRM, la verificación de datos juega un papel clave, ya que es fundamental para conocer y atender las necesidades de forma adecuada, mejorando la experiencia a lo largo de todo el ciclo de vida del cliente.

 

Consistencia & Estandarización

La consistencia en los datos no implica necesariamente que sean correctos y se debe tener cuidado en no confundirla con la precisión. La consistencia se define según el contexto, por ejemplo, entre registros de diferentes plataformas como CRM <> ERP, o bien, entre registros del mismo CRM, como ser una propiedad: CRO vs Chief Revenue Officer en Cargo. Es decir, que los valores de Cargo sean consistentes entre los distintos contactos de la base de datos implica que solo exista un valor para CRO. 

Asegurar la coherencia de los datos es muy importante tanto para la toma de decisiones, como para crear campañas que usen personalización. Por ejemplo, si quiero enviar una campaña dirigida a contactos con el cargo "CRO", la existencia de múltiples valores para el mismo cargo puede dejar varios contactos fuera de la campaña.

 

Por lo que la calificación y segmentación también se ven afectadas por las inconsistencias. Así como los reportes y pronósticos pueden ser inexactos, y la automatización debe ser revisada y ajustada permanentemente, lo que perjudica el correcto funcionamiento de los procesos.

 

Completitud

La completitud indica que a ciertos atributos de un registro se le deben asignar valores y pueden ser atributos obligatorios, opcionales o bloqueados.

Los datos incompletos en el CRM son falta de contexto y pueden ser críticos para el desempeño del equipo. Afecta la capacidad para generar reportes precisos y podría generar problemas graves en los flujos de automatización.

About Author
Carlos Martínez

Head of Solutions and Growth

Suscríbete

Suscríbete a nuestro newsletter & mantente al día