A importância de limpar dados sujos para operações aprimoradas e sucesso do cliente

Imagine tentar atravessar o oceano com um barco que tem buracos. Você vai se molhar. Você pode até afundar. Você certamente não vai conseguir atravessar sem problemas.

As chances de isso acontecer são bem pequenas, pois qualquer pessoa sensata verificaria minuciosamente seu barco antes de embarcar em tal empreendimento.

Mas e os dados de CRM que sua empresa usa para entrar em contato com leads, segmentar clientes e tomar decisões estratégicas? Você já verificou se tem furos?

Você deve.

Dados sujos afetam negativamente os fluxos de trabalho, os esforços de marketing e a experiência de seus clientes. Isso pode até causar problemas legais.

Mas o que exatamente são dados sujos?

O que são dados sujos?

Dados sujos, ou dados impuros, são dados que estão de alguma forma defeituosos: podem conter duplicatas ou estar desatualizados, inseguros, incompletos, imprecisos ou inconsistentes. Exemplos de dados sujos incluem endereços com erros ortográficos, valores de campo ausentes, números de telefone desatualizados e registros de clientes duplicados.

Quando ignorados, os dados sujos podem causar sérios problemas para o seu negócio. Pode comprometer a experiência do cliente, levar à deturpação dos resultados do negócio e impactar negativamente as decisões estratégicas.

Para evitar os riscos de baixa qualidade dos dados, a limpeza regular dos dados é essencial. Discutiremos como limpar dados mais adiante neste post. Mas primeiro, vamos dar uma olhada em como os dados ficam sujos.

Como os dados ficam sujos

Os dados podem ficar sujos quando inseridos, armazenados ou usados ​​incorretamente. Muitas vezes, isso se resume a erro humano ou falta de regras de padronização para entrada de dados, mas problemas técnicos também podem levar a dados sujos.

Exemplos de dados sujos

Dados duplicados

Dados duplicados referem-se a registros que compartilham parcial ou totalmente as mesmas informações. Eles surgem quando a mesma informação é inserida várias vezes, às vezes em formatos diferentes. Um exemplo típico de dados sujos duplicados é quando um cliente existe em seu CRM várias vezes. Isso geralmente acontece porque o nome do cliente é escrito de forma ligeiramente diferente a cada vez.

Por exemplo:

• Patty J. Greenfield
• Patty Julia Greenfield
• Patricia J. Greenfield
• Patrícia Julia Greenfield

Como as informações do cliente estão espalhadas por diferentes registros, dados duplicados do cliente levam a:

• Péssimo atendimento ao cliente
• Rastreamento e relatórios incorretos
• Segmentação de marketing dupla (ou tripla)

Dados inseguros

Dados inseguros são dados que não são criptografados ou controlados por acesso. Ele pode ser acessado por qualquer pessoa em sua empresa e, na pior das hipóteses, até mesmo por terceiros. Dados inseguros constituem não apenas um risco de privacidade, mas também uma ameaça legal, pois as empresas correm o risco de não cumprir leis como GDPR e CCPA.

Dados incompletos

Um exemplo de dados sujos incompletos seria se o formulário de inscrição no boletim informativo tivesse um campo para o primeiro nome do lead, mas o campo não fosse obrigatório. Os leads podem se inscrever sem deixar o nome, o que tornaria suas campanhas de e-mail personalizadas menos eficazes.

Dados imprecisos

Dados imprecisos são dados que contêm erros. Um exemplo de dados imprecisos seria um cliente digitando seu sobrenome em um de seus formulários, mas cometendo um erro de digitação. Nesse caso, você tem o sobrenome do cliente, mas está incorreto. É um disco sujo.

Outro exemplo seria se um representante de vendas registrasse um número de telefone incorreto para um lead no Salesforce. Nesse caso, é crucial melhorar os dados do Salesforce para continuar a conversa com esse lead.

Dados desatualizados

Dados desatualizados são imprecisos não porque foram inseridos incorretamente, mas porque costumavam ser precisos e agora não são mais. Um exemplo típico de dados sujos que estão desatualizados é se o seu CRM ainda listar o endereço antigo de um cliente após a mudança.

Outros exemplos de dados desatualizados são:

• Endereços de e-mail que não estão mais em uso
• Títulos de pessoas que mudaram de emprego
• Segmentos de e-mail desatualizados

Dados incorretos

Dados incorretos são dados que estão fora dos parâmetros especificados anteriormente. Como tal, é mais fácil prevenir. Um exemplo seria se um cliente inserir sua data de nascimento usando um menu suspenso. Seu sistema provavelmente só permitirá que eles selecionem um de 12 meses, um de 31 dias, e talvez eles também não consigam selecionar um ano de nascimento que os torne mais velhos que 130 anos.

Dados inconsistentes

Dados inconsistentes também são conhecidos como redundância de dados. Ocorre quando as empresas armazenam as mesmas informações em locais diferentes sem sincronizar essas informações. Um excelente exemplo seria uma empresa armazenando informações de clientes tanto em seu CRM quanto em sua ferramenta de e-mail marketing.

Como limpar dados

Todos os tipos de dados sujos acima criam riscos para sua empresa, portanto, limpar os dados e evitar essas situações é crucial.

Veja como fazer isso:

Crie diretrizes de qualidade de dados

Antes de começar a limpar os dados, defina como é um conjunto de dados limpo para sua empresa e quais práticas recomendadas devem ser seguidas para manter seus dados o mais limpos possível.

Padronizar dados

Ter uma estratégia de qualidade de dados inclui definir uma maneira de padronizar os dados assim que eles entrarem em seu sistema. Liste todas as maneiras pelas quais você está coletando dados agora, quais são os pontos de entrada para esses dados e como você garantirá que todos esses dados sejam inseridos da mesma maneira, independentemente do ponto de origem.

Faça uma auditoria

Depois de estabelecer as regras de qualidade de dados da sua empresa e ter certeza de que todos os novos dados serão inseridos de forma padronizada, é hora de realizar uma auditoria dos dados existentes. Infelizmente, encontrar todos os dados sujos não é fácil e, embora você deva buscar 100% de detecção, saiba que provavelmente perderá alguns problemas. É por isso que é importante fazer uma auditoria não apenas uma vez, mas regularmente.

Uma maneira de facilitar esse processo é coletar continuamente feedback dos vários departamentos da sua empresa que trabalham com dados. Esse tipo de feedback mostra onde os dados sujos estão causando problemas nas atividades do dia-a-dia.

Um exemplo: sua equipe de marketing compartilha que percebeu como os nomes em e-mails personalizados às vezes não têm letras maiúsculas. Isso informa que os valores do primeiro nome nem sempre são formatados da mesma maneira, provavelmente porque os assinantes de e-mail nem sempre se preocupam em capitalizar seus próprios nomes.

Limpar dados sujos

Depois de ter uma visão geral de seus dados sujos, inicie o processo de limpeza. A limpeza de dados pode ser uma tarefa horrível e demorada. Existem diferentes maneiras de fazer isso, cada uma com seus prós e contras.

1. Manualmente

A limpeza manual dos dados deve ser feita com moderação. Não há problema em limpar um registro que você precisa usar agora, mas limpar manualmente todos os dados que sua empresa possui é uma tarefa impossível.

Não apenas levaria uma eternidade, mas você também perderia coisas e cometeria erros, causando ainda mais erros.

2. Usando o Excel

O uso de fórmulas do Excel pode acelerar o processo de limpeza, mas ainda é bastante manual. Você precisa criar as fórmulas por conta própria e alguns problemas de dados podem ser muito complicados para resolver com uma fórmula do Excel.

Além disso, o Excel não pode lidar com grandes conjuntos de dados, então você teria que trabalhar em pedaços, anotando quais conjuntos de dados você já limpou.

Por fim, você é forçado a carregar conjuntos de dados estáticos no Excel. Quando você importa dados do cliente na segunda-feira, provavelmente já estará desatualizado na sexta-feira.

3. Confiar em terceiros

Se você não quiser alocar tempo interno para a limpeza de seus dados, contratar um consultor de dados pode ser uma boa opção. Os consultores de dados são especialistas que fazem mais do que apenas limpar seus dados sujos. Eles também podem executar uma auditoria para você e ajudar a melhorar seus processos de dados existentes para que haja menos chances de dados sujos serem criados no futuro.

As desvantagens de contratar consultores incluem os altos custos e o fato de que você provavelmente terá que dar a eles acesso a todos os seus dados, o que pode levar a algumas preocupações com a privacidade.

4. Contratando desenvolvedores dedicados

Como o gerenciamento de dados é um projeto contínuo, você pode contratar um ou mais desenvolvedores que se dediquem totalmente a manter seus dados limpos. Como essas pessoas trabalharão internamente, provavelmente serão mais leais à sua empresa do que um consultor externo e poderão se familiarizar mais com sua oferta.

Além disso, contratar alguém para um projeto em andamento, como manutenção de dados, geralmente é mais barato.

5. Usando software

Há uma variedade de ferramentas por aí que ajudam a identificar e limpar dados sujos. Essas ferramentas costumam ser mais baratas do que contratar um consultor ou um desenvolvedor dedicado e não cometem erros humanos.

No entanto, nem todas essas ferramentas são criadas iguais. Escolha um que possa identificar incompatibilidades de dados, verificar a formatação (de datas, por exemplo) e reconhecer quais campos devem ser mesclados.

Você também desejará executar alguns testes em pequenas amostras de dados para garantir que a ferramenta funcione da maneira que deveria. Se você não fizer isso e deixá-lo solto em todo o seu banco de dados, corre o risco de acabar com problemas maiores do que começou.

Configure o gerenciamento de banco de dados contínuo

Espero que você já tenha o gerenciamento de banco de dados implementado. Se não, é hora de configurá-lo. Embora você provavelmente precise limpar seus dados em intervalos regulares, é uma má prática permitir que os problemas se acumulem até que prejudiquem a qualidade geral do seu banco de dados.

Como empresa, você está constantemente coletando, organizando, armazenando e manipulando novos dados. O gerenciamento contínuo do banco de dados inclui os processos e práticas necessários para proteger a qualidade desses dados e evitar que fiquem sujos.

Dados sujos exigem gerenciamento contínuo

Com o volume de dados que as empresas coletam e manipulam hoje em dia, é praticamente impossível evitar que alguns desses dados fiquem sujos. Diferentes tipos de dados sujos terão consequências diferentes para seus negócios. Como tal, você deve limpar os registros regularmente para evitar problemas crescentes.

Você pode limpar os dados manualmente, usar o Excel, contratar terceiros, construir uma equipe interna de limpadores de dados e/ou contar com um software especializado.

Quer aprender mais?

Para obter um guia passo a passo para limpar seus dados de CRM, confira nosso eBook: “The Dirt on Data Quality”.