شرکت های B2B و دستیابی به دیتا

پ ن : بعضی وقتها شرکت های اصلی وتامین کننده مثل آواژنگ (نماینده اصلی گیگابایت) و سایر شرکت های اصلی دیگر از ما میخواستند که آمار فروش و اسم و مشخصات مشتریان و موجودی  انبار خودمون رو بهشون اعلام کنیم. اعتراف میکنم که احساس خوشایندی نداشتم و با خودم میگفتم ما جنس رو ازشون خریدیم دیگه به اونا چه ربطی داره!

https://www.cisco.com/c/dam/en_us/about/ciscoitatwork/assets/images/ESales_big_2.gif

John Chambers مدیر عامل شرکت بزرگ سیسکو (شرکتی با ۱۳۰ میلیارد دلار دارایی) هر روز صبح که از خواب بیدار میشه Cisco e-Sales portal  رو نگاه میکنه یک سیستم مرکزی فروش با نمودارهای لحظه ای BI که فروش نمایندگی را در کل جهان تحت نظر داره (با استفاده از ثبت سریال محصولات توسط فروشنده نهایی). شرکت های B2B تقربا با مصرف کننده نهایی ارتباطشون قطع میشه و ارتباط آنها تنها از طریق نمایندگی ها برقرار است. اما چطور میتوانند به دیتای جمع آوری شده در مورد مصرف کننده نهایی اطلاع پیدا کنند؟

در شرکتهای بزرگ B2B اطلاعات کامل مشتری نهایی از نمایندگی درخواست میشه و بر اساس فرم های مخصوص روزانه فروش و مشخصات مشتری رو باید به تامین کننده اعلام کنند. چرا که اونها به عنوان وارد کننده اصلی یا تولید کننده باید از اطلاعات شخصی مشتری، میزان رضایت مشتری، الگوی خرید مشتری، شکایت مشتری و … با خبر بشه حالا خواه از طریق نمایندگی(شیوه مرسوم و حرفه ای) و خواه به صورت مستقیم (در صورتی که ناچار باشند) .

بعضی از شرکتها از مشتریانشان میخواهند که مثلا سریال کالایشان را در سیستمی مخصوص ثبت کنند برای قرعه کشی یا کارهای دیگه از مشتریان نهایی اطلاعات لازم را میگیرند. یعنی شرکت B2B پلی رو به طرف مشتری نهایی میسازه که ارتباطش رو حفظ کنه. خلاقیت و پیگیری این شرکتها هم خیلی میتونه موثر باشه.

متاسفانه شرکتهای بزرگ وطنی حتی اگر به دنبال جمع کردن دیتا باشند نماینده های خودشون رو به درستی توجیه نمی کنند. نمی گویند این دیتا را برای چه میخواهیم ؟ و اصلا چه فایده ای دارد؟ شما خودتان را نمایندگی یک محصول فرض کنید که تامین کننده به شما زنگ میزنه و میگه لیست و مشخصات مشتریانت رو همین حالا برام بفرست. چه احساسی پیدا میکنید؟ جبهه نمیگیرید ؟ شرکت تامین کننده وظیفه داره که دلیل جمع آوری داده ها رو به صورت کامل برای نماینده ها شرح بده. سیستم های نرم افزاری تحلیل داده ی خودش رو به اونها نشون بده. نتایج این آمارها و گزارشات رو هم بهشون اعلام کنه در واقع باید نمایندگی و شرکت تامین کننده همدیگر را محرم همدیگر بدانند تا بتوانند به کمک یکدیگر هم دیتای مفید را جمع آوری کنند و هم از آن به بهترین نحو استفاده کنند.

پ ن:

B2B companies need a value proposition for channel partners and end customers to share their data

Page 51 Data Driven Marketing

Cisco e-Sales portal : میتوانید در مورد این سیستم و سیستمهای مشابه تحقیق کنید موضوع جالبی است

نقش کلیدی دیتا در کسب وکار

پ ن : قبل از شروع به مطالعه این پست بهتر است هوش تجاری را مطالعه کنید.

موانع هوشمند شدن سازمان

ما میدانیم که استفاده کردن از دیتا برای گرفتن تصمیمات بهتر میتواند موجب پیشرفت کسب و کار ما شود و در هر لحظه به ما کمک میکند که تصمیمات بهتری بگیریم. در واقع تصمیمات کنونی ما بیشتر متکی به تجربه مدیریت و یا هوا و هوس و ناشی از احساسات ماست. اینکه رییس یک مجموعه دیشب شام چه غذایی خورده و یا فلان مدیر با همسر و فرزندانش مشکل داشته یا نه ، میتواند روی تصمیمات حیاتی شرکت تاثیر بگذارد. هدف ما به عنوان علاقه مندان تحلیل و هوش تجاری این است که نقش علم و داده را در تصمیمات مدیریتی و بازاریابی شرکت پر رنگ کنیم ما نیاز به یک Vision شفاف و برنامه ریزی شده داریم تا هنر و علم را در کنار هم قرار دهد هنر مدیریت و علم مدیریت.

ما ابتدا شاخص های عملکرد سازمان خود را مورد بررسی قرار میدهیم و سوالاتی که جوابشان برایمان ارزشمند است پیدا میکنیم. مثلا در ۵ سال گذشته خرید تجهیزات شبکه در چه ماهی کمتر از بقیه بوده و یا بر اساس بازپرداخت مشتریان هر مشتری تا چه سقفی میتواند به صورت غیر نقدی جنس بخرد یا اعتبار دارد . و یا چطور مشتریان را تفکیک کنیم ؟ با طبقه بندی داده ها و تمیز کردن آن ما داده های ناقص و یا اطلاعات مشتریانی که فوت کرده اند! ویا هر داده ی بدرد نخور دیگر  را کنار میگذاریم.

یکی از مشکلاتی که سازمانهای ما دارند وجود دیتابیس های مختلف از نرم افزارهای مختلف است مثلا سیستم حسابداری ما ربطی به سیستم ارتباط با مشتری ندارد و یا سیستم حضور و غیاب جدا از سیستم حقوق و دستمزد است در واقع همه ی این سیستمها توسط برنامه نویسان طراحی شده و به خوبی کار میکند ولی مفت هم نمی ارزد در اینجا  گفتم که صرف کد نوشتن برای یک مهندس نرم افزار کفایت نمیکند و نقش یک تحلیل گر سیستم یا یک مهندس IT بسیار پر رنگ تر  و بالاتر است.

در سازمان ما به سیستمهای یکپارچه نیاز داریم تا همه ی داده های ورودی شرکت را به دقت اندازه گیری کند و مدیر بازاریابی یا مدیر عامل بتواند بر آن اساس تصمیم بگیرد. بگذارید صریح تر صحبت کنم وظیفه اصلی سیستم های نرم افزاری جمع آوری داده های ارزشمند و تصمیم گیری بر اساس گزارش ها و تحلیل های آن است. اما کسب و کارها متاسفانه فکر میکنند که کار یک نرم افزار مالی صرفا ارایه ترازنامه به دارایی بررسی سود و زیان سالانه شرکت و یا محاسبه حق بیمه و دستمزد و … است. طنز ماجرا این است که سیستمهای مالی ما شبیه نگرش کوتاه مدت ما در کشور یکساله است و بعد از یک سال تمام داده های مالی از دسترس خارج شده و شما نمیتوانید یک گزارش ۵ ساله از داده های خود یا ۱۰ ساله بگیرید یعنی یک شرکت با ۲۰ سال سابقه فقط روی سال جاری متمرکز است و همان داده ها را هم به صورت Real Time در اختیار دارد.

مشکل دیگر سیستم های نرم افزاری ضعف در ورود اطلاعات است به عنوان مثال برنامه نویس صرفا به دلیل راحتی کار خودو یا فشار کارفرمای ناآگاه فرم هایی را درست میکند که تمام فیلدهای آن را با Text میشود پر کرد و کاربر تنبل هم مثلا به جای آدرس ایمیل مشتری عبارت “۱۱۱۱۱۱” را وارد میکند در واقع همه ی ما دست در دست هم تلاش کرده ایم که سیستم نرم افزاری را دور بزنیم و آن را ناکارمد کنیم از مدیر پروژه بگیرید تا کاربر نهایی که فرم ورود اطلاعات را به سخره گرفته است.

البته اشتباه نکنید سیستم کار میکند نرم افزار بدون ایراد ۱۰ سال است که کار میکند ولی به جای اینکه داده ی قابل اتکا و قابل تحلیل تولید کند یک مشت آشغال تولید میکند یک ماشین عجیب و غریب درست کرده ایم که مشود در باک آن هم آب ریخت هم نفت و هم بنزین سوپر هر جور داده ی مزخرفی را قبول میکند و کنترل ورودی ندارد و معلوم است که خروجی آن هم آشغال خواهد بود به این شکل کسی که در کشور ما تلاش میکند که با دیتای یک کسب و کار تحلیل کند ناچار است بیشتر زمان خود را به تمیز کردن این آشغال ها تلف کند و جالب این است که به نظر همه ی  متخصصان چنین سیستمی بدون ایراد است و خوب کار میکند!

نمیخواهم زیاد خسته تان کنم و در جمع بندی این بخش باید بگویم که چهار ضعف بزرگ مانع تحلیل داده های کسب و کار شده است.

  1. جزیره ای بودن نرم افزارها در سازمان
  2. ضعف نرم افزارها در فرم های ورود اطلاعات
  3. پیوسته نبودن نرم افزار در بازه های بیشتر از یک سال
  4. ناآگاهی کاربران از اهمیت داده

پ ن : اینهایی که گفتم و باز هم میگم مانع نمیشود که ما کار نکنیم و دست روی دست بگذاریم بلکه باید با صبر و حوصله موانع را کنار زده و دیتای تجاری خود را تحلیل کنیم که بعدا شرح کاری که میخواهم بکنم در اینجا مینویسم.