数据卫生对您的 CRM 实施的重要性
已发表: 2022-11-08在商业世界中，数据就是一切。 我们用它来做出明智的决定、定位我们的广告工作并跟踪我们的进度——所有这些，CRM 都可以帮助我们。
我们的数据必须干净、准确，这一点很重要。
不幸的是，许多企业没有花时间正确维护他们的数据——这个错误可能导致报告不准确、失去销售机会甚至利润下降。 而且，当需要实施 CRM 或维护最新的 CRM 时，糟糕的数据卫生可能会阻碍您的业务目标。
什么是数据卫生？
数据卫生是一个总称，涵盖了使数据集更正确、更完整和更适合目的的各个阶段。
这意味着确保数据输入准确，没有重复和错误，并且格式正确。
良好的数据卫生对于任何依赖数据进行决策的组织来说都是必不可少的。 如果没有干净的数据，就很难跟踪进度、识别趋势和做出合理的决策。
数据卫生还有助于防止安全风险，例如泄露的数据。 通过定期清理您的数据库，您的组织可以帮助确保数据的可靠性和安全性。
为什么我们需要良好的数据卫生？
“为什么？” 很简单； 数据用于实现目标。 如果数据不正确、不完整或难以辨认（对于人或计算机），那么它就不能用于实现该目标。 正如计算领域常说的：
“垃圾进垃圾出。”
定义组织中的术语。
“干净”、“良好”、“有效”和“已验证”等术语经常互换使用。 然而，在实践中，这些是非常不同的事情。
在您的组织中，最好对现有的流程有一个大致的了解，并意识到在讨论“干净”数据时，有些人可能在他们的脑海中拥有稍微不同的定义。
但话虽如此，这里有一些标准定义，您可以使用这些定义让每个人都保持一致。
定义“清洁”数据：
“干净”的数据集是已经准备好的数据集，可以进行分析。 这通常意味着删除任何不必要或不正确的数据，以及以易于使用的方式格式化数据。
定义“有效”数据：
“有效”数据是准确和完整的，并且是使用适当的方法收集的。
定义“已验证”数据：
“已验证”数据是已由独立来源检查准确性的数据。
为您的 CRM 实施维护数据卫生
不幸的是，它很容易被无法控制的、不断增长的不准确数据所掩盖，这些数据夸大了您的 CRM。
数据过时了。 不支持命名约定，更新技术堆栈，并且您的数据集变得非结构化。
那么，您如何摆脱这种即将到来的糟糕数据卫生的厄运呢？
第 1 步：检查
问题陈述：
有一个我们不知道其大小、形状或清洁度的现有数据集（在我们的 CRM 中或即将输入到我们的 CRM 中）。
我们为解决问题而采取的步骤：
也称为“数据探索”，检查数据涉及查看当前状态的数据，形成对它的理解，它与其他数据集的关系，搜索错误，并根据数据质量维度对其进行评估。
对于我们的技术专家，检查阶段包括以下活动：
分析：
显示列类型、完整性、编号的汇总统计。 唯一值、它们的数学分布以及与其他数据源的潜在关系
整理：
通过标准化我们的数据格式，可以更轻松地执行所有后续操作，包括可视化和清理。
映射：
来自 CRM外部的信息需要与 CRM内部的字段匹配。 映射是一个跨越 Inspect 和 Clean 阶段的过程； 它涉及将新数据与现有结构对齐并添加/删除属性以满足 CRM 所有者的需求。 这可以像识别格式更改（拆分全名字段以匹配 HubSpot 的名字和姓氏结构）一样简单，也可以像创建具有自己独特关系的全新自定义对象一样复杂。
第 2 步：清洁
问题陈述：
存在缺少信息和/或格式不正确的现有数据集（在我们的 CRM 中或即将输入到我们的 CRM 中）。 这会对我们在 CRM 中的现有工作或我们将数据集导入CRM 的能力产生负面影响。
我们为解决问题而采取的步骤：
清理数据还涉及各种活动，适用于不同的数据集。 一般来说，通过人工干预和智能数据整理工具的组合，可以删除、纠正或估算不正确的数据。 在清洗阶段，我们采取措施确保数据符合数据质量的相关维度。 要寻找的东西包括：
映射，继续：
在概念上映射出哪些字段匹配之后，我们必须将我们的数据重新格式化为适合 CRM 的格式。 这可能涉及简单的最佳实践，例如重命名列以简化导入过程，或者更复杂的操作，例如区分曾经存在于同一个表中的不同对象（例如，将“总部”与其分店位置分开标记，或者将内部联系人与营销联系人分开。 ETC。）
无关数据：
在我们正在解决的问题的背景下不需要的数据。 通常，当从一个 CRM 迁移到另一个 CRM 时，会有多年的历史数据不再相关（例如，表示用户是否“参加 2015 年 4 月会议”的字段）
重复：
整行中的信息不止一次出现。 在 CRM 中，这通常以个人或公司的形式出现，分别针对不同的电子邮件地址。 根据上下文，可以删除重复项或将其折叠成一条记录。
语法错误：
应删除前导或尾随空格，并应标准化替代名称（美国与美国）。
标准化：
文本和数字的格式应保持一致，无论您决定采用哪种格式（正确大写、大写、小写、驼峰式等）
第 3 步：验证
问题陈述：
我们能否确认我们的数据是有效的（即，就我们所能做到的而言是正确的）并且已被清理？
我们为解决问题而采取的步骤：
确认：
验证是检查数据集正确性的过程。 这通常发生在整个勘探和清洁过程中，以及之后。
验证数据可能涉及检查其他现有记录以评估其准确性，以及执行操作以检查清洁是否成功。 逻辑规则和约束（例如开始日期早于到期日期）是否成立？ 有没有漏掉错误？ 我们可以交叉引用另一个数据集吗？ 例如，如果我们的 CRM 与数据库有实时连接，我们是否在两个系统中看到相同的信息？
CRM 中数据卫生状况不佳会产生什么影响？
我们就为您的 CRM 实施提供干净的数据进行了很多讨论。
但是，如果您的 CRM 已经使用了一段时间怎么办？如果您的 CRM 数据不好，会发生什么？
简单来说 - 交互和报告将是有缺陷的。
在当今的数字时代，个性化就是一切。 我们个性化我们的自动电子邮件、访问者在网页上看到的内容以及我们发送的视频。 现在，如果你打电话给先生或女士，或者给某人发一封他们不应该收到的电子邮件，会发生什么。
你会失去信任和信誉。
您的 CRM 的目标是充当所有客户交互的“单一事实来源”。 这意味着您的数据需要经过清理和准确，以便在正确的时间向正确的人提供正确的信息。
最好每年至少进行一次数据清理。
而且，当您不清理数据时，请维护您在原始 CRM 实施中制定的那些标准化规则。
CRM 实施的数据卫生最佳实践
作为一个良好的起点，您的组织可以实施以下一些最佳实践来维护数据卫生：
- 使用命名约定
- 标准化数据收集流程
- 引入自动化以删除旧的、未参与的联系人
- 设置维护计划
- 介绍数据输入的管理规则和用户权限