返回博客

要考虑营销中数据质量的因素

最后更新:2022年3月23日

使用人员,流程和技术来进行营销中的数据质量

数据正在转移到整个组织的营销策略的中心。难怪为什么 - 它为最终为您的营销部门推动的见解提供了基础。数据可用于更好地理解目标受众以及使某些营销活动成功的原因,从而获得了更好的决策。通过以准确而敏捷的方式利用数据,营销团队可以在正确的时间以正确的方式对机会做出反应,从而最大程度地提高利润和增长。

但是,营销团队必须验证数据质量在将其成为他们策略的基石之前。他们必须了解,低质量数据会产生低质量的见解。没有可靠的信息,很难获得做出正确的业务决策所需的知识。

这就是为什么对低质量数据的收集和分析对组织的巨额成本。根据Ovum研究,差的数据质量损失了美国组织30%他们的收入。为了解决这个问题,组织必须实施全面的数据质量由人员,流程和技术组成的主动性 - 确保它们避免了不良数据的后果。

这将涉及分解高质量数据对营销团队的含义。一旦定义了数据目标,团队就可以开始将责任分配到数据质量策略中。

营销人员不能忽略数据质量报告

定义数据质量

数据质量不是一项活动,这是许多活动部件的持续努力。由于营销人员经常在大规模上使用颗粒状的数据,因此他们必须获得更好的数据可见性,同时优先考虑对组织最重要的数据质量。因此,营销人员通常优先考虑数据质量的一些特定方面,以解决其个人组织挑战。

一般而言,分析数据质量时,分析将指出以下标准:

  • 准确性 -信息反映了真相吗?例如,某人记录的邮件地址是否真实的邮件地址?
  • 完整性 -是否以可用的方式填写所有必要的数据字段?例如,如果您的数据记录需要指示一个和姓氏,则必须包括该信息。
  • 一致性 -这些信息在您所有的业务部门中是否相同?例如,如果有人积极出售,但被列为您的CRM中的“丢失”线索,则有必要找到对齐方式。
  • 有效 /完整性 -这些数据可以连接到组织中其他地方的数据吗?例如,如果客户数据是在一个地方组装的,但没有附上任何现有客户的名称,则数据的完整性较低。
  • 及时 -数据是最近的吗?及时数据的定义非常主观,但是组织必须确定数据何时太老而无法使用。
  • 透明度 -这些数据的来源是否可靠且易于识别?这有助于确保数据可靠,同时帮助营销人员了解不同来源之间的细微差别。
  • 代表性 -数据是否准确反映了市场状态?例如,如果独立发表的研究的结论与您的数据相反,则应对其进行检查以确保它反映现实。

在评估数据质量时,营销团队应考虑这七个类别。请注意,高质量数据可能在这些关键特征中有部分缺陷 - 很难找到完全满足数据质量标准的各个方面的数据。最终,营销部门必须打算在对其广告系列有用的数据和与现实保持一致的数据之间达到正确的平衡。

涉及合适的人

数据质量管理是一项资源密集的任务 - 因此,组织必须将合适的员工委派给某些定义明确的角色。这将需要C级经理的跨部门参与和对齐。

为了将数据质量的优点传达给上层管理层,请尝试解释由于数据质量差而导致的严重后果。例如,这是否意味着由于不符合监管机构而造成的罚款和处罚?或者,这可能意味着最终无效的资金策略?然后,通过数据支持的风险分析来回到这个轶事,以证明创建多个工作角色以及收购新产品和技术是合理的。

通过创建这些新角色,您的组织将确保从收集的那一刻起正确处理数据。

  • 数据所有者 -数据所有者承担控制数据访问的责任,从而控制风险。这些人密切关注组织内使用数据的过程,规则和要求
  • 数据管家 -此角色可确保给出数据适当的含义,并正确使用数据。数据管理员通常能够了解谁使用每个数据集,使用方式以及应实现哪些过程以确保该数据的治理。
  • 数据保管人 -数据保管人经常与IT部门有关 - 他们管理服务器和网络,进行备份以及通过数据所有者许可与用户访问用户。他们还旨在解决涉及数据完整性和质量的问题。

重要的是要以有效的方式委派这些角色。分配责任的最佳方法将取决于组织的规模和随后的数据存储大小。例如,小型企业可能能够将一个人分配给所有三个角色 - 而企业可能希望一个人履行每个角色。

实施正确的流程

在确定数据管理职位之后,有必要实施流程,以支持参与数据质量计划的员工。在启动数据质量计划之前,必须确定和概述这些过程:

  • 数据治理框架 -该框架为涉及创建或操纵数据的活动制定了指南和规则。这包括概述将在您的数据质量计划中使用的人员,流程和技术。
  • 商业词汇表 -这定义了整个组织中与数据相关的术语,并允许组织中的每个人同意标准定义。借助业务词汇表,您组织的用户可以准确了解特定的术语,规则和政策的含义。
  • 数据质量问题日志 -通过维护数据质量问题日志,您的组织将享受跟踪数据质量事件的结构化方法。使用此文档,您的组织可以对这些事件的严重性进行排名,并开始找到可能导致系统性数据质量问题的模式。

在创建这些过程时,请知道它们只是提供帮助,以帮助您的组织确保数据的可靠性。结果,在制定数据质量流程后,不要指望所有数据完全合规,准确和一致。即使是最好的方法也不是完美无瑕的 - 创建良好的数据质量流程需要大量时间,精力,金钱和知识,只能随着时间的推移而建立。

与其寻求完美,不如设定一定的限制,以确保您的数据质量标准被维护到特定的合规性水平。这意味着首先确定如果正确填写数据的每个字段的样子。例如,“全名”的数据字段应至少包括一个空间,否则应标记为低质量数据。或者,如果该人的年龄大于123,则应标记“出生日期”的数据字段,因为这将使它们成为有史以来最古老的人类。

接下来,在这些记录中设定对不准确性的容忍度。例如,基于铅的数据可能要求您知道每个客户的全名出于外展目的。这意味着如果将其标记为不准确,则可能不认为该领域是合法的。在同一数据集中,了解其出生日期可能不太重要 - 因此,在“出生日期”领域中只有70%的数据是准确的。

使用正确的技术

通过利用权利营销技术,您的数据质量团队将获得必要的支持,以确保数据质量流程尽其所能。在寻找协助数据质量的技术时,Gartner建议寻找这些特征:

  • 解析和标准化 -为了遵守行业标准,本地标准和您的业务自己的标准,将数据格式化为一致的布局很重要。这将帮助您的组织访问和分析价值和模式。
  • 清洁- 可能需要对数据值进行调整以修复次要的错误,确保标准化或以其他方式遵守您的业务规则。尽管可以手动完成,但具有大量数据的组织可能希望投资自动化工具。
  • 匹配 -如果在不同数据集中存在相关数据,则建议组织拥有该技术来识别,链接和/或合并这些来源的数据。例如,对于营销人员来说,拥有可以在线和离线数据源相关的工具很有用。
  • 分析 -该技术将帮助您的组织捕获有关数据的数据 - 也称为元数据。通过为元数据设定标准,您的组织可以主动评估数据以解决质量问题。
  • 监视 -监视工具确保数据遵守您的企业规定的数据质量标准。
  • 丰富 -丰富工具将相关的消费者数据(例如人口统计学或心理信息)连接到外部来源。这增强了数据的价值,并使组织能够做出明智的见解。

营销团队还可能发现使用营销分析平台这可以为数据生成的数字和数字提供更好的上下文,尤其是在利用第三方数据的情况下。这给出了基本的背景和统计支持,以其他无关紧要的数据字节。

组织还应寻找使他们能够参与高级归因和测量形式的技术,例如多点触摸归因媒体混合建模。这使营销团队可以看到数据的完整视图,从而产生了质量的第一方指标。总体而言,更好的归因和分析将帮助您的营销团队做出最佳数据驱动的决策。

最后的想法

尽管数据功能强大,但营销团队必须确保对数据进行适当的审查,以防止朝错误的方向驾驶活动。但是,不要忘记数据质量不仅应该是营销的关注:改善数据质量的一致尝试必须涉及组织各个角落的一致性。在通过数据质量计划登上所有团队成员之后,营销将能够实施正确的流程和技术,以协助其数据驱动的广告系列。

当前的营销测量和优化状态

写的营销发展