Sayın Ozan Kaan KARAMIK, Linkedin’de “Çok acil, olmazsa olmaz denilip iş listesinin en önüne konan ama geliştirildikten sonra kimsenin kullanmadığı özellikler…” konulu bir mesaj iletmiş. Lütfen önce mesajın tamamını ve benim birkaç satırlık yorumumu okuyunuz.

Çok önemli bir konu olduğu için, mesajın altına uzun yorum yazmak yerine kendisinden blog yazısıyla yanıtlama izni istedim.

Bir blog yazısına sığdırmak için, aslında veri ambarı nasıl hazırlanır konulu kitap olmaması amacıyla bu yazıyı kısa tutmaya çalıştım. Çok önemli ve kapsamlı bir konu olduğundan, daha fazla ayrıntı öğrenmek istiyorsanız yazıda geçen her referans bağlantıya tıklayıp okumanızı öneririm. (Sonra yine bu yazıya geri dönmeyi unutmayın. Bağlantılar labirentinde kaybolmayın. 😊 )

Teşhis

Ozan Kaan KARAMIK’ı desteklememim nedeni şudur: “Çok acil”, “olmazsa olmaz” diye iş listesinin başına koyulan ama neredeyse hiç kullanılmayan özellikler, CRM ve BI projelerinin (IT değil) iş birimi tarafını yöneten kişi olduğumda benim de çok rahatsız olduğum konulardan biriydi.

Sorunun nedenleri şunlardır:

1. İş birimlerinin çoğunluğu IT’den bekler ama verinin bilgiye dönüştürülmesinin sorumluluğu IT’de değil, bilgiyi talep eden iş birimindedir. (Plaza ingilişcesinde göre “business unit”)
2. Verinin sahibi farklı birim olabilir ama bilginin sahibi talep eden iş birimidir. (Ozan Kaan beyin dediği gibi “Verinin sahibi ile bilginin sahibinin ayrışması meselesi az konuşulan ama sahada çok yaşanan bir durumdur.”
3. Bilgiyi talep edenin, o bilgiyi nerede ve nasıl kullanacağına dair bir taahhüdü olmalıdır.

😉

Çözüm

Yukarıdaki paragraftaki konuları sırayla ele alalım.

İş birimi, hangi bilgiye ihtiyacı varsa önce o bilginin tanımını yapar. Aşağıda vereceğim örnek için aktif, inaktif ve kayıp müşteri tanımlarının yapılmış olması gerekiyor. (İlgili yazılar: [1] , [2] )

Bu tanımlar, en azından verilerin bilgiye dönüşmüş halidir. İş birimi bilginin hangi verilerin bir araya getirilerek oluşturulması gerektiğini de bilmek zorundadır. Bunu IT’den talep ederken, gerekli ayrıntıları belirtir.

Aşağıda yangın sigortası için hazırlanmış bir örnek var.

Dikkat etmişsinizdir. Güncelleme sıklığı da iş biriminin kararıdır. Tanımlar oluşturulurken elbette IT ile birlikte çalışılır ama son karar iş birimine ait olmalıdır.

😉

Bazı ürünler, karmaşık özelliklere sahip olabilir. Örneğin BES ödemeleri aylık olmak zorunda değildi. Farklı zaman dilimlerinde ödeme yapılıyordu. Bu durumda tanımlar uzayabilir.

Evet Ama Yetmez

Yukarıdaki (ayrıntılı görünen) tanımların en sağ tarafına (veya bu tanımların ayrılmaz parçası olan ayrı bir dosyada) bu bilginin ne amaçla istendiği de yazılmalıdır.

Bir dönemlerin ürün özelliklerini Türkiye’ye tanıtmak için hazırlanan reklamında “Ne yapacaksın bununla?” sorusu vardı. Bu soru, müşteri odaklı veri ambarı (MOVA) oluşturmanın en temel sorusudur. Unutmayın, veri ambarına çöp doldurursanız çöp alırsınız.

İş birimi “Bu bilgiyi

• Müşteri ekranında kullanacağız,
• Ödeme gecikmesi olduğunda hatırlatma mesajı göndereceğiz,
• Aktif olmaktan çıkarsa müşteri geri kazanım projesi yapacağız [a] , [b],
• Sigorta süresi bitmeden önce uzatma mesajı göndereceğiz,
• Sigortalanan ürün doğrultusunda müşterinin gelir / varlık potansiyelini hesaplayacağız,
• Çapraz satış teklifinde bulunacağız,
• Raporlarımızda kaç yangın sigortası müşterimiz var kısmında göreceğiz,
• vb… (muhtemelen siz daha fazlasını eklersiniz)

amaçları doğrultusunda kullanacağız” diye taahhütte bulunmalıdır.

Böylece hem kendilerine bir yapılacak işler listesi, hem de diğer ilgili taraflara önceliklendirme gerekçesi sunmuş olur.

Bilginin sahibi olması gereken birim/bölüm, bilginin ne zaman ve ne kadar gerekli olduğunu analiz edecek birikime sahip olmak zorundadır. Bu hazırlık sayesinde sadece bir defa gerekli olan bilgiyi hep gerekli sanmaz.

Kurumun IT Yürütme Komitesi’nde kullanımların tartışılması ve “Madem kullanmayacaktın, öyleyse neden bu kadar ısrarla istedin. Bunca emek harcanmasına neden oldun” diye hesap sorulması gerekir. Pahalı bir kaynak olan IT emeğinin etkin kullanılması sağlanır.

Projedeki Yeri

Yukarıda anlattıklarım, müşteri odaklı veri ambarını (MOVA) oluşturma sürecinin resimdeki ARINDIRMA ve ANLAMLANDIRMA aşamasının küçük bir parçasıdır.

ARINDIRMA ve ANLAMLANDIRMA çok önemlidir. Bir şehrin suyunu kaynağında arındırırsanız, herkes evine su arıtma cihazı koymak zorunda kalmaz. Benzer şekilde, veriyi kaynağında (işletim sistemlerinden MOVA’ya aktarırken) arındırıp anlamlandırırsanız, her departman / silo kendi excel tablolarını üretmek zorunda kalmaz, herkesin aynı dili konuşacağı ve aynı doğruyu bulacağı raporlar oluşur.

Yukarıdaki şekil, MOVA eğitiminde kullandığım 4 sayfanın birleştirilmiş hâlidir.

MOVA hakkında daha geniş bilgi arıyorsanız:

[A] – İşlevsel veri ambarları ile MOVA farkı
[B] – MOVA oluşturmaya nasıl başlanıldığı
[C] – MOVA’nın neden önemli olduğu
[D] – 2013’de MOVA olmadan Sosyal CRM olmayacağına dair alıntıyı
[E] – 2016’da MOVA olmadan Dijital Dönüşüm olmayacağına dair alıntıyı

okuyabilirsiniz.

Dahası Var

Şurada Sn. Ömer Mert, Gartner’ın Market Guide for Agentic Analytics raporu nu özetliyor ve “Dönüşümde kalıcı başarı yalnızca güçlü modellerle mümkün değil.

• Güvenilir veri mimarisi,
• tutarlı bir semantik yapı ve
• sağlam yönetişim

bu dönüşümün temelini oluşturuyor” diyor.

====================

Burada Sn. Sibel Akoğlu hazırladığı infografiği açıklarken “Bütün bu mimari yaklaşımın, çoğu kaynakta CDP olmadan sağlıklı çalışmadığını okuyacaksınız. Silolaşmış veri malesef başımızın belası. Agent’ı doğru zamanda doğru müşteriye yönlendirmek istiyorsanız, bu kurgu için iyi bir CDP yapısı şart.” diyor. (CDP = MOVA)

Reklamlar

CRM eğitimlerime katılanlar, çeşitli sektör gruplarına ayrılırlar. Seçilen sektörde CRM projesi yapıyor gibi ilerleriz. Ödevlerden biri o sektörde veri sözlüğü hazırlamaktır. Elbette bir derste tüm bir kurumsal MOVA sözlüğü hazırlanamaz ama temel kavramlar oluşturulur.

Yıllardan beri CRM eğitimi verdiğim için, çok sayıda sektörün veri sözlüğünün ilk aşamalarına ait bilgiler bulunuyor.

====================

Ayrıca, CRM ve/veya BI projesi yapan bazı kurumlarda

• IT ekiplerine “İş birimleriyle çalışma”
• İş birimlerine “IT ile birlikte çalışma”

eğitimleri vermiştim. Bu eğitimlere ihtiyacı olan çok sayıda şirket olduğunu düşünüyorum. Büyük bir veri veya dönüşüm projesi yapacaksanız, aklınızda olsun.

😉

Linkedin’de yayınlandı

CRM’de 30 yılı doldurmama az kaldı. Pazarlama kararlarını veriye dayalı vermek fikrine aşık olan ilk Türk pazarlamacı oldum. Benden önce sadece birkaç IT kökenli kişi, çalıştıkları Oracle, NCR Teradata, IBM, Siebel, vb… şirketler CRM yazılımı üretince, zorunlu olarak başlamışlardı. Temel kavramlara, özellikle müşteri odaklılığa yakın bile değillerdi.

Not: Henüz Microsoft, CRM’e girmemişti. Microsoft ekibi Siebel kullanıyordu.

Yöneticilerimin desteği ve şansım sayesinde, Michael Meltzer, Richard Forsyth, Martha Rogers, Ph.D. , Tom Davenport , Don Peppers , Stephen Brobst , Ron Swift , Fred Reichheld , Sibel Akcekaya gibi isimleri konferanslarda dinleme, hatta bazılarıyla şahsen tanışma ve sohbet etme şansım oldu.

Sanırım Tom Davenport idi (aklımda yanlış kalmışsa benim unutkanlığım) analitik yaklaşım konusunda konuşurken “Napolyon’un “Savaş kazanmak için üç şey gerekiyor. Para, para, para…” dediği gibi, iyi analiz yapmak için üç şey gerekir: Test, test, test” demişti.

Kulağıma küpe olmuş sözlerden biri olarak kaldı. Geliştirdiğimiz CRM projeleri sırasında sıkça uyguladık.

Örnek Vaka

Burada, hemen herkesin kendi sektörüne uyarlayabileceği bir örnek olay anlatacağım.

Önceden tanıdığım ve sevdiğim bir genç arkadaş e-ticaret platformlarından birinin CRM departmanında çalışıyordu. Bir öğle yemeğinde bize uğradı.

Daha önce onlardan alışveriş yapmış ve 3 aydan beri hiç işlem yapmamış 330 bin müşteri varmış. Bunları geri kazanmak için ne yapalım diye toplantı yapmışlar. Ortaya 7 fikir çıkmış. (Kendi önerisini büyük bir heyecanlar birkaç kere vurgulamıştı. 😊 )

– Uğur abi, sence hangisini yapmalıyız?” diye sordu.
– Hepsini…” dedim.

Arkadaşın yüzü (o dönemin bilinen deyimiyle) mavi ekran verdi. Ben devam ettim.

– Bu 7 önerinin her birini 2 – 3 söylemle zenginleştirmelisiniz üstelik. Örneğin, “beş ürün satın alırsan biri bedava” veya “satın aldığın beşinci ürün bizden” gibi… Söylemleri arttırmaya çalışın.

Arkadaşın şaşkınlığı devam etti, gözlerinde birçok soru işareti oldu. Anlattım.

7 önerinin hepsinin uygulanabilir olduğunu varsayalım. Bunlara farklı söylemler geliştirdik. Toplamda 20 söylem olsa… Bu 20 söylemin her birini rasgele seçilmiş 1500 kişiye gönderseniz, 20 x 1500 = 30 bin kişi yapar.

30 bin kişiye teklif gönderirsiniz. Dikkat etmişsen, henüz hedef kitlenin yüzde 10’una bile gitmediniz.

Makul süre sonunda tekliflerinizin geri dönüşünü incelersiniz.

• • Daha çok geri dönüş yapılan
  • Daha önce hangi kategoriden ürün satın alanlar
  • Hangi bölgelerden
  • Büyük şehirlerden mi, diğerlerinden mi
  • Cinsiyet farkı var mı

… elinizde olan müşteriye ait demografik bilgilerle karşılaştırırsınız.

• • Büyük şehirlerde yaşayan kadınların tercihi
  • Daha önce elektronik ürün satın alanların tercihi
  • Vb…

Şimdi elinizde binlerce anlam çıkarılabilecek veri oluşmuştur. Böylece, “hangi müşteriye hangi teklifin uygun olabileceğini” öğrenirsiniz.

Artık geriye kalan 300 bin müşteriden hangisine, hangi gerekçeyle nasıl bir teklif sunabileceğinizi öğrendiniz. Yine de… geri kalanların hepsine hemen mesaj göndermeyin. Önce 100 bin müşteriye gönderin. İlk aşamadaki bulguları da test edin. Sonra bu şekilde devam edersiniz…

Genç arkadaş yemeğini apar topar yedi ve şirkete koştu.

😉

Dikkat Edilecek Noktalar

Her konuda sıkça test yapmaya çalışılmalı. Test yaparken dikkat edilmesi gereken noktalar:

• “Acemi nalbant, komşu eşeğinde ustalaşır” sözü, CRM için en uygun ata sözüdür. Testler yaparak ustalaşın… ama ustalaşınca da test yapmaya devam edin.
• Kaybedilmesi size çok zarar verebilecek müşteriler üzerinde test yapmayın. Ne kadar ustalaşsanız da, insanın değişkenliğini göz ardı etmeyin.
• “Yüzde yüz doğru model” diye bir şey yoktur. Yanılma payınız olacağını unutmayın. Yanılma nedenlerinizi anlamaya çalışın. O konulardaki verileri de bundan sonraki hesaplamalarınıza ekleyin.

Hayırlı ve keyifli testler diliyorum.

Linkedin’de yayınlandı.

CRM’e en büyük zararı, kendilerine CRM uzmanı diyenler veriyor.

Eğer Linkedin’de kendinize “CRM uzmanı” kariyerini uygun görmüşseniz ve bugünlerde moda olduğu için “Yapay zeka ve CRM” konulu yazı yayınlamak hevesindeyseniz…

“Geleneksel CRM sadece geçmişi raporlardı. Şimdi YZ sayesinde CRM’de müşterilerin bir sonra satın alacakları ürünün tahmini yapılıyor, müşterinin ödemeye hazır olduğu fiyat belirleniyor, personelin ürün başına katkısı hesaplanabiliyor, müşterinin terk nedeni anlaşılıyor, terk etme olasılığı saptanıyor, vb… falan, filan…” yazıyorsanız…

Kusura bakmayın ama CRM konusunda zerre fikriniz olmamıştır. CRM’i bir yazılım sanmışsınız ama bu yazılımla neler yapılacağını bile öğrenmemişsiniz.

Yayınladığınız yazıya “Thomas Davenport bunları Ocak 2006‘da Harvard Business Review‘da yazdığı “Analize Dayalı Rekabet” makalesinde örneklerle anlatmıştı” diye yorum yazdığımda yorumumu silebilirsiniz. Beni de engelleyebilirsiniz. Ve bu yaptığınız sizi “Yegane sermayesi başkalarının cehaleti olanlar” sınıfına kaydetmemizi haklı kılar.

Linkedin’de yayınlandı.

Meraklısına, yazının sonunda uzmanlık konusunda bu blogda yayınlanan yazılar var. Bence okumadan geçmeyin.

Yorumlar

Bazı Linkedin yorumlarını bu sayfaya taşıdım.