他们说数据给营销人员带来了最大的焦虑

SajaHnAlI

我最近参加了 Garter 网络研讨会，聚焦：数据驱动的营销。 我们不禁想知道： 我是否有足够的信息来执行我想要的活动和消息类型？ 我是否对我的消费者有了足够全面的了解，能够真正与他们互动？ 我使用的数据完整且可靠吗？ 其中一些挑战与我们在数据质量方面的复杂程度直接相关。数据质量确实是任何分析程序的基础。没有它，我们就会得到不可靠的信息，这些信息给我们带来的错误信息比任何好处都多。 信息的准确程度可能因部门或组织而异，具体取决于支持数据质量标准的流程和规则。

然而，根据Experian 最近的一项数据质量研究，美国组织平均认为其四分之一的信 美国数据 息不准确。 对于营销人员来说，这种程度的不准确数据可能会对他们在当今营销现实中发挥作用的能力产生巨大影响。 您可以通过多种方法来确定数据是否值得信赖以及您是否真正准确了解他们的客户群。然而，一种重要的方法是了解组织内数据质量策略的复杂程度。 数据质量复杂度有四个关键阶段： 不了解——组织没有意识到数据质量的重要性及其对业务的影响。他们没有适当的策略。




反应式 – 组织仅在问题发生时执行数据清理和分析。部门孤岛中没有特定的数据角色和战术修复。 主动——组织拥有主动的数据策略，并在业务中明确定义角色。业务和 IT 之间有明确的所有权，并且注重通过根本原因分析进行发现。 优化 – 数据质量作为业务的核心因素进行监控，并制定记录的数据质量规则。该组织将审查分析、监控和可视化数据作为完整战略的一部分。 数据复杂度曲线 虽然 88% 的公司制定了某种数据质量策略，但许多公司仍处于成熟的早期阶段。只有 18% 的公司表示他们已达到数据质量的优化状态。鉴于这是自我报告的信息，这很可能是一个夸大的数字，因为许多人认为他们比实际情况更复杂。