Kompletność danych klientów mierzy się jako procent wymaganych wartości, które zostały uzupełnione. Podstawowy wzór to: liczba uzupełnionych wymaganych pól podzielona przez liczbę wszystkich wymaganych pól, które powinny wystąpić w analizowanych rekordach, pomnożona przez 100%. Wynik warto obliczać osobno dla poszczególnych pól, całych rekordów i całej bazy, ponieważ każda z tych miar pokazuje inny rodzaj problemu.
Jak obliczyć wskaźnik kompletności danych klientów?
Podstawowy wskaźnik kompletności danych można obliczyć według wzoru:
Wskaźnik kompletności danych = liczba uzupełnionych wymaganych wartości / liczba wszystkich wymaganych wartości x 100%
Wartością jest pojedyncza informacja przechowywana w określonym polu rekordu, na przykład adres e-mail, numer telefonu, nazwa firmy albo źródło pozyskania kontaktu. W mianowniku należy uwzględnić tylko te dane, które zgodnie z przyjętymi zasadami powinny występować w danym rekordzie.
Załóżmy, że baza zawiera 1000 klientów, a dla każdego z nich wymaganych jest pięć pól. Oznacza to łącznie 5000 oczekiwanych wartości. Jeżeli uzupełnionych jest 4250 wartości, obliczenie wygląda następująco:
4250 / 5000 x 100% = 85%
Wskaźnik kompletności danych wynosi więc 85%. Nie oznacza to jednak, że 85% rekordów jest kompletnych. Część klientów może mieć uzupełnione wszystkie wymagane informacje, a inni mogą mieć kilka brakujących pól.
Puste pole nie jest jedyną postacią braku danych. Za brak należy zwykle uznać także pusty ciąg znaków, same spacje, wartość domyślną pozostawioną przez formularz lub zastępczy wpis, taki jak „brak”, „nieznane” albo pojedynczy znak. Dokładna reguła zależy od sposobu wykorzystania danego pola.
Trzy sposoby mierzenia kompletności danych
Kompletność można mierzyć na poziomie pojedynczego pola, wszystkich wymaganych wartości lub całych rekordów. Miary te nie powinny być stosowane zamiennie.
| Miara | Sposób obliczenia | Co pokazuje | Główne ograniczenie |
|---|---|---|---|
| Kompletność pola | rekordy z wartością / rekordy, w których pole jest wymagane | które informacje są najczęściej pomijane | nie pokazuje kompletności całych rekordów |
| Kompletność wymaganych wartości | uzupełnione wartości / wszystkie wymagane wartości | ogólny poziom wypełnienia bazy | może maskować brak jednego pola krytycznego |
| Procent kompletnych rekordów | kompletne rekordy / wszystkie oceniane rekordy | ile rekordów spełnia cały przyjęty standard | zależy od prawidłowej definicji kompletnego rekordu |
Kompletność pojedynczego pola
Kompletność pola pokazuje, w ilu rekordach znajduje się konkretna wymagana informacja.
Wzór wygląda następująco:
Kompletność pola = liczba rekordów z uzupełnionym polem / liczba rekordów, w których pole jest wymagane x 100%
Jeżeli spośród 1000 klientów:
- 960 ma podany adres e-mail,
- 820 ma numer telefonu,
- 640 ma zapisane źródło pozyskania,
to kompletność tych pól wynosi odpowiednio 96%, 82% i 64%.
Takie zestawienie pozwala ustalić, które brakujące pola w rekordach klientów najbardziej obniżają jakość bazy. Pokazuje również, czy problem dotyczy jednego konkretnego atrybutu, czy całego procesu zbierania informacji.
Kompletność wszystkich wymaganych wartości
Ten wskaźnik obejmuje wszystkie oczekiwane wartości w analizowanym zbiorze. Jest przydatny do obserwowania ogólnego poziomu wypełnienia bazy, ale może dawać zbyt optymistyczny obraz.
Jeżeli większość prostych pól jest prawie zawsze uzupełniona, wysoki wynik ogólny może ukrywać częsty brak informacji krytycznej. Przykładowo baza może mieć 92% kompletności wszystkich wartości, mimo że tylko 70% klientów ma podany kanał kontaktu potrzebny do realizacji określonego procesu.
Dlatego wynik ogólny należy zawsze analizować razem z kompletnością poszczególnych pól.
Procent kompletnych rekordów
Rekord kompletny to rekord zawierający wszystkie dane wymagane według przyjętej reguły.
Wzór:
Procent kompletnych rekordów = liczba rekordów spełniających wszystkie wymagania / liczba wszystkich ocenianych rekordów x 100%
Jeżeli z 1000 rekordów tylko 620 zawiera pełny zestaw wymaganych informacji, procent kompletnych rekordów wynosi 62%. Jednocześnie kompletność wszystkich wartości może wynosić na przykład 85%, ponieważ w pozostałych rekordach brakuje tylko jednego lub dwóch pól.
Ta miara jest szczególnie przydatna, gdy rekord musi spełniać określony standard, zanim zostanie wykorzystany w kampanii, obsłudze zamówienia, migracji albo raporcie.
Które dane klienta uwzględnić w pomiarze?
Przed rozpoczęciem obliczeń trzeba ustalić, które pola są obowiązkowe, które wymagane tylko w określonych sytuacjach, a które mają charakter opcjonalny. Liczenie wszystkich kolumn dostępnych w CRM prowadzi zwykle do sztucznego zaniżenia wyniku.
Pola obowiązkowe
Pola obowiązkowe są wymagane dla każdego rekordu należącego do określonej grupy. Może to być na przykład identyfikator klienta, nazwa firmy, imię i nazwisko albo przynajmniej jeden sposób kontaktu.
Zakres obowiązkowych danych klienta powinien wynikać z konkretnego zastosowania. Innych informacji wymaga obsługa zamówienia, innych kampania e-mailowa, a jeszcze innych rozliczenie współpracy z klientem firmowym.
Pola warunkowe
Pola warunkowe są wymagane tylko wtedy, gdy spełniony zostanie określony warunek. NIP może być obowiązkowy dla klienta firmowego, ale nie dla każdego konsumenta. Adres dostawy jest konieczny przy wysyłce fizycznego produktu, lecz może nie mieć zastosowania do usługi świadczonej całkowicie online.
Jeżeli pole nie dotyczy danego rekordu, nie powinno być uwzględniane w mianowniku. W przeciwnym razie wynik będzie obniżany przez dane, których nie należało zbierać.
Pola opcjonalne
Pola opcjonalne mogą zwiększać wartość profilu klienta, ale ich brak nie powinien automatycznie powodować uznania rekordu za niekompletny. Przykładem może być stanowisko służbowe, dodatkowy numer telefonu albo informacja o preferowanym kanale komunikacji, jeżeli dane te nie są wymagane w ocenianym procesie.
Definicje pól, warunki ich stosowania i dopuszczalne wartości warto jednoznacznie opisać w słowniku danych klientów. Dzięki temu kolejne pomiary będą wykonywane według tych samych zasad.
Jak mierzyć warunek „e-mail lub telefon”?
Niektóre wymagania dotyczą grupy pól, a nie każdego pola oddzielnie. Firma może na przykład uznawać rekord za kompletny kontaktowo, gdy klient ma podany adres e-mail lub numer telefonu.
W takiej sytuacji nie należy wymagać jednoczesnego uzupełnienia obu pól. Reguła kompletności powinna sprawdzać, czy przynajmniej jedno z nich zawiera wartość. Osobno można nadal mierzyć kompletność e-maili i telefonów, ale brak jednego kanału nie musi oznaczać niekompletnego rekordu.
Jak przeprowadzić pomiar kompletności krok po kroku?
Określ cel pomiaru
Najpierw trzeba wskazać, do czego dane mają zostać wykorzystane. Pomiar może dotyczyć gotowości bazy do kampanii, obsługi zamówień, migracji do nowego CRM albo przygotowania raportu sprzedażowego.
Cel decyduje o tym, które pola są wymagane. Bez jego określenia lista obowiązkowych danych może być przypadkowa i zbyt szeroka.
Wybierz oceniany zbiór rekordów
Zakres analizy powinien obejmować jasno określoną grupę. Może to być cała aktywna baza, klienci firmowi, nowe kontakty pozyskane w ostatnim kwartale albo rekordy pochodzące z konkretnego formularza.
Nie należy łączyć w jednym wyniku grup, dla których obowiązują różne wymagania. Lead sprzedażowy, aktywny klient, archiwalny kontakt i użytkownik newslettera mogą potrzebować odmiennych zestawów informacji.
Zdefiniuj reguły dla każdego pola
Dla każdego uwzględnionego atrybutu należy ustalić:
- kiedy pole jest wymagane,
- co jest traktowane jako brak,
- kiedy pole nie ma zastosowania,
- czy może zostać zastąpione innym polem,
- czy jest krytyczne dla danego procesu.
Reguły powinny być możliwe do zastosowania automatycznie. Samo stwierdzenie, że rekord ma być „dobrze uzupełniony”, nie wystarcza do wykonania powtarzalnego pomiaru.
Oblicz wyniki na kilku poziomach
Najbardziej użyteczny pomiar obejmuje jednocześnie:
- kompletność każdego wymaganego pola,
- kompletność wszystkich wymaganych wartości,
- procent kompletnych rekordów.
Takie zestawienie pokazuje zarówno skalę problemu, jak i jego źródło. Jeden ogólny procent nie pozwala stwierdzić, czy wynik obniża pojedyncze pole, określony segment klientów czy większa liczba częściowo uzupełnionych rekordów.
Podziel wyniki według źródła i segmentu
Wynik warto obliczać osobno dla różnych kanałów pozyskania, formularzy, zespołów, oddziałów, typów klientów lub okresów utworzenia rekordu.
Jeżeli ogólna kompletność wynosi 88%, ale dla kontaktów importowanych z jednego źródła spada do 54%, łatwiej ustalić miejsce powstawania braków. Segmentacja zamienia ogólną informację o problemie w wskazówkę, który etap procesu wymaga sprawdzenia.
Jak interpretować wynik kompletności danych?
Nie istnieje jeden prawidłowy próg kompletności odpowiedni dla każdej firmy i każdego pola. Oczekiwany poziom zależy od znaczenia informacji oraz skutków jej braku.
Dane niezbędne do wykonania procesu powinny osiągać wyższy poziom kompletności niż informacje pomocnicze. Brak adresu dostawy może uniemożliwić realizację zamówienia, natomiast brak stanowiska klienta nie zawsze powoduje podobne konsekwencje.
W raporcie należy więc prezentować nie tylko średnią dla całej bazy, lecz także:
- kompletność pól krytycznych,
- procent kompletnych rekordów,
- pola z największą liczbą braków,
- segmenty, w których wynik jest najniższy.
Kompletność nie jest tym samym co poprawność. Adres e-mail może być wpisany, ale zawierać literówkę, a numer telefonu może mieć nieprawidłową liczbę cyfr. Formalnie pola są wypełnione, lecz dane nie muszą być użyteczne. Dlatego kompletność stanowi tylko jeden z elementów szerszej oceny jakości danych klientów.
Czy stosować wagi dla ważniejszych pól?
Jeżeli niektóre informacje mają znacznie większe znaczenie, można zastosować wskaźnik ważony. Każdemu polu przypisuje się wtedy liczbę punktów, a wynik oblicza jako udział punktów zdobytych przez uzupełnione pola w maksymalnej możliwej liczbie punktów.
Przykładowo identyfikator klienta i podstawowy kanał kontaktu mogą mieć wagę 3, numer telefonu wagę 2, a stanowisko wagę 1.
Wskaźnik ważony powinien być jednak uzupełnieniem, a nie zamiennikiem wyników dla poszczególnych pól. Łączna ocena może ukrywać brak konkretnej informacji, jeżeli zostanie zrównoważony przez wiele mniej istotnych danych.
Jak przygotować raport brakujących danych?
Raport brakujących danych powinien odpowiadać nie tylko na pytanie, jaki jest ogólny wskaźnik kompletności, ale również wskazywać, których informacji brakuje i gdzie powstaje problem.
Dla każdego pola warto przedstawić:
- liczbę rekordów, w których pole było wymagane,
- liczbę rekordów zawierających wartość,
- liczbę braków,
- procent kompletności,
- informację, czy pole jest krytyczne,
- segment lub źródło z największym udziałem braków.
Raport można rozszerzyć o datę pomiaru i wersję zastosowanych reguł. Jest to ważne, gdy zmienia się zakres obowiązkowych pól. Wyniku obliczonego według nowych zasad nie należy bezpośrednio porównywać z wcześniejszym rezultatem, jeżeli zmienił się mianownik.
Po wykonaniu pierwszego pomiaru te same wskaźniki można wykorzystać do regularnego monitorowania jakości danych. Szczególnie przydatne jest obserwowanie trendu kompletności i sprawdzanie, czy udział brakujących wartości rośnie w konkretnym źródle rekordów.
Najczęstsze błędy w mierzeniu kompletności
Jednym z najczęstszych błędów jest uwzględnianie wszystkich pól dostępnych w systemie, niezależnie od ich znaczenia. Rozbudowany CRM może zawierać wiele kolumn technicznych i opcjonalnych, których brak nie powinien wpływać na wynik.
Błędne jest także traktowanie pola niemającego zastosowania jako brakującego. Jeżeli konkretna informacja nie jest wymagana dla danego typu klienta, należy wyłączyć ją z mianownika.
Wynik może zostać sztucznie zawyżony, gdy system uznaje każdą niepustą treść za prawidłowe uzupełnienie. Wartości domyślne, spacje i zastępcze wpisy powinny zostać odpowiednio sklasyfikowane przed obliczeniem wskaźnika.
Nie należy też ograniczać analizy do jednej średniej dla całej bazy. Wysoka kompletność ogólna może współistnieć z niską kompletnością pola krytycznego albo słabym wynikiem jednego kanału pozyskania klientów.
Ostatnim istotnym błędem jest porównywanie pomiarów wykonanych według różnych zasad. Aby obserwować zmianę wyniku w czasie, trzeba zachować ten sam zakres rekordów, definicje braków i reguły określające obowiązkowe dane klienta.
