Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas.

Transcrição

1 CUSTOMER RELATIONSHIP MANAGEMENT Customer Relationship Management CRM ou Gestão de Relacionamento com o Cliente é uma abordagem que coloca o cliente no centro dos processos do negócio, sendo desenhado para perceber e antecipar as necessidades dos clientes atuais e potenciais, de forma a procurar supri-las da melhor forma. O CRM em sua essência é uma estratégia de negócio com o foco no cliente. Ou seja, as ações da empresa ficam voltadas para as necessidades dos clientes, ao invés dos próprios produtos. Engloba as áreas de marketing, vendas e serviços. Conceito: é um conjunto de processos e tecnologias que geram relacionamentos com clientes efetivos e potenciais e com parceiros de negócios através do marketing, das vendas e dos serviços, independentemente do canal de comunicação. Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas. É um sistema integrado de gestão com foco no cliente, constituído por um conjunto de procedimentos/processos organizados e integrados num modelo de gestão de negócios. Com o CRM as empresas conhecem profundamente os seus clientes, o que precisam, em que o perfil de consumidor se enquadra e com isso conseguem criar respostas personalizadas, antecipando as suas vontades e respondendo de forma precisa aos seus desejos atuais. OBJETIVO PRINCIPAL O objetivo principal do CRM é auxiliar as organizações a angariar e fidelizar clientes ou prospectos, fidelizar clientes atuais na busca de atingir a sua satisfação total, através do melhor entendimento das suas necessidades e expectativas e formação de uma visão global dos ambientes de marketing. PARTES DO CRM Operacional: é a aplicação da tecnologia de informação para melhorar a eficiência do relacionamento entre os clientes e a empresa. Prevê a integração de todos os produtos de tecnologia para proporcionar o melhor atendimento ao cliente. Colaborativo: é a aplicação da tecnologia de informação que permite a automação e a integração entre todos os pontos de contato do cliente com a empresa. Estes pontos de contato devem estar preparados para interagir com o cliente e disseminar as informações levantadas para os sistemas do CRM operacional. Analítico: componente do CRM que permite identificar e acompanhar diferentes tipos de clientes dentro da carteira de uma empresa e de posse destas informações, determinar qual a estratégia a seguir para atender às diferentes necessidades dos clientes identificados.

2 Normalmente utiliza recursos de mineração de dados para localizar padrões de diferenciação entre os clientes. Social: é a forma de interagir com o cliente por meio das mídias sociais, e ainda de enriquecer os dados e informações sobre o cliente com base nas informações encontradas em seus perfis nas redes sociais. SISTEMAS DE CRM Por vezes o CRM é entendido única e exclusivamente como os sistemas de informação desenvolvidos para a gestão de clientes, ou mesmo como sistemas de vendas ainda mais simplificados. Mas o CRM é um sistema integrado de gestão com foco no cliente, constituído por um conjunto de procedimentos/processos organizados e integrados num modelo de gestão de negócios. Os softwares que auxiliam e apoiam esta gestão são denominados Sistemas de CRM. IMPLEMENTAÇÃO DO CRM Um dos maiores erros que ocorre nos projetos de CRM, e que leva inevitavelmente a subutilização dessa técnica, é iniciar a implementação pela seleção da solução e pela compra do hardware como se esta decisão fosse resolver todos os problemas da empresa. Normalmente, a empresa investe somas significativas de recursos, porém não o suficiente e nem onde deveria para promover a mudança cultural e organizacional que é necessário para competir em tempo real. CRM é uma estratégia que possui raízes no marketing de relacionamento e impacta a gestão da empresa, principalmente no que se refere ao relacionamento com os clientes e à infra-estrutura da indústria (fornecedores e outros públicos). A implementação do CRM está assentada em dois pilares: Um processo de trabalho orientado para o cliente que permeia e é compartilhado por toda a empresa; O uso intenso da informação do cliente, suportado pela informatização de vendas, marketing e serviços. Para não tratar o CRM como tecnologia, é recomendado que a empresa assuma a estratégia de CRM em quatro etapas : 1. Definição e planejamento do modelo de relacionamento a. Começa-se definindo como o cliente será tratado, quais os eventos de relacionamentos que gerarão resposta, e em que tempo, e como o plano de comunicação deverá ser desenvolvido para construir o relacionamento e fazer a entrega de valor de proposta pela estratégia competitiva da empresa. Nesta etapa é indispensável o envolvimento da alta direção, pois implica uma série de decisões que determinarão uma mudança de postura em relação ao cliente e diversas outras atividades que precisam ser repensadas para realmente fazer a entrega de valor.

3 2. Redesenho dos processos de atendimento do cliente a. É o levantamento e documentação dos processos do atendimento do cliente, desde o pedido de uma visita, o atendimento telefônico, a venda pelo telemarketing, até o fluxo do pedido dentro da empresa. Apesar de ser considerada uma fase demorada e onerosa, a empresa precisa passar por essa etapa, porque 80% das falhas na implantação do CRM devem-se à falta de planejamento. 3. Seleção da solução a. A decisão pela solução de CRM passa pela seleção do software, que é determinada pelo modelo de relacionamento. O software, por sua vez irá determinar qual é o melhor hardware para compor a solução. 4. Implementação da tecnologia de CRM a. É a aplicação, em toda a empresa, do processo de revisa a forma de pensar o negócio. Técnicas, tecnologias e processos são agora implementados para materializar a estratégia de CRM, incluindo telemarketing receptivo e ativo, informatização da força de vendas, terminais ponto de venda, canais virtuais e muito mais. Essa implementação pode ser escalonada mas deve obedecer a um ritmo que não interrompa a revisão dos processos operacionais ou cause descrédito na estratégia proposta. EXEMPLOS DE SISTEMAS DE CRM SAP CRM Microsoft Dynamics CRM Clarify Vantive Siebel Salesforce Syonet CRM Oracle CRM Ondemand Blue note systems Sugar CRM Ines Eudoweb E-Deal Base CRM Zoho DATA WAREHOUSE Definição: uma coleção de dados orientada por assunto, integrada, não volátil, variante no tempo, que dá apoio às decisões da administração. Banco de dados pode ser definido como uma coleção de dados relacionados. Um Data Warehouse também é uma coleção de informações.

4 Enquanto os bancos de dados tradicionais são transacionais, os Data Warehouses têm a característica distinta de que são direcionados principalmente para aplicações de apoio às decisões. Comparados com os bancos de dados transacionais, os data warehouses são não-voláteis, ou seja, a informação no data warehouse muda muito menos frequentemente e pode ser considerada como não sendo de tempo real e com atualização periódica. A informação é atualizada fr acordo com uma escolha cuidadosa da política de atualização. São otimizados para a recuperação de dados, não para o processamento rotineiro de transações. Os Data Warehouses proporcionam acesso aos dados para análise complexa, descoberta de conhecimento e tomada de decisão. Dão suporte às demandas de alto desempenho por dados e informações de uma organização. Geralmente possuem quantidades muito grandes de dados de fontes múltiplas. TIPOS DE APLICAÇÃO SUPORTADAS 1. OLAP (online analytical processing) a. É um termo utilizado para descrever a análise de dados complexos a partir do Data Warehouse. Nas mãos de trabalhadores especializados, as ferramentas OLAP empregam as capacidades de computação distribuída para análises que requerem mais armazenamento e poder de processamento do que podem ser econômica e eficientemente localizadas em um desktop individual. 2. DSS (decision-support systems) a. Também conhecido como EIS executive information systems ou sistemas de informação executiva dão apoio aos tomadores de decisão, líderes de uma organização com dados de mais alto nível para decisões complexas e importantes. 3. Data Mining a. É o processo de descoberta de novas informações em funções de padrões ou regras em grandes quantidades de dados. CARACTERÍSTICAS Orientação por assunto o A orientação por assunto é uma característica marcante de um DW, pois toda modelagem será voltada em torno dos principais assuntos da empresa. Enquanto todos os sistemas transacionais estão voltados para processos e aplicações específicas, os DWs objetivam assuntos. Integração o Facilmente o mais importante aspecto do ambiente de Data Warehouse é que dados criados dentro de um ambiente de Data Warehouse são integrados. SEMPRE. COM NENHUMA EXCEÇÃO. A melhor essência do ambiente de warehouse é que

5 dados contidos dentro dos limites do warehouse estão integrados. A integração mostra-se em muitas diferentes maneiras: na convenção consistente de nomes, na forma consistente das variáveis, na estrutura consistente de códigos, nos atributos físicos consistente dos dados, e assim por diante. Variância no tempo o Segundo W.H.Inmon, os Data Warehouses são variáveis em relação ao tempo, isso nada mais é do que manter o histórico dos dados durante um período de tempo muito superior ao dos sistemas transacionais, vejamos abaixo mais algumas características. Num DW é normal mantermos um horizonte de tempo bem superior ao dos sistemas transacionais, enquanto no OLTP mantemos um histórico curto dos dados, no DW guardamos esses dados num período maior. Isso é bastante lógico porque num sistema transacional a finalidade é de fornecer as informações no momento exato, já no Data Warehouse, o principal objetivo é analisar o comportamento das mesmas durante um período de tempo maior. Fundamentados nessa variação, os gerentes tomam as decisões em cima de fatos e não de intuições. Não volatidade o No DW existem somente duas operações, a carga inicial e as consultas dos front-ends aos dados. Isso pode ser afirmado porque a maneira como os dados são carregados e tratados é completamente diferente dos sistemas transacionais. Enquanto nesses sistemas temos vários controles e updates de registros, no DW temos somente inserts e selects de dados. Por exemplo, num sistema de contabilidade podemos fazer alterações nos registros. Já no DW, o que acontece é somente ler os dados na origem e gravá-los no destino, ou seja, no banco modelado multidimensional. Localização o Num único local centralizando o banco de dados em um DW integrado, procurando maximizar o poder de processamento e agilizando a busca dos dados. Esse tipo de armazenagem é bastante utilizada, porém há o inconveniente do investimento em hardware para comportar a base de dados muito volumosa, e o poderio de processamento elevado para atender satisfatoriamente as consultas simultâneas de muitos usuários. o Data Marts: os dados são distribuídos, armazenados por área de interesse. Essa pode ser uma saída interessante para quem precisa de bastante performance, pois isso não sobrecarrega um único servidor, e as consultas serão sempre atendidas em tempo satisfatório. o Armazenados por níveis de detalhes, em que as unidades de dados são mantidas no DW. Pode-se armazenar dados altamente resumidos num servidor, dados resumidos noutro nível de detalhe intermediário no segundo servidor e os dados mais detalhados (atômicos), num terceiro servidor. Os servidores da primeira camada podem ser otimizados para suportar um grande número

6 de acessos e um baixo volume de dados, enquanto alguns servidores nas outras camadas podem ser adequados para processar grandes volumes de dados, mas baixo número de acesso. Credibilidade dos Dados o A credibilidade dos dados é o muito importante para o sucesso de qualquer projeto. Discrepâncias simples de todo tipo podem causar sérios problemas quando se quer extrair dados para suportar decisões estratégicas para o negócio das empresas. Dados não dignos de confiança podem resultar em relatório inúteis, que não têm importância alguma, assim como uma lista de pacientes do sexo masculino e grávidos, por exemplo. Granularidade o Granularidade nada mais é do que o nível de detalhe ou de resumo dos dados existentes num DW. Quanto maior for o nível de detalhes, menor será o nível de granularidade. O nível de granularidade afeta diretamente o volume de dados armazenados no DW, e ao mesmo tempo o tipo de consulta que pode ser respondida. VANTAGENS DE UM DW 1. Simplicidade: A vantagem mencionada com mais freqüência sobre Data Warehouse pode ser resumida como "simplicidade". O Data Warehouse facilita a administração da empresa por que fornece uma imagem simples da realidade com integração de vários dados de sistemas diferentes. O Data Warehouse permite que os sistemas operacionais continuem em uso, transformando os dados inconsistentes dos sistemas do nível operacional em um conjunto de dados coerentes que são informações vitais para as empresas. As operações atuais podem ser monitoradas e comparadas com as operações passadas, previsões de futuras operações podem ser feitas racionalmente, novos processos podem ser inventados, e os sistemas de nível operacional podem ser alterados para suportar estes processos. O Data Warehouse também pode armazenar um grande número de dados históricos que auxiliam as empresas na tomada de decisões. Oferece o benefício de ser único, com dados centralizados mas mantendo uma estrutura de cliente/servidor. Além disso, Data Warehouse são sistemas para empresas grandes, o que melhora a distribuição das informações internamente; 2. Qualidade dos dados: a segunda vantagem mais mencionada foi a melhor qualidade dos dados. O Data Warehouse proporciona consultas em dados de maior qualidade o que traz maior consistência, acuracidade e documentação, além de aumentar a produtividade dos usuários através de utilização de ferramentas OLAP e de Data Mining; 3. Acesso rápido: o Data Warehouse permite aos usuários recuperar rapidamente os dados necessários para suas consultas, eliminando o trabalho de busca em vários sistemas de nível operacional pois todos os dados estão em um único local, sendo assim o tempo de resposta deve ser reduzido;

7 4. Facilidade de uso: a maioria das ferramentas de consultas facilitam o acesso aos dados pois trabalham com interfaces gráficas e comandos pré-definidos o que torna a análise das informações armazenadas no Data Warehouse uma tarefa intuitiva para os usuários finais; 5. Separa as operações de decisão das operações de produção: como os dados do Data Warehouse ficam separados dos dados dos sistemas de nível operacional mas são continuamente atualizados com informações sobre as operações realizadas, os gerentes e analistas de negócios podem fazer análises nestes dados sem sobrecarregar os sistemas de nível operacional; 6. Vantagem competitiva: o Data Warehouse auxilia o administrador a gerenciar melhor a empresa utilizando o conhecimento incorporado, o qual possibilita a empresa ser mais competitiva, entendendo melhor as necessidades dos clientes, e conhecendo mais rapidamente as demandas de mercado. Esta vantagem pode compensar o grande custo de se implantar um Data Warehouse; 7. Custo de operação: o Data Warehouse oferece uma boa base para o desenvolvimento de novos sistemas de nível operacional, além de eliminar o uso de arquivos baseados em papéis e uma vez coberto o investimento inicial o grupo de tecnologia da informação da empresa normalmente consome menos recursos do que antes da implantação do Data Warehouse pois as informações ficam centralizadas e podem ser acessadas facilmente pelos usuários finais; 8. Administração do fluxo da informação: o Data Warehouse recebe uma grande quantidade de dados de várias fontes operacionais e envia dados para várias aplicações front-end. Para se adaptarem as mudanças nas regras de negócio das empresas, os sistemas de nível operacional e as estruturas dos dados são constantemente modificados. No Data Warehouse isto dificilmente ocorre pois os metadados auxiliam na configuração dos dados para que eles atendam os novos requisitos da empresa; 9. Habilita o processamento paralelo: o processamento paralelo ajuda os usuários a realizar consultas no Data Warehouse mais rapidamente, pois suporta grandes demandas em ambientes cliente/servidor, onde os usuários podem fazer perguntas ou consultas simultâneas que exijam um processamento intensivo. Com o processamento paralelo o Data Warehouse oferece uma melhor relação de preço/performance; 10. Infra-estrutura computacional: o Data Warehouse ajuda as organizações a montar uma infra-estrutura que pode suportar mudanças nos sistemas e na estrutura dos seus negócios; 11. Valores quantitativos: outra vantagem é que o Data Warehouse pode mostrar um retrospecto realista da evolução da empresa pois possui medidas quantitativas que podem ser comparadas e analisadas com períodos de vários anos; 12. Segurança: o fato dos usuários do Data Warehouse não acessar diretamente as bases de dados dos sistemas, aumenta a segurança destes dados além de diminuir o número de acessos aos mesmos.

8 DESVANTAGENS DE UM DW 1. Complexidade de desenvolvimento: uma empresa não pode simplesmente comprar um Data Warehouse. É necessário construir um ambiente composto de hardware e software como banco de dados, ferramentas de extração de dados, ferramentas de recuperação dos dados, etc. Um Data Warehouse deve atender as necessidades específicas de uma empresa. Na construção deste ambiente específico é necessário ter muito conhecimento das necessidades pré-definidas para a construção da estrutura, definições e fluxo dos dados, assim como na escolha do hardware e software necessários. O desenvolvimento de um Data Warehouse requer um senso de antecipação sobre as necessidades futuras dos usuários assim como a previsão de futuras alterações nas regras de negócio da empresa. Definir como aumentar o Data Warehouse por causa da demanda de dados, tanto em volume como em complexidade torna o seu desenvolvimento muito complexo e requer uma equipe de especialistas; 2. Tempo de desenvolvimento: como é uma tarefa complexa é natural que também seja demorada. Estudos indicam que em média um ambiente completo de Data Warehouse demora de dois a três anos para ficar pronto, o que pode ser muito tempo para uma empresa que necessita de um ambiente de suporte a decisão em um curto espaço de tempo; 3. Alto custo de desenvolvimento e administração: um Data Warehouse pode consumir milhares de dólares até que esteja pronto para ser utilizado e continuará a consumir recursos durante toda sua "vida" útil, pois necessitará de constantes manutenções; 4. Treinamento: uma das desvantagens é que os usuários do Data Warehouse devem ser constantemente treinados e comunicados das mudanças no Data Warehouse. Isto se deve ao fato de que é importante que todos estejam aptos a retirar o máximo de informações possíveis que o Data Warehouse oferece.