Müşteriniz Gerçekte Kim?

“Benim ne istediğimi anla dedi, gözlerime bak, hareketlerimi incele, zamanımı harcama, aynı şeyleri defalarca bana sorma, ne olur beni yorma, beni tanı artık!”

Aramızda bu cümleleri duymayan yoktur sanırım. Yukarıda yazanlar en az bir firmanın iyi üretim ya da iyi iş yapması kadar önemli hâttâ belki biraz daha fazla… Yapmamız gereken ne yapmamız gerektiğini bilmek değil mi? Müşterimizi tanımıyoruz, tanıyamıyoruz, hangi müşterimiz bize hangi yoldan ne kadar ulaştı bilemiyoruz. Daha da kötüsü, genellikle onları tanımaya bile çalışmıyoruz. Sorun, bize ulaşan müşterilerimizin kim oldugunu veya kimler olduğunun ayrımını yapamamak.

Peki ya artık müşterilerimizi daha yakından tanımak istersek?

Farklı veri kaynaklarından alınan müşteri verileri; ad, soyad, ana-baba adı, cep telefonu, sabit telefon ve e-posta bilgileri gibi bilgiler aynı tablo deseninde birleştirilmesinin ardından sıra veri temizleme ve aynı zamanda veri zenginleştirme çalışmalarına geliyor.

Son haline getirilen veriler üzerinde analiz çalışmaları yapılarak, sonucunda satır ve sütunların birbirlerine ne derece benzeştikleri ve yaklaştıkları ortaya çıkarılıyor. Tüm bu çalışmalar manuel müdahaleye gerek olmadan ETL (Extract, Transform and Load) süreci içinde veya istendiğinde anlık olarak da çalışacak şekilde dizayn edilebiliyor. Üstelik bu sistem büyük finansal kurumlarda veya kimlik numarasının olduğu veri yapılarında çok daha yüksek oranda doğrulukla çalışma imkanı buluyor.

Her şey tekil müşteriye ulaşmak için...

Finansal kurumlarda bilindiği üzere müşterinin tekil olması önemli ve ticari olarak çalışabilmek için şart. Yapılan tekilleştirme çalışmalarında bazı müşterilerin birden fazla modelde bulunması durumu ile karşı karşıya kalınabiliyor. Parametrik ve dinamik olarak kullanılan yapıda benzeşme oranlarının müşteriyle beraber belirlenmesi en doğrusu. Bu durumda müşteri kümeleri arasında birden fazla kümeye dahil olan veriler doğrultusunda, müşterinin hangi kümeye daha çok dahil olduğu sorusunun cevabı bulunabiliyor.

Bu yöntemle ortaya çıkarılan yapı, veri madenciliği konusunda da sağlam bir temel oluşturuyor. Bu sayede veri madenciliğinde yapılan analizler ve alınan kararlar doğruya en yakın haline geliyor. Veri madenciliğinin temelinde yer alan çok büyük hacimdeki veride ilişki arama durumu, amaca uygun verilerin hatasız üretimi, veri temizliği ve zenginleştirmesi bu sayede kolaylaşıyor.