آغاز سفر تحلیل: رو به سوی فروش بیشتر

در مقالات مجله اینترنتی دیدگاه، درباره موضوعات متنوعی در حوزه علم داده صحبت کرده‌ایم. در این مقاله قصد داریم به کاربرد علم داده در کسب و کار و فروش بیشتر بپردازیم. اگر پنج اصل اساسی رعایت شود، تیم‌­های فروش می­‌توانند علاوه بر این‌که در تحلیل ورزیده‌تر می‌شوند، جریان درآمدی بیشتری هم به دست آورند.

اگر داده‌‌­ها در عصر دیجیتال چیزی شبیه نفت باشند، آنگاه تحلیل حکم موتوری را دارد که آنها را به انرژی تبدیل می­‌کند. آنچه امروزه، مدیران اجرایی با تفکر پیشرو را به هیجان می‌­آورد، ارزش استراتژیک تحلیل است: ارزشی که به جای بهبودهای تدریجی در راندمان سازمان، ظرفیت توانمندسازی و آگاهی‌­بخشی در راستای تحول و رشد چشمگیر را در سازمان ایجاد می کند.

بسیاری از مدیران وسوسه می شوند تا سریع وارد عمل شده، منابع زیادی را وارد کار کنند و یک سیستم تحلیلی بدیع برای فروش ایجاد کنند؛ این کار مثل این می‌ماند که رانندگی با یک ماشین فرمول یک را انتخاب کنید در حالی که هنوز می‌توانید با خودرو فعلی خود بسیاری کارها را راه بیندازید.

تحلیل موفق فروش به یک سفر می‌­ماند؛ اما گام اول باید به‌گونه‌ای برداشته شود تا مطمئن شوید از داده­‌های موجود بیشترین عایدی را به دست می‌­آورید.

بنا به تجربهٔ ما در مکنزی، سازمان‌های فروش با جمع‌­آوری مداوم داده های اصلی فروش و سنجه‌های آن در کل فرایند فروش و اقدام بر مبنای بینشی که از همان‌­ها به دست می‌‌­آید، به‌سرعت می­‌توانند درآمد خود را افزایش دهند. این رویکرد همچنین می‌­تواند به ساختن «بازوهای داده‌‌­محور» (data-driven muscles) درون این سازمان‌ها یاری رساند؛ تا بتوانند از منافع تحلیل‌های پیچیده­‌‌تر فروش که در گام‌های بعدی سفر تحلیل فروش میسر می‌شود، طرفی ببندد.

جفت‌وجور کردن مبانی کار

ایجاد رشد سریع در فروش، مستلزم داشتن فهمی درست از پنج رکن اساسی آن است:

1. از آنچه دارید استفاده کنید: معمولاً بیشتر سازمان‌های فروش،  پیشاپیش داده‌­ها و ابزارهایی دارند که با کمک تحلیل می‌توانند از آنها ارزش قابل توجهی خلق کنند. ایجاد فرم‌های سادهٔ مشتری‌یابی (lead-generation forms) (فرم‌هایی که برای جذب مشتری و گرفتن مشخصات او تهیه می‌شود) که ورودی‌های نرم‌افزارهای مدیریت ارتباط با مشتری (CRM) را بهبود می­‌بخشند یا به‌روز کردن ورودی‌های نرم‌افزارهای CRM از طریق قیمت‌گذاری دقیق که میزان تخفیف‌های خرید را مشخص می‌کند، نمونه­‌هایی از زیرساخت‌هایی هستند که داشتن آنها، برای جمع­‌آوری منظم داده­‌‌های اصلی فروش (core sales data)، در نقاط گوناگون فرایند فروش، اجتناب‌ناپذیرند. همچنین، استفاده از تمام ابزارهای جمع­‌آوری دادهٔ موجود در شرکت، در به‌حداقل‌رساندن سفارشی‌­سازی (customization)، بسیار تأثیرگذار و مهم است. هرچقدر ابزارها از استانداردتر باشند، داده­‌ها تمیزتر (clean) و منسجم‌تر (consistent) و بینشی که از آنها حاصل می‌­شود قابل‌فهم‌تر و ارزشمندتر خواهد بود.
2. بدانید چه چیزی را باید اندازه‌گیری کنید: برای تمرکز بخشیدن بر جمع‌آوری داده‌ها، مدیران فروش باید ابتدا چشم‌اندازی از وضعیت مطلوب خود ترسیم کنند. سپس، از بهترین داده­‌ها و سنجه‌ها برای رسیدن به اهداف خود، کمک بگیرند. بیشتر شرکت­‌ها داشبوردهایی دارند که دوجین شاخص به‌دردنخور در آنها تعبیه شده، حال آن که معمولاً، فقط یک یا دو شاخص، واقعاً روی خروجی‌های کسب‌و‌کار، تأثیر دارند (بقیهٔ آنها تنها به این دلیل در داشبوردها وجود دارند که محاسبهٔ آنها آسان است). برای شرکت‌های موفق سنجه‌هایی که در راستای منافع‌شان باشد، اولویت دارد و از شاخص‌های مربوط به عمل­کرد کلی فروش (universal sales-performance metrics) برای تعریف سلامت کسب‌وکارشان استفاده می‌کنند: شاخص­‌هایی مانند، طول چرخهٔ معامله (deal-cycle length) یا نرخ ریزش مشتری (customer churn rate).
3. بر تمیزی داده‌­ها (data hygiene) تمرکز کنید: بله، شرکت­‌ها اغلب داده­‌های فراوانی دارند، اما معمولاً استفاده از آنها دشوار است، تاریخ آنها گذشته است یا نامنسجم‌ و بعضا غیر یکنواخت هستند. بااین‌حال، شرکت‌­ها می‌توانند این ضعف را با فرایندهای برچسب‌­زنی (tag)، پالایش (scrub)، و عقلانی‌سازی داده‌­ها (rationalize) (یعنی، اطمینان از این‌که داده‌­ها قابل مقایسه­‌اند) و حتی گزارش دربارهٔ پاکیزه بودن داده‌­ها (cleanliness) جبران کنند. بدین شکل، می‌توانند اطمینان یابند که داده‌­ها قابل اعتمادند.
4. پاسخ‌گو باشید: سازمان‌ها باید رهبرانی تعیین کنند که در قبال پاکی و انسجام داده‌­ها مسئول و پاسخ‌گو باشند تا مدیران فروش بتوانند برای حمایت از عملکرد نیروی فروش، بر این داده‌ها اتکا کنند.
5. روی فرهنگ فروش داده‌­محور سرمایه­‌‌گذاری کنید: همهٔ داده­‌ها و بینش­‌های جهان را هم که داشته باشید، اگر فروشندگان آنها را به کار نگیرند، اهمیتی نخواهند داشت. مدیران فروش می‌­توانند با گذاشتن ابزار در دستان افراد مناسب کارکنان حوزه فروش را تشویق کنند که اساس تصمیم‌گیری‌های خود را بر داده‌­ها بگذارند و نه بر «تجربه» یا «حس ششم». فرد مناسب، اینجا یعنی، کسانی که به‌عنوان مدیران صف سازمان  شناخته می‌­شوند و کارشان پیش‌بینی آیندهٔ کسب‌وکار است و به داده­‌‌های باکیفیت برای انجام این کار نیاز دارند.

درحالی‌که می‌­دانیم «تمرکز بر این ارکان» ممکن است بدیهی به نظر برسد، بااین‌حال، می‌بینیم که بسیاری از شرکت­‌ها از این امور غافل‌­اند و این خود باعث می­‌شود آنها نتوانند از تمامی ارزش‌های نهفته در راه‌حل‌های پیچیده‌تر تحلیل فروش، استفاده کنند.

نقطهٔ شروع: سازمان‌های تجاری چگونه به ارزش موجود در داده­‌ها و فرایندهای فروش، دست پیدا می‌کنند

اگر داده‌های اصلی  فروش را بکاویم، می‌توانیم ارزش قابل توجهی خلق کنیم؛ داده‌هایی که در ذهن نمایندگان فروش یا سیستم‌های آی. تی. (IT) گیر کرده‌اند. فهمیدن این‌که چه کسی در سازمان مشتری تصمیم نهایی را می‌گیرد یا این که شرکت مشتری چه محصولاتی را قبلا خریداری کرده است‌، اگرچه داده‌های بسیار ارزشمندی هستند اما جمع‌آوری آنها در هر مرحله از فرایند فروش کار سختی نیست.

خود عمل جمع‌­آوری داده‌­ها، ارزش خلق می‌­کند و می‌تواند زمینه‌­ساز برنامهٔ تحلیل فروش پیشرفته قرار بگیرد. موارد زیر، حوزه‌هایی هستند  که سازمان‌های فروش در آنها بیشترین ارزش را از داده­‌هایشان کسب می‌­کنند:

برنامه­‌ریزی برای فروش

سازمان‌هایی که الگوی موفق فروش دارند، سعی می‌کنند به جای روش‌های سنتی مانند بخش‌بندی جغرافیایی یا بخش صنعتی، داده‌هایی مانند پتانسیل مشتری و اهداف درآمدی سازمان خود را استفاده کنند تا مدل‌های پوشش فروش (Sales Coverage Model: مدل پوشش فروش توضیح می‌دهد که چگونه یک شرکت نیروهای فروش خود را برای هدف قرار دادن مشتریان و چشم‌اندازهای فروش در بازار هدف، سازماندهی می‌کند) بهینه‌ای برای فروش بسازند؛ با کمک این مدل‌ها است که می‌توانند قلمروها را به صورت پویا تعریف کنند و مشتریان را به آن ها تخصیص دهند. به بیان دیگر، تجمیع داده­‌‌ها برای تحلیل، فرایند برنامه­‌‌ریزی برای فروش عمده را سریع­تر، کارآمدتر و درنهایت اثربخش‌‌­تر می­‌کند.

یک شرکت بین‌المللی در حوزه فناوری، نیاز داشت دقت و سرعت تخصیص کارشناسان فروش به  فرصت‌های فروش را افزایش دهد. (یکی از چالش های مهم در بخش‌های فروش، تخصیص مناسب کارشناسان به فرصت‌های فروش طبق توانایی‌‌ها و تخصص این کارشناسان است) این شرکت در آغاز سفر تحلیل خود، برای پیشبرد برنامه‌ریزی فروش به فایل‌های اکسل متکی بود؛ که باعث می‌شد تعداد زیادی فایل بین گروه‌­های مختلف در کشورهای مختلف ردوبدل شود و راهی برای مقایسهٔ برنامه­‌های فروش با استراتژی‌ها و هدف‌گذاری‌های درآمدی وجود نداشت. این مؤسسه نرم­‌‌افزار برنامه­‌‌ریزی پوششِ فروش (sales-coverage planning software) را به کار گرفت تا متغیرهای پوشش مربوط را جمع‌آوری کند و تخصیص قلمرو فروش به بیش از سه هزار کارشناس فروش را به‌صورت خودکار درآورد. این ابزار، منبع ابری (cloud-based source) واحدی از داده خلق کرد که از طریق آن، گروه برنامه‌ریزی فروش و مدیریت فروش منطقه‌­ای، توانستند هم‌زمان، بدون ارسال فایل، با یکدیگر کار کنند. همین کار، این شرکت را قادر ساخت که برنامه­‌های فروش را در مناطق مختلف و در راستای هدف گذاری‌ها با هم مقایسه کند، نتایج مربوط به انواع تصمیم‌گیری در مورد بخش‌بندی‌های متفاوت مشتریان (different account segmentation) و پوشش فروش  را مدل کند و پیامدهای هدف‌گذاری فروش در هر بخش بازار را رصد کند.

شرکت توانست به جای این که تازه بعد از گذشت سه ماه از سال جدید، برنامه پوشش فروش خود را منتشر کند، در همان ابتدای سال این برنامه را آماده داشته باشد. البته فقط این نبود؛ بلکه شرکت توانست با آمادگی‌‌­ای که از پیش کسب کرده بود، از طریق متغیّرهای به‌کاررفته و به‌روز شدهٔ سال پیش، به‌آسانی برنامه‌­ریزی پوشش فروش خود را آغاز کند. همهٔ اینها به این دلیل ممکن شد که داده‌‌­ها در یک مکان جمع شده بودند.

این رویکرد، ۵ تا ۷ درصد بازدهی را بهبود بخشید. مدل پوشش فروش  جدید، همچنین ردیابی آنچه کارایی داشت و آنچه به کار نمی‌­آمد را، بسیار آسان­تر کرده بود. حالا دیگر در مناطقی که این پوشش به کار نمی‌­آمد، می‌شد رویکرد را در لحظه تغییر داد، زیرا داده­‌‌ها در ابزار پوشش فروش در دسترس بودند.

مدیریت جریان فروش (Pipeline management) و پیش­بینی

سازمان‌ها باید بدانند مراحل مختلف یک «فروش خوب» چیست و باید کارشناسان فروش خود را ملزم کنند به‌جای پرکردن ستون فروش روزانه در پایان روز، داده‌های مربوط به هر مشتری بالقوه را در همان  مرحله از فرایند فروش، ثبت کنند.

یک شرکت حمل‌و‌نقل بین‌المللی با چنین مسئله‌ای دست‌به‌گریبان بود. مدیر ارشد عملیات این شرکت نمی‌توانست برای ایجاد شفافیت در جریان فروش  (Sales Pipeline) و انسجام‌بخشی به گزارش‌‌‌ها در کل شرکت راهکار بهینه‌ای پیدا کند.  این دو عامل هستند که می‌توانند زمینه تصمیم‌­گیری‌‌­های قابل‌­اعتمادتر و پیش‌­بینی‌­های دقیق­‌تر را فراهم کند.

در فرایند مدیریت جریان فروش موجود در آن شرکت، ۲۰ درصد از فرصت‌­های فروش، در سیستم مدیریت ارتباط با مشتریان (CRM) بدون اشاره به مرحله فروش ثبت می‌شد. یک سوم از فرصت‌ها هم زمانی در سیستم ثبت می‌شدند که در میانه راه عقد قرارداد بودند. این به آن معنا بود که مدیران فروش نمی‌دانستند یک معامله در کجای چرخهٔ فروش قرار دارد و معلوم نبود آیا یک فرصت فروش مشخص، در مرحله جدی قرار دارد یا اینکه تنها سرنخی است برای فروش در آینده. این مسئله، فهم سازمان‌ها را محدود می‌کند و آنها نمی‌توانند از طول مدت حقیقی چرخهٔ یک معامله آگاه شوند و نمی‌فهمند چگونه باید برای معامله در فرایند فروش انرژی بیشتری صرف کنند تا به سرانجام برسد. داشتن فرایند مدیریت جریان فروش شفاف و همچنین در اختیار داشتن استاندارد‌های لازم برای مدیریت داده‌‌­ها در آن، هر دو، در آموزش نماینده‌­های فروش بسیار مؤثر هستند و به آنها کمک می‌کند که در فروش موفق باشند. همچنین،‌ برای پیش‌بینی دقیق و برنامه‌ریزی مالی در مورد اینکه چه وقت باید منتظر تحقق درآمد یک فروش بود، نیز نقش این دو عامل، بسیار حیاتی است.

شرکت برای ایجاد شفافیت و انسجام، طراحی سی‌.آر.ام خود را ساده کرد. مراحل فروش را در لوله فروش خود، از نه مرحله به پنج مرحله فروکاست، فرایند فروش را در عمل بررسی کرد و ورود داده‌های مربوط به مراحل مختلف فروش را برای نیروهای فروش، ساده‌تر کرد. به موازات این فعالیت‌ها، شرکت تعریف تمام مراحل  را استانداردسازی کرد، در نتیجه، همه، از نمایندهٔ فروش خرده‌پا تا رأس هرم فروش، در چشم‌اندازهای یکسان و مطابق آن چشم‌اندازها، داده‌ها را اخذ می‌کردند.

در سیستم جدید، نمایندگان فروش باید هر فرصت فروش را از مرحلهٔ اول آغاز می‌کردند. برای سازگاری با سیستم جدید و اصلاح داده­‌های ورودی، جلسات  هفتگی با استفاده از داشبورد سی‌.آر.ام به‌عنوان تنها منبع درست برقرار می‌شد: اگر چیزی در داشبورد وجود داشت دربارهٔ آن صحبت می‌شد والا صحبتی شکل نمی‌گرفت. این گام‌های کوچک، استفاده از سی.آر.ام را ساده‌تر کرد و به نمایندگان فروش کمک کرد بین معاملهٔ واجد شرایط (qualified deals) و معاملهٔ بالقوه (prospective) فرق بگذارند و داده‌های ضروری (critical data) را بهتر ردیابی کنند و در نتیجه در تمام مراحل هر معامله، دید بهتر و قابل‌اتکاتری فراهم شد.

سازمان‌های فروش با اتکا به استانداردسازی فرایند فروش و تعریف دقیق هر مرحله و سپس استفاده از سی.آر.ام، می‌توانند در هر مرحله، عناصر داده‌ای صحیحی اخذ کنند و بدین طریق برای کسب بینش‌های ارزشمند دربارهٔ رفتار خرید مشتری و بهبود عایدی حاصل از عملکردهای نمایندگان فروش، پایه‌ریزی اساسی انجام دهند.

قیمت‌­گذاری، تخفیف‌دهی، و مدیریت سفارش

یک شرکت بین‌المللی در صنعت پرداخت، در سیستم سی.آر.ام خود، چندین لیست قیمت‌گذاری داشت. برخی از این لیست‌ها بسیار قدیمی بودند و برخی قیمت‌ها در برخی از لیست‌ها جا افتاده بود. در نتیجه، مدیران صف شرکت، اطلاعات نامنسجمی داشتند و اتکای نمایند‌ه‌های فروش به فایل‌های اکسل بود که روی کامپیوترشان ذخیره کرده بودند و برای نوشتن طرح‌های فروش به آن مراجعه می‌کردند. تعجب‌آور نخواهد بود که در آن شرکت، تعریف هر کس از «معاملهٔ خوب» با دیگری فرق می‌کرد. معامله‌ای که نمایندهٔ فروش آن را خوب می‌‌دانست، در نظر نیروی مالی خوب نبود و معامله‌ای که مسئول توسعهٔ محصول فکر می‌کرد معاملهٔ خوبی است، برای دیگران خوب جلوه نمی‌کرد.

شرکت تصمیم گرفت به قیمت‌گذاری بدون قاعده پایان دهد، تمام لیست‌ها را یکسان کند و قیمت هزاران مورد را دوباره از نو در لیست قیمت‌ها بازنویسی کند و در انتها، مطمئن شود که این لیست‌ها برای همهٔ افراد شرکت در سی. آر. ام، یکسان و به‌روز است.

بنابراین، نماینده‌های فروش ملزم شدند تا از لیست قیمت در سی.آر.ام استفاده کنند و دستور داده شد که همه باید به آخرین قیمت به‌روز شده و بهینه شده دسترسی داشته باشند. درخواست­‌های تخفیف باید به بخش مدیریت ارسال می‌شد که او هم از سی.آر.ام استفاده می‌کرد. هر میزان تخفیف یا سهمیه باید بر اساس لیست‌های به روزشدهٔ قیمت، اعمال می‌­شد و همهٔ داده‌های تخفیف به قیمت‌گذاری‌های به‌روز شرکت وصل می‌شد؛ بنابراین، قیمت­‌گذاری و تخفیف را می‌شد در لحظه و هنگام انجام معامله رصد کرد، به‌جای اینکه تنها پس از نهایی شدن معامله، تازه امکان دسترسی به این داده‌ها فراهم شود. نتیجهٔ این‌کار، افزایش ۲ درصدی در درآمد ناخالص (gross margin) بود.

با به‌کارگیری گستردهٔ سی.‌آر.‌ام، به همراه قیمت‌‌­گذاری­‌های به‌روز و میزان تخفیف از پیش تعیین شده، فرایند قیمت­‌گذاری و تخفیف‌دهی، بسیار پربازده‌تر و دقیق‌تر می‌شود. با استفاده از این روش، به نمایندگان فروش این امکان داده می‌شود که سریع‌تر پاسخ‌گوی مشتریان باشند، زمان کمتری صرف قیمت‌گذاری دستی می‌شود و بدین طریق می‌توان مطمئن بود که معاملهٔ خوبی برای مشتری و برای شرکت ترتیب داده می‌شود. همچنین، با این روش، مراحل قیمت­‌گذاری و تخفیف دهی بسیار دقیق‌‌­تر از گذشته، قابل ردیابی خواهد بود.

موفقیت مشتری و مدیریت حساب پس از انجام معامله

بسیاری از شرکت­‌ها بر روی گنجینه­‌ای از داده­‌های مشتریانشان آرمیده‌اند. زمانی که این داده‌­ها با چشم‌انداز «۳۶۰ درجه» در رابطه ‌با مشتری جمع شوند، می‌­توانند اساس و پایه­‌ای برای بیش‌فروشی (upselling) و مکمل فروشی (cross-selling) بسازند و می‌توانند به شرکت‌ها در فراهم‌آوردن خدمات بهتر برای مشتریان خود یاری برسانند. این داده‌ها، معمولاً‌ در سیستم‌­های داده‌ای ناهمگون  (disparate data system) و در بخش‌های جدا از هم، پخش شده‌­اند. یکپارچه‌_­سازی، ترکیب و گزارش این داده‌ها پیچیده و پرزحمت است. شرکت‌­ها، برای فهمیدن قابلیت داده‌­هایشان، تا آنجا که ممکن است، باید این فرایند را خودکار کنند و سازوکار دسترسی به آنها را برای گروه‌های مختلف در سراسر شرکت، فراهم کنند.

یک شرکت پیشتاز در زمینهٔ محصولات شیمیایی، از این روش برای افزایش بیشتر عایدی خود و رشد سهم خرید مشتری (share of wallet)، استفاده کرد. شرکت به‌سرعت، ظرف چهار هفته، به‌صورت دستی، مجموعه‌های داده‌های مرتبط (relevant data sets) را تعیین، پاکیزه و تجمیع کرد و همه را روی یک جدول مرجع  قرارداد و با استفاده از یادگیری‌های این مرحله، این فرایند را برای مجموعه‌های دیگر به شکل خودکار درآورد. این شرکت همچنین، مجموعه‌ه­ایی از داده‌‌­های بیرونی، مانند داده‌‌­های مربوط به دان و برادستریت (Dun and Bradstree) را به کار گرفت که عمق و بینش بیشتری به توانایی‌­های تحلیلی آن می‌­افزود. وقتی داشبورد اصلی آماده شد، فروشندگان می­‌توانستند داده­‌های مربوط به مشتریان موجود را برای به‌دست‌آوردن بینشی در رابطه ‌با فرصت­‌های پیشرفت بکاوند و سپس، این بینش­‌ها با فرصت‌های بیش‌فروشی و مکمل فروشی، در سیستم سی.‌آر.‌ام، تلفیق شد. با چنین گام‌های بنیادینی، شرکت توانست رشد ارگانیک خودش را تا ۶ درصد بالاتر از نرخ بازار، افزایش دهد.

این دید ۳۶۰ درجه در رابطه ‌با مشتری، همچنین به شناسایی مشتریانی کمک می­‌کند که در شُرف جدا شدن هستند و گروه‌های فروش را قادر می‌‌­سازد تا فعالانه نارضایتی آنها را تشخیص دهند. فروشندگان نرم‌­افزار  به عنوان  خدمت (SaaS)، مانند Salesforce.com، اغلب، تیم هایی تحت عنوان «موفقیت مشتری» (Customer Success) را در مجموعه خود ایجاد می‌کنند. این تیم‌ها، منابع متعددی از داده‌­های قابل اعتماد درباره مشتریان را، در یک نمای واحد  قرار می‌­دهند تا بتوانند هر مشتری را در رابطه با سنجه‌ای تحت عنوان سلامت مشتری امتیازدهی کنند. این امتیازها می‌­تواند راهنمایی برای بهینه­‌‌سازی خدمات مشتریان باشد (مثلاً، می‌تواند پیش‌بینی کند که چه وقت احتمال رفتن مشتری زیاد است یا اینکه چه زمانی مشتری چشم‌ انتظار شنیدن خبری دربارهٔ محصول جدید است).

یک شرکت فروش نرم‌­افزار به عنوان خدمت (SaaS)، با گنجاندن امتیازهای سلامت مشتریان در رویه‌های موفقیت مشتری، نرخ ریزش مشتری خود را به نصف کاهش داد. به‌رغم مواجهه با چالش عدم تجانس محیط داده‌های درونی با داده‌های بیرونی و نیز بی‌­میلی همکاران برای اجازهٔ دسترسی به داده­‌های یکدیگر، این شرکت توانست گام‌های کوچک ولی مهمی بردارد و سیستم امتیازدهی به سلامت مشتریان را به شکل ابتدایی، ولی با داده‌های دسترس‌پذیر و پاکیزه، پایه‌گذاری کرد. از آنجا که این امتیازها، زودتر از انتظار، دستاوردهایی را به ارمغان آوردند، داده­‌های بیشتری تدارک دیده شد و با پالایش امتیازهای سلامت، اثربخشی آنها در طول زمان بهبود یافت.

این گام‌­های ابتدایی، توانمندسازهایی کلیدی برای مجموعه‌های پیشرفته‌تری از تحلیل هستند که می‌توان با استفاده از آنها، رفتار مشتریان را بهتر ارزیابی کرد و پتانسیل بیشتری برای خلق ارزش ایجاد کرد.

پایان

همین‌که داده­‌های درست را  در مرحله درستی در اختیار داشته باشیم قدم اول را در تحلیل کسب‌وکار برداشته‌ایم. زمانی که داده­‌های فراهم شده  در ابزارهای موجود از کیفیت بالایی برخوردار باشند و در سرتاسر فرایند فروش، قابل ردیابی باشند، مدیران فروش می‌­توانند با آگاهی بیشتر و البته بهتر، تصمیم‌گیری کنند. این کار، چشم­‌اندازی ۳۶۰ درجه از کسب‌وکار و مشتریان برای آنها فراهم می‌کند و مبنایی برای تحلیل های قوی تر و بینش‌های دقیق‌تری نسبت به آینده خواهد بود.