Kako je SalesEvolution dvadeset godina dupliciranih podataka i naslijeđeni ERP pretvorio u jednu pouzdanu sliku klijenata u veleprodaji za ugostiteljstvo — u tri tjedna, a ne godine.
1200 → 850Stvarnih, različitih klijenata nakon spajanja duplikata
22Uspavanih klijenata ponovno aktivirano u prvom tromjesečju
~6 sati/tjednoVraćeno po osobi
3 tjednaDo čistog, objedinjenog prikaza klijenata
01 — Kontekst
Isti ERP dvadeset godina
Klijent je veletrgovac za ugostiteljstvo sa 60 zaposlenika koji restoranima, ugostiteljskim tvrtkama i institucionalnim kuhinjama u regiji isporučuje opremu i potrošni materijal za profesionalne kuhinje. Tvrtka već gotovo dvadeset godina koristi isti ERP sustav — uveden dok je bila tri puta manja nego danas i od tada nikad ozbiljno preispitan.
02 — Izazov
„Naši podaci su preneuredni za to”
Tehnički je ERP sadržavao sve: svakog klijenta, svaku narudžbu otkad je sustav pušten u rad. U praksi ga gotovo nitko u prodaji nije otvarao ako je to mogao izbjeći. Dva desetljeća različitih ljudi koji unose narudžbe značila su da isti restoran može biti na tri zasebna zapisa o klijentu, opisan na tri različita načina. Neki donositelji odluka navedeni kao glavni kontakti napustili su te tvrtke prije više godina. A proizvodi su imali različite šifre i opise ovisno o tome tko ih je unio.
Ljudi su se snalazili kako su znali: vlastite tablice, ljepljivi papirići, znanje u glavama. Nitko nije imao jasan uvid u to što klijent zapravo naručuje, pa nitko nije primijetio kad bi redoviti kupac tiho prestao naručivati obitelj proizvoda — ponekad gotovo godinu dana. Kad god bi uprava pokrenula ideju o uvođenju modernih prodajnih ili AI alata, IT i tim davali su isti odgovor: naši su podaci preneuredni za to. To je godinama bilo opravdanje da se ništa ne mijenja.
03 — Rješenje
Neuredni podaci bili su projekt, a ne prepreka
SalesEvolutionova polazna točka bila je da neuredni podaci nisu razlog za čekanje — bili su prvi problem koji treba riješiti, i to upravo onakav problem u kojem je AI dobar. BIZTAILORS se povezao na postojeći ERP preko izvoza koje je već mogao proizvesti, povukavši povijest klijenata i narudžbi u jedno sučelje, bez da tvrtka mora dirati — a kamoli zamijeniti — sustav o kojem financije i skladište još ovise.
Zatim je AI proces čišćenja obavio nezahvalan posao za koji nitko nikad nije imao vremena: spajanje duplikata zapisa o klijentima, označavanje očito zastarjelih kontakata i standardiziranje podataka o proizvodima koji su tijekom godina prešli u desetak različitih formata — istom logikom kategorizacije koju primjenjujemo da tehničke kataloge učinimo pretraživima, samo okrenutom na tvrtkine vlastite podatke o klijentima i proizvodima. Na kraju procesa svaki stvarni klijent imao je točno jedan aktualan zapis.
Kad je to bilo na mjestu, AI upravljanje klijentima počelo je raditi ono što nitko nije mogao ručno: primjećivati kad se obrazac narudžbi dugogodišnjeg klijenta tiho prekine — obitelj proizvoda koja se naručivala svakih šest tjedana, a četiri mjeseca nije se pomaknula — i iznositi to pred kolegu kao signal, umjesto da prođe neprimijećeno još godinu dana. Novi dolazni potencijalni kupci prolazili su kroz isti AI proces obogaćivanja kao povijesno čišćenje, pa se kaos nije mogao tiho ponovno izgraditi.
04 — Rezultati
Tri tjedna i slika je bila jasna
1200 zapisa o klijentima u naslijeđenom ERP-u svelo se na otprilike 850 stvarnih, različitih klijenata nakon spajanja duplikata.
22 klijenta koji šest ili više mjeseci nisu naručili prepoznata su i ponovno aktivirana u prvom tromjesečju.
Kolege su u prosjeku vratile 6 sati tjedno koje su prije trošile na usklađivanje podataka o klijentima između tablica i ERP-a.
Tvrtka je čist, objedinjen prikaz klijenata dobila u tri tjedna — a ne u višegodišnjem projektu čišćenja podataka kojeg su se svi bojali.
Naslijeđeni ERP i dalje je tu za financije i skladište. Jednostavno više nije glavni alat u svakodnevnom radu prodaje.
“Godinama smo si govorili da moramo urediti podatke prije nego što možemo napraviti nešto ovako. Ispostavilo se da je uređivanje podataka bio sam projekt — a ne nešto što mora prethoditi.”
direktor prodaje, iz klijentova tima
05 — Zaključci
Što drugi timovi mogu preuzeti iz ovoga
„Naši su podaci preneuredni za AI” obično je suprotno od istine — neuredni podaci često su upravo problem koji AI dobro rješava, a ne preduvjet koji treba prvo riješiti.
Ne moraš zamijeniti naslijeđeni sustav da bi iz njega izvukao vrijednost. Čak i stari, nespretni ERP obično može izvesti dovoljno podataka da negdje drugdje postane pouzdan izvor.
Najvrjedniji signal u starim podacima često je ono što je prestalo, a ne ono što je još tu — tihi pad obrasca narudžbi softveru je lako uočiti, a zauzetom kolegi lako promašiti.
Primjer iz prakse 7 od 7 · Imena i podaci po kojima bi se klijenta moglo prepoznati promijenjeni su.