Yapay zeka söz konusu olduğunda, 2023 yılında işletmeler kendilerini çok dik bir öğrenme eğrisinden geçerken buldular; farkındalıktan meraka, oradan da fırsata hızla ilerliyorlardı. Bu kısmen yapay zekanın işletmelere getirebileceği değerden kaynaklanıyor. Google’ın Birleşik Krallık Ekonomik Etki raporunda, 2023 yılına kadar Birleşik Krallık ekonomisinin yapay zekadan 400 milyar £’luk bir destek elde edeceği tahmin ediliyor.

Ancak yapay zekanın uygulanmasının “eğer” değil “ne zaman” meselesi olmasına rağmen endişeler devam ediyor. Özellikle insan dokunuşunun her şey olduğu müşteriyle yüz yüze kalan ekipler için. Çalışmaları insan girdisine ve kişiselleştirmeye o kadar dayanıyor ki, robotların kendilerinden gelen güvenceler bile onları yapay zeka uygulamasının iyi bir şey olduğuna ikna etmek için yeterli olmayabilir.

Yapay zekanın potansiyelini en üst düzeye çıkarmak için liderler endişeleri göz ardı etmemeli, aksine ortadan kaldırmalıdır. Ve şu anda bunu yapmanın kolektif zihniyetlerini yapay zekayı bir tehdit olarak değil, kolaylaştırıcı olarak düşünmeye dönüştürmekten daha iyi bir yol yok.

Müşteriyle yüzleşen ekipler neden başarısızlığa mahkum değil?

Bu zihniyet değişimi hemen gerçekleşmeyecek. Aircall’ın Yapay Zeka Endeksi, müşteriyle yüz yüze görüşen ekiplerin %62’sinin, insan girdisi eksikliğinin işlerinin kalitesini etkileyeceğinden endişe duyduğunu, %47’sinin ise yapay zekanın işlerini zorlaştıracağını öngördüğünü gösteriyor.

Yapay zekanın kullanıma sunulmasıyla ilgilenenler yalnızca müşteriyle yüz yüze kalan ekipler değil. Twilio Segmenti’nin dördüncü yıllık Kişiselleştirmenin Durumu Raporu 2023, müşterilerin %41’inin deneyimlerini kişiselleştirmek için yapay zeka kullanan şirketlerden memnun olduğunu gösteriyor.

Tüketici şüpheciliğini yönlendiren şey aynı zamanda insansız bir deneyim olasılığıdır.

Bunun bir nedeni gizlilik endişeleri olabilir; tüketicilerin yalnızca %51’i verilerini güvende ve emniyette tutma konusunda markalara güveniyor ve %23’ü geçen yıla kıyasla kişisel verilerinin kişiselleştirme için kullanılması konusunda daha az rahat. Ancak tüketici şüpheciliğini artıran şey aynı zamanda insansız bir deneyim olasılığıdır. İnsanlar zaten tamamen chatbot tabanlı bir destekten veya insan temsilcilerinin bulunmadığı desteklerden hayal kırıklıklarını gösterdiler. Ve onlar için yapay zekanın doğuşu, daha otomatik ve sinir bozucu bir destek deneyimi anlamına gelebilir.

Bu nedenle iş dünyasının liderleri yapay zeka etrafındaki anlatıyı yeniden yazmaya odaklanmalıdır; AI’nın eğitim ve koçluğa getirdiği faydalar aracılığıyla müşteri deneyiminde nasıl yeni bir çağın kapısını açabileceğini gösteren bir örnek. Ve bu hem müşteriler hem de çalışanlar için iyi bir haber.

Yapay zeka, destek koçluğu için yeni bir çağın kilidini nasıl açabilir?

Başarılı yapay zeka uygulamasının anahtarı nereye bakılacağını bilmektir. Liderler, yapay zekayı destek iş akışlarınıza beceriksizce dahil etmek ve süreçteki CSAT rakamlarını altüst etmek yerine, bunu ekiplerinin zaman alan görevleriyle başa çıkmak için kullanmaya odaklanmalıdır.

Örneğin çalışanların %27’si, anlamlı müşteri etkileşimlerini geliştirmenin önündeki ana engellerden birinin koçluk veya eğitim eksikliği olduğunu söyledi. Neredeyse yarısı (%48) temel sorun olarak yetersiz malzemeyi veya eksikliğini vurguluyor.

Başarılı yapay zeka uygulamasının anahtarı nereye bakılacağını bilmektir.

Yapay zekanın bu açığı kapatması ve kaliteli koçluk kaynakları yaratmanın gerekliliklerini ortadan kaldırması için açık bir fırsat var. Çalışanlar, şu anda diğer ekip üyelerine koçluk yapmak veya eğitim vermek için harcanan zamanın %23’ünün yapay zeka ile tasarruf edilebileceğini tahmin ediyor; bu, yapay zekanın saatlerce süren çağrıları ve müşteri verilerini manuel olarak incelemek zorunda kalmadan uzman içgörüleri sunma becerisine dayanan dönüştürücü bir rakamdır. .

Örneğin transkripsiyon hizmetleri, temsilcilerin 10 dakikadan fazla bir konuşmayı tekrar dinlemelerine gerek kalmadan bir transkripte hızlı bir şekilde bakmalarına olanak tanıyor ve oynatma listeleri oluşturmak için anahtar kelimeleri ve trendleri alabiliyor. Bu, bir müşteri bir özellikten veya bir rakibin adından bahsettiğinde, benzer konuşmalardan oluşan bir çalma listeniz olduğu anlamına gelir. Dahası, bu bilgiler daha geniş iyi ve kötü çalma listeleri oluşturmak ve bunlardan taktik kitapları oluşturmak için kullanılabilir; böylece temsilcilerin, giderek daha öngörülemeyen müşteri davranışlarını tahmin etmelerine yardımcı olmak için yapılması ve yapılmaması gerekenler konusunda yardımcı olur.

Ortalama bir destek temsilcisinin haftada yalnızca beş saatini anlamlı müşteri etkileşimlerine harcadığı göz önüne alındığında yapay zeka, insanları müşteri deneyiminin merkezine yeniden yerleştirmeye yardımcı olarak destek işlevinde devrim yaratabilir.

Yapay zekayla kişiselleşmek

Yapay zeka konusunda endişeleri olan kişiler her zaman olacaktır. Bu yeni bir teknoloji ve gerçek şu ki, bazı şeyleri büyük ölçüde değiştirecek; nasıl olmasın? Ancak işletmeler, yapay zekayı bir etkinleştirme aracı olarak gören bir zihniyet geliştirerek, genel anlatının olumlu olmasını sağlayabilirler.

Bu, ekiplerin yapay zekanın sahip olduğu olanaklar ve teknolojinin destek ekiplerinin hayatlarını nasıl daha da zorlaştırmayacağı konusunda eğitilmesini içerecek; hatta bundan çok uzak. İnsanları ezecek bir teknolojinin geleceğine dair yanlış kanılarla dolu olan yapay zeka öyküsündeki büyük değişim, bunun yerine insan faaliyetlerini yeni boyutlara taşıyacak olmasıdır. Artık iş dünyası liderleri için teşvik, anı yakalayıp kendi işleri için yapay zeka hikayesinde yeni bir bölüm yazmaktır.

CX teknolojisi hakkında daha fazla bilgi edinmek ister misiniz? 100’den fazla müşteri deneyimi teknolojisi sağlayıcısından oluşan Marka Dizinimize göz atın.

Değişen müşteri beklentilerini karşılama yarışı, genellikle müşteri deneyimi (CX) teknoloji yatırımlarının temel itici gücüdür. Genesys’in “Müşteri Deneyiminin Durumu” raporundan elde edilen bulgulara göre, kişiselleştirilmiş, kolaylaştırılmış yolculuklar için tüketici tercihi şu anda müşteri deneyimi liderlerinin teknoloji önceliklerini etkiliyor. Rapor için ankete katılan birçok CX lideri, müşteri memnuniyetini, elde tutmayı ve iş performansını artırmak için daha alakalı, bağlantılı hizmet etkileşimleri sunmak üzere teknoloji yığınlarını yeniden düşünüyor.

Odak noktalarından biri, tüketicilerin hem hızlı hem de ilk etkileşimde çözülen daha kişiselleştirilmiş hizmet etkileşimlerine yönelik isteklerini karşılama ihtiyacını yansıtıyor. Dünya çapındaki tüketicilerin yaklaşık üçte ikisi, en çok tercih ettikleri kişiselleştirme türlerinin “İhtiyacım olan hizmetleri istediğim zaman ve tercih ettiğim kanalda alma” ve “Bana yardımcı olacak doğru kişiyle hemen bağlantı kurma” olduğunu söylüyor.

Çoğu kuruluş, müşteri davranışlarına ve tercihlerine gerçek zamanlı olarak yanıt verme veya müşterilerin tercih ettiği kişiselleştirme türlerini sunma yeteneklerini sınırlayan veri ve teknoloji bağlantısını kesmiştir.

Çok kanallı bir deneyim sunmak, kuruluşların bu beklentileri karşılamasına ve bunun sonucunda iş iyileştirmelerini görmesine yardımcı olabilir. Tüketicilerin yaklaşık %80’i, deneyimlerini sürekli olarak kişiselleştiren şirketlerden daha çok, daha sık satın alacaklarını söylüyor. Ancak çoğu kuruluş, müşteri davranışlarına ve tercihlerine gerçek zamanlı olarak yanıt verme veya müşterilerin tercih ettiği kişiselleştirme türlerini sunma yeteneklerini sınırlayan veri ve teknoloji bağlantısını kesti.

Rapor için ankete katılan müşteri deneyimi liderlerinin yalnızca %13’ü, şirketlerinin kanallar arasında uçtan uca yolculuk sağlamak için bağlantılı verilere ve teknolojiye sahip olduğunu söylüyor. Yaklaşık %75’i tamamen çok kanallı bir deneyim sağlama yolunda çeşitli aşamalarda bulunuyor.

Yeni beklentiler yeni önceliklere yol açar

Çoğu CX lideri, gelişmiş kişiselleştirmeye ve bağlantılı deneyimlere yol açan veri bağlantısı, yenilik ve teknoloji entegrasyonunu teknoloji gündemlerinin en üst sıralarına yerleştirmiştir. CX liderlerinin yaklaşık %71’i, birleşik iletişim, CRM sistemleri ve iş gücü katılım yönetimi gibi sistemleri entegre eden bir müşteri deneyimi platformunun uygulanmasının 2023 için en önemli teknoloji önceliği olduğunu söylüyor.

Genesys

Hız ve kişiselleştirmeye yönelik tüketici tercihleri, kuruluşların müşterilerinin kimliğini ve amacını, yani müşterinin kim olduğunu ve ne aradıklarını veya başarmak istediklerini bilmelerini gerektirir. CX liderlerinin bu beklentileri karşılamak için en kritik olduğunu düşündükleri yetenekler, gerçek zamanlı ve tarihsel analitik ve raporlama, müşteriye ilişkin tek bir birleşik görünüm sağlayan müşteri veri platformları ve iş gücü katılım yönetimi çözümleridir. Daha derin içgörülere sahip olmak, şirketlerin müşterilerini ve çalışanlarını daha iyi anlamasına ve ardından dijital ve ses kanallarında kişiselleştirilmiş yolculuklar düzenlemesine olanak tanır.

Çalışan bağlılığı teknolojileri müşteri deneyimi için çok önemlidir

Tüketicilerin hızlı, ilk etkileşim çözümü ve kişiselleştirilmiş etkileşim istekleri, CX liderlerinin CX çalışanlarını destekleyen teknolojilere olan ilgisini de etkiledi.

CX liderlerinin neredeyse yarısı, kuruluşlarının aracı masaüstü deneyimini basitleştirmeye ve geliştirmeye odaklandığını söylüyor. Bu, tek ekranların, birleşik iletişimin ve yapay zeka (AI) destekli koçluk ve eğitim gibi performans izleme araçlarının kullanılmasını içerir. Ve %43’ü, çalışanlara anında daha iyi bilgi vermek ve self servisi daha etkili hale getirmek için önümüzdeki iki yıl içinde bilgi yönetimini iyileştirmeyi planlıyor.

CX liderlerinin CX sonuçlarını iyileştirmek için kritik öneme sahip olduğunu söylediği iş gücü katılım yönetimi (WEM) yetenekleri, çalışanları başarıya hazırlayan bir kültür oluşturmalarını sağlayacaktır. Bunlar, becerileri geliştirmek, esnekliği artırmak ve tükenmişliği önlemek için performans yönetimi, kalite yönetimi ve akıllı tahmin içerir. Tüm bu yetenekler, çalışanların müşteri beklentilerini karşılamalarına yardımcı olacaktır.

Bulut, geniş ölçekte sunar

Rapor, bulut tabanlı bir müşteri deneyimi platformunun, kuruluşların tüketici beklentilerine ayak uydurmak için ihtiyaç duydukları teknolojileri hızlandırmalarını sağladığını ortaya koyuyor.

CX liderleri, bulut tabanlı bir CX platformu kullanmanın en önemli avantajlarının, kanallar genelinde verilere daha iyi erişim, yeni özellikler ve yeteneklerle süreçleri daha hızlı tasarlama yeteneği ve artırılmış siber güvenlik olduğunu söylüyor. Ve üçte biri, kısmen daha verimli bir şekilde ölçeklenebildikleri için, bulutun en büyük avantajı olarak hizmet verme maliyetinin düşürüldüğünü belirtiyor.

CX teknolojilerinin yaklaşık yarısı şu anda tamamen bulut platformları ve çözümleri yoluyla veya hibrit bulut/şirket içi modellerde sunuluyor. Hâlâ şirket içi çözümler kullandıklarını söyleyen müşteri deneyimi liderlerinden en büyük bulut ivmesi, kanallar arasında etkileşimleri daha iyi etkinleştirme konusundadır.

Önümüzdeki iki yıl içinde, yanıt verenlerin %80’i iletişim için, %78’i dijital etkileşim için ve %75’i aracı masaüstü için bulut çözümlerini kullanmayı planlıyor. İş gücü katılım yönetimi konusunda da bir ivme var: Yanıt verenlerin %52’si şu anda bulut tabanlı WEM teknolojisini kullanıyor. Ve bu sayı iki yıl içinde yüzde 73’e çıkacak.

Teknoloji kişiseldir

Kimse eskiyen teknoloji yüzünden geride kalmak istemez. CX teknolojisinin güncellenmesi, kuruluşların rakiplerine ve genel olarak pazara ayak uydurmasına ve hatta onları geride bırakmasına olanak tanır.

Bilgili kuruluşlar, kişiselleştirme, hız ve kolaylaştırılmış deneyimler için tüketici beklentilerini karşılamalarını sağlayan müşteri deneyimi teknolojisi öncelikleri oluşturmuştur.

Ve hiçbir müşteri deneyimi lideri, kötü bir deneyim sundukları için müşterilerini kaybetmek istemez. Bilgili kuruluşlar, kişiselleştirme, hız ve kolaylaştırılmış deneyimler için tüketici beklentilerini karşılamalarını ve sonuç olarak müşteri liderliğindeki büyümeyi sağlamalarını sağlayan CX teknolojisi öncelikleri oluşturmuştur. Tüketiciler, kişiselleştirilmiş deneyimler için tercihlerini yerine getiren markalarla daha fazla harcamaya daha istekli olduklarında, modern CX teknolojisine yatırım yapmak bariz bir kazançtır.

Geçmiş durgunluklar sırasında öğrendiğim dersleri anımsatan son yazımın ardından, erken dönem çevreci sloganı “azalt, yeniden kullan, geri dönüştür” aklımda kaldı. Son gönderimdeki iş yükü ve takım düşüncesinin ötesinde, bu yaklaşımların verilere nasıl uygulanabileceği konusunda kafa yormaya başladım.

Böyle bir derin düşünme, bu yüzyılın bazı bolluklarının belki de bir tuzağa dönüştüğünü anlamama da neden oldu. Demek istediğim, kullanılabilir bilgi işlem gücündeki büyüme ve büyük veri depolamanın karşılanabilirliğindeki artış.

Şimdi, lütfen bir Luddite olduğumu düşünmeyin. Bu teknolojik buluşların hiçbirinden pişman değilim. Ancak kıtlık genellikle buluşun anası olduğundan, karşı nokta kesinlikle arz bolluğunun tembel düşünceye veya durağanlığa yol açabileceği olmalıdır.

Veri kullanımımız hakkında nasıl farklı düşünebiliriz?

Böyle bir tuzağa düşmekten kaçınmamıza ve süreçte potansiyel olarak paradan tasarruf etmemize yardımcı olması için, bir dizi yakınsama gücüne dikkat etmenizi öneririm. Bugünlerde kuruluşlar ve liderleri, bir takım beklentiler ve kısıtlamalarla ilgilenmek zorunda.

Sadece üçünü arayayım:

• Birincisi, enerji tüketimi (veri merkezleri ve dolayısıyla veri depolama ölçeği dahil) ile ilgili çevresel kaygılar.
• İkinci olarak, özellikle kişisel verilerin uygunsuz kullanımını engellemeye yönelik etik ve veri koruma kaygıları ve düzenlemeleri.
• Üçüncüsü, azalan bütçe ve kaliteyi veya çıktıyı düşürmeden maliyetleri düşürmenin yollarını arayan organizasyonel arayış dahil olmak üzere ekonomik gerçekler.

Bugünün veri liderlerinin beklentilerinin ağırlığı altında bunalıma girmektense, bunları klasik bir venn diyagramı olarak görmenizi tavsiye ederim. Başka bir deyişle, bunların örtüşen ilgi alanları olduğuna inanıyorum. Veri liderlerinin, üçünü de aynı anda ele almanın meşhur ‘tatlı noktasını’ hedeflemesi gerektiğini öne sürmek.

‘Azalt, yeniden kullan, geri dönüştür’ yaklaşımına ilham veriyor

Öyleyse, bu konudaki ilk düşüncelerimi ortaya koymama izin verin – tam veya akıllıca olmaktan çok uzaklar, ancak umarım daha iyi bir çözüme giden yolu düşünen daha iyi beyinlere giden yolu gösterirler. Yukarıda tanımlanan üç farklı endişeyi ele almanın üç yolu olabileceğine inandığım şeyi paylaşmak için yukarıdaki ifadeyi bir çerçeve olarak kullanacağım.

1. Veri kullanımınızı azaltın

‘Büyük Veri Şehri’ yolundaki sarı tuğlalı yolun o kadar aşağısındayız ki, böyle bir başlık sapkınlık gibi geliyor, değil mi? İyi bir şirkette olduğumu düşünmeme rağmen, Dr. David Speigelhalter bile “The Art of Statistics“ adlı kitabında analistlerin verileri örneklemesi gerektiğinde istatistiksel düşünmenin daha sağlam olduğu yolları paylaşıyor. Ben sadece, belki yardımcı olur diye, her şeyi akılsızca depolamaya geçtiğimizi öneriyorum.

Bu zihniyetin yukarıda listelenen üç topluluğun da endişelerini ihlal ettiğine inanıyorum. Asla kullanılmayacak verileri depolayan veri sunucusu çiftlikleri tarafından ne kadar enerjinin boşa harcandığını (ve karbon saldığını) kim bilebilir?

Asla kullanılmayacak verileri depolayan veri sunucusu çiftlikleri tarafından ne kadar enerjinin boşa harcandığını (ve karbon saldığını) kim bilebilir?

Ayrıca, müşterilerinin ihtiyaçlarını karşılamak için hangi verilere gerçekten ihtiyaç duyulduğuna ilişkin düşünce biçimlerini kökten değiştirmek yerine, çok sayıda kuruluşun GDPR’den ‘hayatta kaldığını’ kesinlikle biliyorum. Bu, yalnızca bulut sağlayıcı aboneliklerinin artan maliyetlerinde tasarruf etmek için bir fırsat olmalıdır.

Bu pek çok kişi tarafından hoş karşılanmayacak olsa da, BI için işe yaradığını gördüğüm şekilde temellere geri dönmenizi tavsiye ederim. Bugünlerde çoğu kuruluşun çok fazla kontrol paneli ve raporu var. Çoğu, kararları ve eylemleri yönlendirmek için kullanılmıyor.

Böylece BI liderleri, periyodik budamanın gerekli olduğunu öğrendiler. Panoların otomatik olarak yayınlanmasını durdurun ve kimin şikayet ettiğini görün. Bu tür bir düşünce, kullanılmayan verileri silmek için de kullanılabilir. Analistleri ya sonunda planladıkları analiz/model oluşturma aşamasına geçmeleri ya da ‘her ihtimale karşı’ tutulan verileri kaybetmeleri için zorlayın. Ardından maliyet tasarrufunu hesaplayın.

2. Diğer gereksinimleri karşılamak için verilerinizi ve veri kümelerinizi yeniden kullanın

Bill Shamrzo’nun “Veri, Analitik ve Dijital Dönüşüm Ekonomisi” adlı kitabındaki faydalı içgörülerden biri, yeniden kullanım fırsatlarına dikkat etmekti. Bill’in bu ipucuyla kastettiği şey, verileri veya analitiği yeniden kullanma fırsatlarını tespit etmektir – son yazımda analitik dünyasında ikincil araştırma türü düşünme için yaptığım çağrıya benzer.

Geçenlerde podcast’im için bir veri lideriyle röportaj yapıyordum ve siloların dışında düşünme ihtiyacından bahsetti. Rol, işlev, iş, sektör ve coğrafya açısından miyop düşünmenin risklerini belirledi.

Analistler ve veri bilimcilerin, verilerin ve mevcut analitiğin yeniden kullanımını en üst düzeye çıkararak değer yaratma konusunda dikkatli olmaları gerekir. Diğer iş zorluklarına yardımcı olabilecek aktarılabilir süreçleri, müşteri anlayışını, modelleri, dönüşümleri ve içgörüleri belirlemek.

Buradaki iyi disiplin, ortak bir modelleme veri seti geliştirmek olabilir. Hâlâ bir veri gölünde veya benzer bir yaklaşımda tutulan daha geniş veri havuzundan çizim. Dar, yüksek kaliteli bir veri kümesiyle başlayıp ona yalnızca değer katan değişkenler olarak ekleyerek bir tür kurumsal hafıza geliştirmek.

Ancak bağlamı açıklarken veya çıkarımları belirlerken önemli olduğu kanıtlananları da içerir. Bu daha küçük veri kümesi için performansı optimize etmenin daha az maliyetli olmasının yanı sıra, analistlere ne kullanmayı düşünecekleri konusunda fikir vermeye yardımcı olur.

3. Bilimsel yöntemi uygulayarak verilerinizi geri dönüştürün

Customer Insight Leader podcast’indeki misafirlerimin bir kısmı bilim geçmişinden geldi. Sadece bilim dereceleri veya doktoralar değil, bazı durumlarda akademide başarılı kariyerler.

Bu tür veri liderleriyle konuştuğunuzda, veri bilimi işlevlerine getirebilecekleri titizliğin bir kısmını fark etmeye başlarsınız. Enda Ridge’in faydalı pratik kitabı “Guerrilla Analytics”teki tekrarlanabilir sonuçlar üreten bir iş akışı çağrısına çok uygun.

Akademi içinde, en azından yayınlanmış hakemli araştırmalara odaklananlar için, bilimsel yönteme daha fazla odaklanılabilir. Bu, güçlü bir geri bildirim döngüsüne sahip bir metodolojidir. Sadece bir model dağıtmak ve ardından bir sonraki projeye geçmek değil. Bunun yerine, böyle bir müdahalenin etkisinin/sonucunun ve devam eden etkinliğinin doğru veri toplamasını sağlamak.

Bu endişeler, çoğunlukla gelişmiş istatistiksel sağlamlık hedefiyle dile getirilir. Ama aynı zamanda bir maliyet tasarrufu açısı da var. Geçmişe dönük incelemeler gibi törenlerin kullanımıyla birlikte etkili geri bildirim döngülerinin uygulanması, gelecekteki varsayımları, analitiği ve modelleri geliştirecek ve genellikle sıfırdan araştırma yapmak için harcanan zamanı azaltacaktır.

Dağıtılan tüm modellerin/veri ürünlerinin performansının sürekli izlenmesi, bunların ne zaman yeniden inşa edilmeleri gerektiğini de otomatik olarak belirleyebilir. Bu da hem faydalarda fark edilmeden azalmayı önlemek hem de hala çalışan yerlerde gereksiz yeniden yapılandırmalardan kaçınmak açısından maliyet tasarrufu sağlar.

Tamam, bu doğru olmayacak ama ne işe yarayabilir?

Yukarıdakileri bugünlerde çok daha az uygulamalı biri olarak paylaştığımın acı bir şekilde farkındayım. Müşterilerim ve arkadaşlarımla düzenli olarak konuşurum, ancak bu, bir veri veya analitik işlevini yönetmeye devam etmekle aynı şey değildir.

Dolayısıyla, yukarıdaki düşüncemin ana hatlarıyla belirtildiği gibi uygulanabileceğini iddia etmeyeceğim. Ekiplerin, süreçlerin, organizasyonların ve aslında dünyanın o kadar basit olmadığının farkındayım. Ama umarım kendi düşünce sürecimi sizinkine ilham verecek kadar iyi açıklamışımdır.

Aksiyona yakınsınız. Kendi veri ekipleriniz var veya bunların içinde çalışan bir uzmansınız. Ne önerirsiniz? Veri kullanımımızda daha sürdürülebilir ve etik olurken burada tasarruf etmenin pragmatik fırsatları nelerdir? Harika fikirlerinizi duymak için sabırsızlanıyorum. Bunları uygulayarak kuruluşunuza ne kadar tasarruf ettiğinizi duymak da harika olurdu.

Bu parça, orijinal olarak customerinsightleader.com’da yayınlanan bir makaleden uyarlanmıştır.