Não é muito alentador saber que pelo menos metade dos projetos de CRM falham em produzir benefícios para o cliente, de acordo com pesquisas do Gartner Group. Por que tão pequena taxa de sucesso? Pouca qualidade de dados para análise, má política na administração e planejamento do projeto, processos dispersos, falha no gerenciamento dos recursos. Não são boas novas quando se percebe que as grandes empresas estão gastando milhões e, em muitos casos, ultrapassando três anos em projetos de CRM, incluindo tecnologia, consultoria e treinamento.
Todo esse cenário conjugado leva as corporações a visualizar um novo posicionamento para o CRM: transformar projetos antes galácticos em projetos táticos, departamentais. Desta forma, com orçamentos menores e foco bem definido, esses projetos estão atingindo maiores taxas de sucesso e gerando retorno do investimento, pois são realmente baseados em necessidades de negócio.
Essas necessidades hoje podem ser objetivamente traçadas utilizando-se a tecnologia do aCRM (CRM Analítico) ou Data Mining, como queiram. Com o uso desse tipo de ferramenta, aliado a alguns preceitos básicos, pode-se não somente encontrar indicadores de negócio relevantes, como também reduzir o tempo de implementação do projeto. Sem querer esgotar o assunto, vamos fazer, a seguir, um pequeno inventário destes preceitos. Um primeiro cuidado a se tomar é o de nunca deixar que tecnologia determine o rumo do projeto.
De fato, é bastante comum que muitos projetos se iniciem pela discussão de pontos como a compatibilidade de hardware e software, o preço das soluções de mercado, o sistema operacional, etc; e tudo isso antes mesmo de se ter clareza quanto aos objetivos do projeto e suas diferentes etapas para o negócio-fim da companhia. Um segundo preceito a se observar é o de não mais entender o CRM como um serviço exterior à vida da empresa e sim como um processo abrangendo toda a cadeia de relacionamento.
Além disso, muitas aplicações de CRM cometem também o mesmo pecado dos primeiros grandes projetos de ERP que pretendiam abraçar a companhia como um todo e; após vários anos de implantação já estavam quase superados no momento da sua virada. Um bom preceito para o bom CRM é o de resistir fazer uma radiografia completa do cliente, pois isso resulta em grande volume de dados, a maioria de pouca relevância, o que acaba trazendo resultado inconsistente no final. Capture e use somente as informações dos usuários que importam para o processo de análise.
Seguidos os preceitos acima, outro procedimento imprescindível é o de se desenvolver métricas para priorizar e acompanhar o sucesso do projeto e sua efetiva habilidade de constituir valor para o cliente e incrementar produtividade para a empresa. Evitemos ao máximo também o desenvolvimento de modelos analíticos baseados em “caixas pretas”, aplicadas cegamente e de forma constante. Os métodos de análise precisam ser sempre adaptados dadas as alterações de mercado e conforme às circunstâncias.
O mercado de aCRM segundo o IDC, somente em vendas de software, movimentou em 2001 cerca de US$ 700 milhões e deverá render em torno de US$ 6,2 bilhões até 2005, o que mostra uma tendência muito forte de que projetos de CRM cada vez mais vão apoiar-se em modelagem analítica e data mining para obter os resultados esperados.
Vale ainda salientar que muitos conceitos precisam ser revistos. Um deles é o de que, para se investir num projeto de aCRM é necessária à existência de um data warehouse. O data warehouse pode, sem dúvida, ajudar a encurtar o projeto economizando tempo de extração de dados de vários sistemas heterogênios, porém os dados importantes para um projeto de data mining são aqueles que visam os objetivos de negócio e, geralmente, estes dados não estão no data warehouse. Em outras palavras, em muitos casos, é exatamente o data mining que auxilia a determinar quais os atributos e fontes de dados necessários ao data warehouse, para promover o efetivo processo de modelagem, análise e relatórios bem sucedidos.
Ricardo Ventura é presidente da SPSS Brasil
