Analysing Customer Data from Customer Relationship Management System
Ylirönni, Nico (2022)
Ylirönni, Nico
2022
Tietojohtamisen DI-ohjelma - Master's Programme in Information and Knowledge Management
Johtamisen ja talouden tiedekunta - Faculty of Management and Business
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-03-22
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202203082411
https://urn.fi/URN:NBN:fi:tuni-202203082411
Tiivistelmä
Organisations collect vast amounts of data from their business environment and process it in order to support their decision-making and gain benefits. Before the value is created for the organisation, the data needs to be stored and processed. Customer relationship management, or CRM, provides organisations tools to collect and store their customer data in order to create a comprehensive view of them, and this helps the organisations to build and manage long-lasting customer relationships.
To create insights of different customers and customer groups, the data needs to be analysed to offer additional information and create value, such as improved decision-making and organisational performance and more efficient processes. But organisations need different capabilities to analyse the data. They need good quality data, data-driven organisational culture, capable leadership, understanding for strategic use of analytics, competent employees, and effective tools to properly analyse the data. If some of these aspects and capabilities with them are low, the benefits are mitigated.
This study explains how to utilise data analytics with customer data from CRM, what benefits the analytics bring, and what aspects mitigate the benefits. The study explores theories from literature about CRM and data analytics, and forms a survey, to test the findings empirically. Twenty responses are analysed, and a model for data analytics and its elements is created. The model is tested with logistic regression against different benefits. Overall score of the model finds relationship between the score and improvements in decision-making, marketing capabilities, profits, and saved resources in different organisations. The most common challenges mitigating the benefits are reported to be difficulties with strategic use of analytics and data quality.
The results validate that data analytics lead to benefits and offers information on how Finnish organisations analyse their customer data from CRM and what challenges they face. The study also provides a model for others to inspect their analytical capabilities. Future research is suggested to test the model with a larger sample and to inspect the challenges organisations face with the strategic use more closely.
Organisaatiot keräävät suuria määriä dataa toimintaympäristöstään tukeakseen päätöksentekoaan, sekä jalostavat ja prosessoivat keräämäänsä dataa saadakseen siitä erilaisia hyötyjä toimintaansa. Ennen kuin datasta voidaan luoda lisäarvoa ja hyötyä organisaatiolle, se tulee varastoida ja prosessoida. Asiakkuudenhallintajärjestelmä, tai CRM, tarjoaa organisaatiolle työkalut datan keräämiseen ja varastointiin, ja sen avulla asiakkaista voidaan luoda organisaatiolle kokonaisvaltainen kuva, mikä helpottaa pitkäkestoisen asiakassuhteen rakentamista ja ylläpitämistä.
Jotta asiakkaista tai eri ryhmistä voidaan luoda syvää ymmärrystä, heidän datansa täytyy analysoida, jolloin siitä voidaan luoda uutta informaatiota ja lisäarvoa, kuten parantunutta päätöksentekoa ja organisaation suorituskykyä, sekä tehokkaampia prosesseja. Mutta organisaatiot tarvitsevat eri kyvykkyyksiä analysoidakseen dataansa. He tarvitsevat laadukasta dataa, datalähtöisen organisaatiokulttuurin, kyvykkäät johtajat, ymmärrystä analytiikan strategisesta hyödyntämisestä, osaavan henkilöstön, sekä tehokkaita työkaluja analysoidakseen dataansa. Jos jokin näistä kyvykkyyksistä on heikolla tasolla, analytiikasta saadut hyödyt heikkenevät.
Tämä tutkimus kertoo, kuinka analysoida ja hyödyntää asiakasdataa asiakkuudenhallintajärjestelmästä, mitä hyötyjä datan analysointi tuo organisaatiolle, sekä mitkä tekijät heikentävät mahdollisia hyötyjä. Tutkimus kartoittaa eri teorioita data analytiikan ja asiakkuudenhallintajärjestelmien kirjallisuudesta, ja muodostaa niiden perusteella kyselyn selvittääkseen tuloksia empiirisesti. Kaksikymmentä vastausta analysoidaan ja niiden perusteella data analytiikasta ja sen tekijöistä luodaan malli, ja logistisen regression avulla testataan mallin yhteyttä eri hyötyihin. Mallin kokonaistarkastelussa voidaan todeta positiivinen yhteys parannuksiin päätöksenteossa, markkinointikyvykkyyksissä, tuotoissa, sekä säästetyissä resursseissa eri organisaatioissa. Haasteellisimmaksi data analytiikan tekijöiksi, jotka heikentävät positiivisia tuloksia, kerrotaan analytiikan strateginen hyödyntäminen ja datan heikko laatu.
Tulokset vahvistavat, että data analytiikka johtaa hyötyihin, sekä ne tarjoavat tietoa, kuinka suomalaiset yritykset analysoivat asiakasdataansa asiakkuudenhallintajärjestelmistään, ja mitä haasteita analytiikassa kohdataan. Tutkimus tarjoaa myös data analytiikan mallia, jonka avulla voidaan tarkastella organisaatioiden analyyttistä kyvykkyyttä eri tekijöiden perusteella. Jatkotutkimuksina suositellaan mallin testaamista suuremmalla otannalla ja tarkempaa tutkimusta, siitä kuinka datan strateginen hyödyntäminen vaikeuttaa organisaatioiden data analytiikkaa.
To create insights of different customers and customer groups, the data needs to be analysed to offer additional information and create value, such as improved decision-making and organisational performance and more efficient processes. But organisations need different capabilities to analyse the data. They need good quality data, data-driven organisational culture, capable leadership, understanding for strategic use of analytics, competent employees, and effective tools to properly analyse the data. If some of these aspects and capabilities with them are low, the benefits are mitigated.
This study explains how to utilise data analytics with customer data from CRM, what benefits the analytics bring, and what aspects mitigate the benefits. The study explores theories from literature about CRM and data analytics, and forms a survey, to test the findings empirically. Twenty responses are analysed, and a model for data analytics and its elements is created. The model is tested with logistic regression against different benefits. Overall score of the model finds relationship between the score and improvements in decision-making, marketing capabilities, profits, and saved resources in different organisations. The most common challenges mitigating the benefits are reported to be difficulties with strategic use of analytics and data quality.
The results validate that data analytics lead to benefits and offers information on how Finnish organisations analyse their customer data from CRM and what challenges they face. The study also provides a model for others to inspect their analytical capabilities. Future research is suggested to test the model with a larger sample and to inspect the challenges organisations face with the strategic use more closely.
Organisaatiot keräävät suuria määriä dataa toimintaympäristöstään tukeakseen päätöksentekoaan, sekä jalostavat ja prosessoivat keräämäänsä dataa saadakseen siitä erilaisia hyötyjä toimintaansa. Ennen kuin datasta voidaan luoda lisäarvoa ja hyötyä organisaatiolle, se tulee varastoida ja prosessoida. Asiakkuudenhallintajärjestelmä, tai CRM, tarjoaa organisaatiolle työkalut datan keräämiseen ja varastointiin, ja sen avulla asiakkaista voidaan luoda organisaatiolle kokonaisvaltainen kuva, mikä helpottaa pitkäkestoisen asiakassuhteen rakentamista ja ylläpitämistä.
Jotta asiakkaista tai eri ryhmistä voidaan luoda syvää ymmärrystä, heidän datansa täytyy analysoida, jolloin siitä voidaan luoda uutta informaatiota ja lisäarvoa, kuten parantunutta päätöksentekoa ja organisaation suorituskykyä, sekä tehokkaampia prosesseja. Mutta organisaatiot tarvitsevat eri kyvykkyyksiä analysoidakseen dataansa. He tarvitsevat laadukasta dataa, datalähtöisen organisaatiokulttuurin, kyvykkäät johtajat, ymmärrystä analytiikan strategisesta hyödyntämisestä, osaavan henkilöstön, sekä tehokkaita työkaluja analysoidakseen dataansa. Jos jokin näistä kyvykkyyksistä on heikolla tasolla, analytiikasta saadut hyödyt heikkenevät.
Tämä tutkimus kertoo, kuinka analysoida ja hyödyntää asiakasdataa asiakkuudenhallintajärjestelmästä, mitä hyötyjä datan analysointi tuo organisaatiolle, sekä mitkä tekijät heikentävät mahdollisia hyötyjä. Tutkimus kartoittaa eri teorioita data analytiikan ja asiakkuudenhallintajärjestelmien kirjallisuudesta, ja muodostaa niiden perusteella kyselyn selvittääkseen tuloksia empiirisesti. Kaksikymmentä vastausta analysoidaan ja niiden perusteella data analytiikasta ja sen tekijöistä luodaan malli, ja logistisen regression avulla testataan mallin yhteyttä eri hyötyihin. Mallin kokonaistarkastelussa voidaan todeta positiivinen yhteys parannuksiin päätöksenteossa, markkinointikyvykkyyksissä, tuotoissa, sekä säästetyissä resursseissa eri organisaatioissa. Haasteellisimmaksi data analytiikan tekijöiksi, jotka heikentävät positiivisia tuloksia, kerrotaan analytiikan strateginen hyödyntäminen ja datan heikko laatu.
Tulokset vahvistavat, että data analytiikka johtaa hyötyihin, sekä ne tarjoavat tietoa, kuinka suomalaiset yritykset analysoivat asiakasdataansa asiakkuudenhallintajärjestelmistään, ja mitä haasteita analytiikassa kohdataan. Tutkimus tarjoaa myös data analytiikan mallia, jonka avulla voidaan tarkastella organisaatioiden analyyttistä kyvykkyyttä eri tekijöiden perusteella. Jatkotutkimuksina suositellaan mallin testaamista suuremmalla otannalla ja tarkempaa tutkimusta, siitä kuinka datan strateginen hyödyntäminen vaikeuttaa organisaatioiden data analytiikkaa.