Nem akadály volt, hanem a feladat maga

Húsz éve ugyanaz az ERP

Az ügyfél egy 60 fős vendéglátóipari nagykereskedés, amely éttermeknek, cateringcégeknek és intézményi konyháknak forgalmaz kereskedelmi konyhai berendezéseket és kellékeket a régióban. A cég közel húsz éve ugyanazt az ERP-rendszert használja — akkor telepítették, amikor a vállalat még a mai méretének harmadán járt, és azóta senki nem gondolta újra komolyan.

„Túl kusza az adatunk ehhez”

Az ERP technikailag mindent tartalmazott: minden ügyfelet, minden megrendelést a rendszer indulása óta. A gyakorlatban viszont az értékesítésben szinte senki nem nyitotta meg, ha tehette. Két évtizednyi különböző rendelésfelvevő kolléga azt jelentette, hogy ugyanaz az étterem akár három külön ügyféladatlapon is szerepelhetett, háromféleképpen leírva. A fő kontaktként rögzített döntéshozók egy része évekkel korábban otthagyta az adott céget. A termékek pedig aszerint kaptak eltérő kódot és leírást, hogy épp ki vitte fel őket.

A kollégák úgy oldották meg, ahogy tudták: saját excel-táblákkal, cetlikkel, fejben tartott tudással. Senkinek nem volt tiszta rálátása arra, mit rendel valójában egy ügyfél, így az sem tűnt fel senkinek, ha egy törzsvásárló csendben leállt egy termékcsalád rendelésével — néha közel egy évig. Amikor a vezetés felvetette, hogy modern értékesítési vagy AI-eszközöket vezessenek be, az IT és a kollégák válasza mindig ugyanaz volt: túl kusza az adatunk ehhez. Ez lett az indoklás arra, hogy évekig semmi nem változzon.

A kusza adat volt a projekt, nem az akadálya

A SalesEvolution kiindulópontja az volt, hogy a kusza adat nem ok a várakozásra — ez volt az első probléma, amit meg kellett oldani, és pont olyan, amire az AI kiválóan alkalmas. A BIZTAILORS a meglévő ERP-hez az onnan már amúgy is kinyerhető exportokon keresztül kapcsolódott, egyetlen felületre húzva be az ügyfél- és rendeléstörténetet, anélkül hogy a cégnek hozzá kellett volna nyúlnia — nemhogy lecserélnie — ahhoz a rendszerhez, amire a pénzügy és a készletgazdálkodás továbbra is támaszkodott.

Innentől egy AI-alapú tisztítási folyamat elvégezte azt a hálátlan munkát, amire eddig senkinek nem volt ideje: párosította és összevonta a duplikált ügyféladatlapokat, megjelölte a nyilvánvalóan elavult kontaktokat, és egységesítette a termékadatokat, amik az évek alatt tucatnyi eltérő formátumba csúsztak szét — ugyanazzal a kategorizálási logikával, amit a műszaki katalógusok kereshetővé tételéhez is használunk, csak most a cég saját ügyfél- és termékadatain alkalmazva. A folyamat végén minden valódi ügyfélhez egyetlen, naprakész adatlap tartozott.

Amint ez megvolt, az AI-alapú account management olyasmit kezdett el csinálni, amire kézzel korábban senki nem volt képes: észrevette, ha egy régóta ügyfél rendelési mintázata csendben megtört — egy termékcsalád, amit hat hetente újrarendeltek, négy hónapja nem mozdult —, és ezt jelzésként a kolléga elé tette, ahelyett hogy ez újabb egy évig észrevétlen maradt volna. Az újonnan beérkező leadek ugyanazon az AI-alapú adatgazdagítási folyamaton mentek keresztül, mint a történeti adatok tisztítása, így a káosz nem tudott csendben újratermelődni.

Három hét, és tiszta lett a kép

• A régi ERP-ben szereplő 1200 ügyfélből a duplikációk összevonása után nagyjából 850 valódi, különálló ügyfél maradt.
• 22, hat hónapja vagy régebb óta nem rendelő ügyfelet azonosítottak és aktiváltak újra az első negyedévben.
• A kollégák átlagosan heti 6 órát kaptak vissza, amit korábban az ügyféladatok excel és ERP közti egyeztetésére fordítottak.
• A cégnek három hét alatt lett tiszta, egységes ügyfélképe — nem a többéves adattisztítási projekt, amitől mindenki tartott.
• A régi ERP továbbra is megvan a pénzügy és a készletgazdálkodás számára. Csak épp az értékesítés napi munkájában már nem ez a fő eszköz.

„Évek óta mondogattuk magunknak, hogy előbb rendbe kell tenni az adatainkat, mielőtt bármi ilyesmibe belevágnánk. Kiderült, hogy az adatok rendbetétele volt maga a projekt — nem valami, aminek előtte kellett volna megtörténnie.”

— Az ügyfél értékesítési igazgatója

Mit tanulhatnak ebből más csapatok

• Az, hogy „túl kusza az adatunk az AI-hoz”, általában pont fordítva igaz — a kusza adat gyakran pontosan az a probléma, amit az AI jól tud kezelni, nem egy előfeltétel, amit előbb meg kell oldani.
• Nem kell lecserélni egy elavult rendszert ahhoz, hogy értéket nyerjünk belőle. Egy régi, nehézkes ERP-ből is legtöbbször kinyerhető annyi adat, hogy máshol váljon megbízható forrássá.
• A régi adatokban a legértékesebb jelzés gyakran az, ami abbamaradt, nem az, ami még megvan — egy csendes kiesés egy rendelési mintázatban könnyű a szoftvernek észrevenni, és könnyű egy elfoglalt kollégának elsiklani felette.