Tại thời điểm này các ma trận tương tác dữ liệu cần xác định tất cả các cấp dữ liệu có sẵn để chụp. Tất cả các dữ liệu sẽ được sử dụng để xây dựng và phát triển cơ sở dữ liệu, cho dù nội bộ, bên ngoài, hoặc tùy chỉnh, nên được khoanh định và biến thích hợp con fi rmed thu nhận. Bây giờ đánh giá lại nhu cầu thông tin là cần thiết.
Nó sẽ là lý tưởng để bao gồm tất cả các dữ liệu có thể là sẽ phân loại các khách hàng hiện tại và khách hàng tiềm năng, nhưng bộ sưu tập các dữ liệu đó sẽ có chi phí rất nhiều tiền bạc, thời gian và nỗ lực. Một người nào đó trong công ty sẽ luôn luôn nói, "Chứng minh với tôi rằng các cơ sở dữ liệu sẽ là một tài sản đó sẽ bù đắp thời gian, tiền bạc, và nỗ lực cần thiết để phát triển nó."
Hai bài kiểm tra thực tế một đóng góp của cơ sở dữ liệu vào dòng dưới cùng là cho dù đó cung cấp dữ liệu có liên quan và cho dù dữ liệu có thể được tăng cường. Để kiểm tra dữ liệu liên quan, các nhà nghiên cứu cần phải trả lời sáu câu hỏi đơn giản:
1. Các thông tin chứa trong cơ sở dữ liệu sẽ cho phép bạn để tìm hiểu thêm về khách hàng và thị trường của công ty hơn bạn sẽ biết mà không có nó?
2. Cơ sở dữ liệu sẽ cho phép các công ty để phát triển các sản phẩm tốt hơn và các chương trình khuyến mại?
3. Cơ sở dữ liệu sẽ tăng khả năng bán hoặc cross-bán hàng hóa và dịch vụ hiện?
4. Có thông tin trong cơ sở dữ liệu có khả năng để xác định khách hàng mới?
5. Có thông tin trong cơ sở dữ liệu có khả năng tăng cường thâm nhập các thị trường mới hoặc hiện tại?
6. Cơ sở dữ liệu sẽ cho vay thông tin lớn hơn cho lực lượng bán hàng cho mục đích bán?
Nếu câu trả lời cho những câu hỏi này đều có, sau đó cơ sở dữ liệu cuối cùng sẽ là một fi tài sản không thể trọng yếu mà sẽ đóng góp vào sự fi tability chuyên nghiệp của công ty.
Các bài kiểm tra thứ hai của worthiness của một cơ sở dữ liệu là khả năng chồng lớp dữ liệu, giúp tăng tốc dữ liệu. Để đưa điều này đơn giản hơn, sự tương tác của các yếu tố dữ liệu khác nhau sẽ làm tăng sức mạnh tiên đoán của cơ sở dữ liệu, nhiều hơn so với nếu mỗi phần tử dữ liệu được sử dụng một mình?
Bởi vì mỗi Speci fi c dữ liệu fi lĩnh có riêng mục đích fi Speci c của nó và ý nghĩa, kết hợp khác nhau của các ruộng nên được kiểm tra để xác định xem thêm nhiều kiến thức có thể thu được. Ví dụ, một bài kiểm tra trọng yếu là kết hợp khu vực bán với tài khoản phân loại fi cation. Đơn giản chỉ cần khám phá bán khu vực tự nó có thể minh họa, ví dụ, rằng vùng Đông Bắc có khối lượng bán hàng lớn nhất.
Nhưng khi điều này được kết hợp với tài khoản phân loại fi cation, các cơ sở dữ liệu có thể cho thấy rằng 90 phần trăm của "A" tài khoản (những cái mà tạo nhuận cao t, với chi phí cho mỗi hợp đồng bán hàng thấp) cư trú ở miền Nam. Sự kết hợp của hai ruộng dữ liệu fi do đó có thể dẫn đến một nâng cao hơn của toàn bộ dữ liệu, tăng sức mạnh tiên đoán của cơ sở dữ liệu.
Cuối cùng, bằng cách kiểm tra các kết hợp khác nhau của ruộng dữ liệu fi, các nhà nghiên cứu là ở một vị trí tốt hơn để loại bỏ dữ liệu mà có không phục vụ bất kỳ mục đích nâng cao. Ví dụ, thêm "trọng người liên lạc" vào "tài khoản phân loại cation fi và khu vực" sự kết hợp không tăng cường khả năng tiên đoán của các cơ sở dữ liệu. Trong trường hợp này, chi phí của việc thu thập dữ liệu liên lạc chính sẽ lớn hơn những lợi ích fi t.
đang được dịch, vui lòng đợi..