Tra le questioni che emergono dalle spinte del cambiamento in atto nella distribuzione Automotive, la gestione di dati e informazioni associate ai processi di vendita e di assistenza rappresenta un tema particolarmente rilevante.

Quando parliamo di dati e informazioni e della loro gestione, ci riferiamo ai due momenti essenziali del flusso informativo: l’acquisizione del dato e la successiva composizione dell’informazione.

Come disegnare il rapporto tra il dato e l’informazione?

Il Prof. Harari, lo studioso israeliano di Storia dell’umanità, afferma che se per i nostri predecessori possedere le informazioni era il riflesso del potere, oggi il potere sarà nelle mani di chi si dimostrerà in grado di ignorare ciò che non serve.

La necessità di selezionare i dati ci riporta alle teorie sul Lean thinking, dove i giapponesi   chiamano “muda” (cioè spazzatura) tutto ciò che all’interno dei processi aziendali non crea valore per il cliente, in quanto non favorisce l’emergere di un vantaggio competitivo.

Dunque la vera domanda sarà: in base a che cosa stabiliamo ciò che ci serve e chi lo decide?

A decidere cosa sia “utile” resterà il mercato e in particolare le dinamiche della domanda.

Se dovesse consolidarsi l’interesse verso forme di consumo di mobilità alternative alla proprietà dell’auto, verrà tracciata la direzione su cui indirizzare la raccolta e l’analisi dei dati, e il flusso informativo che ne deriva in tutte le fasi del Customer Journey, in tutte le fasi del processo di vendita, in tutte le fasi di gestione del Cliente.

Ad esempio: il tempo effettivo di utilizzo dell’auto in un dato periodo, e su più periodi dell’anno, potrà rappresentare una metrica più rilevante rispetto ai chilometri percorsi in un anno.

Associata alle esigenze che riflettono il profilo del cliente, questa metrica produrrà una informazione rilevante per diversificare l’offerta di acquisto di mobilità nei confronti di quello specifico cliente. Storicizzare questa informazione per il Dealer significherà creare nel tempo una serie di indicatori utili a comprendere verso chi e come orientare la propria offerta di mobilità. Con un impatto non indifferente sulla programmazione degli obiettivi commerciali, sulla valutazione di performance e scelte correttive. E in definitiva sul controllo della propria competitività.

Quali e quanti dati utilizzare?

Ed ecco il secondo punto: riflettere su quali – e quanti – dati concorrano a creare informazione (e quindi valore in termini di risultati aziendali) e quali dati siano ridondanti, accessori o poco significativi per il processo commerciale, ha un impatto su tutti i processi interni al Dealer.

La gestione del dato e dell’informazione non è un tema che riguarda una specifica unità di business, questo rende evidente come la responsabilità della qualità nel trattamento del dato sia una responsabilità di tutti.

Il processo per la qualità del dato coinvolge, come il Customer Journey, tante diverse funzioni, ciascuna responsabile per una “parte” della composizione dell’informazione a partire dai dati. In ottica di processo, il singolo collaboratore dovrà sentirsi responsabile della qualità del proprio lavoro non soltanto verso l’azienda nel suo complesso, ma, prima ancora, verso il collega che, nella fase successiva del processo, prenderà in carico il dato.

L’impostazione del Total Quality Management, sviluppatasi in ambito produttivo, potrebbe così impiegarsi nel modello distributivo, mettendo in questo caso l’accento non certo sulla costruzione di un prodotto di qualità, cioè privo di difetti di fabbricazione, quanto sulla costruzione di informazioni utili a partire dalla qualità del dato, portatore di valore.

Se riuscissimo ad adeguare la nostra organizzazione, collaboratori e processi, in modo da raggiungere più facilmente l’obiettivo di raccogliere solo i dati creatori di valore, probabilmente risulterà meno impegnativa e onerosa l’attività di selezione

Dunque, c’è una prima “lezione” da apprendere: la “lezione” dei Customer Data, che andrà tradotta in termini operativi nella se-lezione dei Customer Data.