La prassi standard in questo settore è pubblicare storie di successo. Sono ordinate, rassicuranti e rappresentano un buon materiale di marketing. Anche noi le pubblichiamo. Ma c'è una domanda che ogni potenziale cliente si pone in silenzio quando le legge: cosa succede quando le cose non vanno lisce?
Questo racconto risponde a quella domanda. Riguarda uno studio di commercialisti con quattro soci a Zurigo, un'implementazione che ha richiesto quasi tre volte il tempo preventivato e un problema di qualità dei dati che non abbiamo individuato abbastanza presto. L'engagement si è concluso bene. Il percorso non era quello pianificato.
Lo studio e il perimetro
Lo studio gestiva dichiarazioni fiscali, bilanci annuali e attività di consulenza per circa 140 aziende clienti: principalmente piccole imprese del settore commerciale, studi medici e attività a conduzione familiare nel canton di Zurigo. Operavano da 22 anni e avevano accumulato processi nel modo in cui la maggior parte degli studi longevi lo fa: una soluzione improvvisata alla volta.
La Clarity Scan ha identificato tre obiettivi di automazione ad alta priorità:
Il perimetro era concordato: due sprint in quattro settimane. Il primo avrebbe gestito la raccolta documenti e il tracciamento scadenze. Il secondo avrebbe automatizzato la reportistica ai clienti. Il preventivo era stato fornito per iscritto. La data di inizio era confermata.
Cosa è andato storto alla seconda settimana
L'automazione della raccolta documenti richiedeva una lista clienti pulita: nomi, email di contatto, documenti attesi da ogni cliente e la scadenza fiscale associata a ogni pratica. Lo avevamo richiesto durante il briefing. Ci era stato detto che si trovava nel loro software gestionale.
Era così. In tre versioni diverse.
In 22 anni lo studio aveva migrato il software due volte. Ogni migrazione aveva trasferito i dati precedenti senza ripulirli. Il risultato era un database clienti con 140 clienti attivi, circa 60 clienti archiviati mai rimossi, voci duplicate per 11 clienti che avevano cambiato forma giuridica e indirizzi email che in alcuni casi riflettevano account personali abbandonati anni prima.
Lo abbiamo scoperto alla fine della seconda settimana, quando il primo test di esecuzione del workflow di raccolta ha fatto rimbalzare 23 messaggi e ha consegnato una richiesta di documenti al contatto sbagliato per un cliente.
Abbiamo fermato immediatamente l'automazione.
La conversazione onesta
La chiamata con il socio responsabile il mattino seguente non è stata confortevole. Abbiamo spiegato cosa avevamo trovato, cosa l'aveva causato e, cosa fondamentale, cosa avremmo dovuto fare diversamente in fase di definizione del perimetro.
L'audit dei dati avrebbe dovuto essere una fase separata. Avevamo supposto che la lista clienti fosse sufficientemente pulita. Quell'ipotesi era sbagliata e avremmo dovuto verificarla prima di concordare la tempistica. Il perimetro di quattro settimane era stato preventivato su dati puliti. Ora ci trovavamo di fronte a un progetto di bonifica dei dati prima che l'automazione potesse girare in sicurezza.
La risposta del socio responsabile è stata misurata. Ha detto: "Sospettavo che il database avesse dei problemi. Non sapevo come quantificarli. Avrei dovuto dirtelo subito."
Entrambe le parti avevano mancato qualcosa. Abbiamo concordato di condividere il costo della bonifica: MEIKAI si è accollata il lavoro analitico aggiuntivo; lo studio ha contribuito con tre giorni di tempo di un collaboratore per esaminare e correggere le anagrafiche. Abbiamo rivisto la tempistica a undici settimane e documentato il perimetro rivisto per iscritto prima di continuare.
"Avremmo dovuto inserire un passaggio di verifica dei dati in ogni engagement in cui l'automazione dipende da un database clienti esistente. Non l'avevamo fatto. Lo facciamo ora."
Cosa ha trovato la bonifica
Lavorare attraverso le anagrafiche clienti non era solo una precondizione per l'automazione. Era utile di per sé. Lo studio ha scoperto:
- 14 clienti con dati di contatto aggiornati più di due anni prima
- 7 clienti con contratti di servizio mai formalmente chiusi dopo che avevano smesso di essere attivi
- 3 voci di fatturazione duplicate che generavano piccole discrepanze nella riconciliazione mensile
- Una prassi inconsistente di nomenclatura dei documenti che, una volta corretta, ha ridotto il tempo per trovare file storici di circa 20 minuti a settimana sull'intero team
La pulizia del database era, a posteriori, attesa da tempo. Il lavoro di automazione l'ha resa necessaria.
Il risultato all'undicesima settimana
Alla fine dell'engagement, tutti e tre i workflow originali erano operativi.
L'automazione della raccolta documenti ha completato il suo primo ciclo completo, coprendo 140 clienti in una finestra di raccolta di otto settimane, senza un solo follow-up manuale da parte di alcun socio. Il tracker delle scadenze girava da sei settimane alla fine dell'engagement senza scadenze mancate e, secondo il socio responsabile, con un'ansia significativamente ridotta in ufficio durante il picco della stagione.
I report sullo stato dei clienti sono passati da 25–40 minuti ciascuno a circa 8 minuti: un modello strutturato, popolato dal gestionale, revisionato e inviato dal socio. Non eliminati: revisionati. I soci volevano mantenere un controllo umano sulle comunicazioni in uscita ai clienti. Era la scelta giusta.
Come è cambiata la nostra definizione del perimetro
Ogni engagement che tocca un database clienti esistente include ora un audit dei dati come fase nominata e prezzata prima che inizi il lavoro di automazione. Non è opzionale. Se i dati sono puliti, l'audit richiede mezza giornata e costa poco. Se non lo sono, e spesso non lo sono nelle aziende operative da più di un decennio: l'audit è la cosa più utile che facciamo prima di scrivere una singola riga di logica di automazione.
Abbiamo anche modificato il questionario della Clarity Scan. C'è ora una domanda specifica sull'età e la storia delle migrazioni di qualsiasi database clienti o contatti da cui dipenderà l'automazione. La risposta orienta il perimetro prima che preventivassimo qualsiasi cosa.
Il bilancio onesto
Abbiamo mancato un passaggio di definizione del perimetro che è costato settimane a entrambe le parti. Abbiamo individuato il problema prima che causasse un vero fallimento. Abbiamo condiviso il costo della soluzione. Il risultato ha superato il valore proiettato originale. Il socio responsabile ha rinnovato con il piano di continuità.
Una Clarity Scan che lancia un progetto pulito è utile. Un progetto che porta alla luce un problema nascosto di dati, forza la bonifica e consegna comunque l'obiettivo originale è forse ancora più utile. Anche se nessuno voleva che andasse così.
Pubblichiamo questo perché i potenziali clienti meritano di sapere cosa succede quando qualcosa va storto. Va così: ci fermiamo, vi diciamo cosa abbiamo trovato, condividiamo la responsabilità dove è condivisa e finiamo il lavoro.