Jak Data Cloud skrócił pracę zespołów z tygodni do minut

Dla Children with Cancer UK cztero-tygodniowy proces segmentacji donorów skrócił się do kilku minut po wdrożeniu Salesforce Data Cloud (Diginomica). To przykład, jak poprawnie zbudowana warstwa danych potrafi radykalnie przeorganizować pracę zespołów fundraising, marketingu i IT. Polska branża nonprofit, ale też sektor komercyjny, mierzą się z podobnymi ograniczeniami: rozproszonymi systemami, brakiem integracji i ręcznym raportowaniem. W tym artykule pokazujemy, jak ta transformacja wyglądała od strony technicznej i co polskie organizacje mogą realnie z niej zaadaptować. Klucz: nie narzędzie, ale architektura danych i konsekwencja w jej wdrażaniu.

Od chaosu systemowego do spójnej architektury danych

Children with Cancer UK zaczynał z typowym zestawem problemów legacy: 32 wirtualne serwery, brak automatyzacji, brak integracji oraz rozdrobnione źródła danych donorów. Wiele polskich organizacji ma identyczną sytuację – CRM w jednej chmurze, e-mail marketing w drugiej, dane płatności w trzeciej, a raporty w Power BI generowane manualnie. Kluczowym krokiem fundacji było zdefiniowanie roadmapy obejmującej nie tylko Salesforce CRM, ale również fundamenty danych, procesy i przyszłe journey. Jak podkreśla Fadil Dugolli, Head of IT:

„A key early focus was to ensure that our data was clean, accurate, and fit for purpose” (źródło: Diginomica).

To decyzja architektoniczna, a nie narzędziowa. Bez niej późniejsze moduły Sales Cloud, Marketing Cloud czy Data Cloud nie miałyby żadnego efektu. Ta faza przypomina wnioski ze wdrożeń Data 360 w Customer Zero, opisane szczegółowo w analizie architektury zero-copy.

Transformacja przebiegała w dwóch etapach: najpierw migracja procesów z legacy do podstawowej instancji Salesforce CRM, potem iteracyjne udoskonalanie bazujące na feedbacku użytkowników. To setup, który polskie zespoły często pomijają, chcąc od razu wdrażać automatyzacje czy journey. Dopiero po tej stabilizacji możliwe było wdrożenie Data Cloud, które stało się silnikiem segmentacji i personalizacji. Organizacja należy do wciąż niewielkiej grupy NGO korzystających z Data Cloud produkcyjnie.

Data Cloud jako silnik segmentacji i automatyzacji

Największa zmiana przyszła w momencie przeniesienia segmentacji do Data Cloud. Przed transformacją produkcja jednej listy mailingowej obejmującej 70 segmentów wymagała manualnych skryptów, eksportów, obróbki w Power BI i trwała do czterech tygodni. Po wdrożeniu Data Cloud te same procesy realizowane są w minutach dzięki gotowym szablonom segmentacji. Warstwa danych jest tu kluczowa: jednolita identyfikacja donorów, ujednolicone atrybuty, spójne modele datowe i wyczyszczone rekordy. To warunki konieczne, których często brakuje w polskich wdrożeniach Marketing Cloud.

Data Cloud działa jako real-time CDP: łączy dane z wielu źródeł, standaryzuje je i utrzymuje w jednym unifikowanym profilu. To umożliwia natychmiastowe tworzenie segmentów, dynamiczne atrybuty i natywne zasilanie Marketing Cloud. Mechanizm przypomina GRL i precyzyjne filtry opisane w analizie GRL w Data 360, choć NGO korzysta z prostszych wzorców.

Efekt? Donor journeys – np. dla London Marathon – są w 100 procentach zautomatyzowane: rejestracje, płatności (zintegrowane przez FinDock), komunikacja i follow-upy. Co ważne, po wdrożeniu organizacja miała mniej biegaczy niż rok wcześniej, ale zebrała o 5 procent więcej środków. To rzadki przykład, gdzie automatyzacja nie zmniejsza jakości relacji, ale ją wzmacnia. Dugolli podkreśla, że zespoły przestały zajmować się ściąganiem opłat, a skupiły na relacjach z darczyńcami. W polskich organizacjach podobny efekt widzimy przy integracji CRM z systemami płatności recurring i fundraisings apps.

Uporządkowane dane otwierają drogę do AI

Po zbudowaniu CRM i CDP Children with Cancer UK kieruje uwagę na Agentforce i Tableau Next. To wniosek, który polskie firmy powinny potraktować serio: AI jest ostatnim etapem transformacji, nie pierwszym. Bez bazy danych, która jest czysta i jednoznaczna, agentic AI prowadzi do halucynacji i błędnych decyzji. Organizacja planuje wykorzystać Agentforce w Marketing Cloud Next, by budować małe kampanie i journey w tempie nieosiągalnym wcześniej. To pattern zgodny z analizą agentów generujących journeys opisanych w przeglądzie Agentforce Builder.

Jednocześnie Tableau Next ma umożliwić fundraiserom pobieranie wskaźników typu average gift w locie, bez oczekiwania na zespół danych. To przesunięcie odpowiedzialności, które czeka również polskie zespoły – raportowanie stanie się częścią procesu operacyjnego, a nie analitycznym backlogiem. Organizacja planuje także automatyczne kolejki telefoniczne oraz bazę wiedzy zasilaną AI do obsługi supporter care. To zwiększa spójność interakcji donorów i skraca czas reakcji zespołów.

Co istotne, Dugolli celowo podkreśla, że AI jest wdrażany ostrożnie:

„I just have to take one step at a time” (źródło: Diginomica).

To rzadko spotykane podejście w erze hype’u AI, ale najbardziej zdrowe z perspektywy architektury CRM. Największy problem polskich orgów to wdrażanie AI na danych, które nie są gotowe, co opisaliśmy w analizie dla SMB. NGO pokazuje odwrotną ścieżkę: najpierw fundament danych, potem automatyzacja, na końcu AI.

Wnioski strategiczne dla polskich organizacji

Case Children with Cancer UK pokazuje trzy kluczowe zasady, które można natychmiast przenieść na polski rynek. Po pierwsze: roadmapa musi zaczynać się od danych, nie od funkcji. Po drugie: segmentacja i personalizacja mają sens tylko wtedy, gdy są w pełni automatyczne i oparte o wiarygodne źródło prawdy. Po trzecie: wprowadzenie AI ma sens dopiero wtedy, gdy procesy są uporządkowane, a zespół pracuje na wspólnej platformie. Transformacja NGO pokazuje, że nawet w organizacjach z niewielkimi zasobami IT da się zbudować architekturę, która przynosi namacalny wzrost przychodów.

W kontekście polskich NGO i firm komercyjnych warto spojrzeć na ten case jak na model inwestycyjny: CRM i CDP zwracają się szybciej niż AI, bo poprawiają jakość pracy i eliminują manualne procesy. Dane donorów, klientów czy subskrybentów zawsze są punktem startowym. Dla architektów Salesforce oznacza to konieczność projektowania struktur danych, identyfikacji profili i integracji w taki sposób, aby Data Cloud mógł działać jako realne centrum segmentacji.

Children with Cancer UK udowadnia, że modernizacja CRM oparta na danych może przełożyć się na realne wyniki finansowe, nawet przy mniejszym zasięgu kampanii. Najważniejsza lekcja dla polskich zespołów: AI nie naprawi bałaganu w danych. Dopiero konsekwentnie zbudowany fundament daje przestrzeń na agentów, automatyzację i skalowalne journey. W praktyce oznacza to jedno pytanie dla każdej organizacji: czy wasze dane są już na tyle dojrzałe, aby AI miało w ogóle sens?