Wie klanten heeft, heeft data. En wie data heeft, kan beter inspelen op de behoeften van klanten. Met het eerste statement is iedereen het eens. De meeste marketeers herkennen zich ongetwijfeld ook in het tweede statement. Dan zou je kunnen besluiten dat bedrijven dus letten op de kwaliteit van hun data. Helaas blijkt dat bedrijven nog steeds veel geld (en klanten) verliezen omwille van slechte datakwaliteit. De laagdrempelige koppeling van systemen met behulp van API’s versterkt dit effect. Wat kunt u doen om uw datakwaliteit wél op peil te houden?

Datakwaliteit: garbage in, garbage out

Als data niet kloppen, dan heeft dat een effect op het ganse bedrijfsproces én op de relatie met de klant. E-mails komen niet aan, uitschrijvingen worden niet goed verwerkt, facturen gaan naar een verkeerd adres en de serviceafdeling weet niet of de persoon aan de telefoon al (lang) klant is. Zo raken steeds meer klanten gefrustreerd en neemt het aantal klachten toe. Slechte data zorgen dus voor een domino-effect. Ze kosten geld en loyaliteit. Want ja, garbage in is nu eenmaal garbage out.

Onderzoek bewijst het

Uit onderzoek van Experian Data Quality blijkt dat onjuiste gegevens bij 88% van de onderzochte bedrijven directe invloed op de winst hebben. Een bedrijf verliest hierdoor gemiddeld 12% van haar inkomsten aan verspilde marketinguitgaven, middelen en personeelsuren. Uit hetzelfde onderzoek blijkt dat slechts 38% van de deelnemende bedrijven software gebruikt om gegevens te controleren wanneer ze worden ingevoerd. Er is dus werk aan de winkel, want wie zijn data niet op orde heeft, verliest geld aan:

  • Gemiste verkoopkansen omdat verkoopsignalen niet inzichtelijk zijn
  • E-mailings die naar verkeerde adressen worden gestuurd (een hoge bounce rate)
  • Drukwerk dat naar verkeerde adressen wordt gestuurd
  • Portokosten, omdat onnodig veel postzegels worden geplakt op facturen of mailings
  • Het callcenter, omdat meer (ontevreden) klanten bellen of omdat de effectiviteit vermindert vanwege verkeerde telefoonnummers of contactpersonen
  • Merkreputatie, omdat u de verkeerde boodschap naar de verkeerde klant stuurt

Factoren die de datakwaliteit beïnvloeden

Datakwaliteit is afhankelijk van interne én van externe factoren. De mate van foutgevoeligheid hangt daarbij onder andere af van:

  • Verantwoordelijkheid (welke mensen zijn aangewezen om de datakwaliteit te bewaken?)
  • De manier van invoeren (handmatig is foutgevoeliger dan geautomatiseerd)
  • Het aantal verschillende systemen (hoe meer databases, hoe vaker data dubbel worden opgeslagen en hoe eerder fouten gemaakt worden)
  • Hoe snel data veranderen (verhuizen klanten dikwijls of zijn er vaak nieuwe producten in het assortiment?)
  • Een controlemechanisme (wordt vervuiling snel geïdentificeerd?)
  • De dataprocessen (zijn er regels voor het invoeren, opschonen en onderhouden van data? Is de masterdata aangewezen?)
Hoe u als interne organisatie meer ‘data ready’ kunt zijn, leest u in dit ePaper:
Het Maturity Model voor Data Driven Marketing

Tips om uw datakwaliteit te verhogen

Om succesvol data in te zetten, is het belangrijk om dubbele, ontbrekende of verkeerd ingevoerde gegevens te voorkomen. Dat kunt u op verschillende manieren doen. Het aardige is dat enkele van deze maatregelen eenvoudig zijn door te voeren en dus echte quick wins zijn waarvan u direct de voordelen plukt.

  1. Koppel uw systemen aan externe bronnen. U kunt uw gegevens door externe partijen laten controleren. Dat kan periodiek, maar ook doorlopend. Uw klantadressen kunnen zo bijvoorbeeld eenvoudig worden gecontroleerd en bijgewerkt. Daarnaast kunnen duplicaten automatisch ontdubbeld worden.
  2. Automatiseer processen en interfaces. Als u al uw datasystemen aan elkaar koppelt, kunt u klantgegevens op één centrale plek registreren. Als de andere systemen updates draaien op het centrale bestand, weet u zeker dat invoerfouten worden voorkomen en dat iedereen binnen iedere applicatie met dezelfde gegevens werkt.
  3. Bouw controles in. Richt rapportages en geautomatiseerde e-mails in waarmee een medewerker met een vaste frequentie kan controleren of data op de juiste manier zijn ingevoerd. Geef deze persoon de bevoegdheid om fouten van collega´s te verbeteren en om deze collega´s op hun fouten aan te spreken.
  4. Verbeter uw business process management en maak de invoer van gegevens daarmee eenvoudig. Laat gebruikers bijvoorbeeld een logisch stappenplan volgen voor de invoer van data. En zorg ervoor dat de applicatie in de achtergrond zelf alle ingevoerde gegevens op de juiste manier koppelt en opslaat.
  5. Werk met verplichte velden. Zorg ervoor dat gebruikers niet verder kunnen in een registratieproces als cruciale data niet of niet correct ingevuld worden. Blokkeer de mogelijkheid om onzin te registreren, bijvoorbeeld door telefoonnummers als (00) 123 45 67 zo te programmeren dat ze niet worden geaccepteerd.
  6. Geef incentives. Niet iedereen voert graag gegevens in. Verkopers hebben bijvoorbeeld het imago dat ze moeite hebben om data accuraat te registreren. Ze willen de baan op en niet achter de computer zitten. Toch kan juist sales in zijn contact met de klant waardevolle data verzamelen. Door incentives of bonussen te koppelen aan de kwaliteit van uw data, kunt u medewerkers motiveren wél de tijd te nemen om gegevens (correct) in te voeren.

Datakwaliteit en data governance

Datakwaliteit en data governance zijn onderwerpen die veel op elkaar lijken en daardoor nog wel eens door elkaar worden gehaald. Data governance richt zich op datakwaliteit, maar gaat verder. Bij data governance komen bijvoorbeeld ook onderwerpen aan de orde als compliance, risico’s en privacy. Uiteraard kunt u de lessen die u leert uit datakwaliteitsprogramma’s ook breder toepassen op uw gehele data governance. Dit verkleint het risico en de tijd die het kost om data governance in gebruik te nemen. Hier vindt u informatie over enkele data governance basics.