Datakwaliteit optimaliseren is winstgevend

Als we echter verder inzoomen op de bedrijfsprocessen en als we al bij het hoofdstuk 'Datakwaliteit' aankomen, dan is het toch nog vaak een vaag begrip. Wat is Datakwaliteit? Hoe stel ik het vast? Welke normen hanteer ik en hoe waarborg ik het in mijn organisatie? In steeds meer bedrijven stuurt men op basis van beschikbare gegevens. Deze gegevens worden geïnterpreteerd en leiden tot een beeld over de mate waarin het bedrijf succesvol is. Dat is niet alleen de winst, maar ook de manier waarop de winst wordt gerealiseerd: met welke inspanningen en tegen welke kosten?

Omdat Datakwaliteit niet zo eenvoudig vast te stellen is, lijkt het een punt dat nog niet in veel organisaties hoog op de agenda staat. Toch zou dat wel moeten. Ga maar eens na wat er in een willekeurig bedrijf allemaal fout kan gaan doordat de gegevens niet op orde zijn: verkeerde bestellingen, onjuiste voorraden, dubbele afspraken, onzinnige vergaderingen, etcetera. Ik durf te beweren dat een medewerker minimaal één uur per dag besteedt aan werkzaamheden die het gevolg zijn van onjuiste data en bedrijfsprocessen die gebruik maken van data.

Gevolgen van slechte Datakwaliteit

In deze blog wil ik de nadruk leggen op het belang van Datakwaliteit in de gegevens van klanten en relaties. Uit onderzoek blijkt dat in elk klantenbestand gemiddeld 35% van de gegevens verouderd, incompleet of onjuist is. Ga maar eens na wat je van een klant vastlegt en waar allemaal fouten kunnen optreden. Enkele voorbeelden: dubbelen, verkeerde adresgegevens, onjuiste of geen contactpersonen, onvolledige bedrijfsnamen, overleden personen, opgeheven en failliete bedrijven, foutieve telefoonnummers, verouderde kentekens, onjuiste branchecodes... Bedenk daarbij dat consumenten eens in de zeven jaar verhuizen, dat de gezinssituatie aan verandering onderhevig is, waardoor interesses veranderen. En in het Handelsregister wijzigt jaarlijks 60% van alle opgeslagen bedrijfsgegevens.

Regelmatig onderzoek ik de kwaliteit van klantenbestanden van derden en kom steeds weer tot de conclusie dat er nog heel veel te verbeteren is. Uitzonderingen daargelaten, er zijn altijd partijen die voorop lopen en het belang zelf al hebben onderkend en de juiste maatregelen hebben getroffen. Maar voor het overgrote deel van de bedrijven geldt dat er weinig zicht is op de kwaliteit van het relatiebestand. En datzelfde geldt voor de gevolgen van een slechte Datakwaliteit.

Voordelen van goede Datakwaliteit in cijfers

Onderstaand de uitkomsten van een onlangs uitgevoerde QuickScan voor een bedrijf dat alles levert op het gebied van winkelinrichting en een bestand van circa 30.000 relaties beheert, dat vier keer per jaar wordt ingezet voor een direct mailing:

• 57% van de bedrijfsnamen werd verbeterd. Dit zijn soms cosmetische verbeteringen, maar vaak ook noodzakelijke, bijvoorbeeld als je een factuurrelatie aangaat met een afnemer is het belangrijk dat je over de officiële bedrijfsnaam beschikt.
• 25% van de adressen werd verbeterd; dit betreft zowel verhuizingen als uniformering van alle adresonderdelen straat, huisnummer, toevoeging, postcode en woonplaats.
• 10% van de bedrijven is opgeheven of failliet; deze worden uitgesloten bij een volgende campagne.
• 70% van de bedrijven is verrijkt met een contactpersoon (eindbeslisser). In een groot aantal gevallen is hiermee de schrijfwijze van de achternaam verbeterd en wordt de naam met juiste voorletters en tussenvoegsels aangevuld.
• 75% van de bedrijven is verrijkt met een telefoonnummer voor de telefonische follow-up na een mailing.

Met deze exercitie had het bedrijf een compleet geschoond bestand, met goede NAW-gegevens, contactpersonen voor personalisatie van de mailing en de juiste telefoonnummers om na te kunnen bellen en de mailing daardoor nóg effectiever te kunnen maken. De investering per relatie is minder dan de portokosten voor één mailuiting, namelijk € 0,37 per relatie. De besparing aan onnodige kosten en de extra winst in het eerste jaar als gevolg van juiste adressering en het telefonisch kunnen opvolgen van bijna alle bedrijven en daardoor meer respons, werd becijferd op minimaal € 75.000,-.

Bovenstaand voorbeeld geldt ook voor kleinere bestanden, vanzelfsprekend met lagere bedragen in absolute zin. Toch loont het vrijwel altijd de moeite om je relatiebestand eens tegen het licht te laten houden. Er zijn mooie tools voor handen en het is daarmee de laatste jaren allemaal een stuk toegankelijker en eenvoudiger geworden.

Heb je zelf tips of wil je advies? Geef je reactie of deel je ervaring.

Gerelateerde items

• B2B-marktbewerking: Hoe hoort en scoort het wel?
• Maak van datakwaliteit, je topprioriteit!
• Datakwaliteit als basis voor organisatiesucces
• Investeren in datakwaliteit is winstgevend
• QuickScan Datakwaliteit: eenvoudig, doelmatig en t/m juli 2011 gratis!