Kennismaking

1

Samen met Hogeschool Rotterdam?

2

3

Waar ben ik enthousiast over? (Big) data analytics

4

5

6

1. Heeft u last van fouten in klantdata?

2. Wat zijn de gevolgen in omzet en kosten bij 1% data vervuiling?

“High costs are associated with owning data, and Gartner believes that having bad data can increase these

costs by a factor 10 when one considers costs arising from bad business decisions and poor CRM based on such

data.”

Gartner Research, Customer Data Quality and Integration: The Foundation of Successful CRM

Gevolgen slechte datakwaliteit

7

Irritaties• aanschrijven op oud adres• aanschrijven overledenen• dhr. in plaats van mevr. (of andersom)• verkeerde persoon voor de boodschap• fout in de achternaam• fout in de voornaam• verkeerde titel• geen dhr. of mevr.• misplaatste telefoontjes• retourverwerking

De oorzaken• Circa 6% personen verhuist jaarlijks;• 35% van de relatiegegevens bevat minstens één fout;• 4 miljoen poststukken per jaar zijn geadresseerd aan

overledenen;• een bedrijf heeft gemiddeld 3-4% retouren per mailing;• het aantal vervuilde gegevens in een gemiddelde database

bedraagt drie keer het percentage van het aantal retouren

Waarom doet u hier dan niets aan?

• Er is vaak geen inzicht in de daadwerkelijke datakwaliteit

• Structurele datakwaliteit vereist andere resources dan ad hoc schonen van een database

• Hoge kosten, lange implementatie tijden en gebrek aan flexibiliteit is vaak het probleem bij investeringen in datakwaliteit.

• De toegevoegde waarde van datakwaliteit wordt nog niet als een “high priority” project gezien

• Bijvoorbeeld Risicomanagement staat vaak wel hoog op de agenda

• Als er een afdeling is die zich bezig houdt met datakwaliteit dan is dat toch voldoende?

8

Cendris levert…informatie vanuit haar diverse bronbestanden

De core van Cendris:

‘data verzamelen, samenvoegen en hieruit de beste informatie inzake

adressen, personen, huishoudens en bedrijven aan de markt verstrekken’

9

Hoe worden de bronnen opgebouwd?Nationaal Consumenten Bestand en Nationaal Zakelijk Bestand

10

Datamartmapping

NCB en NZB zijn beiden bij CBP aangemeld

Analyse klantbestand (QuickScan)

11

98,9%

1,1%

Vulling initialen

Gevuld

Niet gevuld

100,0%

0,0%

Vulling achternaam

Gevuld

Niet gevuld

65,8%

34,2%

Vulling geslacht

Gevuld

Niet gevuld

64,9%

35,1%

Vulling geboortedata

Gevuld

Niet gevuld

40,8%

59,2%

Vulling email

Gevuld

Niet gevuld

76,1%

23,9%Vulling telefoon vast

Gevuld

Niet gevuld

10,8%

89,2%

Vulling telefoon mobiel

Gevuld

Niet gevuld

100,0%

0,0%

Vulling NAW

Gevuld

Niet gevuld

12

13

Cases

Benefits case door structurele groei in Data Management

14

Beschrijving opdracht

Uitvoeren Data Quality Scan om inzicht te krijgen in de huidige kwaliteit en maturiteit van Data Quality Management binnen de organisatie.

Vraagstuk van de klant

De klantdata bevat veel doublures. Dit levert risico op bij het klantcontact, geeft problemen bij het vaststellen van het centrale klantbeeld en zorgt voor meer en langere inbound gesprekken bij de klantenservice.

Oplossing

In kaart brengen van de huidige en gewenste maturiteit van Data QualityManagement.

Korte inventarisatie op dataknelpunten Data-analyse op steekproef van totaal

aantal klantgegevens Bepalen financiële impact. Advies en eindpresentatie van

bevindingen.

Resultaat

Datakwaliteit kan sterk verbeterd worden (o.a. door verhuisvervuiling en dubbele records aan te pakken).

Bij een groei in datakwaliteit kan de financiële dienstverlener een aanzienlijke, structurele besparing realiseren.

Voorgestelde oplossingen: schonen van database en routekaart consultancy.

Financiële dienstverlener

“Datakwaliteit kan sterk verbeterd worden door verhuisvervuiling en dubbele records aan te pakken.”

Verhogen bereikbaarheid door data en procesverbetering van Cendris

15

Beschrijving opdracht

Bank was voor deel van zijn klantgegevens incompliant doordat relevante gegevens als kopie id of handtekening ontbrak. Hiertoe wenst bank deze klanten te benaderen (postaal en telefonisch) maar twijfelt over volledigheid en betrouwbaarheid van deze klantgegevens.

Vraagstuk van de klant

Hoe kan ik deze klantgroep optimaal bereiken?

Welke klantgegevens zijn niet volledig en onvolledig en hoe kan ik deze verbeteren?

Hoe kan ik deze wijzigingen optimaal inzetten in mijn campagne database en doorvertalen naar mijn relatiebestand?

Oplossing

In kaart brengen onvolledigheid en vervuiling van klantendatabase o.b.v. ACCU model.

Inzicht geven in het aantal overledenen, verhuizingen en te verrijken telefoonnummers op deze klantendatabase.

Leveren van bovengenoemde velden. Opstellen van business rules voor

doorvoeren van mutaties (oaverhuizingen, overledenen en telefoonnummers).

Resultaat

21% extra bereik door doorvoeren verhuizingen.

Toename van 28% telefonische bereikbaarheid door corrigeren of aanvullen telefoonnummers.

Optimaal bereik campagne aan deze klantgroep.

Aanzienlijke reductie incompliancydoor aanvulling relevante gegevens.

Bancaire instelling

Vragen

16