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
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