20% Omzetverlies door slechte data kwaliteit

Recent deelden we twee artikels rond het belang van data in elke organisatie: 7 Vragen om de data maturity van je bedrijf te schatten en het artikel Degelijke data governance leidt tot meer sales en minder kosten.

Nu snijden we Data Quality aan. Data Quality is de hoeksteen van data management en dé sleutel voor elk bedrijf die zich als koploper wil positioneren.

Als consultants in digitale business transformaties zetten we Data in elk implementatieproject bovenaan de agenda. De ervaring leert ons dat de meerderheid van de bedrijven wel veel data bijhouden, maar veel te weinig aandacht hebben voor de kwaliteit ervan. En dat leidt voor veel organisaties tot enorme omzetverliezen, waar organisaties zich zelfs vaak niet eens van bewust zijn.

Wat is kwaliteitsvolle data?

Over het algemeen wordt data als van hoge kwaliteit beschouwd wanneer ze

Geschikt zijn voor het beoogde gebruik, voor besluitvorming en planning
Een juiste weergave zijn van de realiteit waarnaar ze verwijzen
Intern consistent zijn, zeker bij veel verschillende gegevensbronnen

Meningen over kwaliteit kunnen al eens uiteenlopen. Is dat het geval, dan is het goed om een Data Governance te hebben (zie Zet Data Governance hoog op de strategische agenda). Daar liggen de richtlijnen hoe overeenstemming te vinden over definities en normen voor data kwaliteit. Mogelijks leidt dit tot het opkuisen, verwijderen of herlabelen van data.

Kwaliteits-eigenschappen van data

Er zijn acht criteria die de kwaliteit van data bepalen.

Volledigheid: Is alle noodzakelijke informatie aanwezig?
Geldigheid: Is jouw data gangbaar en geldig binnen de business van je bedrijf, binnen je sector (bv. voedingssector)? Wat zegt de wet (bv. GDPR) over die data en voldoet ze eraan?
Beschikbaarheid: Zijn mijn gegevens 100% klaar en “always on”, op het moment dat ik ze wil gebruiken?
Uniciteit: Komen er (meervoudige) dubbels voor in mijn data?
Duurzaamheid: Blijven gegevens lang dezelfde, of zijn ze volatiel?
Consistentie: Is de data-structuur duidelijk en wordt die altijd gerespecteerd?
Integriteit: Wordt de data-structuur altijd gerespecteerd?
Accuraatheid: Kloppen de gegevens met de realiteit vandaag?

Hoe ontstaan mankementen in de kwaliteit van je data?

Als consultants in digitale business transformaties maken we van data kwaliteit in elk project een topprioriteit. De ervaring leert ons dat hier nogal eens het schoentje wringt, en wel om volgende redenen:

Foute manuele input van gegevens, al dan niet bewust, bijvoorbeeld foute namen, adressen of afkortingen (*)
Slechte geautomatiseerde processen die onvoldoende waakzaam zijn voor slechte data
Migratie van data naar nieuwe systemen
Bij samenbrengen of splitsen van databestanden: denk aan mergers of holdings die dochterbedrijven consolideren of net uit mekaar trekken, of gezinsveranderingen (nieuw samengesteld?)
Ontbreken van data-controle systemen hoewel ze vaak evident lijken, bijvoorbeeld voor controle van ondernemingsnummer of structuur van telefoonnummer
Ontbreken van referentiebestanden, denk aan correlatie postcode-gemeente, straatregisters of API Swift/BIC code

(*): Wist je dat er veel Cleopatra’s wonen in de Nijlstraat? Mensen die meedoen aan een online wedstrijd, en onder meer dan één naam willen deelnemen worden erg creatief. Deze data wil je niet opnemen in je databank.

Data is a moving target

De infographic rechts toont de frequentie waarmee data wijzigt.

De cijfers tonen dat je nooit klaar bent met Data Quality. Data Quality is a never ending story, want data verandert voortdurend. Elke organisatie moet zich daar goed bewust van zijn.

Impact van ondermaatse data kwaliteit

Slechte data is nefast voor elke organisatie. Zeker voor bedrijven die erg afhankelijk zijn van data, en op vandaag geldt dat voor steeds meer organisaties. Bedenk even hoeveel tijd en geld gaat naar het rechtzetten van missers door foute data: foute facturen, pakketten geleverd op foute adressen, terugroepen uit de markt van producten door foute informatie op de verpakking. Sta even stil bij het leveren van een nieuwe matras in hartje Brussel met een mobiele lift op de derde verdieping … en de chauffeur blijkt het foute leveradres in zijn bestand te hebben. Ergernis, frustratie, enorme tijd- en geldverlies bij chauffeur, klantendienst en klant. Of nog, wie wordt blij van een mailing waarop zijn r of haar naam verkeerd zijn geschreven?

Zijn deze missers door slechte data herkenbaar?

Klanten ontvangen verkeerde documenten of helemaal geen documenten
Frustratie, verwarring, tijdverlies en extra kosten op alle afdelingen van het bedrijf
Dispatching van leveringen naar foutieve adressen
Irritatie bij de eindklant
Klant haakt af en stapt naar de concurrentie

Het belang van de kwaliteit van de data die organisaties bijhouden kan niet overschat worden. Het gaat niet om de kwantiteit. Het gaat om de kwaliteit. Dit artikel wil professionals bewust maken van dit belang.

In heel veel bedrijven loopt het hier grondig fout. In een volgend artikel delen we onze expertise over hoe aan de slag te gaan om slechte data kwaliteit te stoppen. Hoe kan je een koploper in de sector worden dankzij sterke data van hoge kwaliteit?

Is deze miserie met data kwaliteit herkenbaar? Contacteer ons. Wij kunnen helpen. Lees zeker ook

Contacteer ons!