Naar inhoud

Datakwaliteit voorbij het operationele proces

Datakwaliteit gaat verder dan een schoon adresbestand
Om gelijk maar met de deur in huis te vallen: de kwaliteit van klantdata behoort op orde te zijn. Het is een basisvoorwaarde voor klanttevredenheid en de beheersing van bijvoorbeeld marketingkosten. Datakwaliteit gaat echter verder. Denk bijvoorbeeld eens aan managementrapportages. Op welke data worden beslissingen gebaseerd? Maar denk ook aan het berekenen van risico's, zeker belangrijk voor de financiële sector. Wordt er niet teveel geld achter de hand gehouden bij een bepaalde klant, omdat de informatie niet op orde is? Met andere woorden: datakwaliteit gaat veel dan alleen correcte adressering.

De basis van datakwaliteit

Het is al jaren bekend dat slechte datakwaliteit kan leiden tot hoge kosten en slechte klantervaringen. Ten eerste zijn de kosten van marketingcampagnes, zeker als het offline campagnes betreft zoals direct mailings, niet te onderschatten. Als mevrouw Van der Pas en mevrouw Van de Pas op hetzelfde adres in de database staan, krijgt ze waarschijnlijk ten onrechte twee keer een brochure. Zonde van het papier, maar ook van de kosten. Die, als dit vaker dan eens voor komt, snel op kunnen lopen. Dat geldt ook voor verkeerd verstuurde offertes en rekeningen.  

Ten tweede vindt mevrouw Van der Pas het fijn om als zodanig aangesproken te worden. Klantgerichte organisaties weten dat. Ze weten ook dat de kans dat mevrouw Van der Pas daadwerkelijk de post leest, zowel on- als offline, als ze wordt aangesproken met haar correcte naam hoger is. Ze voelt zich erkent, wat de tevredenheid kan laten stijgen. Laat staan de kans dat ze daadwerkelijk reageert, helemaal cruciaal als het een rekening betreft. Is het niet op orde? Dan kan de klantervaring negatief beïnvloed worden als ze bijvoorbeeld naar de klantenservice moet bellen omdat het bedrag op de factuur niet klopt.

Deze vorm van datakwaliteit is elementair. Toch hebben niet alle organisaties nog het juiste niveau bereikt. Of ze realiseren zich niet dat het niet alleen handig is voor de marketingafdeling, maar dat datakwaliteit een rol moet spelen binnen alle afdelingen. Zoals in het klantcontactcenter, waar het juiste product aan de juiste factuur gekoppeld moet worden.

Voorbij het operationele proces

Datakwaliteit heeft echter meer voeten in aarde. Het heeft bijvoorbeeld ook te maken met managementrapportages. Waar komen de gegevens vandaan die voorkomen in uw dashboard en berekeningen over de klant, zijn gedrag en uitgavenpatroon? Welke definities liggen hieraan ten grondslag?

Waar eerder energie werd gestoken in het technisch koppelen van informatie om tot een rapportage te komen, wordt er steeds meer gekeken naar toepasbaarheid van informatie. Er worden steeds meer eisen gesteld aan rapportages, zowel door de overheid, maar ook door directies. Steeds vaker is die directie namelijk verantwoordelijk voor een correcte informatievoorziening. Is deze informatievoorziening niet op orde, dan kan de directie hoofdelijk aansprakelijk worden gehouden voor de gevolgen. Er wordt bijvoorbeeld steeds meer gevraagd om een 360 graden klantbeeld. Managers willen steeds beter hun business kunnen voorspellen. Ze weten dat het technisch mogelijk is, dus willen ze het ook. Daarbij gaat het niet meer alleen om de inhoud van een enkel veld, zoals geslacht en woonplaats, maar vooral ook om de koppelingen tussen de verschillende systemen.

Datakwaliteit in de financiële sector

Het correcte 360 graden beeld van de klant waar directies om vragen heeft ook te maken met het voorspellen van risico's die klanten met zich mee kunnen brengen. De modellen die gebruikt worden om deze risico's te bepalen geven alleen correcte uitkomsten als de datakwaliteit volledig op orde is. Denk bijvoorbeeld aan Basel II, een set van internationale standaarden om te bepalen hoeveel geld achter de hand gehouden moet worden voor het geval de klant niet meer aan zijn of haar betalingsverplichtingen kan voldoen. De banken hebben onder elkaar afgesproken om deze regels in te voeren. In Nederland wordt het zelfs vereist vanuit De Nederlandsche Bank (DNB). Bij de verzekeraars wordt op dit moment hard gewerkt om Solvency II, een set met regels opgelegd vanuit Europese Unie, te implementeren.

Eén van de onderdelen van deze afspraken is het hebben van inzicht in de risico's die de klanten voor de instelling met zich meebrengen. Het gaat hierbij onder andere om de kans dat een klant niet meer aan zijn verplichtingen kan voldoen, denk onder andere aan het terugbetalen van een lening, en het bedrag dat de instelling dan verliest. De termen die binnen Basel II gebruikt worden zijn "probability of default" (de kans dat een klant niet meer aan zijn of haar betalingsverplichtingen kan voldoen) en "loss given default" (het verwachte verlies dat de financiële instelling leidt als de klant niet aan de betalingsverplichtingen kan voldoen). Aan de hand van onder andere deze componenten moet de instelling een bepaald geldbedrag achter de hand houden om toch aan de eigen verplichtingen te kunnen voldoen, ook al kunnen de eigen klanten niet meer aan hun verplichtingen voldoen. Des te meer risico een instelling op een klant loopt, des te meer geld er achter de hand moet worden gehouden. Dit betekent vaak dat hier geen winst op gemaakt kan worden; het geld mag namelijk niet uitgezet worden in de markt.

De risicoscore van klanten wordt bepaald aan de hand van verschillende modellen. In deze modellen wordt bijvoorbeeld naar het verleden van de klant gekeken, naar het land van herkomst en het uitstaande vermogen. Op het moment dat niet alle data goed aan elkaar gekoppeld kan worden (bijvoorbeeld de contracten niet aan de juiste klant) betekent dit dat of er een onbetrouwbare score, of helemaal geen score aan deze klant gegeven kan worden. Op het moment dat er geen score aan de klant gegeven kan worden, krijgt deze automatisch de slechtste score. Dit resulteert in een hoog kapitaalbeslag voor de betreffende klant, met andere woorden dat er meer geld achtergehouden moet worden dan nodig is. Als een klant verkeerd wordt beoordeeld, zodat hij bijvoorbeeld geen hypotheek kan afsluiten, is dat ook funest voor de klantervaring. Dat kan veel negatieve invloed hebben op het merk van het bedrijf.

Op het moment dat datakwaliteit niet alleen binnen de afzonderlijke bronsystemen, maar ook tussen de bronsystemen op orde is, kunnen de verschillende informatie elementen aan elkaar gekoppeld worden. Denk hierbij aan het vinden van alle contracten van een klant, maar ook het uitstaande vermogen of de onderpanden hierbij.

Datakwaliteit gaat om het vertalen van de juiste gegevens naar de juiste conclusies. Kennis over het hoe en wat van de managementrapportages, alsmede informatie waar risicomodellen op gebaseerd zijn, het is van noodzaak om het bedrijf de juist koers te laten varen. Doet een bedrijf dat niet, dan neemt een bedrijf meer risico dan nodig is.

Stappen om te ondernemen

Er is daarbij een aantal aspecten die belangrijk zijn bij het optimaliseren van uw data:

1. Vraag uzelf af: wat betekent datakwaliteit voor mij? Waar liggen de prioriteiten op dit vlak? Het kan bijvoorbeeld zijn dat u nog veel dubbele contacten in uw database heeft. Het kan belangrijk zijn dat u eerst deze basale vorm van datakwaliteit op orde heeft om bijvoorbeeld de kosten naar beneden te brengen. Als u klanten wilt koppelen aan een mijnbedrijf.nl profiel dan gaat het verder dan alleen adressen: kunt u de juiste producten of diensten koppelen aan de juiste klant?

2. Kijk daarnaast naar metadatakwaliteit. Wie is uw klant? Als u een rapport voor u heeft, weet u dan hoe uw klant eruit ziet? Is een klant iemand die recent iets gekocht heeft? Of iemand die een offerte heeft aangevraagd? Dat geeft nogal een verschil. Maak helder wie de klant is en stel uw medewerkers daarvan op de hoogte. Er zijn verschillende modellen waar u gebruik van kan maken, zoals het RFM-model.

3. Om een volledig beeld te krijgen waar datakwaliteit allemaal belangrijk voor is, is het zaak om de processen in kaart te brengen waar klantdata wordt gebruikt. Welke processen moeten het eerst op orde worden gebracht? Waar worden de meeste problemen ondervonden? Dit geeft niet alleen inzicht in welke afdelingen een eventueel project zou beslaan, maar ook wat de noodzaak is. Het kan ook bijdragen aan de inzichtelijkheid voor uw werknemers.

4. Als laatste, maar zeker niet het minst belangrijk; kijk naar uw systemen. Een klant heeft bijvoorbeeld één of meerdere contracten, waarbij de informatie van de contracten verdeeld is over twee systemen. Per contract worden (voor deze klant) meerdere transacties bijgehouden waarbij een medewerker van de organisatie betrokken is (deze medewerker wordt via het contract opgeslagen). Op zich een valide overzicht waarbij in de contractadministraties ook het klantnummer is opgeslagen en in het transactionele systeem zowel het contractnummer als medewerkernummer staan opgeslagen.

Dat kan mis gaan: stel, bij het opvoeren van het contract worden handmatig het klantnummer en het betreffende medewerkernummer ingevoerd. Hiervoor kunnen controles worden uitgevoerd op het bestaan van het klantnummer en het medewerkernummer. Echter, als niet periodiek controles worden uitgevoerd kan het gebeuren dat een medewerker nog wel in de contractadministratie gerefereerd wordt, maar niet meer aanwezig is in de medewerkeradministratie. Zorg daarom dat een juiste koppeling gemaakt wordt.

Bron: Customer Talk
0

Reacties

Logo CustomerTalk

Cookie-instellingen

CustomerTalk maakt gebruik van cookies voor een optimale gebruikerservaring.

Graag vragen wij je toestemming voor het plaatsen van deze cookies.

Accepteren Meer informatie