€ besparen en verdienen met informatie management 1
Jan Hendrik Fleury Director Datamanagement @Cendris DDMA Klantdata & Dialoog Blogger: MarketingFacts Molblog DM Mediaplein Twitter: @JHF 06 43488208
[email protected]
2
Creditmarketing: symbiose tussen twee werelden
C • • • • • • • •
Standaardisatie Processen en procedures Cost control Efficiency Voorspelbaarheid Planbaar Inspanningsverplicht Risicomijdend
M • Improvisatie • Creativiteit • Opbrengsten/TW • Effectiviteit • Onvoorspelbaar • Ad hoc • Resultaatverplicht • Ondernemend
Klantcontactdata in creditmanagement & marketingproces
Acceptatie
Segmentatie
Werving
Credit en ID check
Order
Algemene Voorwaarden
Facturatie
Controle
Debiteurenbeheer Credit check Faillissement check
Minnelijke incasso
Gerechtelijke incasso
Credit check Faillissement check
Keuze
Valideren Verhuisdata & data cleaning
Controle: GBA UWV
Segmenteren Valideren Invoercontrole Invoerstandaardisatie
Credit informatie
Sociodemografische Informatie In- en externe bronanalyse
Valideren Verhuisdata & data cleaning
Valideren Verhuisdata & data cleaning
Data mining
Data mining Verrijking: Data aanvullen
Data mining
Segmentatie: Doelgroepen definiëren
Cendris dienst 4
Social media validatie
1. Heeft u last van fouten in klantdata? 2. Is het uitgesloten dat klanten meerdere keren in systemen voorkomen, zonder dat dit direct zichtbaar is? Met andere woorden, beschikt uw bedrijf over een eenduidig uniek klantbeeld? 3. Wie denkt dat de informatieprocessen verbeterd kunnen worden?
5
Er zijn veel artikelen geschreven over de hoge kosten van slechte datakwaliteit “… the business costs of nonquality data, including irrecoverable costs, rework of products and services, workarounds and lost and missed revenue may be as high as 10 to 25 percent of revenue or total budget of an organization.” Larry English, Improving Data Warehouse and Business Information Quality, John Wiley & Sons
“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
De benefits zijn te vertalen in de volgende value drivers
7
Identificatie
Fraude detectie bij bewuste opgave onjuiste gegevens Leeftijdgrens bij verkoop aan minderjarigen
Klantenverloop
Verlaging churn door non-bereik outbound informatie Juist herkennen klant bij inbound webcontact
Cross sell
Correcte analyses en pseudonimisatie Foutieve aansturing outbound campaign management Onterechte benadering overleden klanten
Service kosten
Additionele en langere inkomende gesprekken Onterechte blokkades oud adres bij verhuisde fraudeur
Operationele kosten
Days Sales Outstanding stijging bij foutief factuuradres Handling, papier, retourenverwerking Post- en pakketkosten
Wet- en regelgeving
WBP artikel 11 lid 2 Solvency II
Drie pijlers voor succesvol datamanagement
Integraal klantbeeld • • •
Vaststellen kwaliteitseisen en werkwijze Implementatie Master Data Management Datakwaliteit volgens ACCU: Actueel, Correct, Compleet en Uniek
Wet- en regelgeving • • •
8
Compliancy proof, alle kennis en expertise in huis Advisering over alle juridische aspecten Cendris is aangesloten bij DDMA
Sales en marketing Creditmanagement • • • •
Efficiënteredoelgroepen Relevante processen Campagne FTE kosten management besparen Cross-, upsell Tevreden opdrachtgevers en new business Meer loyale en tevreden klanten
1. Is uw management zich ervan bewust dat er direct verband is tussen datakwaliteit, operationele kosten en omzet? 2. Is binnen uw organisatie duidelijk wie verantwoordelijk is voor datakwaliteit?
9
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 •
•
10
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?
Cendris is een closed-loop Data Quality Management (DQM) service provider
Datakwaliteit issues
Geen uniek klantbeeld Geen inzicht in datakwaliteit Incomplete klantinformatie Verkeerde contactgegevens
Geen inzicht in toegevoegde waarde Geen eindverantwoordelijke
Onduidelijke KPI’s Non-legal compliancy
11
Oplossingen
Focus op core datamanagement processen zorgt voor strategische voorsprong PROCESSEN
•Inzicht & meten
12
BEHOEFTE • Hoe meet ik de kwaliteit van mijn data? • Wat is onze DQM capability? • Hoe maak ik een goede management rapportage / dashboard?
•Data entry
• Hoe kan ik kosten besparen door de data entry processen efficiënter te laten verlopen?
•Onderhoud
• Hoe kan ik kosten besparen door de kwaliteit van mijn data te vergroten? • Hoe kan ik mijn klanten beter bedienen door de kwaliteit van mijn data te vergroten?
•CDI / Centraal klantbeeld
• Hoe krijg ik een beeld van wat voor producten een klant bij mij afneemt? • Hoe kan ik verschillende ERP/CRP databases/systemen integreren?
•Data verrijking
• Welke aanvullende informatie kan ik over mijn klant te weten komen?
Datamanagement scan
13
inzicht geven in de belangrijkste informatie-issues in de organisatie t.b.v. 360⁰ klantbeeld.
inzicht geven in de mate van maturity en het vaststellen van de gewenste groeidoelstellingen.
high level plan van aanpak om de vastgestelde (groei)doelstellingen te realiseren (met prioritering)
financiële onderbouwing voor de te realiseren quick wins en lange termijn oplossingen op het gebied van datakwaliteit
inzicht geven in impact-analyse en business case om de groei in maturity te onderbouwen
Stappenplan en businesscase in 10 dagen! 1
2
3
4
Bepaal huidige DK niveau
Bepaal gewenste DK niveau
Targets & financials
Impact & business case
• Vaststellen van de huidige maturity van de organisatie door middel van interviews, vragenlijst, data analyse
• Vaststellen van het gewenste maturity niveau van de organisatie door middel van interviews en vragenlijsten
• Vaststellen van datakwaliteit issues
14
• Vaststellen DQM groei ambities • Verzamelen van financiële gegevens
• Vaststellen impact van value drivers op de business case
Oplossingsrichting:
groeien in informatie management Database(s)
Datamodel
Business Rules CDI
Data Governance
Customer Data Management
ACCU database
• Dataschoning: • Actualiseren • Corrigeren • Completeren • Unificeren
Plan van Aanpak • Plan van Aanpak bepalen
15
Optimaal datamodel • Datamodel- en stroom Assessment • Datamodellen voorbereiden voor Integratie
Single customer view • Bepalen welke data geïntegreerd moet worden • Inrichten Hub
Duidelijke TBV • Toekennen taken, bevoegdheden en verantwoordelijkheden in Data Governance
Geborgde DQ en CDI • Procesoptimalisatie en borging • KPI dashboard
Plan van aanpak naar informatiemanagement 1
Measure
2
Analyse
3
Design
4
Roadmap
Volledige data analyse
Data & Systemen
To-Be DQM organisatie
Business Case
DQ kaders vastleggen
Mensen & organisatie
GAP analyse
Plan van Aanpak
Nul meting uitvoeren
Processen
Requirements
DQ Issues identificeren
Grondoorzaken identificeren
Aanbevelingen definiëren
Data Quality improvement roadmap
Quick Win: schonen database(s) volgens ACCU model 16
6 tips om € te besparen en geld te verdienen
17
6 ‘need to’ tips
1. Controleer of de data conform het ACCU (Actueel, Correct, Consistent, Uniek) principe zijn vastgelegd! 2. Gebruik (externe) referentiedata om te achterhalen of de klantgegevens correct zijn! 3. Maak het MT betrokken bij de kansen en bedreigingen met een DQM scan met businesscase > neem het initiatief! 4. Automatiseer en integreer zonder korte termijn winst uit oog te verliezen! 5. Stel een eigenaar van de data aan! 6. Laat je begeleiden! Voordelen: professioneel, andere disciplines meekrijgen, onafhankelijkheid, beschikbare tijd en focus 18