Kennismaking
1
Samen met Hogeschool Rotterdam?
2
3
Waar ben ik enthousiast over? (Big) data analytics
4
5
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
6
Gevolgen slechte datakwaliteit 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
7
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
• •
•
8
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 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
Datamart mapping
NCB en NZB zijn beiden bij CBP aangemeld 10
Analyse klantbestand (QuickScan) Vulling initialen
Vulling achternaam
Vulling NAW
0,0%
1,1%
0,0%
Gevuld
Gevuld
Gevuld
Niet gevuld
Niet gevuld
Niet gevuld
100,0%
100,0%
98,9%
Vulling geslacht
Vulling geboortedata
Vulling telefoon mobiel 10,8%
34,2%
35,1% Gevuld
Gevuld
Gevuld
Niet gevuld
Niet gevuld
Niet gevuld
65,8%
64,9% 89,2%
Vulling telefoon vast
Vulling email
23,9%
40,8%
Gevuld
Gevuld
Niet gevuld
Niet gevuld
59,2% 76,1% 11
12
Cases
13
Benefits case door structurele groei in Data Management Financiële dienstverlener
14
Beschrijving opdracht
Oplossing
Uitvoeren Data Quality Scan om inzicht te krijgen in de huidige kwaliteit en maturiteit van Data Quality Management binnen de organisatie.
In kaart brengen van de huidige en gewenste maturiteit van Data Quality Management. Korte inventarisatie op dataknelpunten Data-analyse op steekproef van totaal aantal klantgegevens Bepalen financiële impact. Advies en eindpresentatie van bevindingen.
Vraagstuk van de klant
Resultaat
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.
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.
“Datakwaliteit kan sterk verbeterd worden door verhuisvervuiling en dubbele records aan te pakken.”
Verhogen bereikbaarheid door data en procesverbetering van Cendris Bancaire instelling
Beschrijving opdracht
Oplossing
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.
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 (oa verhuizingen, overledenen en telefoonnummers).
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?
15
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 incompliancy door aanvulling relevante gegevens.
Vragen
16