In 4 stappen naar goede datakwaliteit voor tevreden klanten en medewerkers
Het is inmiddels 14.00 uur en de monteur van een bekende internetprovider is nog steeds niet langsgekomen. Beloofd was dat hij tussen 8.00 en 10.00 uur bij mij zou zijn. Inmiddels heb ik koffie gedronken, geluncht en zeker een halfuur aan de lijn gehangen met de ‘klantenservice’ om uit te zoeken wanneer ik de monteur kan verwachten. Was het wel zo’n goed idee om van provider te wisselen…?
Herkenbare situatie?
Of het nu gaat om de internetprovider, de telecomaanbieder of de bezorger van een online bestelling, iedereen krijgt vroeg of laat weleens te maken met teleurstellende service. En dat zaait twijfel over de gemaakte keuze. Op verjaardagsfeestjes en op social media zijn dit soort frustraties een geliefd onderwerp van gesprek. Ongemerkt knaagt dit aan de goede reputatie van de organisatie.
Tot zover de externe impact. Hoe zit het intern bij die organisaties?
“Goedemorgen met Julia, waarmee kan ik u van dienst zijn?” Julia werkt bij de klantenservice en loopt tegen het probleem aan dat op haar scherm allerlei klantgegevens staan, maar dat ze niet 100% zeker is dat deze juist zijn. In plaats van de klant te kunnen helpen met zijn vraag over het monteurbezoek, moet zij aan de klant vragen welke informatie klopt. Dit is niet alleen slecht voor de reputatie van de organisatie (wederom), maar ook voor het vertrouwen van Julia in de eigen organisatie. Door de slechte datakwaliteit kan zij niet haar werk te doen zoals ze dat zou willen.
Het meten van reputatie en datakwaliteit
De externe reputatie wordt door veel organisaties gemeten en actief beïnvloed met bijvoorbeeld klanttevredenheidsonderzoeken, NPS-scores, klantenpanels etc. Klanten worden gecompenseerd voor negatieve ervaringen met bijvoorbeeld kortingscodes of excuusbrieven.
De interne reputatie wordt meestal gemeten met medewerkertevredenheidsonderzoeken en in bila’s met de manager. Wat opvalt is dat in deze onderzoeken zelden een vraag wordt gesteld over de kwaliteit van de data en/of de informatie waarmee de medewerkers moeten werken. Vreemd, want een slechte datakwaliteit blijkt juist een zeer demotiverend aspect van het werk te zijn. En dit geldt niet alleen voor klantenservice-medewerkers, maar voor alle functies binnen een organisatie. Bij managers gaat het vaak over KPI’s, voortgangsrapportages en dashboards, waar telkens weer de vraag rijst: klopt het waar ik naar kijk?
Hieronder beschrijf ik in vier stappen wat je kunt doen om het vertrouwen in informatie te herstellen, zowel bij klanten als medewerkers.
Stap 1: Zorg dat iedereen naar dezelfde gegevens / waarheid kijkt
Of het nu gaat om de bezorger die een afleveradres zoekt, de planner die de bezorgroute opstelt of de data-analist die het omzetvolume van alle bezorgingen in een maand rapporteert, in alle gevallen is het van belang dat iedereen zijn informatie baseert op dezelfde gegevens. Hiervoor kun je een leidende bron met elkaar afspreken. Eén plek of applicatie waarin de meest actuele gegevens rondom een bepaald dataobject staan en worden beheerd; het zogeheten System of Record. Iedereen die gegevens wil gebruiken, baseert zijn informatie op deze bron. Samen maak je afspraken over de minimaal benodigde datakwaliteit van de gegevens in deze bron, bijvoorbeeld over notatie van huisnummers, huisnummertoevoegingen, schrijfwijze of te gebruiken referentietabellen voor plaatsnamen etc.
Om focus aan te brengen in deze stap is het cruciaal om een business objectmodel en conceptueel datamodel te hebben waarin de samenhang tussen gegevens voor iedereen inzichtelijk is. Dit helpt ook bij het bepalen van de kritische dataobjecten en het stellen van prioriteiten. Alles tegelijkertijd willen doen werkt niet. Keuzes maken in volgordelijkheid is heel belangrijk.
Stap 2: Breng de organisatieprocessen in kaart en beleg verantwoordelijkheden
Om inzichtelijk te krijgen hoe data zich door de organisatie beweegt, is het aan te bevelen dit op het hoogste abstractieniveau in een dataflow-diagram vast te leggen. Vervolgens kun je dit uitwerken in steeds meer gedetailleerde beschrijvingen. Bij de detailuitwerking leg je de focus op de meest cruciale dataobjecten. Inventariseer voor ieder proces welke gegevens worden ingevoerd, geraadpleegd, gewijzigd en uiteindelijk weer verwijderd. Geef ook aan in welke applicaties dit gebeurt (bijvoorbeeld het ERP-systeem, CRM, financiële administratie etc.).
Op basis van procesverantwoordelijkheid kun je het eigenaarschap van de gegevens beleggen binnen de organisatie. Twee veelgebruikte stelregels voor het beleggen van de dataverantwoordelijkheid per dataobject zijn:
- daar waar de meeste pijn van slechte datakwaliteit zit;
- daar waar de data wordt gecreëerd.
Belangrijk is dat de uiteindelijke dataverantwoordelijke voldoende mandaat heeft in de organisatie om besluiten te nemen, ook als niet iedereen zich kan vinden in het besluit.
Stap 3: Meet de datakwaliteit
Nadat je in kaart hebt gebracht hoe informatie door de organisatieprocessen loopt en wie verantwoordelijk is voor welke gegevens, kun je gaan meten wat de datakwaliteit is van die gegevens. Er zijn veel hulpmiddelen die je kunt inzetten om snel een eerste meting te doen op de brongegevens. Dit varieert van slimme queries in de applicaties die toch al binnen de organisatie draaien en van gratis dataprofiling-tools zoals bijvoorbeeld de DQ Analyzer van Ataccama die online te downloaden zijn, tot gespecialiseerde dataprofiling-tools. Het is belangrijk om inzichtelijk te maken waar de data onjuist, inconsistent of onvolledig is. Na de eerste metingen van de datakwaliteit, kun je gericht monitoring inrichten op de voor jou belangrijke dataobjecten.
Stap 4: Maak inzichtelijk hoe je de datakwaliteit continu verbetert
De meting van de datakwaliteit vertaal je naar dashboards die een goed beeld geven van de actuele situatie. Hier start het proces van het continu verbeteren van de datakwaliteit. Het dashboard laat het verbeterpotentieel zien en de al bereikte verbeteringen na optimalisatie van de processen. Door deze inzichten te delen in de organisatie begint het herstel van vertrouwen in de informatie, waarmee medewerkers hun dagelijkse werk moeten doen. En dat leidt dan weer tot betere prestaties en tevreden medewerkers én klanten.