LØSNINGER & TEKNOLOGI / SAS® Data Quality Solution

Datakvalitet som verdiskaper

  6 gode råd om datakvalitet
1. Identifisere hvilke forretningsprosesser som har utfordringer med dårlig datakvalitet, og beskrive den gevinsten man forventer for hver løsning av disse.
  2. Etablere en tverrorganisatorisk arbeidsgruppe som beskriver hva god datakvalitet er for din bedrift; herunder felles forretningsdefinisjoner om eierskap av data og kritiske begreper som f.eks. kunde, produkt, lønnsomhet etc.
  3. Stille opp måltall og rapportering - basert på beskrivelsen av god datakvalitet - som belyser datakvaliteten og dermed kan inngå som en del av ledelsesrapporteringen.
  4. Velge et verktøy som kan anvendes av forretningsbrukere, da dårlig datakvalitet er et forretningsproblem og derfor primært skal løses av forretningsbrukere.
  5. Sikre at datakvalitet og påvirkning av datakvalitet vurderes i forbindelse med nye initiativer og systemendringer.
  6. Identifisere konkrete personer i alle relevante avdelinger som er ansvarlige for datakvaliteten framover (evt. i forbindelse med råd 2).

Verdien ved forbedring av datakvalitet skal finnes i forretningen. Dette gjelder for de fleste bransjer, men særlig  for tele-, finans- og mediebedrifter som har mange kunder og komplekse produkter der det anvendes avanserte prismodeller og innebygde rabattordninger. De største gevinstene oppnås når kundedialogen og markedsføringsaktivitetene tas under lupen.

Henrik SletteneAv Wenche Nielsen, Markedsdirektør, SAS Institute

- Nesten alle opplever økt konkurranse, og mange selskaper jobber med avanserte produkter som blir stadig mer komplekse, men som samtidig skal virke enkle for sluttkundene, som forventer høy kvalitet i salgs- og supportsituasjoner. De mange utfordringene gjør det nødvendig for bedriftene å kunne skape seg en helhetlig oversikt over sluttkundenes samlede forhold til bedriften – og her spiller datakvalitet en helt sentral rolle.

Utfordringer med datakvalitet
En av de klareste indikatorene på at det er problemer med datakvaliteten, er at man ikke kan skape en konsolidert kundeoversikt. Det kan f.eks. føre til:

  • Høyere kundeflukt og lavere omsetning, da bedriften ikke kan segmentere på husstandsnivå, og dermed ikke vurdere den samlede risikoen eller potensialet  hos kundene.
  • Rabatter og kredittpolicyer er vanskelige å håndtere, da de samme kunder kan have flere kontrakter. Det betyder potentielt høyere revenue leakage eller lavere kundetilfredshet, hvis kunden ikke får rabatt som forventet.
  • Lavere kundetilfredshet, da den ansatte ikke har en samlet oversikt over kundens historikk og forhold til bedriften og dermed ikke kan gi kunden optimal service.

Gjennom mitt arbeid opplever jeg at de fleste bedrifter har problemer med datakvaliteten. Bakgrunnen for dette er at de har kundeinformasjonen sin i flere systemer, som blant annet CRM, fakturering og kundeservice, og disse systemene "snakker" ikke sammen, eller så utveksles det bare få opplysninger om kunden. Denne situasjonen er blitt forsterket av de mange oppkjøpene og sammenslåingene av forskjellige bedrifter.

Verdien ligger i presis kundedialog
Men hvordan kommer man så i gang med å forbedre datakvaliteten? Første trinn er å sannsynliggjøre en økonomisk gevinst ved prosjektet. For å oppnå dette må markedsføringsinnsatsen og kanalstrategiene under lupen og revurderes. Bedre data gir generelt sett bedre muligheter for segmentering, kryss-/mersalgsanalyser eller lønnsomhetsanalyser.

F.eks. gir det verdifull kunnskap til kommunikasjonsstrategien å få innsikt i hvem som deler husstand, og hvilke produkter de har, samlet sett. Så kan tilbud og kommunikasjon segmenteres langt skarpere i forhold til deres livssituasjon. Nøkkelen til bedre identifisering av identiske kunder og husstander på tvers av operasjonelle systemer er forbedring av navne- og adressedata.

Det kan et utall andre muligheter for optimeringer og besparelser, og et godt råd for å komme til bunns i disse scenarioene er bl.a. å få de rette salgs- og markedsfolkene på banen tidlig i prosjektet, og få identifisert og verdiberegnet deres utfordringer i forhold til datakvalitet. Det kan også være til stor hjelp å få innspill fra konsulenter som har erfaring med utarbeidelse av business cases fra andre prosjekter.

Kundeoversikt uten kostbar it-revolusjon
Hvis man av forretningsmessige årsaker ønsker en hurtig forbedring av data til spesifikke formål, trenger man ikke å gi seg i kast med et stort, risikabelt systemintegrasjonsprosjekt. I stedet kan man velge å skape en felles kundedatabase som berikes med kundedata, som løpende hentes opp fra de forskjellige operasjonelle systemene.

Deretter er det et interessant fokusområde å skape integrasjon med relevante systemer som f.eks. CRM-systemer, og derved generere ytterligere kundeforståelse i salgs- og servicesituasjoner, noe som vil danne et grunnlag for en bedre kundedialog.

SAS og datakvalitet
SAS’ løsninger til forbedring av datakvalitet bygger på fleksible, forretningsbaserte og administrerte regler til sikring av kvaliteten. Verifiserbare prosesser og output kan settes opp så de baseres på kundens forretningsregler, og deretter kan de overvåkes. Datakvaliteten blir derfor målbar og kan inngå som en viktig parameter i beslutninger rundt  hvordan kundeforhold ivaretas optimalt.

 Last ned white papers om dataintegrasjon og datakvalitet her 

  • Mer informasjon om datakvalitet og en samtale om hvordan du kommer i gang? Kontakt våre rådgivere på 23 08 30 50.
  • Faglig påfyll rett i mailboksen? Meld deg på vår nyhetsbrevsliste.