In deze module focussen we o.a. op:
- Hoe je de kwaliteit van jouw data bewaakt en onderhoudt;
- Welke soorten data er zijn en waar je ze kan bewaren;
- De verschillende verantwoordelijkheden en rollen in dataprojecten;
- Test de datamaturiteit van jouw onderneming met enkele online testen;
3.1 Hoe controleer je eenvoudig de kwaliteit van je data?
Eenmaal je doelen vastgelegd zijn, moet je er voor zorgen dat je ook de relevante data ter beschikking hebt én dat deze kwalitatief is. Om de kwaliteit van je data te bewaken, kan je volgende criteria gebruiken: Data moet …
- Compleet of volledig zijn: zijn alle velden ingevuld in je database?
- Geldig én gestructureerd zijn: Is alle data correct gestructureerd (klopt het formaat)? Heb je het juiste type data? Klopt het bereik van je data (bijvoorbeeld geen irreële leeftijden)?
- Consistent zijn: Zijn gegevens tussen datasets gelijk (bijvoorbeeld tussen afdelingen of verschillende programma’s)? Zijn er dubbels?
Wist je dat 50% van de Belgen geen unieke voornaam-naam combinatie hebben? Slechts de helft van de Belgen zijn uniek, de rest heeft minimum één naam-dubbelganger. En 10% van de bevolking kan zelfs niet unie geïdentificeerd worden op basis van voornaam-naam-geboortejaar. - Nauwkeurig/accuraat zijn: Is de data een correcte weerspiegeling van de realiteit? Is je data nog up-to-date? – Wist je dat jaarlijks 10% van de Belgische gezinnen verhuizen? In de leeftijdsgroep 25-35 is dit zelfs 25%. Daarnaast tekent men zo’n 150.000 gezinssplitsingen of nieuwe samengestelde gezinnen per jaar op. Adressen wijzigen dus zeer geregeld!
- Integer zijn: Is de data traceerbaar? Kan de data onbedoeld worden aangepast?
- Voldoende aanwezig en bereikbaar zijn: Is de data toegankelijk waar en wanneer nodig? Is de data makkelijk bereik- en bruikbaar?
Voorbeeld
Onderzoek toont aan dat een gemiddelde organisatie slechts goed inzicht heeft in 14% van zijn data. De andere 86% betreft ongestructureerde data zoals Office- en pdf-bestanden, e-mails, foto’s, video’s, geluidsopnames, … (Ontdek hier meer: https://www.computable.nl/artikel/advertorial/sponsored/6443057/5740344/het-is-tijd-om-je-ongestructureerde-data-te-leren-kennen.html)
Om dit te voorkomen zorg je ervoor dat je data niet:
- Redundant zijn: er mogen geen dubbels in je data zitten
- Voor interpretatie vatbaar zijn: voorkom invul tekstvelden
- Achterhaald zijn: update data geregeld om te voorkomen dat er te oude data in je databank zit.
- Triviaal zijn: bepaal welke data belangrijk zijn voor je bedrijfsvoering en welke niet. (data normalisatie)
- Dark zijn: weet je wie de eigenaar is van de data? Kloppen alle gegevens?
“Wist je dat bedrijven gemiddeld 20% inkomsten verliezen door slechte datakwaliteit?” – Black Tiger Belgium
Om je te ondersteunen in het proces van het verzamelen en opkuisen van je data, kan je gebruik maken van tools die dit proces automatiseren: data profiling tools. Deze tools bieden vaak één of meer van de volgende processen:
- Structure Discovery or Structure Analysis: automatisch de consistentie van data nagaan: pattern matching, validatie via metadata, …
- Content Discovery: focust op the kwaliteit van de data, gebruik makend van outlier detectie technieken, uniformiteit van de data, frequenties bepalen enz
- Relationship Discovery: detecteert de mogelijke interactie tussen verschillende databronnen.
3.2 Welke soorten data bestaan er?
Data worden doorgaans ingedeeld in zero, first, second en third party data. Zero en First Party Data zijn de data die je als bedrijf zelf verzamelt. Hierbij zijn First Party Data de klanteninformatie die je direct verzamelt via je eigen bronnen en kanalen: internetgedrag, transacties (downloads, aankopen, …) of demografische data, inclusief surf- en klikgedrag.
Recent introduceerde Forrester de term ‘Zero Party Data’. Dit zijn de data die een klant intentioneel en pro-actief deelt met een merk. Het kan hier gaan om informatie afkomstig uit je accountvoorkeuren, aankoopintenties, persoonlijke context of hoe het individu wil dat het merk hem of haar herkent. Het is een barometer voor het vertrouwen van een klant in het merk en moet daarom als waardevolle data beschouwd worden. (Bron: https://www.forrester.com/blogs/straight-from-the-source-collecting-zero-party-data-from-customers/)
Hieronder is een samenvattende tabel terug te vinden ter verduidelijking van de verschillende soorten data, alsook waar je ze kan verzamelen en raadplegen.
Als data voor bepaalde doeleinden worden bijgehouden, is het belangrijk om transparantie naar de eindgebruiker te tonen. Dit houdt in dat men moet aangeven welke data worden bijgehouden en voor hoe lang. Op geen enkel moment is het dan ook toegestaan om data bij te houden langer dan noodzakelijk is.
Open data
Open data zijn data verzameld door de overheid en die door hen beschikbaar gesteld worden. Op dit type data zijn geen (of minimale) gebruiksbeperkingen. Ze zijn elektronisch beschikbaar en maken gebruik van open standaarden. Raadpleeg zeker de Open-data-website van de Federale Overheid (link: https://data.gov.be/en) en de Vlaamse Overheid (https://www.vlaanderen.be/datavindplaats).
Maar ook steden kunnen kiezen om hun data open te stellen: “Gent is een wijze stad en kiest daarom resoluut voor open data. Door het delen van de gegevens en kennis waarover we als stad beschikken, willen we op een transparante manier innovatie en enthousiasme stimuleren.” – Stad Gent.
Zero en First Party Data
Zowel Zero als First Party Data zijn soorten data die je zelf verzamelt via je eigen bronnen en kanalen. Ze onderscheiden zich van elkaar doordat Zero Party Data bestaat uit data die en klant vrijwillig, intentioneel en proactief met je deelt. Dit kan bijvoorbeeld door quizes, wedstrijden, polls, voorkeuren in hun online account, … Dit type data respecteert alle privacyregels, geeft nuttige inzichten en laat toe om een vertrouwensband op te bouwen. Tegelijkertijd bevestigt het ook het vertrouwen dat de consument in je merk/bedrijf heeft. First Party Data verzamel je ook zelf, met expliciete goedkeuring van de klant. Maar dit type data verzamel je aan de kant van het bedrijf, het gaat hier om internetgedrag (surf- en klikgedrag), transacties, demografische data, … Het bewaken van de integriteit van deze data doe je zelf. Deze data geeft inzicht in je huidige klanten.
Voordelen van het verzamelen van Zero en First Party data samengevat:
- Kwaliteit en accuraatheid: gezien de data rechtstreeks van het individu afkomstig zijn, kan je er zeker van zijn dat je klant van je wil horen
- Relevantie: gebaseerd op de aangegeven preferenties kan je exact bepalen hoe je klanten met je merk in contact willen treden
- Goedkoop
- Conform: met First Party Data loop je zo goed als geen risico, want je kent de bron en de manier waarop de data verzameld werden
Belangrijk: Vraag niet te veel informatie tegelijk, maar spreid de verzameling van dit type data doorheen de tijd.
Second Party Data
Second Party Data is data die je niet zelf collecteert, maar de First Party Data die gedeeld wordt door partijen die je vertrouwt. Zo kunnen niet-concurrenten in een bepaalde bedrijfstak, of bedrijven die zich richten op klanten met vergelijkbare kenmerken samenwerken om inzichten en marketingopportuniteiten te bieden. Zij kunnen bijvoobeeld informatie uitwisselen, of de ene partij kan zijn digitale gegevens aan de andere ter beschikking stellen voor gebruik in een digitale strategie. In dit geval moet evenwel rekening gehouden worden met een aantal juridische aspecten.
Op deze manier kan je als bedrijf op een snellere manier aan data komen, maar kan je ook (grote) kosten van het aankopen van externe data (eventueel) voorkomen. Echter bestaan er ook Second Part Data Marketplaces, waar je data kan aankopen met toestemming van de gebruiker. (Ze bieden volledige flexibiliteit en transparantie.) Deze data kan je nieuwe inzichten en perspectieven bieden over je klanten.
Third Party Data
Third Part Data is data die verzameld werd door externe bedrijven waar jouw bedrijf of klanten geen link mee hebben. Deze bedrijven hun business bestaat uit het verkopen van deze data. De mogelijkheden van third party data zijn met de komst van AVG/GDPR wel beperkter geworden. Data brokers (die contactgegevens en verrijkingen aanbieden) worden vervangen door ‘data market places’. Zij leveren kwalitatieve data, snel en transparant, met controleerbare bescherming van de privacy van de consument. Op die manier zullen bedrijven nog steeds hun data kunnen verrijken (met socio-demografische, geografische of gedragsdata), op basis van specifieke datasets, om klanten beter te begrijpen en hen gepersonaliseerd te benaderen.
Deze data geeft je een bredere kijk op doelgroepen, maar is niet altijd transparant. Je weet niet altijd waar de data vandaan komt, de kwaliteit kan lager zijn, de data valt vaak moeilijk te integreren en privacy wordt niet altijd gerespecteerd. Belangrijk om weten is dat ook je concurrenten over deze data kunnen beschikken.
Bekende voorbeelden van verzamelingsmethoden voor Third Party Data zijn cookies, tracking pixels (zoals de Facebook Pixel) en script tags. Ook bijvoorbeeld door het embedden van een YouTube-video op je website wordt er Third Party Data verzameld.
Binnenkort verdwijnen de third party cookies bij Google. Dit betekent dat je als bedrijf maar beperkt toegang zal hebben tot de 70% van de internetgebruikers die Google als browser gebruiken. Dit zal een grote impact hebben op bestaande marketingactiviteiten. Maar dit betekent evengoed een concurrentieel voordeel voor bedrijven die hun eigen data hebben verzameld en slimme gepersonaliseerde campagnes kunnen opzetten. Hierdoor is een First en Zero Party Data strategie belangrijker dan ooit. Je moet nadenken over hoe ook jouw bedrijf zelf data kan verzamelen en een vertrouwensband kan opbouwen met klanten.
Data Spaces
Een data space is een gedecentraliseerd ecosysteem, dat je kan gebruiken voor het veilig en betrouwbaar delen van gegevens. Zo wordt het mogelijk om bijvoorbeeld klantengegevens, productgegevens, … te delen met andere bedrijven, zonder zelf de controle over de gegevens te verliezen.
3.3 Waar bewaar ik mijn data?
Idealiter beschikt je als bedrijf dus over verschillende soorten data (zoals klikgedrag, profielgegevens, orderdata, stockgegevens en campagnedata). Helaas zijn deze data vaak verspreid over veel verschillende systemen en onderling niet gekoppeld. Een voorbeeld hiervan is wanneer klantgegevens en bestelling(en) niet in hetzelfde systeem zitten en waar men niet kan achterhalen of het gaat om eenzelfde klant. Een correcte koppeling vormt de basis voor een grondige analyse en kan op die manier leiden tot een meer gedetailleerd beeld van de klant.
Een reële case toont ons het belang van deze koppeling van data. Het bedrijf in kwestie werkt met verschillende systemen, centraal in deze case staan het ERP- en CRM-systeem. Onderstaande visual toont welke informatie beschikbaar is in welk systeem en hoe deze gekoppeld zou moeten zijn.
Echter toont de praktijk meerdere problemen, waardoor maar 2/3de van alle records gekoppeld kunnen worden:
- Klanten kunnen niet eenzijdig gekoppeld worden (verschillende klantennummers)
- Niet alle data is volledig en volgens hetzelfde formaat ingevuld
- De sector wordt niet consistent bijgehouden (nodig voor klantenprofilering)
- Er is geen gedragsdata aanwezig (nodig om nieuwe klanten aan te spreken)
Uit ervaring weten we dat relationele databases cruciaal zijn bij het betrouwbaar organiseren van grote hoeveelheden data. De kwaliteit en volledigheid van data zijn veel beter te bewaken en te beheersen als de data in een relationele database wordt opgeslagen. Dit staat overigens het werken met Excel niet in de weg. In alle gevallen kan aan de hand van exporteren van gegevens naar Excel telkens worden teruggegrepen op de brongegevens. Voor de meeste bedrijfstoepassingen zijn relationele databases zeer geschikt om processen te ondersteunen en om in de informatiebehoefte te voorzien.
Voordelen van relationele databases t.o.v. Excel:
- Het afdwingen van relaties
- Het bewaken van data volledigheid en datakwaliteit (gegevensintegriteit)
- Eenvoudiger onderhoud doordat gegevens maar één keer vastgelegd worden
- Veilig met data omgaan
- Beter schaalbaar
- Koppelingen tussen databases
Voorbeeld van een relationele database:
Naast de koppeling van data, is de centralisatie ervan minstens zo belangrijk. Concreet wil dit zeggen dat alle data op één centrale plek verzameld worden en gestructureerd worden rond het individu, met het doel een 360° zicht op je klant te creëren. Dit werkt tijdbesparend: het centraliseren van data kan geautomatiseerd verlopen. Zitten data toch verspreid over verschillende plekken, dan moet een systeem in staat zijn deze te koppelen aan de hand van bijvoorbeeld een uniek ID-nummer. Bepaal in dat geval het ‘golden record’: welke informatie is het meest correct en recent voor dit individu?
Voor het bewaren van klantendata bestaan verschillende systemen:
- ERP (Enterprise Resource Planning): Een ERP-systeem is een geïntegreerde softwareoplossing die wordt gebruikt door organisaties om verschillende bedrijfsprocessen te automatiseren en te beheren, zoals financiën, voorraadbeheer, productie, HR en supply chain management. Een ERP-systeem bevat dan ook de ordergegevens en zal in veel gevallen ook gebruikt worden voor de facturatie.
- CRM (Customer Relationship Managementsysteem): Een CRM is een softwarepakket dat gebruikt wordt om de interacties en relaties met klanten te beheren. Het helpt bedrijven in het beheren van klantgegevens, communicatiegeschiedenis, verkoopkansen, klantenserviceverzoeken, …
- CDP Customer Data Platform): Een CDP is een (nieuwer) softwareplatform dat als algemeen doel heeft om klantgegevens vanuit verschillende bronnen te verzamelen, te integreren en te analyseren om zo een 360° view van de klanten te kunnen geven. Deze platformen stellen je in staat om gepersonaliseerde marketingcampagnes te ontwikkelen op basis van klantinzichten.
- DMP (Data Management Platform): Een DMP is erop gericht om online bezoekers beter te begrijpen en doet dit door cookies te analyseren. Een DMP verzamelt dus anonieme data die gebruikt kunnen worden om gebruikers op te delen in verschillende segmenten, waarna deze gebruikers gepersonaliseerd kunnen aangesproken worden door bijvoorbeeld advertenties.
3.4 Rollen in data(beheer)
Nieuwe opportuniteiten dankzij data (en de verwerking ervan) brengen ook nieuwe verplichtingen en verantwoordelijkheden met zich mee. Bedrijven moeten een Data Management Plan opmaken en onderhouden, waarin ze rapporteren hoe data binnen het bedrijf verzameld en geïdentificeerd wordt, maar ok hoe ze de kwaliteit en veiligheid ervan bewaken. Daarnaast moeten ze ook aangeven hoe de data bijdraagt tot de waarde van hun business. Data bewaren om te bewaren is niet langer toegestaan, transparantie en een duidelijke visie op data wordt geëist. Een belangrijk element van dit plan is Data Governance, een policy die vele van voorgaande elementen (zoals kwaliteit en veiligheid) formaliseert in procedures voor het gehele bedrijf.
Hoe groter het bedrijf, hoe belangrijker dat deze verantwoordelijkheden duidelijk uitgedrukt worden in de vorm van rollen. Binnen databeheer en -projecten moeten verschillende rollen opgenomen worden:
- Data eigenaar: Binnen elk specifiek data domein, is er een verantwoordelijke voor het correct beheren van de data over de verschillende bedrijfsactiviteiten en -systemen. Deze rol wordt vaak vervuld door managers van afdelingen, zo kan een financieel directeur bijvoorbeeld de data eigenaar zijn van de financiële gegevens in het bedrijf
- Data collectors: Het verzamelen van data wordt binnen je onderneming gedragen door werknemers van verschillende diensten.
- Marketing is verantwoordelijk voor CRM-, lead- en campagne data
- Sales en Finance zijn verantwoordelijk voor aankoopdata
- Onthaal en klantendienst helpen bij het up-to-date houden van de CRM-data.
- Databeheerders: Het beheren van data is een rol voor de (interne of externe) IT-afdeling. Binnen hun rol komen verschillende taken aan bod:
- Onderhouden van de structuur van de database, back-up, veilige storage, acces management
- Zorgen ervoor dat de data collectors snel en efficiënt kunnen werken
- Data toegankelijk, leesbaar en bruikbaar maken voor data-analyse
- Data analisten: Een rol die weggelegd is voor personen met een IT- en/of businessachtergrond, en zullen meerdere afdelingen samenwerken. Hun taken bestaan uit:
- Het maken van dashboards
- Klanten segmenteren en voorspellingen maken
- Inzetten van de data en technologie om nieuwe inzichten te bekomen
- Inzichten aanleveren waarmee marketing en management doelgericht acties kunnen formuleren.
- Data Protection Officer (DPO): Met de komst van de GDPR/AVG is er ook een nieuwe functie ontstaan. Deze persoon zal instaan voor het naleven van de privacywetgeving bij het verzamelen van data en zal ook de traceerbaarheid van data verzekeren doorheen alle processen en systemen. Maar ook het bewaken van de datakwaliteit, het opvolgen van bewaartermijnen van data en het verzekeren dat data verwijderd worden na het verstrijken van deze termijn of op expliciete vraag van een persoon, valt binnen de verantwoordelijkheden van de DPO.
- Data Steward: Deze persoon is verantwoordelijk voor het opstellen, evalueren, bijsturen, uitrollen en handhaven van de Data Governance Policy doorheen het gehele bedrijf.
Echter blijft het beheren van (veel) data complex voor veel bedrijven, het vraagt dat iedereen zijn toegewezen rol opneemt. Daarnaast vraagt het soms grote investeringen (zowel op technisch als organisatorisch vlak), neemt het behoorlijk wat tijd in beslag en is er vaak een gebrek aan expertise. Wanneer kennis en data niet op een consequente, duurzame manier worden onderhouden binnen een bedrijf, zal deze ook verdwijnen op het moment dat iemand het bedrijf verlaat. Een datacultuur introduceren is noodzakelijk en iedereen binnen het bedrijf, zowel het management als het personeel, moet deze onderschrijven. Onder een datacultuur verstaan we het verweven van het belang van data in de organisatie, de bedrijfsvoering en de mindset van de werknemers. Je zorgt er met andere woorden voor dat iedereen in het bedrijf data op een correcte manier kan verzamelen, inzetten en onderhouden.
Het belang van een consistente datacultuur voor je onderneming – Black Tiger Belgium
‘Garbage in is garbage out’. Een conclusie (of gepersonaliseerde campagne) op basis van foute data is een slechte conclusie (of een campagne die ‘underperformt’ of, nog veel erger, de klant irriteert en wegjaagt). Je eerste bezorgdheid binnen een personalisatieproject moeten de onderliggende data zijn: correct, volledig, up to date, ethisch en waar het individu centraal staat (‘single customer view’).
‘Datakwaliteit is geen foto, maar een film’. Het volstaat niet om éénmalig (meestal bij de aanvang van een data- of analyseproject) aandacht te schenken aan de kwaliteit van je data en je databanken op te schonen. Datakwaliteit is een continu proces, waar elkeen binnen de organisatie een rol kan/moet spelen. Niet alleen de IT- of marketingverantwoordelijke, maar onthaalmedewerkers, customer service, sales, etc… spelen een belangrijke rol bij het correct ingeven en onderhouden van de klantendata. Meer en meer zien we de rol van ‘Chief Data Officer’ binnen bedrijven verschijnen.
Ook het topmanagement heeft immers groot belang bij een goede datacultuur. Wist je dat bedrijven gemiddeld 20% inkomsten verliezen door slechte datakwaliteit? Bovendien ben je waarschijnlijk niet in orde met de Algemene Verordening Gegevensbescherming (AVG of GDPR) als je niet rigoureus met datakwaliteit bezig bent.
Testimonial: No matter how smartly designed, the best data and analytics strategies, programmes or initiatives are incomplete without a Data Culture to support them. Data Culture and analytics ROI are intertwined and interdependent. If companies hope to transform, they must begin to address the cultural obstacles. Behavioural and cultural change are increasingly being recognised as the biggest challenge to addressing the full potential of data and analytics transformations. (Hallard, n.d.)
3.5 Datamaturiteit testen
Hoe ver staat jouw onderneming al met betrekking tot data en de analyse ervan? Om je bedrijfs- en dataprocessen onder de loep te nemen, kan je gebruik maken van een Data Maturity Model. Hiermee krijg je inzichten inzake de fase waarin je onderneming zich bevindt en kan je de volgende stappen voor je onderneming bepalen. Zo kan je werken naar een datagedreven strategie voor je onderneming.
Online zijn verschillende datamaturiteitstesten beschikbaar, hieronder kan je doorklikken naar enkele testen van partners uit het Start2AIM-project:
- Maturity Minds van Multiminds (Engels)
How ‘data mature’ is your organization? Take the assessment and uncover the strategic and operational gaps that prevent you from becoming truly data driven.
Maturityminds.com - Data Quality Maturity Test van Black Tiger Belgium (Nederlands, Engels en Frans)
Hoe scoort uw onderneming op het vlak van gegevenskwaliteit? En waarom is dit belangrijk voor u en uw bedrijf? Doe de test en ontdek waar u staat, in vergelijking met anderen!
https://www.blacktigerbelgium.tech/take-the-data-quality-maturity-test/
