Datakwaliteit
Datakwaliteit gaat niet over perfecte data. Het gaat over data die goed genoeg is voor de beslissing die je ermee neemt. Dat onderscheid bepaalt of een opschoonproject rendeert of een bodemloze put wordt.
Waar het aan te herkennen is
Slechte datakwaliteit meldt zich zelden als datakwaliteit. Hij meldt zich als wantrouwen.
Het duidelijkste signaal, en het wordt het vaakst verkeerd gelezen. Als de directie de cijfers uit het systeem naast een eigen spreadsheet legt, is dat geen rapportageprobleem.
De cijfers zijn meestal niet eens fout. Ze zijn onverklaarbaar, en dat is erger: één keer een cijfer dat niemand kon uitleggen, en het vertrouwen is weg voor het hele dashboard.
Met en zonder BV, met een typefout, en een keer als handelsnaam. Drie records betekent drie keer een gedeeltelijke historie en een accountmanager die niet ziet dat zijn collega er al mee praat.
Dit is ook de vervuiling die het makkelijkst te meten is: tel bedrijven met hetzelfde e-maildomein of KvK-nummer.
Een veld dat in veertig procent van de records gevuld is, kun je niet gebruiken om op te filteren of te rapporteren. En toch staat het in formulieren en wordt het in rapportages gebruikt alsof het klopt.
Meet per eigenschap de vulgraad. Alles onder de zeventig procent is een veld waar je geen beslissing op kunt baseren.
Drie schrijfwijzen van dezelfde branche, vier varianten van hetzelfde land, statussen die per persoon iets anders betekenen. Vrije tekstvelden waar een keuzelijst hoort.
Dit lost zich niet op met opruimen, want het komt morgen terug. Dat is een inrichtingskwestie.
Waar de vervuiling vandaan komt
Vier oorzaken. Opschonen zonder de oorzaak weg te nemen is dweilen.
De grootste. Als niet is vastgelegd wie verantwoordelijk is voor welk veld en wanneer het gevuld hoort te zijn, vult iedereen in wat hij denkt dat nuttig is.
Dit is geen softwareprobleem en een tool lost het niet op. Het is een gesprek van een uur dat jaren achterstallig is.
De reflex om data af te dwingen werkt averechts. Wie door moet, typt iets in. Dan heb je gevulde velden met waardeloze inhoud, en dat is erger dan leeg, want het lijkt te kloppen.
Maak alleen verplicht wat de invuller zelf nodig heeft om zijn werk te doen.
Een lijst van een beurs, een export uit een ander systeem, een bestand van een collega. Elke import zonder ontdubbeling en zonder vaste veldtoewijzing voegt een laag vervuiling toe.
Spreek af dat imports via één persoon of één vaste route lopen. Dat is goedkoper dan achteraf opschonen.
Als twee systemen allebei mogen wijzigen en er is geen afspraak over wie wint, krijg je verschillen die niemand kan verklaren. Vaak pas zichtbaar als een klant een verkeerde factuur krijgt.
Bepaal per veld welk systeem leidend is. Niet per systeem, per veld.
Hoe je het aanpakt
In deze volgorde. Beginnen bij het opschonen is de fout die het vaakst gemaakt wordt.
Breng in kaart hoe erg het is voordat je iets aanraakt: vulgraad per eigenschap, aantal vermoedelijke dubbelen, velden die niemand gebruikt, en hoeveel records recent zijn aangeraakt.
Zonder die nulmeting weet je achteraf niet of het geholpen heeft, en kun je het gesprek over oorzaken niet met cijfers voeren.
Perfecte data bestaat niet en is ook niet het doel. Stel per veld vast welke kwaliteit nodig is voor de beslissing die je ermee neemt.
Een e-mailadres moet kloppen. Een branche mag een schatting zijn. Dat onderscheid scheelt de helft van het werk en voorkomt dat je maanden besteedt aan velden die er niet toe doen.
Afspraken over eigenaarschap, keuzelijsten in plaats van vrije tekst, minder verplichte velden, één route voor imports, en per veld een leidend systeem.
Doe dit vóór de opschoning. Anders ruim je op en is het over een half jaar weer zover, en dan is het draagvlak voor een tweede ronde weg.
Ontdubbelen, notaties gelijktrekken, ongebruikte velden archiveren. Eén afgebakende actie met een duidelijk einde, geen doorlopend project.
Archiveer liever dan te verwijderen. Een veld dat je weghaalt kun je niet terughalen, en er is altijd iemand die het toch gebruikte.
Dezelfde cijfers als bij stap 1, een maand later en daarna elk kwartaal. Loopt de vulgraad terug, dan is er een oorzaak blijven staan.
Datakwaliteit en AI
Dit is in twee jaar van bijzaak naar hoofdreden geschoven, en het is de minst begrepen kant.
Een AI-agent op vervuilde data geeft antwoorden met precies evenveel overtuiging als een agent op schone data. Dat is het gevaar: je ziet het niet aan het antwoord.
Bij een rapportage valt een raar cijfer nog op. Bij een vloeiend geformuleerd antwoord valt niets op, en wordt het doorverteld.
Een model dat drie records voor hetzelfde bedrijf ziet, ziet drie klanten met elk een gedeeltelijke historie. De conclusies die het daaruit trekt zijn intern consistent en feitelijk onjuist.
Ontdubbelen is daarom de eerste stap vóór elke AI-toepassing op je CRM, niet een nette afronding achteraf.
Eén record per bedrijf en per persoon, een consistente invulling van de velden waarop je laat redeneren, en inzicht in welke eigenschappen te leeg zijn om te vertrouwen.
Dat is minder werk dan een volledige opschoning en het verschil tussen een agent die klopt en een agent die overtuigend fout is.
Hoe schoon is jouw CRM eigenlijk?
De CRM Scan geeft je een score per onderdeel en laat zien welke eigenschappen te leeg zijn om op te vertrouwen. In een paar minuten, zonder gesprek.
Veelgestelde vragen over datakwaliteit
Wat is datakwaliteit? +
De mate waarin je data bruikbaar is voor de beslissingen die je ermee neemt. Dat is iets anders dan foutloos: een branche mag een schatting zijn, een e-mailadres niet.
Praktisch meet je het aan volledigheid (vulgraad per veld), uniciteit (geen dubbelen), consistentie (dezelfde notatie) en actualiteit.
Hoe meet je datakwaliteit? +
Met vier cijfers: de vulgraad per eigenschap, het aantal vermoedelijke dubbelen, het aantal verschillende notaties per veld, en hoeveel records recent zijn bijgewerkt.
Doe die meting voordat je opschoont. Zonder nulmeting weet je achteraf niet of het geholpen heeft.
Hoe verbeter je datakwaliteit? +
In deze volgorde: meten, vaststellen wat goed genoeg is per veld, de oorzaak wegnemen, opschonen in één ronde, opnieuw meten.
Beginnen bij het opschonen is de meest gemaakte fout. Zonder de oorzaak weg te nemen is het over een half jaar weer zover, en dan is het draagvlak voor een tweede ronde weg.
Waarom staat hetzelfde bedrijf meerdere keren in ons CRM? +
Meestal door imports zonder ontdubbeling en door handmatige invoer met kleine verschillen: met en zonder BV, een typefout, een handelsnaam.
Je vindt ze het snelst door te tellen op e-maildomein of KvK-nummer in plaats van op bedrijfsnaam.
Helpt een tool tegen vervuilde data? +
Voor het opruimen van wat er staat wel. Voor het voorkomen dat het terugkomt niet, want de hoofdoorzaak is bijna altijd dat er geen afspraak is over wie welk veld vult.
Dat is een gesprek van een uur, geen aankoop.
Moet mijn data perfect zijn voordat ik AI inzet? +
Perfect niet, maar wel ontdubbeld. Een model dat drie records voor hetzelfde bedrijf ziet, ziet drie klanten met een gedeeltelijke historie en trekt conclusies die intern kloppen en feitelijk niet.
Het gevaar is dat je het niet aan het antwoord ziet. Bij een raar cijfer in een rapportage gaat er een belletje af, bij een vloeiend geformuleerd antwoord niet.
Hoeveel verplichte velden moet ik instellen? +
Zo weinig mogelijk. Wie door moet, typt iets in, en dan heb je gevulde velden met waardeloze inhoud. Dat is erger dan leeg, want het lijkt te kloppen.
Maak alleen verplicht wat de invuller zelf nodig heeft om zijn werk te doen.
Wat doe je met velden die bijna niemand vult? +
Archiveren in plaats van verwijderen. Alles onder de zeventig procent vulgraad is een veld waarop je geen beslissing kunt baseren, maar er is altijd iemand die het toch gebruikte.
Waar kan ik verder lezen over dit soort vraagstukken? +
Deze vraagstukken hangen samen: ze komen bijna allemaal voort uit afspraken die nooit zijn gemaakt. Een overzicht van hoe ze samenhangen staat bij wat is RevOps.
Meer weten over hoe wij jou kunnen helpen?
