Wat u nog niet wist: direct kosten besparen met optimalisatie klant- en prospectdata

In een artikel van Harvard Business Review is becijferd dat elke procent datavervuiling zorgt voor 10% stijging van de operationele kosten*. Deze (deels verborgen) kosten raken verschillende afdelingen en  hebben onder andere als gevolg:  een langere DSO door verkeerde adressering, hersteloperaties van fouten en gesprekken met klagende klanten. In dit artikel leg ik uit wat u morgen kunt doen om over een maand al resultaten te bereiken.

Het is niet mijn domein
Lange tijd werd het onderhouden van een klantendatabase ervaren als het exclusieve domein van marketing en sales of IT. Het is evident dat marketing belang heeft bij actuele, complete, correcte en unieke (ACCU) klantdata. Het heeft directe invloed op leadconversie, klanttevredenheid en cross- en upsell mogelijkheden. Het belang van optimaal datamanagement en het herkennen en erkennen van de klant door een geïntegreerd klantbeeld, reikt echter veel verder. Denk hierbij bijvoorbeeld aan het slim combineren van creditmanagement en salesinformatie, ter voorkoming van afschrijvingen als gevolg van afnames door dubieuze debiteuren.

Datamanagement is gezamenlijke verantwoordelijkheid van alle belanghebbende afdelingen. Dus van sales en marketing, van klantenservice, logistiek en financiën. Ondanks de vele betrokkenen zal één iemand het initiatief moeten nemen. Het MT moet een change leader aanstellen. Iemand met autoriteit en daadkracht. Vanuit uw rol als financieel professional bent u de aangewezen persoon om de lead te nemen. Deze change leader moet draagvlak creëren en resources weten vrij te maken. In dit artikel beschrijf ik de value drivers van effectief datamanagement en een stappenplan ter voorbereiding van een business case.

Belangrijke value drivers van datamanagement
Datamanagement is in de huidige tijdsbeeld van bezuinigen en kostenbesparingen van groot belang. Het is mogelijk om een betere service te leveren tegen lagere kosten. Dit helpt om kritische klanten tevreden te houden en klantverloop te voorkomen. Daarnaast helpt een integraal klantbeeld om te voldoen aan compliance eisen van nu en de nabije toekomst. Ik licht drie value drivers toe.

1. Hoge service- en operationele kosten
Foutieve klantgegevens leiden ook tot extra customer servicekosten. Veel grotere bedrijven hebben callcenters waar dagelijks duizenden inkomende gesprekken plaatsvinden. Door de datakwaliteit te verbeteren komen er minder inkomende gesprekken of e-mails binnen die behandeld moeten worden en neemt de gemiddelde duur van gesprekken af. Een foutief factuuradres leidt tot een stijging in de Days Sales Outstanding . Volgens onderzoek van Intrum Justitia is de gemiddelde overschrijding van de betalingstermijn in 2012 12 dagen voor B-to-C en 18 dagen in B-to-B***. Hier is nog een verbetering in de cashflow management te behalen.

2. Persoonsidentificatie: houd problemen buiten de deur
Doordat klantvragen binnenkomen via diverse kanalen zoals e-mail, social media of bijvoorbeeld via het callcenter, is een compleet en geïntegreerd klantbeeld van wezenlijk belang. Alle mogelijke informatie van de prospect of klant dient direct beschikbaar te zijn, bijvoorbeeld om frauderende of slecht betalende klanten te herkennen en hier maatregelen op te nemen. Maar ook om het juiste aanbod te kunnen doen wanneer blijkt dat de klant behoefte heeft aan product X. Bovendien zorgt het direct herkennen van je klant voor vertrouwen en loyaliteit.

3. Slechte datakwaliteit zorgt voor hoog klantverloop
Ervaringscijfers laten zien dat een gemiddeld bedrijf een 60-70 % hogere slagingskans heeft om meer te verkopen bij een actieve klant tegenover 20-40 % bij een oude klant en 5-20 % bij een nieuwe prospect** . In de verzekeringsbranche blijken jaarlijks tussen 5 en 20% van de klanten over te stappen. Echter een deel hiervan stapt over omdat zij de ervaring hebben dat belangrijke communicatie niet goed aankomt. Direct te wijten aan een slechte datakwaliteit.

Business case voor datakwaliteit
Omdat de oorzaken, de kosten en het management van data en informatie verspreid zijn over de gehele organisatie is het moeilijk om de knelpunten te vinden en de oplossingsrichtingen te benoemen. Mede omdat de problemen vaak niet goed zichtbaar zijn.  Met een duidelijke methodiek en stappenplan kunt u na 10 dagen al een overzicht van oorzaken en een high level businesscase hebben.

Neem bij deze aanpak de belangrijkste aandachtsgebieden op met alle disciplines die met klantdata werken of er mede verantwoordelijk voor zijn zoals CRM, IT, MI, BI, Controlling en Legal. Vertaald alle issues naar kosten, klantverloop, cross- en upsell, billing en juridische risico’s. Door een directe link te leggen tussen de kosten, retentie, cross-sell en compliance gerelateerde value drivers is er een concreet actieplan voorhanden om te werken aan de verbetering van datakwaliteit.

Bepaal huidig en gewenst niveau
Waar staat uw organisatie op de ladder van datamaturiteit? We onderscheiden vijf niveaus van volwassenheid. Het laagste niveau bestaat uit organisaties die zich bewust zijn van datakwaliteit issues, maar hier geen actie op ondernemen. Een hoger niveau bestaat uit bedrijven die proactief werken aan data problemen en waar men een bedrijfsbrede visie op data hanteert. Tot het niveau van organisaties die heldere werkinstructies voor data invoer hanteren voor hun medewerkers en hun processen zo hebben ingericht dat zij te allen tijde beschikken over een 360-graden klantbeeld. En waarbij data en processen continue verder worden geoptimaliseerd. Naast het huidige niveau is het belangrijk om te bepalen naar welk niveau uw organisatie wilt gaan.

Beschrijven van knelpunten en oplossingsrichtingen
Door het stellen van de juiste vragen aan stakeholders van verschillende afdelingen  in uw organisatie, ontstaat er een breder beeld van de voornaamste oorzaken van datakwaliteitsissues.

Bijvoorbeeld:
•    Is er tooling aanwezig om de kwaliteit van de data te meten?
•    Hoe zien de datamodellen er uit? Worden processen op elkaar aangesloten?
•    Zijn er heldere procedures en KPI’s en zijn er medewerkers die verantwoordelijk zijn voor de datakwaliteit?
•    Wordt de data regelmatig geschoond, bijvoorbeeld het ontdubbelen van klantdata, het standaardiseren van de data en het actualiseren van de data?
•    Wordt Master Data Management toegepast om te komen tot een integraal en uniek klantbeeld?
Op basis van alle verzamelde informatie kunnen de groeidoelstellingen en oplossingsrichtingen gedefinieerd worden. Uiteraard dient dit te worden gekoppeld aan een business case. Op basis van branche cijfers is te bepalen hoe uw organisatie scoort ten opzichte van andere organisaties in uw branche. Uiteindelijk biedt een datamanagement scan houvast in het verder professionaliseren en optimaliseren van uw datamanagement huishouding.

Vijf tips om van start te gaan:
1. Stel in uw MT voor een analyse van tien dagen te laten uitvoeren
2. Stel vanuit de business een eigenaar van de data aan
3. Laat deze eigenaar het programma leiden en uitbesteden aan een in- of externe programmamanager.  Het iemand er bij laten doen is niet effectief
4. Een eenvoudig startpunt is om te controleren of de data in uw organisatie conform het ACCU (Actueel, Correct, Consistent, Uniek) principe zijn vastgelegd; binnen een maand heeft u hiermee al een forse besparing
5. Automatiseer en integreer zonder korte termijn winst uit oog te verliezen

* http://hbr.org/1994/03/putting-the-service-profit-chain-to-work/ar/1
** “Customer Winback: How To Recapture Lost Customers And Keep Them Loyal” – Griffin and Lowenstein
*** European Payment Index 2012, Intrum Justitia

Jan Hendrik Fleury is director Datamanagement bij Cendris en gespecialiseerd in het optimaliseren van data- en informatieprocessen, -bronnen en -systemen om kosten te besparen, om omnichannel te kunnen communiceren en om klantverloop  te voorkomen.  Daarnaast is hij actief in de branchevereniging Dutch Dialogue Marketing Association,  commissie Klantdata & Dialoog.