Door: Nick van der Woude en Steven Kormeling, Business Consultants Data Management bij Macaw
De stortvloed aan gegevens in bedrijven neemt toe. Op iedere afdeling van het bedrijf wordt informatie verzameld. Deze gegevens belanden echter vaak in datasilo’s en leiden zonder samenvoeging en analyse niet tot inzichten. Georganiseerd Master Data Management (MDM) kan dan uitkomst bieden.
De uitdagingen van stamgegevens en MDM
Mevrouw Meier of mevrouw Meyer? Een naam die meerdere keren in je digitale klantenbestand voorkomt, steeds met hetzelfde adres en geboortedatum. Dit doet onmiddellijk de vraag rijzen: is dit dezelfde persoon? Welke schrijfwijze is correct? Zulke dubbele en onjuiste stamgegevens, die de basis zijn voor een efficiënte bedrijfsvoering, zijn een probleem.
Bedrijven die digitaal transformeren, willen beslissingen nemen op basis van gegevens. Als ze echter niet op deze gegevens kunnen vertrouwen, kan dit niet. Het zal dan leiden tot fouten in de bedrijfsvoering en leiden tot vertraging in de digitale transformatie. Daarnaast is het niet ondenkbaar dat de klant, mevrouw Meier of mevrouw Meyer, teleurgesteld is dat haar favoriete merk na jaren van trouwe aankopen nog steeds haar echte naam niet kent. Ten slotte zullen de interne verkoop- en marketingteams vanwege deze onjuiste gegevens ook problemen ondervinden bij het volgen en optimaliseren van ‘customer en buyer journeys’ op de verschillende kanalen.
Naast onjuiste gegevens vormt ook de hoeveelheid informatie een uitdaging. Bedrijfssystemen worden vaak overweldigd door zowel het volume als de diversiteit aan gegevens. Het handmatig corrigeren van onjuiste informatie is dan vaak praktisch niet meer uitvoerbaar.
De impact van onjuiste gegevens op AI en MDM
Naast inefficiënte processen en ontevreden klanten veroorzaken onjuiste datasets nog een ander, groter probleem: het is onmogelijk om er betrouwbare AI-toepassingen op te ontwikkelen. Nu veel bedrijven bezig zijn om Artificial Intelligence (AI) te integreren in hun processen, is een zuivere gegevensverzameling essentieel. Algoritmen voor AI en Machine Learning (ML) leren immers van gegevens. Als die gegevens vervuild zijn, heeft dat direct een negatieve impact op de AI-resultaten en daarmee op de klanttevredenheid van mevrouw Meier of mevrouw Meyer.
De oplossing? MDM!
De beste manier om controle te krijgen op belangrijke stamgegevens over producten, leveranciers, klanten, werknemers, locaties en voorraden en deze, blijvend, op te schonen is Master Data Management (MDM). Door gegevens uit verschillende bronsystemen samen te voegen en op te schonen in een MDM-platform wordt een zogenaamde golden records dataset gecreëerd: een betrouwbare en eenduidige dataset die de basis vormt voor gefundeerde strategische beslissingen, AI-toepassingen, en de rationalisatie van bedrijfsprocessen.
Strategische overwegingen voor MDM-implementatie
Veel bedrijven zouden het liefst meteen overgaan tot de technische implementatie van een MDM-platform, toch moeten ze vooraf enkele theoretische afwegingen maken en veranderingsprocessen doorvoeren. Bij Master Data Management komt meer kijken dan alleen het kiezen van de juiste tool: het is een bedrijfsvraagstuk en kan alleen slagen als een organisatie het project gezamenlijk aanpakt, vanuit zowel de techniek als de business. Het komt echter vaak voor dat verschillende afdelingen en teams dezelfde gegevens en de processen verschillend benaderen en dat het eigenaarschap onbenoemd blijft. Het is daarom cruciaal om in de aanloop naar een MDM-project duidelijk eigenaarschap van de gegevens te definiëren in termen van Data Governance. Alleen als verantwoordelijkheden en autorisaties duidelijk zijn gedefinieerd, kunnen consistente en correcte gegevens in het hele bedrijf beschikbaar zijn. Zodra de daarvoor benodigde data-volwassenheid en verantwoordelijkheden en processen zijn verduidelijkt, kan een MDM-systeem worden geïmplementeerd.
De Data Steward-as-a-Service brengt orde in master data
Afhankelijk van hoe snel bedrijven een hogere data-volwassenheid willen bereiken, dienen ze ook de bijpassende methode kiezen voor de implementatie. Een benadering volgens het klassieke watervalmodel, waarbij de betrokkenen stap voor stap een theoretisch technisch concept ontwikkelen en dit vervolgens uitrollen, vergt vaak veel tijd. Als je snel resultaten wilt zien, lijkt een agile-aanpak beter geschikt. Externe experts kunnen hierbij helpen door vanuit hun ervaring advies te geven, een stappenplan op te stellen, de technische implementatie te plannen, uit te voeren en tegelijkertijd de vervuiling op te ruimen. Denk bijvoorbeeld aan Data Steward-as-a-Service, waarbij experts tijdelijk de taak van data steward op zich nemen. Deze rol, een sleutelpositie in datamanagement, zorgt ervoor dat datakwaliteit en strategische richtlijnen een impuls krijgen en worden nageleefd.
Een samenwerking tussen bedrijven en externe data stewards werkt het beste via cloudgebaseerde MDM-platforms, zoals van Profisee of andere gebruiksvriendelijke tools. Hierdoor hebben teams toegang tot de opgeschoonde gegevens en kunnen deze gebruiken voor de ontwikkeling van nieuwe producten, het naleven van richtlijnen en het optimaliseren van processen. Medewerkers op elk niveau van de organisatie kunnen op elk moment gegevensinzichten raadplegen om hun werk efficiënt uit te voeren. Hierdoor kunnen ze bijvoorbeeld een betere klantenservice bieden en tegelijkertijd aantonen dat het bedrijf voldoet aan richtlijnen van toezichthouders. Dit kan bijvoorbeeld door dataoplossingen te gebruiken die de integratie van de front- en backoffice met het MDM-platform mogelijk maken.
De drie gouden regels van effectief MDM
Over het algemeen spelen medewerkers een zeer belangrijke rol in MDM. Het onderwerp werkt alleen als iedereen zich houdt aan de drie gouden regels: correcte gegevensinvoer, het naleven van processen en het handhaven van een hoge gegevenskwaliteit. In het begin kan de introductie een uitdaging zijn. Het opzetten van nieuwe processen, het introduceren van technologie en het herdefiniëren van (technische-)workflows kan weerstand oproepen. Daarom zijn bewustwording van een dergelijke veranderingen en begeleiding een must. Het gaat niet alleen om het trainen van het personeel in het gebruik van de nieuwe tools; werknemers moeten ook begrijpen waarom Master Data Management belangrijk is, en hoe het hun dagelijkse taken kan vereenvoudigen.
MDM als fundament voor toekomstige groei
Gegevens van hoge kwaliteit bieden bedrijven en hun werknemers immers talloze mogelijkheden. Marketeers, business developers en managers kunnen hiermee nieuwe businessmodellen ontwikkelen voor klantenwerving, -ondersteuning en -behoud. Het vermogen van werknemers om creatief gebruik te maken van alle mogelijkheden die gegevens en technologie bieden, heeft een directe impact op het concurrentievermogen van bedrijven. Een voorwaarde hiervoor is echter dat de kwaliteit van deze gegevens onder controle is en dat de werknemers de juiste toegang hebben.
Ontdek meer in ons MDM whitepaper
In het whitepaper ‘Het belang van master data management voor de moderne organisatie’ gaan we verder in op deze stappen en delen we tips hoe je zelf aan de slag kunt gaan met (master) data management.
