Cmotions heeft een opdrachtgever geholpen bij het verkrijgen van inzichten in de aanwezige data in haar CRM systeem. Deze organisatie richt zich voornamelijk op de registratie van haar klanten en op het geven van informatie en advies aan deze klanten. De marktactiviteiten en bijbehorende klantdata worden vastgelegd in een CRM systeem. Omdat data binnen deze activiteiten centraal staat, is het voor deze organisatie essentieel om data als een asset te behandelen.
Op dit moment wordt de data in het CRM systeem vooral gebruikt voor operationele doeleinden, zoals de registratie van klanten en het opzoeken van gegevens. De organisatie wil de data graag voor analytische doeleinden gaan gebruiken, om zo beter in te kunnen spelen op de (potentiële) behoeftes van haar klanten. In eerste instantie wil de organisatie dit bereiken door segmentatie, het maken van persona’s en beschrijvende modelleren. Hiervoor is een integraal beeld van de klant noodzakelijk. Aan Cmotions is gevraagd om een eerste opzet voor een analytisch klantbeeld te leveren.
Een goede datakwaliteit is essentieel om deze ambitie te realiseren. Het huidige CRM systeem bevat een schat aan klantdata. In de loop der jaren is het systeem echter onoverzichtelijk geworden vanwege de vrijheid die medewerkers hadden met betrekking tot de invoer van data. De organisatie vraagt zich daarom af welke data beschikbaar is in het CRM systeem en hoe het zit met de kwaliteit van de beschikbare data. De logische vervolgvraag is of een nieuw te implementeren systeem haar doelstellingen nog beter zou kunnen ondersteunen.
De organisatie kan werken aan haar doelstellingen en met behulp van data (be)sturen op het resultaat, dankzij:
Cmotions is gevraagd om de volgende twee gedefinieerde doelstellingen te helpen invullen:
Wat dit project ontzettend leuk maakte, is dat er bij de uitvoering veel verschillende expertises aan bod kwamen. Allereerst is er een tijdelijke analyse omgeving ingericht bij Cmotions met daarin de meest relevante brontabellen uit het CRM systeem van de opdrachtgever. Hier kwamen data engineering skills bij kijken, omdat de data van de organisatie uit verschillende bronnen werd aangeleverd. Een voorbeeld hiervan is het opstellen van R en SQL scripts om te zorgen dat de data op de juiste manier in de tijdelijke analyse omgeving werd opgenomen.
De tweede stap van deze opdracht bestond uit het beoordelen van de datakwaliteit. Hiervoor zijn eerst op kolom niveau definities vastgelegd in een data dictionary. Vervolgens zijn er SQL scripts opgesteld om op zowel kolom- als tabelniveau de datakwaliteit te beoordelen op volledigheid en accuraatheid. Met behulp van SQL scripts zijn metrics als maximale veldlengte, het percentage missende waardes per kolom, en het aantal verschillende waarden per kolom berekend. Daarnaast is de data uit het CRM systeem verrijkt met geografische data om te beoordelen of klanten een geldig adres hebben. Ook is er een advies opgesteld met betrekking tot de bruikbaarheid van iedere kolom voor het analytisch klantbeeld en een eventueel nieuw CRM systeem. Verder is er beoordeeld voor welke kolommen standaard invoer kan worden afgedwongen, zoals het invullen van geboortedatum als dd-mm-jjjj. Al deze informatie is samengevoegd in een datamart, dat is een verzameling van gegevens, vergelijkbaar met een datawarehouse, maar vaak ingericht voor een specifiek doel. Deze datamart is vervolgens gevisualiseerd in een interactief Qlikview dashboard. Op deze manier is de datakwaliteit gemakkelijk inzichtelijk voor de opdrachtgever.
Na de beoordeling van de kwaliteit en bruikbaarheid van de beschikbare data, hebben we met de meest relevante data een analytisch klantbeeld opgesteld. Dit wordt ook wel een 360-graden klantbeeld genoemd, omdat hierin alle informatie over een klant samen wordt gebracht. Het doel hiervan is om een klant optimaal van dienst te kunnen zijn. We hebben samen met de organisatie bepaald welke informatie het analytisch klantbeeld zou moeten bevatten. In eerste instantie zal de data voornamelijk worden gebruikt voor het aanmaken van persona’s en segmenten. Daarom leggen we de volgende data vast: de kenmerken van de klanten, hun bereikbaarheid en de mate van interactie met de organisatie. Op basis van deze informatie berekenen we voor iedere klant een kwaliteitsscore. Deze geeft aan hoe goed de data van de desbetreffende klant is. De score is lager wanneer gegevens missen of verouderd zijn. Hiermee heeft de organisatie inzicht in zowel de klantenbase, als in de datakwaliteit. Het analytisch klantbeeld is ook gevisualiseerd in een interactief Qlikview dashboard om zonder geavanceerde analyses inzichten over de klantgegevens helder te krijgen. Zo kan de organisatie direct stappen ondernemen om zowel haar klanten beter te bedienen als de kwaliteit van de data te verbeteren! In de visualisatie hieronder is de aanpak van het project nog eens samengevat.
Aan het einde van het project zijn zowel de dashboards als alle gebruikte scripts opgeleverd, zodat de organisatie hier zelf mee aan de slag kan gaan. Daarnaast hebben we een uitgebreide rapportage met een samenvatting van het proces en adviezen voor vervolgstappen geleverd. Verder is er een eindpresentatie gehouden voor meerdere afdelingen om meer draagvlak voor datagedreven werken te creëren binnen de organisatie.
Voorafgaand aan het project wist de organisatie niet waar te beginnen met het realiseren van haar ambitie. Data stond verspreid over verschillende bronnen, waardoor medewerkers geen inzicht hadden in de beschikbaarheid en kwaliteit van informatie over haar klanten. Dit maakt het lastig om klanten optimaal te kunnen bedienen.
Het eindresultaat laat zien dat de organisatie inzicht heeft gekregen in welke data beschikbaar is in het huidige CRM landschap en in hoeverre die data bruikbaar is. Daarnaast is er nu houvast om het CRM systeem voor analytische doeleinden te gaan gebruiken. Hiervoor hebben we de herbruikbare scripts en interactieve dashboards aangeleverd. Op deze manier kan de organisatie direct zelf bruikbare inzichten genereren en haar klanten beter bedienen.
Wil je meer weten over deze opdracht? Kom langs voor een kop koffie en we lichten het graag toe.