Datakwaliteit als basis voor uw klantwaardestrategie

Klantwaardestrategieën
In 1993 introduceerden Treacy en Wiersema hun concept van klantwaardestrategieën in de Harvard Business Review. Hun visie kwam erop neer dat een succesvolle organisatie zich onderscheidt door op één van drie gebieden uit te blinken ten opzichte van haar concurrenten (‘leadership’). Op de andere twee gebieden mag de organisatie echter niet beneden een bepaalde drempelwaarde (‘threshold’) geraken (zie figuur). Die drie gebieden zijn:

Operational Excellence: het leveren van betrouwbare goederen en/of diensten tegen concurrerende prijzen, geleverd met zo veel mogelijk gemak. Onder meer te realiseren door het minimaliseren van overheadkosten en het optimaliseren van bedrijfsprocessen.

Product Leadership: voortdurende innovatie op basis van marktonderzoek danwel geaggregeerde gegevens van de doelgroep. Hierbij wordt gebruik gemaakt van creativiteit en het snel commercialiseren van nieuwe ideeën bij grote groepen afnemers.

Customer Intimacy: het voortdurend aanpassen van goederen en/of diensten aan de wensen van de klant op basis van gedetailleerde kennis van het individu. Zo kan een organisatie voorzien in heterogene behoeften. Dit impliceert onder meer het investeren in customer loyalty en directe communicatie.

Zoals Treacy en Wiersema zelf al suggereerden is het niet mogelijk om op alle drie de gebieden te excelleren en om alles te betekenen voor klanten. Daarom dient een organisatie te kiezen en focus aan te brengen door één klantwaardestrategie als primair aan te duiden, zonder de overige twee te verwaarlozen. Niet kiezen leidt op termijn tot een onstuurbare ‘jack of all trades, master of none’ positie. Echter, onafhankelijk van welke strategische keuze gemaakt wordt, datakwaliteit kan in elk van de drie klantwaardestrategieën een rol van betekenis spelen. Hetzij om te excelleren, hetzij om aan de drempelwaarde te voldoen.

Datakwaliteit als basis voor customer intimacy
In geval van de klantwaardestrategie ‘customer intimacy’ staat de relatie met de klant centraal. Een customer relationship management programma speelt hierin een belangrijke rol. Het mag duidelijk zijn dat een dergelijk programma gevoed moet worden door, en gebaseerd moet zijn op, een kwalitatief goede klantendatabase waaraan een eenduidig, actueel en volledig beeld van de klant ontleend kan worden. De onderliggende klantdata dient daarvoor accuraat, compleet, correct en uniek (ACCU) te zijn. Goede datakwaliteit draagt vanuit dit perspectief bij aan tevreden en loyale klanten.

Datakwaliteit als basis voor operational excellence
De kwaliteit van klantdata levert ook een belangrijke bijdrage aan de verwezenlijking van een ‘operational excellence’ benadering. Klantdata komen namelijk veelvuldig terecht in operationele systemen en administratieve processen. Denk aan het distributie- of uitleveringsproces, het administratieve afhandelings- of transactieproces en het serviceverleningsproces. Kwalitatief goede data voorkomt onder meer: dubbele verzendingen, leveringen op het verkeerde adres en foutief gerichte factuurmailingen. Goede datakwaliteit laat je operationele systemen en administratieve processen efficiënter verlopen omdat je minder tijd, geld en andere resources hoeft te besteden aan het vaststellen en corrigeren van fouten.

Datakwaliteit als basis voor product leadership
Klantdata uit de transactiedatabase is te combineren met data vastgelegd in andere management informatiesystemen of verkregen uit bijvoorbeeld marktonderzoek. Daardoor ontstaan ideeën voor nieuwe of vernieuw(en)de producten of diensten voor bestaande of nieuwe klantgroepen waarmee je je als organisatie kan onderscheiden. De kwaliteit van klantdata moet dan wel goed zijn om te voorkomen dat innovatieve ideeën verkeerd, of voor de verkeerde doelgroepen worden uitgewerkt.

Tips
We concluderen dat, welke klantwaardestrategie een organisatie ook als uitgangspunt neemt, datakwaliteit een essentiële bijdrage levert aan de verwezenlijking ervan. Daarnaast helpt datakwaliteit bij het realiseren van de drempelwaarde op de andere disciplines. Zorg er dus onder andere voor dat:

1. De verantwoordelijkheid voor datakwaliteit expliciet binnen je organisatie belegd is. Datavervuiling ontstaat vaak omdat niemand zich verantwoordelijk voelt voor de datakwaliteit of daarop kan worden aangesproken
2. Je de kwaliteit van je klantdata, bij voorkeur door een onafhankelijke derde partij, regelmatig laat schonen (wassen), verrijken, ontdubbelen en standaardiseren
3. Datakwaliteit al bij de invoer geborgd is, immers ‘garbage in, garbage out’
4. Er draagvlak ontstaat binnen je organisatie voor het belang van datakwaliteit, onder andere door de kosten van slechte data in kaart te brengen
5. Je datakwaliteit in deze economisch slechte tijd niet als bezuinigingspost ziet
6. Datakwaliteit hoog op de agenda komt en blijft. Immers, datakwaliteit is een randvoorwaarde voor optimale dienstverlening op zowel korte als lange termijn