arrow_drop_up arrow_drop_down
Data-driven werken in 3 stappen
5 februari 2019 

Data-driven werken in 3 stappen

In marketing draait tegenwoordig alles om data. En dat maakt het er niet altijd makkelijker op. Waar organisaties aan de ene kant over een overload aan informatie beschikken en moeite hebben om de juiste informatie te gebruiken, zijn er ook tal van organisaties die amper data opslaan. Waar begin je als organisatie nou eigenlijk, als je meer data-driven wil gaan werken?

Hoe kan ik meer data-driven gaan werken?

Om daar een goed antwoord op te geven is het belangrijk om eerst te begrijpen wat data-driven werken precies inhoudt. Data gedreven werken betekent niets meer dan het verzamelen, analyseren en gebruiken van klantdata om zo je marketingactiviteiten nog effectiever in te kunnen richten.

Als je dit zo leest lijkt het allemaal niet zo ingewikkeld. In de praktijk blijkt het echter voor veel organisaties nog vaak lastig te zijn. Uit het Data Driven Marketing Onderzoek 2018 van DDMA gaf 48% van de ondervraagde organisaties aan binnen een cultuur te werken waarin beslissingen worden genomen op basis van data. Iets meer dan de helft baseert hun keuzes dus – nog steeds – voornamelijk op onderbuikgevoelens.

In een poging deze statistieken wat te verbeteren, delen we graag dit stappenplan om meer data-gedreven te gaan werken ?

1. Zorg voor een goed data management beleid

Datamanagement is cruciaal voor het succes van marketingdoeleinden. Hoe beter de kwaliteit van de klantdata, des te waardevoller de informatie die eruit gefilterd kan worden. Indien data van onvoldoende kwaliteit is, bestaat het gevaar op een vertekend beeld. En bij een vertekend beeld worden verkeerde keuzes gemaakt.

Data assessment
De eerste stap naar goede/betere data is door je bestaande database te onderwerpen aan een audit. Voorbeelden van kwaliteitscriteria waar wij zelf naar kijken zijn:

  • juistheid: mate waarin data juist en up-to-date zijn;
  • privacy: voldoen van de data aan alle privacy regel- / wetgeving;
  • tijdigheid: de snelheid waarmee wijzigingen worden doorgezet;
  • volledigheid: in hoeverre data ingevuld zijn voor alle gegevensrecords;
  • consistentie: eenduidigheid van data tussen verschillende databronnen;
  • beschikbaarheid: beschikbaarheid op het moment dat daar behoefte aan is;
  • bedrijfsregels: mate waarin processen voor invoer en controle voldoen aan de interne regels.

Evalueer en optimaliseer
Je data zal nooit honderd procent perfect zijn, maar je kunt stappen nemen om de manier waarop je toekomstige data verzamelt drastisch te verbeteren. Verzamel je data via web formulieren? Houd het formulier dan kort en verwijder alle onnodige velden. Hernoem daarbij velden die mogelijk voor verwarring zorgen.

Werk ook met gegevensvalidatie. Deze methode zorgt ervoor dat het systeem alle benodigde informatie op de juiste manier krijgt aangeboden door de gebruiker. Dat kan je bij de verwerking van de data veel hoofdpijn schelen ?

Voer je momenteel alle data nog handmatig in? Overweeg dan om dit te automatiseren. Het handmatig invoeren van data is tenslotte foutgevoelig. Daarnaast is het handmatig controleren van grote databases vrijwel onmogelijk. Het kost je tig uren onnodig werk en fouten zijn snel over het hoofd gezien.

2. Creëer voldoende draagvlak

Om datamanagement daadwerkelijk te laten landen, dient er intern voldoende draagvlak aanwezig te zijn. Eigenaarschap van data en het maken van (individuele) afspraken met alle medewerkers rondom het verzamelen en verwerken van data zijn hierbij belangrijke randvoorwaarden.

Eigenaarschap
Spreek af wie zich verantwoordelijk voelt voor de kwaliteit van de data en de security eromheen. Ontwikkel standaarden omtrent het vastleggen en verwerken van alle klantgegevens en het oplossen van eventuele problemen.

Veel organisaties leggen nu nog te vaak de focus op tools en technieken. Wat wordt vergeten is dat dit enkel werkt met de juiste mensen (met de juiste rollen), een juiste inrichting van de processen, eigenaarschap en bewustwording van de personen die dagelijks met de data werken.

Het beleggen van eigenaarschap en het maken van duidelijke afspraken verhoogt de betrokkenheid. Door een heldere taakverdeling vast te leggen bij datavraagstukken weten medewerkers waar ze aan toe zijn. Het is een mensgerichte aanpak waarmee een goed fundament wordt gelegd voor het verbeteren van datakwaliteit.

3. Waarborg het proces

De data is inmiddels op orde, er is voldoende draagvlak binnen de organisatie en er zijn intern afspraken gemaakt met de verschillende afdelingen. Je bent er bijna…

Het is belangrijk dat je de definitie(s) van datakwaliteit bij blijft houden. Zet daarvoor periodiek kwaliteitscontroles in. Zorg dat de resultaten en leermomenten worden geborgd en deel de behaalde successen met de hele organisatie.

Hulp nodig?

Wil je graag data-driven aan de slag gaan, maar heb je daarbij wat hulp nodig? Neem eens een kijkje op onze data assessment pagina. Heb je andere vragen neem dan contact op met Dennis. Hij kan je hier alles over vertellen en helpt je graag op de juiste weg.

Over de schrijver
Daisy is binnen onze organisatie een échte online marketeer die de efficiëntie in alles opzoekt. Als consultant houdt ze zich bij klanten met name bezig met marketing automation, campaign marketing en leadgeneratie. Maar ook voor het inrichten van Google Analytics en Google Tag Manager draait zij haar hand niet om. Daarnaast schrijft ze met enige regelmaat content voor onze website. Als ze geen klantrelaties bouwt, dan is ze druk met sporten, koken of het bingewatchen van een nieuwe serie.
Reactie plaatsen

Mogen we cookies gebruiken?