Data quality op weg naar volwassenheid
Donderdag 28 januari was ik te gast op de Data Quality Summit 2010. Dat is het jaarlijkse data quality congres, gepresenteerd door Human Inference. In het Evoluon in Eindhoven werd een goed programma neergezet.
In deze tijd moet elke investering onderbouwd worden. Accountability, business cases, ROI.. Het kwam in veel presentaties terug. Daarnaast staat data quality nog steeds niet echt op het programma van het topmanagement. Eigenlijk vreemd omdat het niet zo moeilijk is uit te rekenen wat data quality (DQ) investeringen een bedrijf besparen.
> Organization: Aantal mensen dat werkt aan DQ (business, management, it), mate waarin men doelgericht acteert en de breedte van het DQ initiatief.
> Processes: Zijn er processen in place waarmee men DQ verbetert, wordt er gemeten en gerapporteerd aan management.
> Technology: Aantal 'tools' dat wordt ingezet voor verbetering DQ.
> Culture: Is er sponsorship vanuit business en IT, is er een cultuur waarin men gemakkelijk leert en verandert.
Heel interessant, zo'n formule, maar Friedman benadrukte dat het belangrijker is te beginnen DQ serieus te nemen en daarbij de 4 aspecten goed in ogenschouw te nemen.
Jos Leber van T Mobile liet zien hoe T Mobile werkt aan DQ op basis van een maturity model. Een maturity model laat voor een onderwerp zien in welke 'volwassenheidsfase' een organisatie zich bevindt. Een belangrijk kenmerk van dit model is dat het niet mogelijk is een fase over te slaan, een organisatie moet op weg naar volwassenheid elke fase door. In het model dat Leber liet zien zijn er grofweg de volgende fasen:
> Uncertain: Organisatie is net met DQ gestart. Vaak is de aanpak nog projectmatig.
> Awakening: Organisatie gaat het thema serieus nemen. Er worden mensen verantwoordelijk voor gemaakt, er worden data definities opgesteld. Reactieve werkwijze.
> Enlightment: DQ wordt onderdeel van het proces. Metadata wordt opgesteld. Proactieve werkwijze.
> Wisdom: DQ krijgt een eigen budget. Preventieve werkwijze.
> Certainty: De overtreffende trap, de organisatie is voortdurend aan het optimaliseren.
Volgens Leber zit T Mobile in de Wisdom fase. Men kwam zover, ondermeer door aan het management inzichtelijk te maken hoeveel telefoongesprekken er dagelijks werden gevoerd over DQ (verkeerd adres, schrijfwijze, post die niet aankomt, etc..). Dit bleek om tonnen per jaar te gaan.
Matthias Klier van de Universiteit van Innsbruck liet zien dat de resultaten van een direct marketing actie voor een telefonie aanbieder verbeterden door rekening te houden met de leeftijd van het adres. Op basis van een testmailing waarin prepaid bellers konden upgraden naar een abonnement onderzocht men de responsverschillen tussen 'recente' adressen (kort geleden in de database vastgelegd) en 'oude' adressen (lang geleden in de database vastgelegd). De respons in de groep met oude adressen was zo laag dat deze groep in de uiteindelijke mailing niet meer werd aangeschreven. In een tweede test werd onderzocht wat het zou betekenen als de oude, matig responderende adressen voor inzet gecorrigeerd werden. De kosten voor de correctie wogen niet op tegen de sterke responsverbetering en opbrengst die dit opleverde.
Uiteraard liet Human Inference zijn nieuwe en verbeterde producten zien. De HQ Data Improver is de droom van elke dq expert. Met deze tool is het mogelijk zelf bestanden te uploaden die direct gecleansed worden en daarna weer gedownload kunnen worden. HQ Name is een handige tool voor het invoeren van de juiste naam. Achterliggende intelligentie geeft suggesties en houdt rekening met lokale verschillen, zo is Andrea in Italie man, en bij ons vrouw. HQ Name houdt daar rekening mee. Human Inference gaat tools on demand aanbieden via een SAAS platform. Er komen verschillende afrekenmogelijkheden voor de online diensten waar klanten gebruik van willen maken.
