Shopping tomorrow presentatie datakwaliteit w griffiioen

Product datakwaliteit, geen moetje maar een bewuste keuze

Wim Griffioen

Voorzi-er PIM Expertgroep Partner bij Qhuba MDM

2 2

PIM Expertgroep mede mogelijk gemaakt door

Gastheren

Voorzitter / Kennispartner PIM Experts van : GS1, Technische Unie, BOL, Jongeneel, Saint Gobain, Mediq, Econosto, JeWeRet, Fabory, DMG, Landal, Walraven, B&S

3

PIM Expertgroep onderwerpen

2014 : PIM in brede context 2015 : Product datakwaliteit 2016 : Ketenintegra+e in de prak+jk

SituaXe voor en na een PIM implementaXe :

PUBLISH DATA & IMAGES

MANAGE DATA & IMAGES

Catalogues

Brochures

ERP

Marketing

Publishing

Supplier Supplier

Supplier

Supplier Buyers

CD

Web

Call centre

Supplier Supplier

Supplier Supplier

Supplier Product

Managers

Merchandiser

Translation agency

Core Product

data

ERPs Price,

Stock, etc

PIM Database

Call Centre

CD

Catalogues

Web

Brochures

Retail shop

ONBOARD DATA & IMAGES

PUBLISH DATA & IMAGES

MANAGE DATA & IMAGES

ONBOARD DATA & IMAGES

4 © ShoppingTomorrow

Het totale PIM plaatje

Systemen

Data

Processen

Organisa;e

Raci

Eigenaarschap

Gebruik

6

Wat zijn de voordelen van een PIM :

Business context product datakwaliteit

•  eCommerce/omnichannel is ook volledige, correcte product informaXe •  Dit geldt voor alle parXjen in de waardeketen !!

• De druk komt van rechts waardoor retailers dit eerder voelen dan producenten

Product InformaXon

Goods

Orders

Financial

Manufacturers Distributors & resellers

Retailers Customers (B2B or B2C)


Waarom is product datakwaliteit belangrijk ?

0% 10% 20% 30% 40% 50% 60% 70% 80%

Juiste, accurate berekeningen

Efficiëntere zoekopdrachten en minder correcXes noodzakelijk

Minder (onvoorziene) kosten

Eenduidige processen

Snellere Xme to market

Minder coördinerende inspanningen nodig

Hogere conversie en hogere omzet

Minder retouren

Minder Klachten, Claims en reputaXeschade 2015 2014

Vanillegeel

1

2

3

1

2

Glossy Black

Kraan?

Uitdagingen bij product datakwaliteit

0% 10% 20% 30% 40% 50% 60% 70% 80% 90%

Product specificaXes

Product referenXes (cross sell, alternaXeven)

MarkeXng teksten

Product foto's / video's

Zoek gerelateerde data / keywords

Product idenXficaXe gegevens

Product toepassingsmogelijkheden

Anders 2015 2014

DefiniXe van datakwaliteit

Data is van hoge kwaliteit indien ze geschikt is voor het beoogde gebruik (in de bedrijfsac;viteiten, besluitvorming en planning) Bron : JM Juran

Fit for purpose

PIM Data Quality Framework

1. Vision and Strategy

2. Data Model

3. Process and Controls

4. OrganizaXon

and Governance

5. Metrics

6. Systems

Data Quality Framework

-‐  Taxonomy -‐  Industry standards -‐  A-ribute definiXon

-‐  QA controls -‐  first Xme right -‐  Procedures

-‐  RACI -‐  QA organisaXon -‐  owners / stakeholders

-‐  Workflow -‐  QA tools -‐  Reports / dashboard

-‐  Define KPI’s factors , weight -‐  Data profiling -‐  KPI’s

Vision, mission, strategy, policy with respect to PIM QA


Visie en Strategie

Visie : beschrijf / onderken het belang van goede productdata voor toekomst van het bedrijf.

Strategie : stel doelen voor niveau van datakwaliteit (bijv om

onderscheidend te zijn tov referenXe bedrijven) en de manier om dit te bereiken.

Datamodel

Is het fundament van product datakwaliteit Meta datamodel vanaf begin goed documenteren / borgen Zoveel mogelijk in a-ribuut definiXes afdwingen (verplichte velden / formats / standaardwaarden) Bepaal de nodige validaXeregels (als dit / dan dat)

Stel interne standaards op (LOV’s)

Datamodel is basis voor website navigaXe


Sluit aan bij externe standaarden / datapools

25

Vele standaarden : vele combinaXes mogelijk !!

PIM Data Quality Framework

1. Vision and Strategy

2. Data Model

3. Process and Controls

4. OrganizaXon

and Governance

5. Metrics

6. Systems

Data Quality Framework

-‐  Taxonomy -‐  Industry standards -‐  A-ribute definiXon

-‐  QA controls -‐  first Xme right -‐  Procedures

-‐  RACI -‐  QA organisaXon -‐  owners / stakeholders

-‐  Workflow -‐  QA tools -‐  Reports / dashboard

-‐  Define KPI’s factors , weight -‐  Data profiling -‐  KPI’s

Vision, mission, strategy, policy with respect to PIM QA


Processen en controls

Datakwaliteit start bij onboarding proces Workflows kunnen helpen om datakwaliteit te verbeteren Maak gebruik van feedback loops met bijv leveranciers, customer service, web analyXcs Ook uilaseren van producten is belangrijk proces

OrganisaXe en Governance

Wie is de eigenaar mag geen vraag meer zijn, Commitment van de hele organisaXe gewenst Heldere rollen en verantwoordelijkheden vaststellen (RACI) Koppel Datakwaliteitsdoelen aan beoordeling medewerkers

Metrics : 6 Dimensies van datakwaliteit

© Qhuba MDM

Relevant

Tijdig

Interpreteerbaar

Consistent

Correct

Compleet

Business Impact

Complexiteit om te bepalen/meten

31

Systems : Dashboard voorbeelden

32

Periodiek je data schoonmaken met het juiste middel !!

En ondanks al deze wijsheden . . . . . . . . . .

“Business case las;g: kosten niet kwan;ficeerbaar” “Richt de procedures gewoon beter in” “Niet mijn probleem, dat is jouw verantwoordelijkheid” “Doe het dan zelf, commercieel nu echt prioriteit” “Zo gedaan, heb alles al voorbewerkt”


Tip : Maak het inzichtelijk , bijv door een assessment

Vb Datakwaliteit assessment tool

Dank voor jullie aandacht !!

Shopping tomorrow presentatie datakwaliteit w griffiioen

Retail

Transcript of Shopping tomorrow presentatie datakwaliteit w griffiioen