Principes van datamanagement

1,093

Published on

Instima opleiding met Burt Riské

Published in: Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,093
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
20
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Dit is geen ecologische oproep. Het is bedoeld om aan te geven dat dank zij technologie en de magie van nul en één de wereld vandaag eerder opnieuw plat is geworden, in plaats van rond. In die nieuwe wereld heeft bovendien iedereen, grote en kleine ondernemingen, evenveel mogelijkheden en kansen voor een globale economie.  En in de volgende minuten ga ik met jullie kijken of data effectief de nieuwe olie is die die globale economie draaiende houdt en waarom we daarbij een marketing database nodig hebben
  • Dank zij de nieuwetechnologie en door verhoogdeinteractiviteittussenconsumentenonderling, tussenconsumenten en media, al dannietsociale media, tussenconsumenten en merkenkomtereen tsunami van data over onsheen.  Vandaagontstaat die data nietenkelmeer op initiatief van merkenbedrijven, die eenenquetehoudenonderhunklanten.  Neen, de consumentneemt steeds meerzelf het initatief en krijgt steeds meer tools terzijnerbeschikkingvoorzelfexpressie.  En eenkleingedeeltje van die zelfexpressiegaatook over merken.
  • We maken eerst een kleine oefening: Neem een halve minuut om na te denken over de beïnvloeding van de RESPONS van een direct to consumer actie door deze 3 elementen.Iemand eruit pikken: belang van de doelgroepselectie?Wie denkt dat het hoger is? Wie denkt dat het lager is?Wie denkt dat het hoger/lager is, hoeveel dan?
  • Hoe van hetaddressenboer imago afgeraken?
  • Hoe van hetaddressenboer imago afgeraken?
  • Hoe van hetaddressenboer imago afgeraken?
  • Naast de tsunami van is ereenanderebelangrijkeevolutie : het feitdat databases evoluerennaardataplatformen.  Datheeft impact op de manier van opslaan van data. En ook op de manier en snelheid van transport van gegevens. Het world wide web gebruiktgeentientonnersom data tetransporterenmaar is is een net van pijpleidingen die data vlot over en weerlaatgaantussen servers. Het zijntrouwenspijpleidingen die niet door eenrus of eenirakeeskunnendichtgeschroefdworden.
  • Om van die tsunami aanruweolieeenkrachtigebrandstoftemaken is erweleenflinkeraffinaderijnodig.  Datbegint met ervoortezorgendatallegegevens die je over eenklantweet en kuntweten, extern of intern, tesamengebrachtworden en eenuniekeéénduidigekijkgeven op eenklant of prospect  Om die gegevenszoexhaustiefmogelijktehebben, en up to date tehouden is ernaastdatakwaliteitookeendoorlopendproces van data-verrijkingnodig. Voorbeeldendaarvanzijnlegio : Alsikmorgennaar het servicecenter van eenbedrijfbel, kennenzeaan de hand van mijntelefoonnummer, mijnpostadres, ,bedrijfsadres, emails, de oplossingen die ikgekochtheb en eenbetalingshistoriek
  • Om datterealiseren is ereenflinkesynergienodigtussen Data Technologie en Marketing Strategy.  In dezenieuwewereldzijn de afdelingen ICT en Marketing zijn met elkaarverbonden en creëreneensynergetisch effect : 1+1+3 Historischgezienheeft ICT meeraandachtvoorstabiliteit, veiligheid, standaardisatie en de functionaliteiten. Marketing is echtervooral op zoeknaarflexibiliteit, innovatie, differentiatie en customer experienceIn dezenieuwewereld is het niet of/of maarén/éntussen ICT en Marketing
  • De echtebrandstofvoorbedrijven is nietenkel het processen en kwalificeren van al dezegegevens, maarvooralook de ontginning van de beschikbare data door data intelligentie.  Data intelligentiecombineerteenaantal criteria, zoals socio-demografie en gedrag en vertaalteendoorlopendeanalyse in eenoverzichtelijk dashboard, netjesgesegmenteerdtussenverschillendesoortenklanten en producten die de bedrijfsmotoraanjagen. De data achter de dashboards laatook toe om pro-actiefnaareenklanttestappen op het moment dathijdatwil en met het aanbod of informatie die hem het meest relevant is.
  • Om dattedoenheb je natuurlijkeen GPS nodig, die uw data, vergelijkt met de buitenwereld en 3 satelieten : socio-demo, cotactpuntinformatie en gedrag.Op basis daarvangaat de interactieve GPS ustapje per stapjesturen en bijsturennaaruwdoel In de klantenbestandenworden op die manier triggers geinstalleerd, Zodraeenindividueelkontakt – eenklant of een prospect- eenbepaaldewaardeheeftbereikt, wordt de trigger in gang gezet.  Dergelijke trigger mondtdanuit in een email, eentwitterbericht , eenbriefje via de post of een to do lijstjevoor het hoofd van het distributiecentrum, of de gerant van het retailkanaal
  • Integrating off- and online, exploition of unforeseenchannels, flexible towards new business models?
  • Zondereengoededatakwaliteitheeftditsoortintelligentieechterweinigzin. Uitonderzoekblijktdat de basisgegevens in het gemiddeldeklantenbestand in Belgieslechtsvoor 68% jusitstaan. Ditzoubetekenendat 1 op 3 beslissingen die genomenworden op basis van eenklantendashboard of eengeinstalleerde trigger weleensfoutzoukunnenzijn. En danstuur je informatie over pamepersnaareengezinzonderkinderenOf je biedteenspaarproductaanaaneenoverledeneEn indeoperationelesfeerrijdentreinen op elkaarvanwegegebrekaaninformatie of belandtuwkofferaan de anderekant van de wereld
  • Volledigheid : is alle benodigde data aanwezig ?Geldigheid: vallen de data waarden binnen de toelaatbare grenzen die door de business gedefinieerd zijn?Consistentie: zijn de data elementen consistent gedefinieerd en ook zo begrepen?Accuraatheid : vertegenwoordigd de data de realiteit op accurate wijze?Integriteit : is de datastructuur onderhouden op consistente wijze?[Tijdigheid] : Is de data beschikbaar indien nodig?[Toegankelijkheid ]: Is de data makkelijkbeschikbaar en bereikbaar ?
  • Cleaning’ diensten – opschoning van bestandenAdresstandardisatieValidatie van namen en voornamenVerificatie van consistentietussenhetadres en eenpersoonIdentificatie van dubbelsVerrijkingen :Verrijking of correctie van hettelefoonnummerVerrijking of correctie van de geboortedatum…Ontdubbelingen
  • Maargelukkigzijnerookvoorbeeldenwaar de combinatie van dataplatformen, data-kwaliteitsverrijkingen en de toegevoegdeintelligentie tot steeds hogereprestaties en return on investment leiden.  IedereenkentAmazon.com die u perfect weettesuggererenwelkboekuzoukunneninteresserenDe Standaard Online past zijnnieuwsaanpastaanmij, die in Kalmthoutwoont en fan is van Club BruggeIkkrijgkortingbonnen van colruyt op basis van mijnhistorischaankoopgedragIkwordtgecontacteerd door Proximus die zagdatmijndataverkeer over de iphone met eenkwartgestegen is, en me met een SMS voorsteltom de limietteverhogenvoorslechtseenkleinemeerprijs, beterdandatikuitfrustratienaarMobistarzouoverstappen.En alsik in de toekomst in het shopping center binnekom, krijgikeenm-coupon vooreenbicky burger
  • Maarals data de nieuweolie is, is erweleenbelangrijke currency om die olieteverhandelen, en dat is de privacy.  De wetgeverwil het commercielegebruik van cookies aanbandenleggen, maarzoalsaltijdloopthijook nu weerachter op de consument. Die wil ten alletijdezelfbeslissen over zijn data, aan en afzetten, aanpassen, en weghalen, zonderdat het hem moeite, geld of tijdkost. Mijnvoorspelling is danookdater in Belgiestraks 10 miljoenlistbrokerszullenzijn. Die stukvoorstukwetenwathungegevenswaardzijnvoor de adverteerder, en die nietzomaar in ruilvoor de kansomeendroomreistewinnenzullenprijsgeven.  Enkelals je aantoontdat je rekeninghoudt met de gegevens van de consument, zal je zenogkrijgen. En tonendat je errekeningmeehoudt, heeftallestemaken met relevantie. Nietzozeerrelevantievoor de adverteerder, maarweldusrelevantievoor de klant. En ondertussenvooralnietvergetendaterachter al die data human beings van vlees en bloedschuilgaan. Mensen van wie je het vertrouwenmoetverdienen, niet male nom eenleugentjevoorbestwil, maar u graageentweedekansgevenals je toontdat je het goed met hen voorhebt.
  • Na te gaan of uwbestanddientaangegeven te wordenaan de Commissievoor de Bescherming van de PersoonlijkeLevenssfeer (www.privacy.fgov.be)De personen van wie u de persoonsgegevensgebruikt te informeren van hun rechten via een « privacyzin » Allenodigemaatregelen te nemen om de ongeoorloofdetoegangtot de gegevens te vermijdenTe antwoorden indien iemand u vraagt:over welkepersoonsgegevens u met betrekkingtotzijn /haarpersoonbeschiktzijn/haarpersoonsgegevens die verkeerdzijn te verbeterenzijn/haarpersoonsgegevensuituwbestand te schrappenBijelkeactieuw“opt out”bestand te gebruikenevenals de Robinson Lijstenvoorelkeprospectie-actie (www.robinson.be)Dat het niet toegelatenis om in een mailing de selectiecriteriavoor de gehuurde of aangekochteadressen te vermelden
  • Principes van datamanagement

    1. 1. Principes van data management Data is the new oil Burt Riské Laurens Lories 25/11/2010 30 januari 2015
    2. 2. Principes van data management Who’s who? Laurens Lories Product Manager WDM Belgium laurens.lories@wdmbelgium.be Burt Riské Secretary General Coface Belgium burt_riske@coface.be
    3. 3. Principes van data management Agenda 1. Is data the new oil? 2. A Tsunami of data sources 3. From database to dataplatforms 4. From raw oil to the finest gasoline 5. The synergy between Data Technology & Marketing Strategy 6. The driver needs a dashboard 7. …and an interactive GPS to navigate 8. The nine mistakes 9. Rules for succes 10. If data is the new oil, privacy is it’s currency 11. Conclusion
    4. 4. Principes van data management Is data the new oil? IS DATA THE NEW OIL?
    5. 5. Principes van data management VALUE TIME INVESTMENT CONVERSION  Number of (valuable) clients  Value of each client  Lifetime of the relation with your (valuable) clients How to create more revenue with your clients?
    6. 6. Principes van data management What every marketeer wants Of course everybody wants to…. ... higher conversion rates for new clients ... prevent churn ... lift cross-sell and up-sell ... more relevant communications … focus on the big fish However... ... which kind of information do I need? ... how do I gather these data? ... how do I store this data? ... how do I keep this up-to-date and relevant? ... how can I use this information? … ROI?
    7. 7. Principes van data management Close the loop Evaluation Feedback Marketing Tasks 1. Identify individuals 2. Understand their behaviour and current/potential value 3. Build relationships 4. Engineer demand 5. Refine the communication processes based on past results Role of a Database 1. Collation and management 2. Analysis 3. Utilisation. Campaign management from database to target qualified 4. and quantified opportunities 5. Evaluation of results
    8. 8. 8 A TSUNAMIOF DATASOURCES
    9. 9. Principes van data management What kind of data should you use in your customer centric marketing solution?
    10. 10. Principes van data management Data types – Personal or contact data (also extern available) – Survey data – Socio-demo data (also extern available) – Lifestyle data (also extern available) – Transactional/purchase data – Campaign data – Psychographic data – Behavioural data – Social media data – Social network data – Location based data …more and more media are becoming addressable …what’s the fit with your customer centric marketing approach?
    11. 11. Principes van data management Soorten bestanden Business to business bestanden Consumerbestanden
    12. 12. Principes van data management BtB databases Who ? – Spectron Business Solutions (Bisnode) – Coface Services Belgium – Dun&Bradstreet – Graydon – Niche bestanden : Computer Profile, Epona,... – Gidsen, cd-roms : Kompass – Internet : Infobel, ABC, Marketing data… – New players ? 12
    13. 13. Principes van data management Who ? – Listbrokers : cfr consumerbestanden (gedragsbestanden) bv. Roularta (Trends Magazine), postorderkopers in BtB (JPG, Overtoom, Staples,…) – Andere : bv. Tijd (krant) als bijlage (met gebruik van het abonneebestand), beroepsorganisaties,… 13 BtB databases
    14. 14. Principes van data management B-to-B bestanden 1) Basisreferentiebestanden (Coface / Spectron) 2) Trends Top 100.000 3) Uitbatingszetels KBO 4) Starters KBO 5) Vrije beroepen 6) Moving Companies 14
    15. 15. Principes van data management 1) Basis referentiebestanden Unieke combinatie van financiële, wettelijke en marketing informatie over bedrijven met informatie over alle actieve vennootschappen, VZW’s en zelfstandigen in België – 1.200.000 ondernemingen (Origin) – integratie van alle officiële bronnen : BTW, RSZ, Nationaal Register van de Rechtspersonen, … – een grondige analyse van de bijlagen van het Belgisch Staatsblad 15
    16. 16. Principes van data management 2) Uitbatingszetels KBO = 185.000 uitbatingszetels waarvan het adres verschillend is van de maatschappelijke zetel = winkels, bankagentschappen, fabrieken, ateliers, ... 16
    17. 17. Principes van data managementAlle marketing informatie in B to B Selectiecriteria : • Geografisch: postcode, arrondissement, provincie, gewest, … • Activiteit : NACE code (andere SIC, GoudenGids, eigen coderingen bvb. Kompass  > 50.000 activiteitscodes) • Personeelsklasse • Omzet • Statuut: natuurlijk of rechtspersoon • Juridische vorm • Oprichtingsdatum (leeftijd van de onderneming) • Financiële gegevens • Scoring (falingpredictie) • … 17
    18. 18. Principes van data managementAlle marketing informatie in B to B Te leveren gegevens : • Maatschappelijke benaming of naam • NAW • BTW/ KBO nummer • Telefoon, fax, e-mail • Juridische vorm • Activiteit • Personeelsklasse • Financiële gegegevens + Scoring (!) • … • Contactpersonen (zaakvoerder, beheerders,…) 18
    19. 19. Principes van data management 3) Startende bedrijven • KBO : Kruispuntbank Ondernemingen • +/- 75.000 nieuwe starters per jaar (‘golden’ prospects) • Handelaars én niet-handelaars (bv. VZW’s) • Stijging tussen 5 à 10% per jaar (sinds 2003) • Daling vanaf 2008 ! (crisis) 19
    20. 20. Principes van data management Statistiek startende bedrijven 20 In 2009 : 6% minder starters dan in 2008 Tot eind september 2010 : 2,5% minder starters dan in 2009
    21. 21. Principes van data management Statistiek faillissementen 21 In 2009 : 11 % meer falingen dan in 2008 Tot eind september 2010 : 4% meer falingen dan in 2009 ondanks ‘heropleving’ van de economie…
    22. 22. Principes van data management3) Startende bedrijven • KBO : – +/- 70.000 nieuwe starters per jaar (‘golden’ prospects) – 1 dag na inschrijving in een Ondernemingsloket – ideale doelgroep voor specifieke aanbiedingen – eerste aanbod krijgt meeste aandacht – … enkele voorbeelden… 22
    23. 23. Principes van data management Mercator - 15 oktober 2010 23
    24. 24. Principes van data management 4) Trends Top 100.000 24
    25. 25. Principes van data management4) Trends Top 100.000 exclusiviteitscontract voor levering van BtB data (samenwerking met WDM Belgium) – 150.000 ondernemingen obv omzetranking – Controle door de financiële experts van Editop (Biblo – Roularta Media Group) – 340.000 decisionmakers (meer dan 60 verschillende management functies) – alle communicatie-info beschikbaar – > 95.000 e-mailadressen – Unieke Top-sectorcodes (aanvulling bij de ‘officiële’ NACE- codes) 25
    26. 26. Principes van data management4) Trends Top 100.000 Up to date ! : • 2 x jaar : – E-mail enquête : on line – Fax-enquête (met code en link naar on line enquête) – Telefonische enquête : operators nemen samen met bedrijf de on line enquête door – Schriftelijke enquête : minderheid ! • 10.000 bedrijven worden bezocht • 50.000 outbound calls • spontane meldingen op Trends Top website (>45.000 bezoekers/maand) • enige enquête met zoveel respons (vergelijkbaar met Kompass) • extra controles door database verantwoordelijken van Biblo • hoge notoriëteit (‘ik sta in de Top’…) 26
    27. 27. Principes van data management4) Trends Top 100.000 Niche bestand : “Gazellen 2010” • Selectiecriteria : – groei (omzet, personeel en cash flow) tussen 2003 en 2008 – operationele zelfstandigheid – minstens 5 jaar oud – minstens 20 arbeidsplaatsen sinds oprichting • Beste prospecten (én financieel gezond) : meest dynamische bedrijven uit hun regio • Volledige bedrijfsfiche (incl. financiële info) beschikbaar 27
    28. 28. Principes van data management 5) Vrije beroepen • 60.000 medische en juridische vrije beroepen zijn ongekend bij de officiële bronnen • de vrije beroepen = prospecten met een hoog aankooppotentieel • Coface Services heeft een specifieke database opgebouwd • Ism FMC voor Medische beroepen 28
    29. 29. Principes van data management 6) Moving Companies • 70.000 bedrijven verhuizen elk jaar • ze moeten heel wat uitrusting opnieuw aankopen • hun ‘klassieke’ leveranciers (papierhandel, ...) bevinden zich soms te ver van hun nieuwe vestiging  ideaal moment om een aanbieding te doen! 29
    30. 30. Principes van data management
    31. 31. Principes van data management Case study : uitgever van vakblad Vraagstelling : • Aanbod campagne : verkoop van jaarabonnement • Vraag aan database leverancier : lever ons 20.000 prospectadressen als aanvulling op onze eigen prospectendatabase 31
    32. 32. Principes van data management Case study : uitgever van vakblad Oplossing : • Analyse (profiel- & marktpenetratie analyse) van bestaande abonnees • Gezien de hoogdringendheid enkel de BTW-plichtigen • Scoren op zoveel mogelijk relevante criteria • Bespreking van de resultaten met klant • Advies • Selectie prospectadressen • Ontdubbeling met de bestaande lijsten bij de uitgever 32
    33. 33. Principes van data management Case study : uitgever van vakblad 33 Arrondissementen code arro klanten % klanten ref.populatie % ref. pop index potentieel 11 Antwerpen 1316 18,44% 90605 13,95% 132 89289 12 Mechelen 390 5,46% 24186 3,72% 147 23796 13 Turnhout 375 5,25% 34147 5,26% 100 33772 21 Brussel 621 8,70% 120792 18,60% 47 120171 23 Halle-vilvoorde 681 9,54% 45022 6,93% 138 44341 24 Leuven 466 6,53% 37656 5,80% 113 37190 31 Brugge 289 4,05% 28037 4,32% 94 27748 32 Diksmuide 28 0,39% 5245 0,81% 49 5217 33 Ieper 77 1,08% 9783 1,51% 72 9706 34 Kortrijk 382 5,35% 26125 4,02% 133 25743 35 Oostende 107 1,50% 13053 2,01% 75 12946 36 Roeselare 173 2,42% 14131 2,18% 111 13958 37 Tielt 105 1,47% 10100 1,56% 95 9995 38 Veurne 57 0,80% 6591 1,01% 79 6534 41 Aalst 187 2,62% 19925 3,07% 85 19738 42 Dendermonde 177 2,48% 15001 2,31% 107 14824 43 Eeklo 64 0,90% 7226 1,11% 81 7162 44 Gent 675 9,46% 47222 7,27% 130 46547 45 Oudenaarde 123 1,72% 10160 1,56% 110 10037 46 Sint-niklaas 235 3,29% 17937 2,76% 119 17702 71 Hasselt 358 5,02% 31895 4,91% 102 31537 72 Maaseik 145 2,03% 18226 2,81% 72 18081 73 Tongeren 104 1,46% 16228 2,50% 58 16124 Totaal 7138 649410
    34. 34. Principes van data management Case study : uitgever van vakblad 34 Juridische vorm klanten % klanten ref.populatie % ref.pop index potentieel VZW 105 1,47% 73311 11,29% 13 73206 Public 78 1,09% 4804 0,74% 148 4726 NV 3500 49,03% 78071 12,02% 408 74571 Coöp. Venn. 188 2,63% 13287 2,05% 129 13099 Burg. Venn. 140 1,96% 10743 1,65% 119 10603 BVBA 2701 37,84% 161310 24,84% 152 158609 Andere 426 5,97% 307894 47,41% 13 307468 Totaal 7138 649420
    35. 35. Principes van data management Case study : uitgever van vakblad 35 Activiteiten volgens NACEBEL - 4 posities code klanten % klanten ref.populatie % ref.pop index potentieel 7400 Overige zakelijke dienstverlening 0 0,00% 5 0,00% 0 5 7410 Advies en bijstand aan de bedrijfswereld 0 0,00% 14 0,00% 0 14 7411 Rechtskundige dientsverlening 24 0,34% 2422 0,44% 76 2398 7412 Accountants, boekhouders en belastingconsulenten 363 5,10% 10398 1,90% 268 10035 7413 Markt- en opinieonderzoekbureaus 130 1,82% 4734 0,87% 211 4604 7414 Adviesbureaus op het gebied van bedrijfsvoering en beheer 802 11,26% 20887 3,82% 295 20085 7415 Managementactiviteiten van holdings en coördinatiecentra 139 1,95% 3941 0,72% 271 3802 7420 Technisch advies, architecten en ingenieurs 175 2,46% 14859 2,72% 90 14684 7430 Technische testen en analyses 16 0,22% 441 0,08% 278 425 7440 Reclamewezen 117 1,64% 6995 1,28% 128 6878 7450 Selectie en terbeschikkingstelling van personeel 69 0,97% 911 0,17% 581 842 7460 Opsporings- en beveiligingsdiensten 20 0,28% 835 0,15% 184 815 7470 Industriële reiniging 21 0,29% 3422 0,63% 47 3401 7480 Diverse dienstverlening hoofdzakelijk aan bedrijven 8 0,11% 162 0,03% 379 154 7481 Fotografen 9 0,13% 2570 0,47% 27 2561 7482 Verpakkingsbedrijven 2 0,03% 163 0,03% 94 161 7483 Administratiekantoren en vertalers 63 0,88% 5276 0,97% 92 5213 7484 Overige zakelijke dienstverlening 112 1,57% 7572 1,39% 113 7460 2070 29,06% 85607 15,67% 185 83537Nacecode 74xx
    36. 36. Principes van data management Case study : uitgever van vakblad 36 code klanten % klanten ref.populatie % ref.pop index potentieel 2330 Bewerking van splijt- en kweekstoffen 2 0,03% 3 0,00% 5114 1 2412 Vervaardiging van kleurstoffen en pigmenten 4 0,06% 8 0,00% 3835 4 2665 Vervaardiging van vezelcement en van artikelen van vezelcement 2 0,03% 4 0,00% 3835 2 3000 Vervaardiging van kantoormachines en computers 1 0,01% 2 0,00% 3835 1 2120 Vervaardiging van artikelen van papier en karton 1 0,01% 3 0,00% 2557 2 2752 Gieten van staal 1 0,01% 3 0,00% 2557 2 1723 Vervaardiging van kamwollen of kamwolachtig weefsels 1 0,01% 4 0,00% 1918 3 2614 Vervaardiging van glasvezels 2 0,03% 8 0,00% 1918 6 2662 Vervaardiging van artikelen van gips voor de bouw 1 0,01% 4 0,00% 1918 3 3520 Vervaardiging van rollend materieel voor spoor- en tramwegen 2 0,03% 8 0,00% 1918 6 2464 Vervaardiging van fotochemische produkten 3 0,04% 12 0,00% 1918 9 2873 Vervaardiging van artikelen van draad 2 0,03% 9 0,00% 1705 7 2871 Vervaardiging van stalen vaten en dergelijke 3 0,04% 15 0,00% 1534 12 2414 Vervaardiging van overige organische chemische basisprodukten 11 0,15% 58 0,01% 1455 47 2411 Vervaardiging van industriële gassen 7 0,10% 38 0,01% 1413 31 1724 Vervaardiging van zijden of zijdeachtige weefsels 2 0,03% 11 0,00% 1395 9 2520 Vervaardiging van produkten van kunststof 18 0,25% 100 0,02% 1381 82 1533 Verwerking en conservering van groenten en fruit 10 0,14% 59 0,01% 1300 49 2463 Vervaardiging van etherische oliën 1 0,01% 6 0,00% 1278 5 3540 Vervaardiging van motorrijwielen en rijwielen 2 0,03% 12 0,00% 1278 10 2522 Vervaardiging van verpakkingsmateriaal van kunststof 10 0,14% 64 0,01% 1199 54 1713 Bewerken en spinnen van kamwol- of kamwolachtige vezels 2 0,03% 13 0,00% 1180 11 1752 Vervaardiging van koord, bindgaren, touw en netten 2 0,03% 13 0,00% 1180 11 2442 Vervaardiging van farmaceutische produkten 14 0,20% 91 0,02% 1180 77 4520 Burgerlijke en utiliteitsbouw; weg- en waterbouw 6 0,08% 39 0,01% 1180 33 2822 Vervaardiging van radiatoren en ketels voor centrale verwarming 4 0,06% 27 0,00% 1136 23 1422 Winning van klei en kaolien 1 0,01% 7 0,00% 1096 6 1583 Vervaardiging van suiker 1 0,01% 7 0,00% 1096 6 2861 Vervaardiging van scharen, messen, bestekken, enz. 1 0,01% 7 0,00% 1096 6 2912 Vervaardiging van pompen en compressoren 7 0,10% 51 0,01% 1053 44 3120 Vervaardiging van schakel- en verdeelinrichtingen 6 0,08% 44 0,01% 1046 38 1721 Vervaardiging van katoenen of katoenachtige weefsels 13 0,18% 100 0,02% 997 87 1596 Brouwerijen 11 0,15% 86 0,02% 981 75
    37. 37. Principes van data management Case study : uitgever van vakblad 37 Omzetcijfer klanten %klanten ref.populatie %ref.pop. index potentieel 0 of onbekend 5077 71,13% 584147 89,95% 79 579070 1 - 169.999 320 4,48% 32117 4,95% 91 31797 170.000 - 349.999 187 2,62% 10913 1,68% 156 10726 350.000 - 699.999 180 2,52% 7445 1,15% 220 7265 700.000 - 1.499.999 234 3,28% 5643 0,87% 377 5409 1.500.000 - 2.999.999 232 3,25% 3534 0,54% 597 3302 3.000.000 - 6.249.999 318 4,46% 2910 0,45% 994 2592 6.250.000 - 124.999.999 423 5,93% 2397 0,37% 1606 1974 125.000.000 - 24.999.999 85 1,19% 176 0,03% 4394 91 25.000.000 en + 82 1,15% 138 0,02% 5406 56 Totaal 7138 649420 Personeelsklasse code klanten % klanten ref.populatie % ref.pop index potentieel 0 0 of onbekend 2055 28,79% 499724 76,95% 37 497669 1 Van 1 persoon tot 4 personen 1558 21,83% 106160 16,35% 134 104602 2 Van 5 tot 9 personen 775 10,86% 20781 3,20% 339 20006 3 Van 10 tot 19 personen 782 10,96% 11388 1,75% 625 10606 4 Van 20 tot 49 personen 936 13,11% 7575 1,17% 1124 6639 5 Van 50 tot 99 personen 416 5,83% 2052 0,32% 1844 1636 6 Van 100 tot 199 personen 257 3,60% 915 0,14% 2555 658 7 Van 200 tot 499 personen 202 2,83% 544 0,08% 3378 342 8 Van 500 tot 999 personen 83 1,16% 165 0,03% 4577 82 9 1000 personen of meer 74 1,04% 116 0,02% 5804 42 Totaal 7138 649420
    38. 38. Principes van data management Case study : uitgever van vakblad • Resultaat : – Selectie op basis van over- én ondervertegenwoordiging in functie van de verschillende selectiecriteria • Sterke score : – index > 150 – > 1.000 adressen in potentieel • Zwakke score : arrondissementen • Geen VZW’s • 26.000 prospectie adressen • Orderbedrag : € 5.500,00 voor NAW, contact, tel, fax, e-mail – Hogere kans op respons vermits gelijkaardig profiel als bestaande klanten – Aanboren van segmenten die niet of ondervertegenwoordigd zijn – Informatie over de workload van het externe salesteam – Idee over het resterend potentieel – … 38
    39. 39. Principes van data management Geotop tool 39
    40. 40. Principes van data management Geotop - demo Mercator - 15 oktober 2010 40
    41. 41. Principes van data management Geotop - demo Mercator - 15 oktober 2010 41
    42. 42. Principes van data management Geotop - demo Mercator - 15 oktober 2010 42
    43. 43. Principes van data management Geotop - demo Mercator - 15 oktober 2010 43
    44. 44. Principes van data management Geotop - demo Mercator - 15 oktober 2010 44
    45. 45. Principes van data management Geotop - demo Mercator - 15 oktober 2010 45
    46. 46. Principes van data management Geotop - demo Mercator - 15 oktober 2010 46
    47. 47. Principes van data management Geotop - demo Mercator - 15 oktober 2010 47
    48. 48. Principes van data management Geotop - demo Mercator - 15 oktober 2010 48
    49. 49. Principes van data management Geotop - demo Mercator - 15 oktober 2010 49
    50. 50. Principes van data management Soorten bestanden Business to business bestanden Consumerbestanden
    51. 51. Principes van data management Waar kan ik terecht? • Eigen gegevens • Bij de ‘LISTBROKER’ – Compleet advies – Grote keuze uit bestanden en bijsluitmogelijkheden – Exclusiviteiten op specifieke gedragsbestanden • Bij de ‘LISTMAKER’ zelf, – vooral voor • Sociodemografische bestanden • Lifestylebestanden • Lifestagebestanden – Biedt meestal ook ontdubbeling aan
    52. 52. Principes van data management ‘Adressen’... Of ‘doelgroepen’ & ‘contactpunten’? B2C contactpunten
    53. 53. Principes van data managementAdressen ?
    54. 54. Principes van data managementMaar blijven we over adressen praten ?
    55. 55. Principes van data management Maar blijven we over adressen praten ? CONTACT
    56. 56. Principes van data management Respons Respons via direct mail wordt beïnvloed door 40% 30% 20% 10% targeting offer creative execution timing
    57. 57. Principes van data management 1. Adressen •
    58. 58. Principes van data management Hoe de juiste doelgroep combineren? Intuitieve methode • op basis van ervaring, intuitie, marktonderzoek, … • vertaling naar beschikbare bestanden Wetenschappelijke methode • uw beste prospecten lijken op uw beste klanten • profielanalyses en responsanalyses • scoringsmodellen
    59. 59. Principes van data management Intuïtief
    60. 60. Principes van data management Soorten adressenbestanden – Socio-demografische (massa-)bestanden – Levensfase-bestanden – Lifestyle-bestanden – Gedragsbestanden Intuitief : consumentenbestanden
    61. 61. Principes van data managementSocio-demografische bestanden Karakteristieken – Socio-demografische info – Gecompileerd a.d.h.v. verschillende bronnen – Zeer grote dekking t.o.v. Belgische bevolking Voordelen – Grote dekking => max. potentieel – Ruime/voor de hand liggende selectiecriteria – Referentiebestand voor analyse – Scoringmogelijkheden Nadelen – Geen gedragscomponenten Voorbeelden – CONSU-data, Maildata
    62. 62. Principes van data management • Voorbeeld : CONSU-data • (onderdeel van CONSU-matrix) 85% van de Belgische bevolking (18+) 3.7 mio HHs 6.5 mio individuen (18+) Gecompileerd ahv. bronnen  Belgacom/Telenet  NIS-gegevens  BTW-bestand  OCR-gegevens (tot 1993)  CONSU-lifestyle, Permesso.be, Select Post  ... Persoonlijke informatie, gezinssamenstelling, geomarketing, woning, koopkracht,... Socio-demografische bestanden
    63. 63. Principes van data management Soorten adressenbestanden – Socio-demografische (massa-)bestanden – Levensfase-bestanden – Lifestyle-bestanden – Gedragsbestanden Intuitief : consumentenbestanden
    64. 64. Principes van data management Karakteristieken – Bestanden leggen periodes in het leven vast Voordelen – Open voor verandering • verschillende behoeftes per life stage • typische producten per life stage – Ideaal voor ‘Transition Marketing’ Nadelen – Tijdelijk karakter – Het goede moment ! Voorbeelden – Verhuizersbestanden : Movers, CONSU-plus – Babybestanden : Baby-Data, BabyBoom, … – Transities: CONSU-dynamics Levensfase bestanden
    65. 65. Principes van data management Levensfase bestanden Verhuizen...
    66. 66. Principes van data management Levensfase bestanden Kinderen ... Kinderen 36 mnd tot 10 jr Tieners 11 tem. 18 jaar Babies prenataal 0 tot 36 maand
    67. 67. Principes van data management Levensfasebestanden Levensfasen en transities: CONSU-dynamics • Basis = vergelijking van verschillende versies basisdata om levensfase en transities te onderkennen • KIND : eerste en plechtige communie (regionaal!), start volwassen leven,… • VOLWASSENE: midlife, pensioenvoorbereiding, voorbereiding erfenis, … • GEZIN: nieuw (kern)gezin of split, left/back/split/empty nest • > 270 000 wijzigingen per jaar!
    68. 68. Principes van data management Soorten adressenbestanden – Socio-demografische (massa-)bestanden – Levensfase-bestanden – Lifestyle-bestanden – Gedragsbestanden Intuitief : consumentenbestanden
    69. 69. Principes van data managementLife style-bestanden Karakteristieken – Gedeclareerde informatie – Niet-visuele informatie – Via enquêtes Voordelen – Responsieve consumenten – Zeer fijne selectiecriteria – Referentiebasis voor analyses – Intentie-bevraging Nadelen – Minder dekkend dan socio-demo bestanden – Deel van de info verandert snel Voorbeelden – CONSU-lifestyle (47% CONSU-matrix ), Bureau voor Consumentenvoorkeuren (450 000 huishoudens), Select Post (700 000 huishoudens)
    70. 70. Principes van data management Hoe wordt lifestyle data verzameld? VRAGENLIJSTEN Gepersonaliseerd OFFLINE > Select Post > Historisch Sophie’s Shopping Club, Permesso’s Grote Consumentenenquête > Combi-surveys, mini-suveys ONLINE > Respons concepten op internet (Permesso.be, Just ForYou, Mailmate, …) Niet gepersonaliseerd > Bijsluiters in magazines > Huis aan Huis met incentives > Via online media (banners ed) Life style-bestanden
    71. 71. Principes van data management Life style-bestanden Voorbeeld : Permesso.be : ongoing responsconcept
    72. 72. Principes van data managementLife style-bestanden Voorbeeld :
    73. 73. Principes van data management Soorten adressenbestanden – Socio-demografische (massa-)bestanden – Levensfase-bestanden – Lifestyle-bestanden – Gedragsbestanden Intuitief : consumentenbestanden
    74. 74. Principes van data management Gedragsbestanden Karakteristiek – Opgebouwd rond kernactiviteit van de bestandseigenaar. – Verhandeling is nevenactiviteit – Ca. 300 bestanden beschikbaar in België Voordelen – Bewezen ‘gedrag’ => hoge responsiviteit – Mogelijkheden tot verrijking Nadelen – Beperkte omvang & onvolledige dekking – Hoge prijs
    75. 75. Principes van data management Gedragsbestanden Wat is ‘gedrag’ ? – Sport: Spelen/Kijken/Supporters – Boeken: Lezen/Kopen/Verzamelen – Goede doelen: Schenken/Meewerken Waar(schijnlijk)heid en gedrag – “Eens een dief, altijd een dief” – “Qui a bu, boira” – Mensen vallen in herhaling
    76. 76. Principes van data management
    77. 77. Principes van data management Wetenschappelijk
    78. 78. Principes van data management Wetenschappelijk ? Wetenschappelijke methode = – Niet afgaan op « buikgevoel » – Profielanalyses en responsanalyses – Scoringsmodellen Uw beste prospecten lijken op uw beste klanten !
    79. 79. Principes van data management Gescoorde bestanden Karakteristieken – Bepalen van look-alikes – Modelleren van respons – Basis = statistische tools en sample van de adverteerder Voordelen – Op maat van de adverteerder – Op maat van elke campagne Nadelen – Juiste sample is kritische input : WYSIWYG Voorbeelden – Profile-Insight, Lifestyle-Insight
    80. 80. Principes van data management The Extended Theory CONSU-matrix 3.7 Mio. Households Top customers Best prospects segmentation X % growth = x clients = # prospects
    81. 81. Principes van data management The Extended Theory CONSU-matrix 3.7 Mio. Households Top customers Best prospects segmentation X % growth = x clients = # prospects
    82. 82. Principes van data management The Extended Theory CONSU-matrix 3.7 Mio. Households Top customers Best prospects segmentation X % growth = x clients = # prospects campaigncampaign conversation program database solution
    83. 83. Principes van data management Gescoorde bestanden : Profile & Lifestyle Insight Profile-Insight  Aan de hand van het socio-demografisch profiel van bestaande goede klanten  Extrapoleren naar prospecten in CONSU-data met hetzelfde profiel Lifestyle-Insight  Aan de hand van het lifestyle profiel van bestaande goede klanten  Extrapoleren naar prospecten in CONSU-lifestyle met hetzelfde profiel
    84. 84. Principes van data management Consumerbestanden voor online doeleinden Opt-in bestanden Niet opt-in bestanden
    85. 85. Principes van data management Karakteristieken – Expliciete goedkeuring van de consument – Individuele life style informatie – Altijd package met campaign-management Voordelen – Responsief – Minder spam-risico – Sterke/snelle interactiviteit – Meten – Makkelijk testen Nadelen – Beperkte aantallen – SPAM/deliverability Voorbeelden – Permesso.be – JustForYou – Mailmate – ... Opt-in bestanden
    86. 86. Principes van data management
    87. 87. Principes van data management You can’t integrate all data (e.g. social media)
    88. 88. Principes van data management + = From raw oil to the finestgasoline
    89. 89. Principes van data management But first…create a single customer view
    90. 90. Principes van data management Segmentation Segmentation of customers and prospects can be based on various data, depending on the objectives of the database and the strategic marketing objectives
    91. 91. Principes van data management How does a marketing database look like?
    92. 92. Principes van data management How does a marketing database look like?
    93. 93. 93 The synergy between Data Technology & Marketing Strategy
    94. 94. Principes van data management Database team (People) Manufacturer • People who build databases • Merge/Purge, Hardware, Software Manager • People who understand strategy • Build loyalty and repeat sales Driver • Campaign managers Yo u n e e d t h e m a l l
    95. 95. Principes van data management Database team (Focus) Manufacturer • Stability • Security • Standardization • Functionalities Manager • Flexibility • Innovation • Differentiation • Customer Experience Driver • State of the art applications • Speed and agility • Efficiency Yo u n e e d t h e m a l l
    96. 96. 96
    97. 97. Principes van data management Predefined queries Ad hoc queries, analytical modeling Predictive modeling Pro-active notifications, alerts Reporting R E P O R T I N G A N A L Y S I N G P R E D I C T I N G I N T E R A C T I V E K N O W L E D G E What happened? Why did it happen? What will happen? How do we influence what is happening? Customer reporting ROI Resonse-analysis Segmentation profiling Scoring propensity model value model risk model Interactive CRM forecasting knowledgeable decisions re-active backwardlooking pro-active forwardthinking
    98. 98. 98 …and an interactive GPS to navigate
    99. 99. Principes van data management Campaign management and Triggers
    100. 100. Principes van data management Make sure you have the right tools
    101. 101. 101 CRASH ! Boom Bang !
    102. 102. Principes van data management The Nine Mistakes
    103. 103. Principes van data management The Nine Mistakes
    104. 104. Principes van data management Data Quality GARBAGE IN. GARBAGE OUT.
    105. 105. Principes van data managementWhat’s Data Quality ? Data don’t have to be PERFECT 105 It must fulfill the needs of the people and the processes who use the data Desired level of DQ = level that approaches the current and future needs of the most demanding user/application.
    106. 106. Principes van data management Mistake in Datawarehouse for Business Intelligence 106 So What !
    107. 107. Principes van data management Mistake in a Marketing Database 107 How comes ?
    108. 108. Principes van data management 108 You have a problem ! Mistake in an Operational Database
    109. 109. Principes van data management What is data quality?  Complete: is all the necessary data available  Validity: is the data valid by the defined business rules  Consistency: are all the data elements consistent and correctly understood  Accuracy: is the data corresponding with the reality  Integrity: is the data structure correctly created and maintained  Time to market: can the data be retrieved on-time  Accessibility: is the data easily accessible
    110. 110. Principes van data management What can go wrong ? 111
    111. 111. Principes van data management Data Quality Services on the Belgian market Email validation Telephone validation Formatting Address check & validation Enhancement & qualification Household, individual, profile and email composition Supression files Movers updates Name check & validation
    112. 112. Principes van data management What is happening in the market ? Data quality is poor • 38% of companies haven’t performed basic address controls in the last 6 months • Data quality audit in Business-to-business (181 files, 2 million records) : 7,84 % not active or postal retour (=156.800 mailpieces !) – Bankruptcy : 1 % – Fusion : 0,5 % – Stopped : 0,21% – No longer active : 3 % – Settlement/dissolution : 0,7 % – Retour : 2,43 % 113
    113. 113. Principes van data managementAddress information : why Data Quality ? To keep the address correct to avoid postal returns: only partially true ! – « Bad addresses » don’t always result in postal returns – The postman is doing a good job ! – Only illegible addresses are to avoid. 114
    114. 114. Principes van data managementAddress information : why Data Quality ? 115 To keep the addresses correct in order to fulfill the needs of your CRM-program  Address is the key element in order to follow up your customers  Is the basic assumption for deduplication  Other contact information are hardly ‘updatable’ :  Email, GSM, ...  Only illegible addresses are to avoid
    115. 115. Principes van data management Information on company-names & contacts : why DQ ? • For deduplication purposes • Sensitivity to errors : image ! 116
    116. 116. Principes van data management Address changes : why DQ? Postal returns : only partially true 117 Postal return Delivery on address Delivery error Send on by MutaPost Send on privately
    117. 117. Principes van data management Doubles : why DQ ? • Avoid sending double mailings : only partially true – # contactpersons - DMU • Tailor-made in BtB : – Link ifo name contactperson (EuroDB - Riské - LLN >< Coface Belgium - Riské - Brussel) – Link ifo historical company name (Fortis >< ASLK)  BNP Paribas….;-( – Taking into account AW-information (Waasland Shopping Center >< Kapelstraat) 118
    118. 118. Principes van data management ROI & Data Quality : some calculations • If you have following information in your DB : – 0.5% illegible addresses – 1% addresses without house number To be expected : 0.75 % postal returns = 7,5/1.000 Price/1000 addresverifications: € 10 – 50 /1.000 => €30/7.5 = € 4/ postal return that could be avoided After 4 mailings you earned your money back ! 119
    119. 119. Principes van data management ROI & Data Quality Example from BtB-telecom : • Database of 150.000 customers • 5% doubles, 5% wrong addresses, 6% errors in names of contact persons • Yearly communication efforts : – 4 mailings – 2 newsletters – ≥ 1 call/customer • Investment in DQ produced following savings : - between € 12.500 and 83.500 in year 1 - between € 198.500 and 260.500 in the next years 120
    120. 120. Principes van data managementROI & Data Quality 121 TIME € Costs Savings
    121. 121. Principes van data management DQ: Proces management or how to reach good Data Quality 122 Data output, Interfacing, Distribution Data processing Tools or Web-service Checks on every inputchannel : - AW validation - NAW validation & correction - fraude detection - enrichment Data input Off-line match with Reference data Stable ID Continuous checks on : - household-relations - movements - enrichment Off-line & On-line (FTP) match with Reference data Analysis – BI Marketing: - Robinson - Movers-check Operational: - Bankruptcies
    122. 122. Principes van data management The impact of bad data quality
    123. 123. Principes van data management Impact of bad data quality Increased risks • Legislative risk • Information integration risk • Investment risk • Privacy risk • Competitive risk • Fraud detection Increased costs • Detection and correction • Anticipation • Scrap and rework • Penalties • Overpayments • Inceased resource costs • System delays • Increased workloads • Increased process times Decreased revenue • Delayed / lost collections • Customer attrition • Lost opportunities Low Confidence • Organisational trust • Impaired decision making • Lowered predictability • Impaired forecasting • Inconsistent reporting
    124. 124. Principes van data management outsourcinginsourcing Vs. Insourcing vs outsourcing
    125. 125. Principes van data management Insourcing vs. outsourcing
    126. 126. Principes van data management ConsPro  IT resources  Know-how  Economy of scale is limited  Cash up front  Marketing database isn’t core business  Permanent evolution  Close to the data  Security and control  Perception of cost is low  Perception of tailor-made  Perception of fast fine-tuning Pros and cons of in and out IN-HOUSE
    127. 127. Principes van data management ConsPro  Data outside firewall  Perception of high costs  Experience by service provider  Economy of scale  More focus of IT-department  Fast startup  Best of breed solutions Pros and cons of in and out Outsourcing
    128. 128. Principes van data management Pros and cons of in and out …There is no correct answer It all comes down to: • Budget – Engagement of the company – Owned by the strategic management • FTE – Do you have the skills – Do you have time/priorities • Strategy – Core-business? …and data outside the firewall …what about SaaS (Software as a Service)
    129. 129. 130
    130. 130. Principes van data managementRules for success
    131. 131. 132 If data is the new oil, privacy is it’s currency
    132. 132. Principes van data management Don’t forget  To declare your file at the commission for the protection of privacy (www.privacy.fgov.be)  To inform your subscribers about their rights concering “privacy”  To take all countermeasures to avoid impermissible access to your data  To react if – Someone asks you about their information that you posses – Someone asks you to correct their data – Someone asks you to delete their data  To use your repository files or opt out files.  To use the Robinson list for every prospection action (www.robinson.be)  Do not refer to the selection criteria for external files
    133. 133. Principes van data managementConclusion. • Define the data you needA Tsunami of data sources • Make your solution agileFrom database to dataplatforms • Segment and add relevanceFrom raw oil to the finest gasoline • Team upThe synergy between Data Technology & Marketing Strategy • Act on your metricsThe driver needs a dashboard • Have the right campaign management tool…and an interactive GPS to navigate • Have a strategyThe nine mistakes • Close the loopRules for success • OverdeliverIf data is the new oil, privacy is it’s currency
    134. 134. Principes van data management We recommend A must read. How using analytics to data-driven business results. Thomas H. Davenport Jeanne G. Harris
    135. 135. Principes van data management We recommend How integrating online and offline. Akin Arikan
    136. 136. Principes van data management We recommend Creating a marketing database that delivers profit. Arthur M. Hughes
    137. 137. Principes van data management This presentation is also available on Slideshare • http://www.slideshare.net/LaurensLories/
    138. 138. Principes van data management Finish! Finish !
    1. A particular slide catching your eye?

      Clipping is a handy way to collect important slides you want to go back to later.

    ×