En sælger ringer til en kunde, som allerede er i dialog med en kollega. En servicetekniker kører ud på en gammel adresse. Marketing sender en relevant invitation til den forkerte kontaktperson. Det er sjældent systemet, der fejler. Det er data, der ikke kan bruges i arbejdet.
Hvordan forbedrer man datakvalitet, uden at gøre CRM til endnu et projekt, medarbejderne skal bruge tid på at komme udenom? Svaret er ikke en stor oprydningsdag alene. God datakvalitet kommer af klare regler, enkle arbejdsgange og et system, der gør det nemt at gøre det rigtige i øjeblikket.
Datakvalitet er kun værdifuld, når den hjælper hverdagen
Mange virksomheder vurderer datakvalitet ud fra, om felterne i CRM er udfyldt. Det er et fint udgangspunkt, men ikke nok. Et kundenavn kan være korrekt, mens salgsarbejdet stadig bliver svært, fordi ingen ved, hvem der træffer beslutningen, hvad den aktuelle mulighed handler om, eller hvornår kunden sidst blev kontaktet.
Data af høj kvalitet er data, som medarbejderne kan stole på og handle ud fra. For salget betyder det et pipeline-overblik, der afspejler virkeligheden. For marketing betyder det segmenter, der ikke bygger på gæt. For service betyder det rigtige kontaktoplysninger, aftaler og udstyrshistorik, når opgaven skal planlægges.
Derfor bør I ikke starte med spørgsmålet: Hvilke felter mangler vi? Start med: Hvilke beslutninger skal vi kunne træffe hurtigere og mere sikkert? Det flytter fokus fra administration til forretning.
Hvorfor bliver CRM-data dårlige?
Dårlige data opstår sjældent, fordi medarbejderne er ligeglade. De opstår, når systemet beder om oplysninger, som ikke giver mening i situationen, eller når ansvar og definitioner er uklare.
Måske kan en potentiel kunde oprettes både som kunde, lead og kontaktperson afhængigt af, hvem der sidder med opgaven. Måske betyder salgstrinnet “tilbud” én ting for en sælger og noget andet for salgschefen. Eller måske ligger der tusindvis af gamle kontakter i systemet, fordi ingen har besluttet, hvornår en kontakt skal arkiveres eller markeres som inaktiv.
Det klassiske problem er også, at CRM bliver opdateret efter arbejdet er gjort. Sælgeren tager samtalen, sender tilbuddet og løser kundens spørgsmål – og skal bagefter forsøge at huske detaljerne. Når der er travlt, bliver registreringen kort, udsat eller glemt. Det er menneskeligt. Derfor skal arbejdsgangen designes, så registrering er en naturlig del af opgaven og ikke et ekstra lag ovenpå den.
Sådan forbedrer I datakvaliteten trin for trin
En holdbar indsats kræver både oprydning i eksisterende data og bedre vaner fremadrettet. Gør I kun det første, kommer fejlene igen. Gør I kun det andet, træffer I stadig beslutninger på et usikkert grundlag.
1. Vælg de data, der faktisk betyder noget
I behøver ikke rense alt på én gang. Det bliver hurtigt et omfattende arbejde med begrænset effekt. Vælg i stedet de oplysninger, der har betydning for jeres næste handlinger og rapportering.
For en B2B-virksomhed vil det ofte være virksomhedens navn og CVR-oplysninger, relationen mellem virksomhed og kontaktperson, kontaktpersonens rolle, ejer på kunden, næste aktivitet, salgsfase samt årsag til vundet eller tabt sag. I serviceorganisationen kan det desuden være lokation, aftalevilkår, relevante kompetencer og historik på opgaven.
Lav en fælles definition af hvert vigtigt felt. Hvad betyder eksempelvis “aktiv kunde”? Hvornår er en mulighed kvalificeret? Hvem må ændre kundetype? En kort og konkret definition fjerner flere fejl, end en lang manual gør.
2. Giv data et tydeligt ejerskab
Når alle ejer data, ejer ingen dem. Det betyder ikke, at én person skal rette alt. Det betyder, at I skal være enige om, hvem der har ansvaret for hvad.
Sælgeren kan eje sine aktiviteter, muligheder og primære kontakter. Marketing kan eje samtykker, målgrupper og kampagnedata. En salgsleder eller kundeteamansvarlig kan have ansvaret for at afklare dubletter og sikre fælles standarder på tværs. IT kan understøtte opsætning og integrationer, men bør ikke være den, der skal vurdere, om en kontakt stadig er relevant for salgsarbejdet.
Det afgørende er, at opgaven er synlig og realistisk. Hvis ingen har tid i kalenderen til løbende vedligehold, bliver ansvaret en hensigtserklæring.
3. Gør det nemt at indtaste korrekt første gang
Her ligger en stor del af gevinsten i Dynamics 365 og Power Platform. I kan indrette formularer, så de viser de relevante felter på det rigtige tidspunkt i stedet for at præsentere alle muligheder på én gang. I kan bruge valgfelter frem for fritekst, når data skal kunne sammenlignes. Og I kan gøre enkelte oplysninger obligatoriske, når de reelt er nødvendige.
Men pas på med at gøre for mange felter obligatoriske. Hvis en sælger skal udfylde 15 felter for at oprette en ny kontakt efter et møde, finder vedkommende en genvej – eller opretter intet. Obligatoriske felter skal bruges med omtanke og kun der, hvor manglende information skaber et konkret problem senere.
Valideringsregler kan fange åbenlyse fejl, før de bliver til dårlige rapporter. Et telefonnummer kan have et forventet format. En mulighed kan ikke flyttes til “tilbud sendt”, hvis beløb og forventet afslutningsdato mangler. En serviceopgave kan ikke planlægges uden en lokation. Reglerne skal afspejle jeres proces, ikke en teoretisk standardproces.
4. Stop dubletter, før de spreder sig
Dubletter er en af de mest synlige årsager til mistillid til CRM. Når den samme kunde findes tre gange, opstår der hurtigt tre forskellige historikker, tre ejere og tre opfattelser af relationen.
Forebyggelse er bedre end efterfølgende oprydning. Ved oprettelse bør systemet hjælpe brugeren med at se mulige eksisterende kunder og kontakter. Det kræver, at I aftaler, hvilke oplysninger der er stærkest til at identificere en virksomhed eller person. CVR-nummer er ofte oplagt for danske virksomheder. E-mail kan være nyttig for kontaktpersoner, men fælles postkasser og jobskifte gør den ikke fejlfri.
Der vil stadig være tvivlstilfælde. To selskaber kan ligne hinanden i navn, og en kontaktperson kan arbejde med flere afdelinger. Derfor skal dubletreglerne være gode nok til at hjælpe, men ikke så stramme, at de spænder ben for en reel oprettelse.
5. Indbyg vedligehold i den normale drift
Data bliver gamle. Kontaktpersoner skifter job, virksomhedsstrukturer ændrer sig, og salgsdialoger går i stå. Det er ikke et tegn på dårlig disciplin. Det er en del af virkeligheden.
Aftal derfor faste, små rutiner. En sælger kan afslutte eller opdatere muligheder, der ikke har haft aktivitet i en bestemt periode. Teamlederen kan gennemgå pipeline med fokus på næste skridt og forventet dato. Marketing kan løbende håndtere afviste e-mails og udløbne samtykker. Service kan kontrollere, om gentagne opgaver har korrekte adresser og kontaktpersoner.
Det er bedre med 20 minutter hver uge end en hektisk oprydning hvert halve år. Den løbende rytme gør arbejdet overskueligt og sikrer, at fejl opdages, mens nogen stadig kender kunden og sagen.
Mål kvaliteten uden at skabe et kontrolprojekt
Hvis datakvalitet ikke kan ses, bliver den hurtigt nedprioriteret. Brug få målepunkter, der knytter sig til en reel forretningsværdi. Det kan være andelen af aktive muligheder med næste aktivitet, antallet af dubletter, andelen af kunder med registreret primær kontakt eller hvor mange sager der mangler afslutningsårsag.
Undgå at måle på alt. En score på 98 procent udfyldte felter er ikke nødvendigvis godt, hvis felterne er fyldt med “ukendt”, tilfældige værdier eller forældede oplysninger. Kig hellere på, om data gør jeres pipeline, segmenter og planlægning mere troværdige.
Det hjælper også at vise resultaterne tilbage til medarbejderne. Når sælgerne kan se, at bedre opdaterede muligheder giver et skarpere forecast, bliver registreringen lettere at prioritere. Når serviceteamet undgår en forgæves køretur, fordi oplysningerne er korrekte, bliver værdien meget konkret.
Teknologi kan hjælpe, men den kan ikke beslutte for jer
Automatisering kan opdatere standardoplysninger, sende påmindelser og gøre opmærksom på poster, der mangler gennemgang. Integrationer kan mindske dobbeltindtastning mellem systemer. Rapporter kan synliggøre, hvor kvaliteten falder.
Alligevel skal de grundlæggende beslutninger komme fra jer: Hvilke data er kritiske? Hvem bruger dem? Hvornår skal de opdateres? Og hvad er en god nok kvalitet til den konkrete opgave? Et avanceret setup løser ikke et uklart ansvar. Omvendt kan en enkel løsning med gode arbejdsgange skabe markant bedre resultater.
Hos Cliento starter vi derfor typisk med medarbejdernes konkrete arbejde frem for en lang ønskeliste af felter og regler. Jeres IT skal løse jeres udfordringer – også når det handler om noget så jordnært som at kunne stole på, at kunden, sagen og næste opgave er registreret rigtigt.
Begynd med ét område, hvor dårlige data koster jer tid eller salg i denne uge. Når medarbejderne oplever, at bedre data gør deres hverdag lettere, behøver datakvalitet ikke længere være en kampagne. Det bliver bare måden, I arbejder på.
