Het bystander effect: iedereen wil, maar er gebeurt niets

Welke impact dit intrigerende fenomeen op klantdata heeft

Binnen bedrijven weet iedereen wie verantwoordelijk is voor financiën, human resources of het wagenpark. Maar weet je wie binnen jouw organisatie eindverantwoordelijk is voor de kwaliteit van de klantdata en het centraal klantbeeld? Waarschijnlijk niet. Het is de vraag of dat erg is. Zolang alles goed gaat niet. Maar dat is zelden het geval. Doordat niemand verantwoordelijk is en ook niemand zich verantwoordelijk voelt, krijgt datavervuiling de vrije hand. Met alle gevolgen van dien. Oplopende operationele kosten, toenemende klachten van klanten, gemiste upsell en crosssell kansen, problemen bij facturering en nog meer tegenspoed. De oplossing is eenvoudig: benoem een data quality manager. Iemand die eindverantwoordelijk is voor het bewaken van de datakwaliteit. Maar wie moet hiertoe het initiatief nemen? Je zou zeggen, degene die het grootste belang heeft bij kwalitatief goede data. Maar die persoon of afdeling aanwijzen is niet zo eenvoudig.

Vele belanghebbenden

Data spelen in vrijwel elk bedrijfsproces een cruciale rol. Zonder betrouwbare data kan er bijvoorbeeld niet foutloos gefactureerd worden. Maar ook het afleveren van bestellingen gebeurt niet foutloos als data domweg niet kloppen. Als klantengegevens onjuist zijn, als klanten meerdere keren in systemen voorkomen of als een bestelling of factuur niet klopt, kan dit boze telefoontjes bij klantenservice opleveren. Hiermee hebben we dus al drie kandidaten gevonden voor de rol van initiatiefnemer. Van change leader of data steward bijvoorbeeld. De financieel directeur of een van zijn medewerkers kan deze rol op zich nemen. De logistiek manager en de manager klantenservice komen ook in aanmerking.

Maar als we ervan uitgaan dat data = klanten, dan komen we terecht bij sales en marketing. Zonder actuele, correcte, complete en unieke data, kunnen zij hun onmogelijk hun werk doen. Ze worden teruggeworpen naar de tijd waarin marketing en verkoop eerder op goed geluk en met hard roepen plaatsvond. In de hoop dat iemand de verkoopboodschap hoort en ernaar handelt. De sales manager en de marketing manager hebben dus beiden een direct, persoonlijk belang bij kwalitatieve data. Zonder betrouwbare data kunnen zij geen betrouwbare doelgroepselecties maken, komen aanbiedingen bij de verkeerde mensen terecht. Of komen helemaal niet aan. Hierdoor blijven de resultaten van campagnes achter en halen zij hun targets niet. Niet fijn voor je carrière.

Dan is er natuurlijk nog de IT-afdeling. Ook die hebben belang bij optimale data. Al was het maar om een hoop gezeur en reparatiewerk te voorkomen. En, laten we wel zijn, bij IT is de meeste kennis aanwezig van systemen en processen. Maar of dat doorslaggevend is? Menselijk handelen is veel meer van invloed op de datakwaliteit. Denk alleen maar aan het invoeren. Als het hier fout gaat, kost het veel tijd, geld en moeite om fouten op te sporen en te herstellen.

Het bystander effect

Juist omdat er veel belanghebbenden zijn bij datakwaliteit, voelt niemand zich er persoonlijk verantwoordelijk voor. In de psychologie heet dit het bystander effect.

Hoe meer toeschouwers een drenkeling heeft, des te kleiner de kans dat iemand hem komt redden. Zo kon het waarschijnlijk gebeuren dat het callcenter van een grote financiële instelling stopte met het controleren van persoonsgegevens. De gesprekken gingen te lang duren omdat een op de vier klanten onjuist of onvolledig geregistreerd stond. Met alle gevolgen van dien.

Ben jij de change leader?

Wat jouw functie ook is, als je data quality management ingevoerd wilt krijgen, heb je draagvlak nodig. Ga praten met alle belanghebbenden. Vraag hoe zij de datakwaliteit ervaren. Grote kans dat je in korte tijd breed gedragen steun voor jouw initiatief krijgt. En dat is ook nodig. Het bewaken van de datakwaliteit laat zich niet beperken tot een persoon of zelfs maar tot een afdeling. Het is een gedeelde verantwoordelijkheid van iedereen die data invoert, bewerkt, opslaat en gebruikt. Dat is dus bijna iedereen in de organisatie. En mocht het algemeen management twijfels hebben bij het benoemen van een data quality manager, laat dan een data maturity scan uitvoeren. Die maakt inzichtelijk welke inkomsten verloren gaan en welke kosten gemaakt worden als gevolg van vervuilde data.

Ik ben benieuw naar jullie reactie(s).

Afbeelding: Martin Pettitt (cc)