Vat dit blogbericht samen met:
Noot van de redactie: In het veranderende FMCG-landschap met trends zoals BNPL, D2C, omnichannel retailing en agile operations, staat personalisatie centraal. Data vormt de kern van deze digitale transformatie.
Deze blog benadrukt het belang van het doorbreken van datasilo's om een accurate datastroom naar de juiste partij op het juiste moment te garanderen. Dit draagt bij aan klantgerichtheid en ontsluit nieuwe kansen door middel van gedetailleerde inzichten. Relevante aandachtspunten voor een succesvolle uitvoering zijn onder andere databeheer , cloudoplossingen en AI .
"Vaak zien we dat een consumentenbedrijf wel over de benodigde data beschikt om de bedrijfsvoering te verbeteren, maar dat die data zich in verschillende afdelingen binnen het bedrijf bevindt" - aldus een artikel van McKinsey.
Bedrijven gebruiken tegenwoordig diverse systemen om hun werk te doen. Elke afdeling, zoals verkoop of supply chain, heeft zijn eigen tools om de taken uit te voeren. Maar soms kunnen al deze verschillende systemen leiden tot een probleem dat bekend staat als "data-eilanden". Dit betekent dat de benodigde data op verschillende plekken terechtkomt en het moeilijk is om het overzicht te bewaren.
Grote organisaties gebruiken talloze systemen en als deze systemen niet met elkaar communiceren, zullen verschillende afdelingen het nooit eens worden over welke gegevens correct zijn.
Laten we een voorbeeld bekijken om ons begrip te vergroten: Bij Sales and Operations Planning (S&OP) bestaat het centrale team uit leiders van zowel de verkoop- als de operationele afdeling. Het is essentieel dat zij een helder begrip hebben van de gegevens en termen voordat ze aan de planning voor de toekomst beginnen. Hoewel deze afdelingen binnen de meeste organisaties doorgaans verschillende systemen gebruiken voor hun dagelijkse taken, vereist effectieve planning een soepele integratie van verkoop- en operationele gegevens en systemen, met minimale aanpassingen.
Grote organisaties gebruiken gemiddeld 367 softwareapplicaties en -systemen. Naarmate organisaties groeien, wordt het steeds lastiger om de connectiviteit tussen systemen te waarborgen, waardoor uitgebreide onderlinge verbindingen noodzakelijk zijn. Met de toenemende fusies en overnames en de groeiende consolidatie wordt deze uitdaging nog groter.
Laten we nu eens dieper ingaan op de verschillende soorten systemen die bedrijven gebruiken.
1. Trade Promotion Optimization (TPO)-systeem: Blue Planner - Dit systeem helpt bij het optimaliseren van handelsacties om de verkoop en winst te verhogen door middel van effectieve planning en analyse.
2. Categoriebeheersysteem: JDA Categoriebeheer - JDA biedt een uitgebreid platform voor het beheren en analyseren van productcategorieën, wat leidt tot betere besluitvorming en verbeterde verkoopstrategieën.
3. Kassasysteem (POS): Square POS - Het systeem van Square biedt naadloze transactieverwerking en mogelijkheden voor bedrijfsbeheer op het verkooppunt.
4. E-commerceplatform: Shopify - Shopify staat bekend om zijn gebruiksvriendelijke interface en robuuste functies en stelt bedrijven in staat om efficiënt online winkels te creëren en te beheren.
5. Enterprise Resource Planning (ERP)-systeem: SAP ERP - Het ERP-systeem van SAP integreert diverse bedrijfsfuncties zoals financiën, voorraadbeheer en HR, en biedt een gecentraliseerd platform voor gestroomlijnde bedrijfsvoering.
Naarmate bedrijven groeien, moeten ze ervoor zorgen dat informatie vrijelijk tussen deze systemen kan worden uitgewisseld. Ze moeten voorkomen dat gegevens op verschillende plekken vast komen te zitten.
Deze datasilo's ontstaan doorgaans door verouderde systemen, gedecentraliseerd databeheer en afdelingsgrenzen. Laten we de belangrijkste oorzaken van het ontstaan van silo's eens nader bekijken.
1. Gebrek aan gegevensherkomst en gemeenschappelijke gegevenswoordenboeken:
Neem bijvoorbeeld een fusie- en overnameproces waarbij leidinggevenden van beide bedrijven samenkomen. Een goed begrip van financiële gegevens en terminologie is essentieel voordat ze een strategie kunnen ontwikkelen. Hoewel elk bedrijf verschillende operationele tools gebruikt, is een succesvolle integratie van financiële gegevens en systemen cruciaal voor effectieve besluitvorming.
2. Vertrouwen op individuele kennis:
Systeemkennis is geconcentreerd bij specifieke personen zonder adequate documentatie. Wanneer deze deskundige personen vertrekken, wordt het systeem minder flexibel en minder vatbaar voor veranderingen. Teams gaan dan zelf data-oplossingen ontwikkelen, vaak met behulp van spreadsheets.
3. Inconsistenties in stamgegevens:
Er kunnen discrepanties in stamgegevens ontstaan tussen verschillende teams, branches of afdelingen binnen een organisatie. Deze verschillen leiden ertoe dat teams hun eigen versies van de stamgegevens creëren.
4. Gebrek aan volledig inzicht:
Lacunes in het inzicht in de gehele waardeketen van de bedrijfsvoering.
Datasilo's ontstaan door ontbrekende gegevens in verschillende fasen van het proces.
Voorbeeld: FMCG-bedrijven beschikken over primaire en secundaire verkoopgegevens, maar missen tertiaire verkoopgegevens.
Volgens Forrester besteedt een analist 30% van zijn tijd aan het zoeken naar de juiste data en informatie, wat neerkomt op 2,4 uur per dag.
Het navigeren door datasilo's: interne en externe uitdagingen voor FMCG-bedrijven.
Voor de FMCG-sector reiken datasilo's verder dan de interne systemen van de organisatie. Merken stuiten vaak op externe datasilo's vanwege beperkte toegang tot essentiële informatie die door externe partijen wordt beheerd. Deze situatie doet zich vaak voor wanneer FMCG-bedrijven geen directe controle hebben over de gegevens die worden opgeslagen door de winkels die hun producten verkopen. FMCG-bedrijven doen daarom vaak hun toevlucht tot het verkrijgen van data van derden via deze retailers, met name voor data en analytische inzichten die verder reiken dan het verkooppunt.
Implicaties voor bedrijfsefficiëntie en besluitvorming
- Onnauwkeurigheid van gegevens leidt tot een laag vertrouwen in de gegevens.
- Het handmatig overdragen van gegevens is tijdrovend, duur en foutgevoelig.
- Beperkt de productiviteit
- Biedt een teleurstellende klantervaring.
- Beperkt de samenwerking binnen het bedrijf.
Dit leidt tot onjuiste analyses en slechte besluitvorming. Bedrijven missen kansen door een gebrek aan tijdige toegang tot accurate gegevens. Volgens onderzoek van Gartner kunnen kleine en middelgrote bedrijven jaarlijks tot wel 15 miljoen dollar verliezen lijden als gevolg van ineffectieve zakelijke beslissingen die voortkomen uit verouderde of onnauwkeurige gegevens.
Nestlé centraliseert het beheer van klantgegevens en toestemmingen. Het bedrijf probeert het aantal marketingapplicaties te verminderen, wat zal bijdragen aan het verkleinen van de datasilo's. Het hanteert nu een meer strategische benadering van klantgegevens en beschouwt deze als een bedrijfsmiddel in plaats van slechts een verzameling datapunten.
Een van de bedrijven gebruikte Jira voor klantenservice en een CRM-systeem voor de verkoop. Voorheen communiceerden deze systemen niet met elkaar, waardoor de verkoop- en klantenserviceafdelingen onafhankelijk van elkaar opereerden. Verkopers waren niet op de hoogte van de klantenserviceaanvragen van bestaande klanten en probeerden nieuwe producten te verkopen.
Vanuit het perspectief van de klant werden ze gebeld voor een duurder product, terwijl ze problemen hadden met hun bestaande product. Dit zorgde voor wrijving tussen het bedrijf en de klanten.
Door hun systemen te integreren met behulp van API's, slaagden ze er echter in om naadloze communicatie en bidirectionele updates tussen afdelingen mogelijk te maken. Hierdoor konden verkopers zien dat er een ticket was aangemaakt.
Geïntegreerde planning en analyse zijn essentieel voor bedrijven. Om de tegenstrijdige systemen te stroomlijnen, is het belangrijk om te focussen op een geïntegreerde datalaag. Deze kan verschillende vormen aannemen, die in de volgende sectie worden toegelicht.
Datameer:
Data lakes consolideren diverse databronnen in een gecentraliseerde opslagplaats, ongeacht het formaat of de structuur. Ze maken grootschalige dataopslag mogelijk en bieden plaats aan zowel gestructureerde als ongestructureerde data . Door een uniform opslagplatform te bieden, bevorderen data lakes samenwerking en vergemakkelijken ze de toegang tot data voor verschillende teams.
Datanetwerk:
Het toepassen van een data mesh-aanpak om datasilo's aan te pakken, houdt in dat het eigenaarschap van data wordt gedecentraliseerd naar individuele teams. Deze "dataproductteams" beheren specifieke datadomeinen en bevorderen samenwerking en verantwoordelijkheid. Door data-interfaces en -formaten te standaardiseren, verloopt de integratie soepeler, waardoor de toegankelijkheid en samenhang van data worden verbeterd. Deze aanpak breekt silo's af, stimuleert samenwerking en versnelt het verkrijgen van inzichten binnen de hele organisatie.
Enterprise Data Warehouse (EDW):
EDW's centraliseren gegevens uit meerdere bronnen en harmoniseren deze tot één betrouwbare bron. Ze bieden gestructureerde en goed gedefinieerde datamodellen die de consistentie en nauwkeurigheid verbeteren. EDW's ondersteunen complexe query's en rapportages, waardoor de noodzaak voor gegevensextractie uit verschillende systemen afneemt.
Data Fabric:
Data fabric-oplossingen bieden een uniform data-integratieplatform dat verschillende databronnen en -systemen met elkaar verbindt. Ze maken naadloze dataverplaatsing, -transformatie en -toegang binnen de hele organisatie mogelijk. Data fabric verbetert de zichtbaarheid, het beheer en de controle van data, waardoor datafragmentatie wordt verminderd. Data-integratieplatform.
Het centraliseren van uw klantgegevens en toestemmingsbeheer is een waardevolle stap om uw dataprocessen te verbeteren. Talend Data Fabric, aangeboden door Qlik, biedt een cloudgebaseerde oplossing voor datacentralisatie. Het stroomlijnt data-integratie, ETL-processen, databeheer, beveiliging en naleving van regelgeving. Opvallend is dat sommige bedrijven een jaarlijkse besparing van 10% op onderhoudskosten hebben gerealiseerd.
Bron: qlik Data fabric kan de silo's van verouderde systemen effectief doorbreken door een uniforme gegevensbron te bieden. Silo's leiden tot datafragmentatie; data fabric fungeert als een virtuele laag en verbindt verschillende gegevensbronnen. Organisaties kunnen de noodzaak tot dataduplicatie elimineren, realtime datasynchronisatie realiseren en gegevensdeling tussen systemen mogelijk maken.
Daarnaast biedt data fabric mogelijkheden voor databeheer, waardoor de datakwaliteit, -beveiliging en -naleving in geïntegreerde systemen gewaarborgd worden.
Enterprise data governance is cruciaal voor organisaties die streven naar één betrouwbare bron van informatie. Om dit te bereiken, kunnen ze gebruikmaken van geautomatiseerde ETL-tools zonder code, die de data-integratie vanuit verschillende bronnen stroomlijnen. Met deze tools kunnen bedrijven data extraheren, de nodige transformaties toepassen en deze in gecentraliseerde dataopslagplaatsen laden.
Met de juiste interface kunnen zelfs niet-technische gebruikers deelnemen aan het databeheerproces, waardoor de nauwkeurigheid en consistentie van de gegevens worden gewaarborgd. Bovendien verbetert de integratie van open-source tools en datavisualisatieplatformen de toegankelijkheid van gegevens en maakt effectieve besluitvorming mogelijk. Samen stellen deze elementen organisaties in staat om datagedreven strategieën te omarmen en tegelijkertijd efficiënte databeheer- en governancepraktijken te handhaven.
Waarom is deskundige interventie nodig bij het ontmantelen van silo's?
Gegevensprivacy en -beveiliging: Met de toenemende aandacht voor regelgeving inzake gegevensprivacy (bijv. GDPR, CCPA) moeten organisaties robuuste beveiligingsmaatregelen implementeren en ervoor zorgen dat ze aan de wet voldoen bij het delen en analyseren van gegevens tussen afdelingen.
Gegevensintegratie en interoperabiliteit: Verouderde systemen en uiteenlopende gegevensformaten kunnen problemen opleveren bij het integreren van gegevens uit verschillende bronnen. Organisaties moeten investeren in technologieën die naadloze gegevensintegratie en interoperabiliteit mogelijk maken.
Ongestructureerde data: de meeste systemen slaan ook ongestructureerde data op, die lastig te integreren is in verschillende dimensies. Dit kan leiden tot informatieverlies. Dit lek kan worden verminderd door gebruik te maken van AI/ML, zoals hierboven vermeld.
- Efficiënter gebruik van en toegang tot gegevens tussen systemen voor eenvoudige platformschaalbaarheid.
- Een ongekende controle over de identificatie en verplaatsing van gegevens is essentieel voor het creëren van een uniform/éénvoudig beeld van de consument, nog voordat de cookie zijn werking verliest.
- Het opschonen, standaardiseren, valideren en beheren van data (inclusief identiteitsresolutie) binnen een klantdata-infrastructuur (CDI)-oplossing.
- Segmentatie, analyse en activering (inclusief dynamische personalisatie en lookalike-modellering), een tool voor data-activering.
- De mogelijkheid om eenvoudig uniforme data samen te voegen tot uitgebreide profielen voor een compleet klantbeeld, targeting over verschillende kanalen te optimaliseren, de volledige klantreis in realtime te ondersteunen en resultaten te analyseren met een focus op cross-selling aan bestaande klanten.
1. Gegevensintegratie en -aggregatie: AI kan het proces automatiseren, ongeacht de gegevensformaten of -structuren. Machine learning-algoritmen kunnen gegevensschema's analyseren, relaties identificeren en inconsistenties oplossen, waardoor een uniform beeld ontstaat van gegevens uit verschillende bronnen.
2. Gegevens opschonen en verrijken: AI-algoritmen kunnen gegevens automatisch opschonen en verrijken door inconsistenties, duplicaten en ontbrekende waarden te identificeren en op te lossen. Dit proces garandeert de nauwkeurigheid en volledigheid van de gegevens, waardoor de geïntegreerde gegevens betrouwbaarder en bruikbaarder worden voor analyse.
3. Intelligente data-matching en entiteitsresolutie: AI kan helpen bij het matchen van entiteiten uit verschillende bronnen, zoals klanten, producten en leveranciers. Machine learning-modellen kunnen patronen leren om gegevens te identificeren die betrekking hebben op dezelfde entiteit, waardoor datasilo's worden overwonnen en de data-integriteit wordt gewaarborgd.
4. Geautomatiseerd gegevensbeheer en naleving: AI/ML-modellen kunnen gegevensbeheerbeleid leren, afwijkingen detecteren en regels afdwingen, waardoor veilige gegevensuitwisseling tussen afdelingen wordt gewaarborgd.
5. Intelligente aanbevelingssystemen: AI-gestuurde aanbevelingssystemen kunnen gebruikers relevante gegevensbronnen, rapporten of inzichten suggereren op basis van hun rollen, voorkeuren en historische gebruikspatronen. De automatisering van Beck is een opmerkelijk voorbeeld waarbij AI de hele waardeketen van het bedrijf aanstuurt, van productie en receptuur tot marketing en ontwerp. Het is het "AI-gemaakte bier".
We bedienen al meer dan tien jaar klanten in de FMCG-/FMCG-sector en voorzien hen van waardevolle data-inzichten door hen te helpen bij het opzetten van datawarehouses, data-integratie en datavisualisaties.
Profiteer van onze expertise in het opzetten van robuuste datawarehouses, naadloze integraties en impactvolle visualisaties. Onze ongeëvenaarde vaardigheid in het opzetten van Data Lakes en de nieuwste generatie AI zorgt voor snellere en efficiëntere synchronisatie, waardoor uw bedrijf wordt voorzien van bruikbare inzichten. Verbeter uw datastrategie vandaag nog – laten we samen op weg gaan naar groei en innovatie. Neem nu contact met ons op om de onbegrensde mogelijkheden van datagedreven succes te ontdekken!