De kwaliteit van productdata begint bij data governance

Een webshop biedt heel gedetailleerde productinformatie aan. Het gaat hier over data over afmeting, vorm en kleur, lijsten met features, foto’s, schema’s en noem maar op. Met die informatie maakt een webshop het verschil bij zijn klanten. Om de kwaliteit van de data adequaat te bewaken, grijpt een bedrijf soms naar een tool voor Product Information Management (PIM). Maar om daar écht de vruchten van te plukken, moet je ook investeren in een framework voor data governance. Met andere woorden, de kwaliteit van productdata begint bij data governance.

E-commerce scheerde het laatste jaar hoge toppen. Maar bedrijven die hun online verkoop uitbouwen, hebben niet alleen nood aan een goede website. Die biedt weliswaar een aangename user experience, maar klanten hebben vooral nood aan correcte en nauwkeurige info over de aangeboden producten. Het gaat om data over afmeting, dimensie, beschrijving van technische kenmerken, foto’s, logo’s, etc. Kortom, een goede webshop staat of valt met de beschikbaarheid en de kwaliteit van je data.

Gestandaardiseerde productdata

Gaat het om een bescheiden shop met een handvol producten? Dan blijft het beheer van die productdata overzichtelijk. Naarmate echter het aanbod toeneemt, groeit de uitdaging rond het beheer van de datakwaliteit. Webshops van retailers omvatten vaak duizenden artikels, elk voorzien van heel wat productinfo en foto’s. Om dat allemaal op te volgen, volstaat een eenvoudige spreadsheet niet. Retailers ondersteunen daarom hun webshop vaak met een Product Information System (PIM), waarin je alle productdata beheert.

Concreet

Concreet is die productdata mogelijk afkomstig uit een datapool, zoals de Central Data Bank (CDB) van GS1 Belgium & Luxembourg. De CDB is een gecertificeerde datapool binnen het Global Data Synchronisation Network (GDSN). Dit is een netwerk voor de uitwisseling van correcte en up-to-date productgegevens tussen handelspartners. Producenten leveren er productdata aan die daarna bruikbaar zijn door groothandelaren, webshops, etc. Alle data die in zo’n datapool gedefinieerd is, voldoet aan een gedeelde set standaarden. In het geval van een GDSN-datapool is dat de GS1-standaard.

Data governance framework

So far, so good. De uitdaging is dat zowel de standaarden als de productdata zelf voortdurend evolueren. Echter, up-to-date blijven is geen eenvoudige opdracht. En er is meer. De retailer die een product op z’n webshop te koop aanbiedt, haalt de data over dat product op uit een datapool. Daarna gaat hij die data heel vaak zelf nog verder aanvullen en verrijken. Om dan nog op een efficiënte manier te waken over de kwaliteit van de data die uiteindelijk in het PIM-systeem staan, is een data governance framework onontbeerlijk. Hier creëer je een heldere organisatiestructuur waarbinnen iedereen een duidelijke rol met bijhorende verantwoordelijkheden heeft.

Spelregels

Een data governance framework zorgt voor de spelregels van de datawerkers die verantwoordelijk zijn voor de verschillende data assets van het bedrijf. Anders gezegd, het gaat om duidelijke afspraken. Komt er een nieuw product in het assortiment? Wie checkt dan de beschikbare data? Zijn die data wel volledig? Zijn er voldoende foto’s? Voldoen die aan de technische specificaties van de webshop? Wie verrijkt de data? Voor elk scenario moeten de nodige processen en procedures beschikbaar zijn, zodat duidelijk is wie wat doet met welke data.

Time-to-market

Het is dus essentieel dat er goed over die processen is nagedacht en dat de uitvoering ervan gestroomlijnd verloopt. Want tijd is geld, zeker in e-commerce. Hoe vlotter de verwerking van de data verloopt, hoe sneller een nieuw item online staat en beschikbaar is voor verkoop. Tegelijk moet de onderneming hier een afweging maken tussen kosten en baten.

Enerzijds neemt meer controle op datakwaliteit tijd in beslag, wat een rem zet op je time-to-market. Anderzijds is de consument streng. Een tekort aan info is vaak een reden om een mogelijke aankoop af te blazen. Het gebruik van nieuwe technologie – zoals AI – biedt alvast de optie om efficiënter op datakwaliteit toe te zien.

In de praktijk

Bij QuaData hebben we de juiste kennis om jou te begeleiden bij het opzetten van een data governance framework. We begeleiden je ook graag met de keuze van een PIM-systeem. Tot slot ondersteunen we je bij de organisatorische uitdagingen op het vlak van change management. We werken met best practices en duidelijke deliverables, zodat je als klant exact weet waar je aan toe bent.

Peter Hunin, data governance consultant.

Wil jij meer weten over hoe de kwaliteit van productdata begint met data governance? Contacteer ons.

Wil je meer weten over ons aanbod? Ontdek het hier.