Dubbele gegevens in CRM-systemen kunnen ertoe leiden dat u die veelbelovende lead misloopt. Of erger nog, kan de indruk wekken dat u een verwijderverzoek hebt ingewilligd, terwijl er in werkelijkheid nog steeds dubbele gegevens over diezelfde entiteit rondslingeren en daarbij de privacyregels overtreden. Het vermijden van dubbele gegevens is van het grootste belang.
Voorkomen is beter dan genezen
Het voorkomen van dubbele gegevens is natuurlijk beter dan het genezen van deze problemen. Het hebben van strikte en duidelijke richtlijnen voor het invoeren van gegevens voor alle medewerkers die met het CRM-systeem werken is van het grootste belang. Deze richtlijnen moeten bestaan uit een gestandaardiseerde manier van gegevensinvoer en richtlijnen voor het controleren van bestaande invoer alvorens nieuwe gegevens in te voeren.
Maar genezen is beter dan niet genezen
Zelfs met strikte richtlijnen, of misschien door te milde richtlijnen, kunnen er al dubbele gegevens in uw CRM-systeem aanwezig zijn. Het handmatig oplossen van deze problemen kan een zeer tijdrovend en foutgevoelig proces zijn. CRM-objecten bevatten veel koppelingen met andere objecten en het onjuist bewerken van deze items kan deze koppelingen verbreken, waardoor bedrijven zonder gekoppelde contactpersonen komen te zitten of uw veelbelovende leads verloren gaan. Correcte samenvoeging is dus zeer belangrijk.
cimt kan u helpen bij deze ontdubbelingstaken. Door de kracht van Talend en geavanceerde matching-algoritmes zijn we in staat om duplicaten automatisch te detecteren en ze moeiteloos samen te voegen. Dit is zelfs effectief wanneer de duplicate data geen exacte match is door ontbrekende velden, spelfouten en dergelijke. De meeste van deze gegevens kunnen automatisch worden samengevoegd, waardoor de voor deze taken benodigde tijd aanzienlijk wordt verkort. Alleen onzekere overeenkomsten worden handmatig gecontroleerd, maar zelfs deze worden dan automatisch samengevoegd, waarbij ervoor wordt gezorgd dat het samenvoegingsproces correct verloopt.
Wat we gedaan hebben
We hebben deze technieken al gebruikt voor het ontdubbelen van de gegevens van een klant in Salesforce. Zoals eerder vermeld, gebruikten we Talend om automatisch de dubbele gegevens te vinden. Zogenaamde overlevingsregels werden gebruikt om de gegevens van alle dubbele records op de best mogelijke manier te combineren om een enkel record te genereren, het gouden record. Tegelijkertijd worden onzekere matches efficiënt en intuïtief verwerkt in Talend’s data stewardship console om handmatig de gouden records te produceren. Een andere Talend job werd gebruikt om een samenvoeg verzoek te sturen naar Salesforce’s SOAP API, ervoor zorgend dat alleen de gouden records worden opgeslagen, terwijl alle dubbele records worden samengevoegd. Dit zorgt ervoor dat alle links tussen CRM-objecten behouden blijven. Voor deze specifieke klant werd dit proces toegepast op alle accounts, leads en contactpersonen. Maar technisch gezien kan dit net zo goed worden toegepast op elk object in het CRM-systeem.
Verder dan CRM-systemen
Hoewel deze technieken zeer effectief zijn voor CRM-systemen, werken ze net zo goed met vrijwel elk databasesysteem. Als dubbele gegevens een probleem zijn in de databasesystemen van uw bedrijf, is de kans groot dat wij kunnen helpen bij het ontdubbelen van deze gegevens.
Machine Learning
Naast het inschakelen van zakelijke gebruikers voor het opschonen van duplicaatverdachten, kunt u ook algoritmen voor machinaal leren inzetten om te leren van de handmatige controles die worden uitgevoerd op de onzekere matches, zodat uw implementatie kan leren van dit handwerk en zo de nauwkeurigheid van de duplicaatdetectie kan verbeteren. Dit zal de opschoningstijd nog meer verkorten, wat resulteert in efficiëntere deduplicatieworkflows.
Meer information
Wilt u meer weten over data deduplicatie, het toepassen van machine learning algoritmes of hoe wij u kunnen helpen met dit proces? Neem dan gerust contact met ons op!