Novo Nordisk har forbedret datakvaliteten i CRM-systemerne hos nogle af virksomhedens internationale salgsselskaber.
Hvis man vil forbedre datakvaliteten i en organisation, skal man tage udgangspunkt i dens modenhedsniveau.
Den erfaring har Moses Kløverpris fra Novo Nordisk gjort. Han er projektleder for et projekt, der skal skabe bedre datakvalitet i nogle af medicinalfirmaets internationale salgsselskaber.
"Vi startede med for høje forventninger til de lokale selskabers viden om datakvalitet. Men da vi fik tilpasset niveauet, blev projektet en succes," fortalte han for nylig.
Projektet handler om det opsøgende salgsarbejde, som de lokale kontorer foretager over for læger og hospitaler. Til at styre det er de ved at få indført en fælles løsning baseret på Siebel fra Oracle.
Rapporter stemte ikke
Ud fra Siebel-systemet leverer kontorerne løbende rapporter til en central instans i Novo Nordisk. Men folkene her så store forskelle på rapporterne og den virkelighed, der mødte dem, når de besøgte salgsselskaberne.
Som et eksempel på problemerne med datakvalitet nævner Moses Kløverpris, at de læger, som sælgerne besøger, klassificeres i fire kategorier.
Før projektet gik i gang, manglede der de nødvendige data for at kunne klassificere læger i 2.898 tilfælde.
Efter projektet var gennemført, var tallet nede på nul.
"Vi gennemførte to workshops, hvor vi fastlagde KPI'er (Key Performance Indicators) for datakvalitet. De var meget simple. En af KPI'erne lyder for eksempel, at en læges navn skal være komplet: Både fornavn og efternavn skal stå i systemet," siger han.
Samtidig understreger han, at datakvalitet betyder data, der passer til formålet.
Derfor er det ikke nødvendigt, at alle navne på læger til enhver tid er fuldstændige. En sælger har måske ikke fået fat i andet end efternavnet. Det er ok, hvis der er en proces til at sikre, at hele navnet senere indhentes og bliver indtastet.
Flytter data med DataFlux
En del af projektet går ud på at flytte data fra diverse tidligere systemer over til det fælles Siebel-system. Her evaluerede Novo Nordisk tre mulige løsninger til at sikre datakvaliteten, når data blev overført til det nye system.
"Vi tog et datasæt fra vores selskab i Indien og bad tre leverandører analysere dem i løbet af nogle dage og komme med anbefalinger til, hvordan de skulle behandles. Det var kun SAS, der kunne løse den opgave. Deres DataFlux-software viste sig også at være den nemmeste at bruge. Det var afgørende, da vi har outsourcet systemet, så det skal kunne bruges af lokale it-folk uden særlig SAS-ekspertise," fortæller Moses Kløverpris.
DataFlux har blandt andet nogle avancerede funktioner til at sikre, at adresseoplysninger er korrekte. De kan fx kontrollere, at vejens navn og postnummeret stemmer.
"Men i Indien hedder en adresse "hovedgaden på siden af bygningen med den blå dør ved busstoppestedet." Så der er funktionerne ikke så anvendelige, men vi regner med at få glæde af dem i de lande, hvor der er mere styr på adresser," siger Moses Kløverpris.
Tilfredse brugere
Datarensningen foregår typisk i tre iterationer. Mellem hver iteration får salgsselskabet en rapport, så de kan tage stilling til de ændringer, systemet foreslår. Sideløbende sker der en datatransformation, inden data loades ind i det nye system.
"Oftest har man det ved projekter med datamigrering sådan, at man helst ikke vil høre noget fra kunderne. Gør man det, er det som regel fordi, noget ikke virker. Men her har vi fået det modsatte. Kunderne melder tilbage, at den forbedrede datakvalitet har reduceret den tid, de bruger på at forberede rapporter," fortæller han.
Det nye system blev udrullet til 500 sælgere i Indien i januar. I april kom Rusland med, senere følger Algeriet, Argentina, Tyrkiet, Mexico og Brasilien.
Alle rettigheder til denne nyhed og andre it-nyheder på IT-dialog.dk er beskyttet af ophavsretsloven. Hvis du gerne vil gengive nyheden eller andre nyheder på IT-dialog.dk, kan du henvende dig til redaktionen. Du må frit linke til denne nyhed og andre nyheder på IT-dialog.dk.
