Hoe richt je het

goedkeurings compliancy proces in binnen je PIM/MDM?

Steeds meer organisaties moeten kunnen aantonen dat hun data voldoet aan wetgeving. Ook moet duidelijk zijn welke datasheets (inclusief specificaties) naar welke klanten zijn gestuurd. Zo dienen fabrikanten op bepaalde velden van een product (een voorbeeld: ingrediënten in de foodsector en materiaalsterkte in de technische industrie) zekerheid te kunnen bieden wat de datakwaliteit betreft. En dan is vaak nog de vraag welke versie van de productdata wanneer aan wie wordt verstrekt. Hoe zorg je nu dat data altijd aan de regelgeving voldoet?

Wat voor problemen spelen er?

Compliancy van data is lastig en kost te veel geld. Logisch, want databeheer is complex. Wat kom je in de praktijk zoal tegen als je het goed wil regelen?

  • Het goedkeuringsproces is niet op orde

    Waar verschillende afdelingen nauw met elkaar verweven zijn, is iedere afdeling verantwoordelijk voor de juistheid van haar eigen data. Is die data niet correct, dan moet er uitgebreid heen en weer worden geschoven. Het goedkeuringsproces geschiedt vaak nog met old school ‘mail okay’s’ op het versturen van ‘final’ Exceldocumenten, wat de compliancy op het goedkeuringsproces erg lastig maakt.

  • Data is net compliant met interne of externe regelgeving

    Om de data te laten voldoen aan de wetgeving of de eisen van de afdeling warehouse is niet eenvoudig. De benodigde kennis is pas na diverse omwegen te verkrijgen

  • Managers zijn niet in staat het proces van datakwaliteit goed te managen

    Meestal heeft een manager geen kennis van of zicht op de inhoudelijke kwaliteit van data. Ook ontbreekt het aan tools om het werkproces rond databeheer en kwaliteitsverbetering goed aan te sturen. Als managers al hun eigen data verrijken, zien ze vaak dat hun data niet altijd als bron wordt gebruikt. Of dat hun werk niet heel effectief is en minder gewaardeerd wordt. Dat leidt tot veel miscommunicatie en heen-en-weer gesleur om data als nog op orde te krijgen.

  • Het beheren van data met meerdere mensen is lastig te managen

    Medewerkers zijn heel hard bezig om de data te verbeteren, maar deze wordt continu overschreven door data van andere bronnen of data van andere collega’s of zelfs niet gebruikt.
 Daardoor wordt er zeer inefficiënt gewerkt doordat vele mensen brondata denken te hebben en data op veel plekken te vinden is, zoals bij de marketing manager of e-commerce manager.

  • Het kunnen aantonen van welke data(versie) naar welke klant is gestuurd is niet eenduidig

    Vaak moet worden aangetoond welke versie van de productdata wanneer aan wie is verstrekt. Binnen de huidige oplossingen betekent dat vaak mailboxen uitspitten. Het is meestal niet mogelijk de kwaliteit van de huidige datadistributie te meten of monitoren.

Tip
Zorg voor tooling bij voorkeur voor PIM/MDM-software die ook kan worden gebruikt voor de assets (afbeeldingen en files), de content voor de website en offline uitingen (offertes, leaflets, catalogi etc.). En nog veel belangrijker: richt deze software goed in en gebruik deze ook!

Lees ook het blog: ‘Voordelen van een 1 platformtool voor PIM-MDM & CMS’.

Het inrichten van het compliancyproces is zonder geschikte tooling complex en zeer arbeidsintensief!

Geavanceerde PIM/MDM-systemen maken het mogelijk workflow(s) te activeren op basis van bepaalde productvelden. In een andere dimensie, wat zo veel wil zeggen als dat data getoond kan worden op basis van entiteit in combinatie met thema/onderwerp, kunnen deze velden voor hen belangrijke regelgevingsdata worden klaargezet om zo eenvoudig te worden gemanaged.

Traditioneel wordt de data van een PIM gepresenteerd als een productcatalogus/ webshop op basis van categorie, waarbij er filteropties zijn op basis van thema’s en kenmerken. Hedendaags is de wens om data te tonen in andere dimensies, te weten als ‘inspiratiepagina’, waarbij sfeer wordt gecombineerd met producten; als ‘kennis pagina’, waarbij kennis over een bepaald domein wordt getoond in combinatie met gerelateerde producten, kenmerken, materialen en als ‘marketing landings-pagina’, waarbij specifieke data wordt getoond voor een specifieke doelgroep, om zodoende optimale conversie te behalen.

Maar ook data in andere vormen, naar APPs, fysieke catalogi, offertes, documenten en contracten maken deel uit van andere wensen om data te presenteren. De data is er in veelvoud. Op een aantal specifieke items is er vanuit de wet- en regelgeving en dus vanuit de compliancy afdeling de behoefte om data 100% correct te hebben. Vanuit beheersredenen is het aan te bevelen om deze data centraal te hebben, zodat de kwaliteit makkelijker geborgd kan worden. Om dit te realiseren wordt de data centraal ingericht in PIM/MDM systemen en worden er workflow(s) ingericht om het goedkeuringsproces in te organiseren, vast te leggen & dus de compliancy te borgen. Vervolgens wordt de datadistributie wordt outputchannels gerealiseerd en vastgelegd.

Maar bedenk wel: om tooling goed in te richten moet je eerst het proces op orde hebben!

Inrichten van interne processen voor compliancy en datakwaliteit: een stappenplan

Om data te laten voldoen aan de wetgeving en/of eisen van de afdeling ‘quality contol, risk management, governance’ moet de kwaliteit van de producten (welke producten) procesmatig worden georganiseerd. De basis van datakwaliteit ligt vast in het stappenplan (zie de whitepaper: ‘6 fasen van productkwaliteit’ ).

Het RACI-model

Om data te laten voldoen aan wetgeving of interne compliancy moet de definitie van ‘datakwaliteit’ helder zijn. Ook moeten rollen en verantwoordelijkheden van de medewerkers vast liggen. Wie keurt uiteindelijk de data goed? En wie moet verplicht worden ‘geconsulteerd’ om tot kwalitatieve data te komen? Om verantwoordelijkheden toe te wijzen en het goedkeuringsproces te organiseren, is het RACI-model raadzaam. Dit geeft aan welke rollen er binnen de organisatie aanwezig zijn en wat hun ‘domein’ is.

 

RACI Model voor datakwaliteit en compliancy
  • R – Responsible

    Degene die verantwoordelijk is voor de uitvoering van het proces, dan wel invoer van datakwaliteit. Verantwoording wordt afgelegd aan de persoon die accountable is.

  • A – Accountable

    Degene die eindverantwoordelijk is voor de datakwaliteit, bevoegd is en het resultaat goedkeurt. Hij kan het eindoordeel vellen of vetorecht hebben. Er is slechts één persoon accountable.

  • C- Consulted

    Degene die (mede) richting geeft aan het resultaat; hij/zij wordt voorafgaand aan beslissingen of acties (verplicht) geraadpleegd. Dit is tweerichtingscommunicatie.

  • I – Informed

    Degene die op de hoogte is van beslissingen, voortgang, bereikte resultaten etc. Dit is eenrichtingscommunicatie.

Het opzetten van processen

Als rollen, taken en verantwoordelijkheden bekend zijn, moet een procesmodel worden opgezet. Hierin zien we hoe processen moeten verlopen om de datakwaliteit op het gewenste niveau te brengen. Binnen de processen worden de rollen benoemd, die verplicht moeten worden geïnformeerd omdat zij ‘kenner’ zijn op een bepaald domein, alsmede hoe het goedkeuringsproces verloopt.

Lees ook de whitepaper: ‘Checklist; Organiseer je data in 6 stappen’.

 

Youwe: Exclusief Pimcore partner Benelux sinds 2015


Als exclusief Pimcore partner voor Nederland beschikt Youwe over meer dan een decennium aan kennis van en ervaring met ketenintegratie en complexe PIM-vraagstukken. Met trots hebben we al uitzonderlijke Pimcore implementaties gerealiseerd.

Over de auteur

dennis-reurings

  06-22 43 68 13

“Dennis is inmiddels meer dan 15 jaar actief als ondernemer in de wereld van digitalisering. Altijd met focus op de mogelijkheden en kansen die digitalisering biedt voor organisaties en het vertalen van deze kansen naar concrete oplossingen.

Specialiteiten: omnichannel, cloud, ERP, IoT, Big Data, marketing automation en PIM-systemen.”

Dennis Reurings

NIEUWSBRIEF & EVENTS

Schrijf je in om onze kennis events & nieuwsbrief te ontvangen