Welke data moet je opschonen vóór je nieuwe software implementeert?

Waarom lost nieuwe software slechte data niet vanzelf op?

Software verwerkt de data die je erin stopt. Meer niet. Als je klantenbestand vol dubbele records en verouderde adressen zit, blijft dat zo, ongeacht hoe modern je nieuwe pakket is. Het spreekwoord "garbage in, garbage out" is hier pijnlijk toepasselijk.

Vervuilde data veroorzaakt tijdens een implementatie drie soorten problemen:

• Mislukte migraties. Records met ontbrekende verplichte velden of verkeerde datatypes worden vaak geweigerd door het nieuwe systeem. Dat betekent handmatig herstelwerk en vertraging.
• Foute rapportages. Als dubbele klanten of onjuiste voorraadaantallen meeverhuizen, kloppen je analyses vanaf dag één niet.
• Verlies van vertrouwen. Wanneer medewerkers merken dat de nieuwe software implimentatie fouten bevat, gaan ze het systeem omzeilen. Dan verzandt je hele project.

Een implementatie is dus het perfecte moment om schoon schip te maken. Je raakt toch al aan je data, dus gebruik dat momentum.

Welke datasets moet je controleren voordat je migreert?

Niet alle data is gelijk. Sommige gegevens zijn kritiek voor de dagelijkse werking, andere zijn puur historisch. Hieronder lopen we de belangrijkste categorieën langs.

Klantgegevens

Klantdata is meestal de meest vervuilde dataset in een organisatie, simpelweg omdat er zoveel mensen aan werken. Let vooral op:

• Dubbele klantprofielen (denk aan "Jan Jansen" én "J. Jansen")
• Verouderde contactgegevens, zoals oude e-mailadressen of telefoonnummers
• Incomplete records zonder postcode, land of klantsegment
• Inactive klanten die al jaren niets meer hebben afgenomen

Controleer ook of je nog klanten in je bestand hebt die om privacyredenen (AVG) verwijderd hadden moeten worden. Een migratie is hét moment om daar orde in te scheppen.

Productinformatie

Productdata bepaalt hoe je aanbod eruitziet in het nieuwe systeem. Fouten hier hebben direct gevolgen voor verkoop en voorraad. Controleer op:

• Dubbele artikelnummers of SKU's
• Producten die niet meer worden verkocht
• Ontbrekende omschrijvingen, prijzen of afbeeldingen
• Inconsistente eenheden of categorieën

Leveranciersgegevens

Verouderde leveranciersdata leidt tot mislukte bestellingen en betaalfouten. Kijk kritisch naar:

• Leveranciers waarmee je geen zaken meer doet
• Dubbele leveranciersrecords
• Verkeerde of ontbrekende betaal- en contactgegevens

Voorraadgegevens

Voorraad is berucht om afwijkingen tussen systeem en werkelijkheid. Voer bij voorkeur een fysieke telling uit vóór de migratie, zodat je nieuwe systeem met kloppende aantallen begint. Verwijder daarnaast producten die je niet meer op voorraad houdt.

Gebruikersaccounts

Oude gebruikersaccounts zijn een onderschat veiligheidsrisico. Loop je accounts na op:

• Medewerkers die niet meer in dienst zijn
• Dubbele accounts voor dezelfde persoon
• Te ruime rechten of rollen die niet meer kloppen

Migreer alleen actieve accounts met de juiste toegangsrechten.

Historische data

Historische data, zoals oude orders, facturen en transacties, is vaak het lastigst. Je wilt niet alles blindelings meenemen, maar sommige gegevens moet je bewaren om wettelijke of analytische redenen. In Nederland geldt bijvoorbeeld een fiscale bewaarplicht van zeven jaar voor je administratie. Bepaal per type record wat écht mee moet naar het nieuwe systeem.

Hoe herken je dubbele of incomplete records?

Dubbele en incomplete records zijn de grootste boosdoeners bij een rommelige migratie. Gelukkig zijn ze redelijk goed op te sporen.

Dubbele records herken je aan:

• Bijna identieke namen met kleine verschillen in spelling
• Dezelfde e-mailadressen, telefoonnummers of KvK-nummers bij verschillende records
• Meerdere records met hetzelfde adres

Gebruik filter- en sorteerfuncties in je huidige systeem of export je data naar een spreadsheet om patronen op te sporen. Voor grotere datasets bestaan er speciale data-deduplicatietools die overeenkomsten automatisch markeren.

Incomplete records herken je aan:

• Lege verplichte velden (zoals adres, prijs of segment)
• Onlogische waarden, bijvoorbeeld een geboortedatum in de toekomst
• Ontbrekende koppelingen tussen records, zoals een order zonder klant

Maak een lijst van velden die verplicht zijn in het nieuwe systeem en controleer je huidige data daarop. Zo weet je precies waar de gaten zitten.

Hoe bepaal je wat je migreert, archiveert of verwijdert?

Niet alles hoeft mee. Een handige aanpak is om elke dataset in te delen in drie groepen.

Migreren doe je met data die je actief nodig hebt in het nieuwe systeem: actuele klanten, huidige producten, actieve leveranciers en lopende voorraad. Deze data moet schoon en compleet zijn voordat je hem overzet.

Archiveren doe je met data die je niet dagelijks nodig hebt, maar wel moet bewaren. Denk aan afgeronde orders en oude facturen die onder de bewaarplicht vallen. Zet deze weg in een aparte, veilige omgeving in plaats van je nieuwe systeem te vervuilen.

Verwijderen doe je met data die geen waarde meer heeft én niet wettelijk bewaard hoeft te worden: dubbele records, testgegevens en persoonsdata die je volgens de AVG niet langer mag bewaren.

Een simpele vuistregel: kies migreren als de data bijdraagt aan je dagelijkse werk, archiveren als je hem misschien nog nodig hebt of moet bewaren, en verwijderen als hij niets meer toevoegt.

Zo maak je van dataschoning een succes

Het opschonen van je data is geen bijzaak, maar de basis van een geslaagde implementatie. Begin op tijd, betrek de mensen die dagelijks met de data werken en leg duidelijke regels vast voor wat je meeneemt en wat niet.

Werk in vaste stappen: breng je datasets in kaart, spoor duplicaten en gaten op, deel je data in migreren, archiveren of verwijderen, en doe een testmigratie voordat je live gaat. Zo ontdek je problemen vóórdat ze je project vertragen.

Investeer je nu in datakwaliteit, dan start je nieuwe software betrouwbaar, met minder fouten en een team dat er meteen op durft te bouwen. Dat is de beste start die je een nieuw systeem kunt geven.