Single Source afl. 4: vervuilde data, en waarom Excel je er niet uit helpt

Vervuilde productdata blijft goedkoop om te negeren tot een lancering schuift, een integratie faalt, of een AI-functie de fout vol overtuiging herhaalt. Dat is het kader van Single Source aflevering 4. Door Excel blijven de meeste van die fouten bestaan: de correctie staat in een persoonlijk bestand, en dat bestand vertrekt met de persoon.

Stephan Spijkers, Chris Jobse en Susan Walsh, oprichter van The Classification Guru, bespreken waarom kwaliteit afbrokkelt, wie er eigenaar van hoort te zijn, en wat je doet voordat automatisering de rommel vermenigvuldigt. De aflevering staat op het YouTube-kanaal van PIMvendors.

Sprekers

• Stephan Spijkers, mede-oprichter, PIMvendors.com
• Chris Jobse, mede-oprichter, PIMvendors.com
• Susan Walsh, oprichter, The Classification Guru Ltd

Wat je meeneemt

• Behandel kwaliteit als iets met een eigen budget, en een businesscase waar je naar kunt wijzen. De sessie stelt het zo: organisaties die datakwaliteit onder overhead schuiven, verliezen van organisaties die er bewust voor betalen. Het gaat om late lanceringen, mislukte integraties en dubbel werk, niet om een algemeen percentage. Productdatakwaliteit en governance zet die argumenten om in dimensies, rollen en een definitie van compleet per kanaal.
• AI vermenigvuldigt het record dat je al hebt. Schone invoer, uitvoer waar je iets mee kunt. Vuile invoer, fouten in volume en met meer zelfvertrouwen. Begin een AI-initiatief met een audit van de velden die het model gaat lezen. AI-ready productdata is die audit, geschreven als een lijst voorwaarden in plaats van een rondleiding langs tools.
• "Verborgen helden" zijn een risico, geen compliment. Het zijn de mensen die een kapotte feed met de hand repareren en het niemand vertellen. Als ze vertrekken, valt de stroom stil en vindt de nabespreking geen proces terug. Schrijf de oplossing op. Beslis daarna of die in het record hoort of in een ticket dat niet zou moeten bestaan.
• Bij een fusie worden twee slappe standaarden één nog slechtere. Je erft twee taxonomieën, twee ideeën van "verplicht", en twee helden. Zonder een bewuste integratie van de data houd je van elke kant de lossere regel, omdat dat de regel is die de livegang niet blokkeert.
• Eigenaarschap is een toewijzing. Is er niemand genoemd, dan neemt iedereen aan dat het andere team de kolom controleert. De sessie dringt aan op verantwoording die een reorganisatie overleeft, niet op een RACI-dia. De PIM-implementatiegids koppelt namen aan het datamodel zolang het project nog een deadline heeft.
• Een centrale standaard en lokale beslissingen kunnen naast elkaar bestaan. Het patroon dat ze beschrijven: één plek voor definities en toegestane waarden, en ruimte voor een bedrijfsonderdeel om binnen die regels het dagelijkse werk te doen. Het gaat mis bij een centraal team dat elke wijziging van een verpakkingsgrootte blokkeert, of bij lokale bestanden die de taxonomie stilletjes laten afsplitsen.
• Standaarden verlagen de prijs van de volgende stap. Consistente structuren, namen en categorieën maken de volgende migratie, integratie of automatisering goedkoper. Productclassificatie, GS1, ETIM en ECLASS is de concrete versie: kies de standaard die je kanalen al spreken, en stop met het bijhouden van een eigen versie in Excel.

De afweging is saai werk tegenover heldendaden. Een opgeschreven oplossing is deze week langzamer dan de persoon die het even oplost voordat de feed de deur uit gaat. Het is ook de enige versie die in augustus nog werkt, als die persoon vrij is en de AI-functie de waarde herhaalt die hij vroeger met de hand corrigeerde.