Je klantgegevens helemaal in orde

Probeer onze Data Quality Accelerator zelf

Jij gaf aan interesse te hebben in onze Data Quality Accelerator. Dankjewel hiervoor! Lees hier hoe je te werk gaat.

Stap 1 > Verzamel je klantgegevens

Het maakt niet uit hoe vervuild de data is. Heb je de data uit verschillende systemen gehaald, dan detecteren wij de dubbels wel.

Stap 2 > Laad je bestand op via het formulier hiernaast

Onze DQ Accelerator zal je klantgegevens mappen op ons model. We profilen, verrijken en schonen je data op. Indien we dubbels vinden, duiden we deze aan.

Stap 3 > Ontvang je gedetailleerd kwaliteitsrapport

We bundelen onze bevindingen vóór en nà samen in een rapport. Na het proces krijg je dit rapport gratis toegestuurd en krijg jij een duidelijk zicht op de kwaliteit van jouw klantgegevens!

Bekijk hier een voorbeeld met fictieve data.

Laat hier je gegevens achter

Vul hieronder je gegevens in en bezorg ons een bestand met klantendata. Meer uitleg kun je wat verder op deze pagina vinden bij Vragen en antwoorden.

Heb je geen klantgegevens bij de hand, geen nood. Vul je naam en e-mailadres in en we nemen contact met je op.


    Vragen en antwoorden

    Ik heb geen klantgegevens bij de hand.

    We geven je graag een demo en lichten graag toe hoe het werkt. Hierboven kan je eveneens een standaard kwaliteitsrapport opvragen, gebaseerd op fictieve data. Zo heb je een idee hoe onze DQ Accelerator werkt en wat je mag verwachten. Laat je gegevens achter en we nemen contact met je op.

    Hoe zit het met persoonlijke gegevens?

    Wij vinden de privacy van jouw gegevens uiterst belangrijk. We vragen je daarom om geen persoonlijke gegevens (zoals persoonsnamen, e-mailadressen en telefoonnummers) van klanten of andere contactpersonen aan je bestand toe te voegen via deze online upload. Onze DQ Accelerator kan echter wel persoonlijke gegevens verwerken, opschonen en ontdubbelen. Wil je dat wij je daarin begeleiden, laat het ons weten. We zorgen er samen voor dat we conform de privacy-wetgeving en met respect voor je data werken.

    Hoe ziet het klanten datamodel eruit?

    Het DQ Accelerator framework is gebaseerd op onderstaand model. Wij aanvaarden echter ook andere formaten.

    Kolomnaam Omschrijving
    party_uid ID, jouw uniek nummer voor dit record
    company_name Naam van het bedrijf
    nick_name Eventuele roepnaam of alternatieve naam voor het bedrijf
    enterprise_nr Ondernemingsnummer
    vat BTW-nummer
    company_phone Telefoonnummer van het bedrijf
    company_email E-mailadres van het bedrijf
    website Url website
    iban IBAN-nummer
    bic BIC-nummer
    legal_type Venootschapsvorm
    first_name Voornaam van de contactpersoon *
    last_name Achternaam van de contactpersoon *
    email E-mailadres (persoonlijk) *
    phone Telefoonnummer (persoonlijk) *
    mobile GSM nummer (persoonlijk) *
    birth_day Geboortedatum
    language_cd Taal
    gender Geslacht
    nationality Nationaliteit
    title Aanspreking
    country Land
    addressline1 Adresregel 1
    addressline2 Adresregel 2
    street Straat
    house_nr Huisnummer
    box Bus
    zip Postcode
    municipality Gemeente
    source_cd Bronsysteem, oorsprong van de data

    * Laat deze kolom leeg voor de online upload

    Welke bestandsformaten aanvaarden jullie?

    Het liefst ontvangen we van jou een .csv-bestand. Bij voorkeur gebruik je hiervoor onze template: zie dqa_template.csv. Heb je echter je data verzameld in Excel (.xls of .xlsx), dan mag je deze ook opladen. Heb je nog een ander formaat? Laat het ons dan weten. We bekijken samen hoe we deze kunnen verwerken.

    Hoe groot mag mijn bestand zijn?

    Via deze gratis kwaliteitscontrole mag je een bestand opladen van maximum 10MB. Hieruit verwerken we maximum 10.000 records. Is je bestand groter, laat het ons weten en we helpen je graag verder.

    Welke gegevens verwachten jullie?

    Ons datamodel bevat de kolommen die je hierboven opgelijst ziet. Je hoeft niet alle kolommen door te geven. Sommige kolommen bevatten gegevens die wel belangrijk zijn voor het verrijken of ontdubbelen van gegevens. Zo is bv. het land interessant om adressen te kunnen aanvullen. BTW-nummers kunnen helpen bij het matchen van bedrijven. Hoe meer kolommen je ter beschikking hebt, hoe beter we je kwaliteitsrapport kunnen opbouwen.

    Moeten alle kolommen doorgegeven worden?

    Neen, dat hoeft niet. Kolommen die je niet kan invullen, mag je ofwel leeg laten, ofwel voeg je ze niet toe aan je bestand.

    Mag ik extra kolommen doorgeven?

    Ja, dat mag. Heb je extra kolommen in jouw bestand staan, dan hoef je deze niet noodzakelijk te verwijderen. Deze extra kolommen worden door ons genegeerd, we nemen ze niet mee in ons kwaliteitsproces.

    Moet ik dezelfde kolomnamen gebruiken?

    Bij voorkeur gebruik je dezelfde kolomnamen zoals hierboven opgelijst. Indien dit echter te moeilijk is om aan te passen, mag je je eigen kolomnamen behouden. Wij zorgen dan wel voor de juiste mapping naar ons model.

    Moet ik dezelfde volgorde van de kolommen aanhouden?

    Je hoeft de volgorde van de kolommen niet te volgen. Indien iedere kolomnaam duidelijk weergeeft wat de inhoud van de betreffende kolom is, kunnen wij hiermee aan de slag!

    Welke specificaties wensen jullie in geval van een .csv-bestand?

    Bij voorkeur gebruik je volgende specificaties, op die manier wordt je bestand het makkelijkst verwerkt:

    • De eerste rij bevat de kolomhoofdingen
    • Delimiter: punt-komma
    • Text qualifier: geen
    • Special newline character: geen
    • Character encoding: UTF-8

    Ziet jouw .csv-bestand er anders uit? Geen probleem, wij doen het nodige om je bestand correct te verwerken.

    Welke specificaties wensen jullie in geval van een Excel-bestand?

    In geval van een Excel-bestand, hebben we geen specifieke vereisten. Zorg ervoor dat de eerste rij de kolomhoofdingen bevat met duidelijk gekozen kolomnamen.

    Hoe werkt ons Data Quality Accelerator-framework?

    DQ-framework-v2

    Harmonisatie

    Wanneer we jouw data ontvangen, zorgen we ervoor dat je gegevens op een uniforme manier in een database komen. Daarvoor ontwikkelden we ons eigen ‘common data model’ waarin we informatie opdelen en taggen volgens de belangrijkste standaarden. Na de initiële mapping is dit model eenvoudig te kopiëren en hergebruiken op je andere databases.

    Standaardisatie

    Na harmonisatie gaan we aan de slag om jouw data effectief op te schonen, te valideren en waar nodig te verrijken. Zo krijg je niet alleen gegevens waarvan je weet dat ze correct zijn, ze worden ook aangevuld waar zaken ontbreken. We vullen onvolledige adressen aan of splitsen zaken op zoals postcode en plaats.

    Ontdubbeling

    Uiteindelijk gaan we aan de slag om jouw gegevens te ontdubbelen. Daarvoor werken we met matching-regels. Zijn we niet helemaal zeker of iets een dubbel is, dan krijg je een melding om zelf bij te sturen. Eens we de dubbels hebben geïdentificeerd, gaan we systematisch bepalen welke van de records de beste is. We houden één record over en eventuele extra informatie die in de dubbels stond, wordt eraan toegevoegd.