Flamingo: ’Efficiëntie najagen voor datakwaliteit’
De groothandel in dierbenodigdheden Flamingo wist bij een eerste livegang een datakwaliteitscore van 100% te behalen met het uploaden van data van wel 18.000 artikelen in de GS1 datapool. Hoe zijn ze daarin geslaagd?
De Belgische groothandel van dierenbenodigdheden bestaat al 50 jaar. Ze helpen hun klanten ook op het vlak van winkelinrichting en assortimentssamenstelling en ze lanceren maandelijks nieuwe producten om in te spelen op de behoeften van de markt. Master data coördinator Cindy Van De Water en master data medewerker Caro Baten geven een toelichting op hoe zij zorgen voor goede productdata.
Binnen Flamingo verzamelt en controleert de dienst Master Data nieuwe en bestaande artikeldata. De master data-medewerkers verwerken deze data waarna deze vanuit hun PIM-systeem geüpload wordt naar de GS1 datapool. Ook is deze dienst verantwoordelijk voor het signaleren en oplossen van datakwaliteitsproblemen en het beheer van ERP via hun PIM-systeem. Zo blijft productinformatie altijd up-to-date voor hun klanten en voor consumenten.
Efficiëntie najagen
Updates en vernieuwingen om datamanagement te verbeteren hebben zeker een meerwaarde, maar het is wel heel wat werk om te implementeren en om de datamodel updates te verwerken. Daarom wordt bij Flamingo data dagelijks aangepast. Zo kunnen ze hun afnemers steeds de juiste up-to-date informatie bieden. Ze zoeken voortdurend nieuwe manieren om data efficiënter te verwerken. Zoals het integreren van foto’s, afmetingen correct zetten of de zoekfunctionaliteiten te verbeteren bij een datamodel update.
Een foutloze integratie
De 100% foutloze integratie kwam er dankzij de automatische koppeling tussen de GS1 datapool en hun goed gevulde PIM-systeem. Maar omdat ze nog nooit eerder met het GS1 platform gewerkt hadden, was voor hen een 100% foutloze integratie een aangename verrassing.
“Bij de eerste integratie konden we nog geen simulatierapporten gebruiken omdat we nog geen informatie hadden om mee te werken. Bij de aanlevering van een nieuw datamodel gebruiken we wel altijd een simulatierapport om na te kijken wat ons percentage datakwaliteit zou zijn bij de overzetting naar het nieuwe model. Zo kunnen we ons voorbereiden op de lancering van een nieuw datamodel en kunnen we de kwaliteit van onze data garanderen.”
Fouten ontdekken door simulatie
Daarnaast zijn de simulatierapporten ook een handig hulpmiddel om fouten te ontdekken voordat de data verwerkt wordt. Bij elke nieuwe aanlevering van data stellen ze eerst een rapport op. Hiermee controleren ze of er data ontbreekt en of, indien nodig, de mappings aangepast moet worden.
Voortdurend werkwijze bijschaven
Met de simulatierapporten kunnen ze ook voortdurend hun werkwijze bijschaven: wat werkt goed, wat werkt niet en hoe kunnen ze dit verbeteren. Hieruit volgt de automatisering van het proces: bij de mapping tussen het PIM-systeem, een platform om producten naar verschillende verkoopkanalen te uploaden en de GS1 datapool leggen ze linken en stellen ze bepaalde regels op. Als deze eenmaal geschreven zijn, hoeven ze bij een volgende verwerking van data deze niet meer handmatig na te kijken. “Dan is het slechts een kwestie van een paar keer klikken om alles juist te zetten.”
Uitwisselen van data een eitje
“Het grote voordeel van de GS1 datapool is dat het platform ons toelaat om data op een uniforme manier te krijgen, te verwerken en te leveren aan iedereen die het platform gebruikt. Zo wordt het uitwisselen van data een eitje. Daarnaast gebruiken meer en meer bedrijven de GS1 datapool, dus voor ons is het ook een handig platform om connecties te maken en te onderhouden binnen ons professionele netwerk.”
