Decostar over GS1 datapool: ‘Je leert wat je klanten belangrijk vinden’
Veel decoratieartikelen in de winkels en webshops van Intratuin en GRS Retail komen uit de koker van Decostar. Deze leverancier wist in een druk coronajaar productdata een indrukwekkende 10.000 artikelen in de GS1 datapool te zetten. Hoe deed Decostar dat? Teamleider inkoop Britta Wilkens: “Zonder volledige focus red je het niet.”
Tuinretailers hebben hun leveranciers gevraagd om de datapool te voorzien van productdata. “In ons geval zijn dat Intratuin en GRS Retail (met ruim 120 aangesloten Nederlandse en Belgische tuincentra).”
Decostar levert decoratieve producten voor zowel indoor als outdoor. “In september 2020 kregen we het verzoek en in december hadden we de basis al staan”, vertelt Wilkens. De aanpak werd intern grondig doorgesproken. “We beschikten al over diverse softwaretools, daarom hebben we echt goed gekeken naar welke voordelen het systeem ons zou kunnen bieden en hoe wij de datapool en onze huidige systemen zouden kunnen combineren.”
Je leert wat je klanten belangrijk vinden
Het grote voordeel van GS1 datapool voor Decostar is volgens Wilkens dat je als toeleverancier heel veel leert van wat voor klanten belangrijk is. “Over zaken als de hoogte van een stoel en de lengte van de rugleuning dachten wij eerder niet zozeer na. Nu zien we dat dit belangrijke data kunnen zijn. Het gebruik van GS1 datapool geeft zicht op wat klanten vragen en welke informatie belangrijk is of kan zijn. Daarbij kunnen we deze gegevens straks ook voor onze eigen webshop gebruiken.”
Importeren van Excel-lijsten uit managementsysteem
Voldoen aan de vraag van Intratuin en GRS Retail betekende flink doorwerken. Toch was het geen onmogelijke klus, stelt Wilkens. “We zijn gestart met het inventariseren van wat we nodig hadden aan data, over welke informatie we al beschikten, wat we nog misten en hoe we dit zouden kunnen aanvullen. Na een eerste inventarisatie bleek snel dat veel informatie al in ons management informatie systeem stond. Daarvan hebben we Excel-documenten gemaakt. Die lijsten met soms wel tweehonderd artikelen, konden we ineens importeren. Toch was het veel werk. Sterker, we hebben iemand in dienst genomen om het basisbestand in orde te maken, zodat we de productinformatie in GS1 datapool konden laten lopen.”
Van onduidelijkheid tot bruikbare uitleg
Het was Decostar na het verzoek van hun afnemers niet direct duidelijk aan welke voorwaarden de data moest voldoen. “We hebben een brief ontvangen van Intratuin en vervolgens op de website van GS1 gekeken. Aan de hand van filmpjes met uitleg wisten we wat er systeemtechnisch bij de data-overdracht gebeurt en zijn we aan de slag gegaan. De 10.000 artikelen stonden in een kleine twee maanden in de datapool.”
Decostar bespaart wekelijks wel één tot twee uur per klant. Dat is significant.
Tips en tijdwinst per klant
Wilkens is tevreden over de gekozen aanpak, maar wensen heeft ze wel. “Uiteindelijk willen we natuurlijk meer info uit het systeem halen en daarmee ook onze eigen webshopverkopen verhogen.” Tips deelt ze ook graag: “Mijn belangrijkste tips zijn om niet iets gedeeltelijk te doen, maar pas als je alle data hebt te beginnen met het vullen van de datapool. Daarnaast moeten toeleveranciers vooral niet bang zijn om te starten en plannen voor hun datamanagement te maken. Uiteindelijk heb je er voordeel van, ook in de vorm van tijdwinst. Decostar bespaart wekelijks wel één tot twee uur per lijst per klant. Dat is significant.”
Gestructureerd verwerken productdata
Decostar voert nieuwe productdata altijd op dezelfde wijze in het eigen ERP-systeem in. Aan de manier van opbouw en omschrijving doet het geen concessies, vertelt Wilkens. “Die aanpak en structuur bleken een grote hulp bij het klaarstomen van de data voor GS1 datapool. Dat kwam eigenlijk neer op het in de juiste kolommen zetten van de productdata. Daarnaast hebben wij zelf materialen in grote letters en wil GS1 ze in kleine letters ontvangen.”
Regelmatig synchroniseren
Structuur en discipline zijn dus dé factoren voor Decostar achter het succesvol en accuraat werken met de datapool. “We willen wekelijks of maandelijks een moment prikken waarop we nagaan welke data nieuw of veranderd is. Hier gaan we tijd voor reserveren.”
