Michael Heiland (i midten af billedet) er ny leder af vores Master Data Team. Holdet sikrer, at den enorme mængde af indsamlede data er korrekt og håndteret korrekt, så vores kolleger i hele DFDS kan bruge det til en lang række formål, herunder rapporter, analyser, tilbud, fakturaer og udvikling af automatiske funktioner.
Da Charles Darwin circumnavigerede kloden på HMS Beagle, noterede han omhyggeligt alt, hvad han observerede nøjagtigt ned på papiret. Flere år efter at han kom hjem brugte han de detaljerede oplysninger, han havde samlet for at udvikle sin teori om oprindelsen af arter, som ændrede den måde, vi ser verden på.
Han kunne gøre det, fordi de oplysninger eller data, han havde skrevet ned, var præcise.
Som de fleste virksomheder samler DFDS også information - millioner gange mere end Darwin gjorde.
"Vi gemmer data i vores systemer hver gang vi går i kontakt med en kunde - fra kontakt over booking til betaling - hver gang vi håndterer varer, indsamler eller leverer en forsendelse eller gør noget i drift, økonomi, HR og administration. Og vi stoler stadig på nøjagtigheden af oplysningerne, ligesom Darwin gjorde. Vi ville ikke kunne udvikle pålidelige analyser eller automatisk og pålidelig kommunikation eller tjenester, hvis dataene er forkerte eller mangler.
Som et simpelt eksempel har vi brug for korrekte kontaktdata for at sende en faktura eller et tilbud til en kunde. Vi kan ikke gøre det, hvis vi f.eks. Har en gammel adresse, eller hvis navnet staves forkert. Eller hvis vi ikke har de korrekte oplysninger om kundernes eksisterende eller tidligere forretninger og interaktion med os.
Det er vores teams arbejde at sikre, at kontaktoplysningerne og de øvrige data, der er nødvendige for at lave et tilbud eller en faktura, er registreret korrekt, så den kan bruges til disse og en række andre formål ", siger Michael Heiland, chef for Master Data . Michael startede hos DFDS den 1. marts og kommer fra en lignende rolle hos Hempel A / S. Michael rapporterer til Valdemar Warburg, Gruppe Transformation Officer.
De rigtige måder
I DFDS indsamler vi data i forskellige systemer som Phenix, CRM, Visma, Velocity, Seabook og Sertica. Og som et firma kan være både leverandør og kunde eller kunde i både Shipping og Logistik, kan vi ofte trække på data, der er lagret i flere eller alle disse systemer, til at lave en rapport eller analyser - eller en ny automatiseret funktion.
Derfor er det vigtigt, at vi håndterer dataene på samme standardiserede måde i alle disse systemer. Og at udvikle og opretholde denne standardiserede måde at indsamle, lagre, dele og verificere data på tværs af alle vores systemer er en hovedopgave for Master Data-teamet på 14 i Poznan.
Forskellige typer af data
Der er to slags masterdata: dynamiske data og statiske data.
Dynamiske data Data, der ændres med jævne mellemrum, f.eks. kontaktpersoner og detaljer, adresser, e-mails, telefonnumre, der kan ændre sig, hvis en person eller virksomhed bevæger sig, hvis en kontakt får nyt job eller udskiftes eller af andre årsager.
Statiske data Data, der er mindre tilbøjelige til at ændre sig, f.eks. kundesegmentdefinitioner, valutakoder som DKK, EUR, USD GPB, der altid forbliver de samme. Kunde- og leverandør momsnumre, IMO antal skibe, certificeringskoder og meget mere.
Valdemar Warburg siger: "Som en del af vores ambition om at digitalisere vores kerneprocesser og bruge data til bedre beslutningstagning er det afgørende, at vi har højkvalitets stamdata. Mange virksomheder kæmper med dette, og DFDS er ingen undtagelse. Med Michael Heilands erfaring og vores meget dygtige hold i Poznan er jeg overbevist om, at vi er på sporet for at få det rigtige.
Master Data Team blev for nylig samlet til en holdbegivenhed 80 kilometer nord for Poznan (Rogozno) til kajaktur, herunder lejrbrande og grillet mad, teambuilding med forskellige opgaver, nogle gode lektioner at lære og sidst men ikke mindst sjovt sjovt. og blander på tværs af holdet / teamene. Og så selvfølgelig også en krævende kajak tur på 8 kilometer ned for floden Welna, som tog de fleste fire timer og forlod alle med våde tøj og blærer på deres tommelfingre. Og en masse griner og hjælper hænder.
Hvordan kan du faktisk teste om denne model virker? For dette projekt valgte Smart Data holdet en mester / udfordrer test (også kendt som A / B test). Siden udgangen af januar 2018 har de behandlet kunder forskelligt ved at udsætte halvdelen af kunderne for de tilføjelser, der blev fundet af maskinindlæringsløsningen, mens den anden halvdel modtog de gamle præ-mail-e-mails. Dette var en gradvis proces, der startede med det danske marked og derefter videre til det norske, britiske, nederlandske og tyske marked.
