Hur uppstår dubbletter?

Datorn är boven

Datorn kommer inte, som en människa, att dra slutsatsen att Thomas Meyer och Thomas Meier som bor samma gata i samma stad är en och samma person. Därför kommer den inte att varna användaren som matar in Thomas Meier att det redan finns en liknande dataprofil i systemet och att en dubblett håller på att uppstå.

Också vid noggrann inmatning uppstår dubbletter:

• Den ena gången skriver kunden sitt fullständiga namn och den andra gången förkortas namnet.
• Första gången kallar kunden sig ”Christian Jensen” och nästa gång ”Chr. Jensen”.
• Företaget beställer en gång under namnet ”Kontorsmaterial Smidt”, en annan gång under ”Smidts kontorsmaterial” och en tredje gång under ”Smidts Moderna Kontorsmaterial A/S.
• Kundservice har uppfattat företagets namn som ”Smidt”.
• I den skriftliga beställningen stavas företagsnamnet ”Schmidt”.

Och vid välskötta kunddata?

Även i välskötta kunddata förekommer vanligtvis 4-6 % dubbletter, och de flesta av våra kunder har mycket fler än så. Omikron Data Quality hade 1989 över 12 % dubbletter internt, vilket motiverade oss att utveckla en programvara för att undvika detta problem.

Köpta kunddata är farliga

När köpta kunddata integreras i verksamhetens befintliga databestånd uppstår det särskilt många dubbletter. Även om överensstämmelsen mellan målgrupperna är stor är det ingen ovanlighet med 25 % dubbletter.

Dubbletterna dyker upp om och om igen

Det spelar ingen roll hur påpasslig man är, utan hjälpmedel kommer dubbletterna att fortsätta dyka upp. Lyckligtvis har Omikron utvecklat den bästa matchningsalgoritmen som rensar och håller dina databaser fria från dubbletter.

Vill du veta mer

Önskar du att få veta mer eller få ett erbjudande:
Ring +45 31 25 75 51 eller lämna ett medelande på kontaktformuläret. En kompetent medarbetare kommer att besvara dina frågor.