Den nye datasync. v/ HKL

Transkript

1 Den nye datasync v/ HKL

2 Hvorfor datavask Mistede ordrer og omsætning Negativ PR Det samme arbejde skal gøres flere gange Øgede omkostninger til porto Kundernes navne staves forkert Kunderne modtager ikke én men flere fakturaer og breve Fraflyttede kunder kan ikke spores Manglende pålidelig ledelsesinformation Kampagnemålgruppe kan ikke rammes præcist Manglende overblik over kundens samlede engagement Unødvendigt lang sagsbehandling Har ikke direkte adgang til nødvendige kundedata Unødvendigt mange indgående samtaler i kundeservice Utilfredse medarbejdere Modtageren af brev eller faktura er død Tab af image eller troværdighed Returpost Forkerte beslutninger

3 DM Partner Integration, Hvorfor ROI kvantificérbare poster Emne Omk. Andel Antal Omk. v/ Omk. v/ Returpost Ca. kr. 40,-/stk. 3% netto 1 årlig udsendelse Kr ,- Kr ,- Dubletter Ca. kr. 30,-/stk. 3% 1 årlig udsendelse Kr ,- Kr ,- Telefoniske rettelser Ca. kr. 25,-/stk. 3% netto Løbende henvendelser Kr ,- Kr ,- Returpost: Kr. 40,- = porto, tidsforbrug til returpostbehandling/søgning af ny adresse, genforsendelse. 3% er netto nedbringelse fra fx 5% til 2%, 4% til 1% osv. Dubletter: Kr. 30,- = Ekstra tidsforbrug til oprettelse af kunder som eksisterer allerede, ekstra porto ved fremsendelse af dobbelt fakturaer til samme kunde ved 1 årlig udsendelse. 3% kan være lavt sat. Eksempler på højere andel dubletter. Telefonisk/manuelle kunderettelser: Kr. 25,- er tidsforbrug til manuelle stamdatarettelser på baggrund af kundehenvendelser. Forudsat 10 rettelser pr. time, timepris kr Nedbringelse af kundehenvendelser til fx 3% pga. synlig højere datakvalitet.

4 Hvorfor skrev vi den om? Ens businesslogik med resten af systemet Nemmere at bruge Benytter nu standard komponenter og standard udviklingsværktøjer Nemmere at deploye, da ændringer typisk er med i release En ting mindre at holde styr på for jeres IT-Afdeling ingen SSIS pakker Ens løsning (med trimninger) hos alle Og slutteligt : Min bærbare flyver ikke ud af vinduet

5 Hvad er forbedret Alle felter fra Akunde kopieres nu altid over uden at i skal have ny separat version Navnehåndtering Opsætning Tilgængelighed Håndtering af flere firmanumre i samme kørsel Da hosten kan køre ftps, kan datasync nu også det

6 Hvad består datasync af Hostdel til håndtering af FTP for hhv. Export og Import Denne er kun nødvendig såfremt man vil have automatiseret sit flow. En rapport (rafr174) til indlæsning af filer fra - samt dannelse af filer til - DM-Partner Et opsætningsskærmbillede DataSyncParam til opsætning af FTP, filstier, SQL og Evt. firmahåndtering En separat samling af tabeller og views til håndtering af datasyncen 2 reporting services rapporter til opsamling på datasyncen. En installationsvejledning, som konsulenterne eller it-afdelingen kan bruge. Rapporten REDI02, som kan køre i loop (sender data til datahub)

7 Opsætningsbillede

8 De nye rapportbestillingsbilleder

9 Rapporterne i reporting services

10 Rapporterne i reporting services

11 Rapporterne i reporting services

12 Eksport - flow Start Indlæs parametre, herunder aktive kundersql Når sql er fundet Hent Aktive kunder Skriv data i fil Fil Fil dannet Ftp fil til DM-Partner (Host) Fil ftp et Arkiver fil (Host) Slut

13 Import flow Start Import flow overordnet, Gul baggrund er Host Host Bestiller Hent via FTP Bestil Rafr174 Indlæs Fil Alle records Indlæst Flyt fil til Arkiv Alle records behandlet Slut For hver record Slut Navneændring mm Statuskode 0 Recordtype/fejl Tilret Akunde Inkl Navn1 og Navn2 håndtering (kopier gammel mm) Flyttet/Død/Forsvundet/Udrejst af danmark Statuskode 1-4 Læg til Lister Har navn ændret sig og aktiv el-kunde? Ja Send til DataHub

14 Navn1 og Navn2 håndtering OBS Disponent i datasync ALTID Navn2 Ved 1 navn På alle kunder, som kun har 1 beboer tilknyttet i Akunde (og derved kun 1 linie i filen fra DMPARTNER eller flere linier, men kun 1 aktivt kundenavn ) : navn1 kommer i navn2 hvis navn2 er tom og længde af navn1 er <= 40 navn1 Blankes

15 Navn1 og Navn2 håndtering Ved 2 navne på adresse På kunder med flere beboere, forsøges fremfundet et så korrekt match som muligt ved følgende prioritering : Er adresser på begge kunder ens. Find ud af om et af navnene hænger sammen med navn i hhv. navn1 eller navn2, sæt det ikke matchende navn ind hvor det forventningsvis hører til. Læg første record (lavest cprid) i navn2 og sidste (højest cprid) i navn1 Find ud af om en af de 2 kunder matcher eksisterende adresse. Hvis ja læg denne kundes i navn1 i navn2, blank kunde Hvis ingen kunder matcher eksisterende adresse Find ud af om et af navnene hænger sammen med navn2 -disponenten Hvis ja benyt denne kundes data for ny adresse og blank navn1 samt læg navn1 i navn2. Hvis intet af ovenstående : Læg første record (lavest cprid) i navn2 og benyt dennes adresse.

16 Navn1 og Navn2 håndtering Fil Findes samme kundenr med flere forskellige navne i fil? Ja Er adresse på begge kunder ens Ja Matcher et af navnene Navn1 eller Navn2 på Akunde Ja Sæt det ikke matchende navn ind i det som ikke matcher Nej Nej Nej Læg Første record (laveste cprid) i navn2 og sidste (højeste cprid) i Navn1 Navn1 = Navn1 Navn2 = Navn2 Nej Er længde af Navn1 mindre end eller lig 40 tegn? Og er Navn2 blankt Matcher 1 af kunderne nuværende adresse Ja Benyt denne kunde jf. regel 1 kundenr Ja Navn1 blankes Navn2 = Navn1 Matcher 1 af kundenavnene Disponenten (Navn 2) Ja Benyt denne kunde jf. regel 1 kundenr Nej Benyt Første record jf. regel 1 kundenr

17 Fremtidige muligheder Erhvervskunder Telefonnumre CPR/CVR-Numre Installationsdata Diskussion