Kennismanagement: Door de bomen het bos weer zien
Kennis en waarde uit verzamelde data
Waarom blijkt het vaak lastig om kennis, en waarde, te halen uit verzamelde data? Het probleem zit vaak in ‘information overload’. Er wordt zoveel data verzameld dat het lastig wordt door de bomen het bos te zien. Het gevolg is dat verzamelde data soms slechts sporadisch, of niet gebruikt wordt en zelden leidt tot nieuwe inzichten.
Kennismanagement gaat over het ontwikkelen, vastleggen, beschikbaar stellen en gebruiken van kennis. Kennis over van alles: over (het functioneren van) de organisatie, de producten, de klanten en de concurrenten. Wikipedia definieert kennismanagement als hét wetenschapsgebied en de praktische vaardigheden die zich bezighouden met het beheersen van de productiefactor kennis. Deze productiefactor wordt in de media voor zowel de concurrentiepositie van een bedrijf, als voor de gehele (kennis)economie als cruciaal betiteld. De succesverhalen die hierbij als voorbeeld worden genoemd inspireren om zelf nu ook eens echt met kennismanagement van start te gaan. En dan blijkt dit in de praktijk best lastig van de grond te krijgen….
Information overload
Het probleem zit vaak in ‘information overload’: de enorme hoeveelheid verzamelde data maakt het moeilijk door de bomen het bos te zien. Het gevolg is dat verzamelde data nauwelijks wordt gebruikt en zelden tot nieuwe inzichten leidt. Het contactcenter wordt bij uitstek gezien als orgaan dat kennis over de klant kan verwerven. En deze kennis ook actief kan inzetten om klantwaarde te maximaliseren. Daartoe stellen de medewerkers - op verzoek van de organisatie - de klant allerlei vragen en leggen de antwoorden hierop vast. Het directe resultaat voor het contactcenter is duidelijk: meer kosten door toename van de Average Handling Time. Maar zijn de opbrengsten wel altijd evident?
Bewuster, gestructureerder, kosteneffectiever
Bij het inrichten van kennismanagement moet dan ook goed worden gekeken naar de toegevoegde waarde. Voor wie verzamel je bepaalde data? Welke waarde is aan bepaalde data aantoonbaar toe te kennen? Door de toegevoegde waarde te bevragen kan kennisontwikkeling op de betrokken gebieden bewuster, beter gestructureerd en hierdoor gerichter en kosteneffectiever plaatsvinden.
Lees het volledige artikel in de PDF
Een voorbeeld ter illustratie.
Stel, je wilt selfservice via het web promoten. Daarom wil je weten waarom klanten bellen in plaats van gebruikmaken van de bestaande website. Je wilt relevante kennis opdoen die je helpt dit doel te
bereiken. Om welke redenen kiezen klanten niet voor de site? Hoe zwaar telt elk van deze redenen? Omdat het analyseren van, soms enkele duizenden, vrije-tekstvelden lastig is, kies je een gestructureerde aanpak om deze informatie te achterhalen. Daartoe begint een aantal medewerkers aan het einde van elk gesprek de klant een vraag te stellen en het antwoord te noteren. Op basis van voldoende ‘oogst’ maak je hiervan vervolgens categorieën, bijvoorbeeld:
- geen internet beschikbaar
- niet aan gedacht
- kon site niet vinden
- wist niet dat er een site bestond
-
ben op site geweest, maar kon de gewenste service daar niet verkrijgen, namelijk:
- Verzoek 1
- Verzoek 2
- Verzoek 3
Vervolgens kun je in het callscript deze vraag opnemen en alle agents het antwoord op deze vraag (al dan niet elektronisch) laten registeren. Belangrijk hierbij is ook een ‘anders’-categorie op te nemen, waarbij nog onbekende redenen kunnen worden toegevoegd. Op korte termijn kan zo inzicht worden verkregen waarom de site niet wordt gebruikt, en welke oorzaken het zwaarst wegen.
