CRM data opschonen — duplicaten, eigenaarschap en borging

Rommelige CRM-data is de stille killer van elk salesproces. Rapportages kloppen niet, sales vertrouwt het systeem niet, management neemt beslissingen op buikgevoel. Een opgeschoond CRM is het verschil tussen rapporteren en gokken. Op deze pagina: hoe je een data-cleanup aanpakt — vóór een migratie, tijdens een herimplementatie, of als doorlopend hygiëne-traject.

Wanneer cleanup nodig is

Drie momenten waarop een data-cleanup zich vrijwel altijd terugverdient:

• Vóór een migratie. Niet erna. Wie rommel migreert, krijgt rommel terug — plus het team verliest meteen het vertrouwen in het nieuwe systeem.
• Bij een herimplementatie. Als de huidige CRM-inrichting niet werkt en je opnieuw begint, is dat het natuurlijke moment om met schone data te starten.
• Als doorlopend onderhoud. Idealiter elk kwartaal een light-touch cleanup. In de praktijk: minimaal jaarlijks.

De 6 cleanup-categorieën

1. Duplicaten

De grootste categorie en vaak onderschat. “Jansen BV”, “Jansen B.V.”, “Jansen Bouw” en “jansen bv” zijn voor het systeem vier records, voor sales één klant. Detectie: match op e-maildomein + telefoonnummer, dan op normalized bedrijfsnaam (lowercase, leestekens weg). Pas op de auto-merge: sommige duplicaten zijn echte verschillende entiteiten (twee Jansen-broers met eigen bedrijf).

Aanpak: genereer een lijst kandidaat-duplicaten, laat iemand met klantkennis door 100-200 stuks lopen, leer van de patronen, automatiseer pas dan de rest.

2. Ontbrekende velden

Records waar essentiële data ontbreekt. Onderscheid drie niveaus:

• Kritisch (90%+ gevuld nodig): bedrijfsnaam, e-mailadres bij contact, eigenaar.
• Belangrijk (60%+ gevuld nodig): telefoonnummer, functie contact, branche bedrijf.
• Optioneel: aantal medewerkers, omzet, persoonlijke info. Hoeft niet op orde — fijn als het er is, geen ramp als het ontbreekt.

3. Verouderde data

Contacten die 3+ jaar oud zijn en geen activiteit hebben. Twee opties: archiveren (uit de actieve set, wel beschikbaar voor zoeken) of verwijderen. Voor de meeste MKB-bedrijven: archiveren als de oude contacten geen schade doen, verwijderen als ze rapportages vervuilen.

4. Losse systemen

Klantdata die nog in Excel, mailboxen, OneNote of WhatsApp staat. Tijdens cleanup is dit het moment om die op te halen en in het CRM te plaatsen — of bewust te besluiten “die blijft buiten het CRM”.

5. Inconsistente naamgeving

Branches: “ICT”, “Tech”, “Software”, “IT” — voor sales hetzelfde, voor rapportages vier silo’s. Standaardiseer met een vaste keuzelijst, niet vrij invulveld. Plus: hoofdletters in bedrijfsnamen, leestekens consistent, en functies in een vaste taxonomie (Manager, Directeur, Eigenaar — niet “Mgr” en “Dir” en “Owner” door elkaar).

6. Eigenaarschap

Records zonder eigenaar (of met “system-user” als eigenaar) vallen tussen wal en schip. Wijs alle actieve records toe aan een echt persoon. Voor inactieve records: bewuste keuze — bij “house accounts” houder of bewust unassigned met regelmatige review.

Cleanup-proces in fases

Fase A — Audit (2 tot 5 dagen)

Tel: hoeveel records totaal, hoeveel duplicaat-kandidaten, hoeveel ontbreekt cruciale velden, hoeveel ouder dan 3 jaar zonder activiteit, hoeveel zonder eigenaar. Maak een rapportage op één pagina. Dit is je beginstand én je later success-meting.

Fase B — Standaarden vastleggen (1 dag)

Welke velden zijn verplicht? Welke keuzelijsten gebruiken we? Welke conventies voor naamgeving? Schriftelijk vastleggen. Dit document gaat later in het CRM-onboarding pakket voor nieuwe medewerkers.

Fase C — De grote opruim (1 tot 3 weken)

Per categorie aanpakken in deze volgorde:

1. Duplicaten samenvoegen (grootste impact, meeste werk)
2. Ontbrekende kritische velden invullen — automatisch waar kan, handmatig voor de top 200 belangrijkste records, accepteer leeg voor de lange staart
3. Verouderde data archiveren
4. Eigenaarschap toekennen
5. Naamgeving normaliseren — vaak via SQL of bulk-edit

Fase D — Borgen (doorlopend)

Cleanup zonder borging: data is binnen 6 maanden weer rommelig. Borgen betekent:

• Verplichte velden in het CRM zijn écht verplicht (technisch geblokkeerd)
• Keuzelijsten in plaats van vrij invulveld voor branche, status, etc.
• Maandelijkse mini-audit (15 min): hoeveel nieuwe records zonder eigenaar?
• Kwartaal-review: trends in datakwaliteit zichtbaar maken voor management

Realistische tijdsinvestering

Aantal records	Cleanup eerste keer	Doorlopend onderhoud
< 1.000	1-2 weken intern	2-4 uur/maand
1.000-5.000	2-4 weken intern of 1-2 weken met hulp	4-8 uur/maand
5.000-25.000	4-8 weken, vaak met data-specialist	1-2 dagen/maand
25.000+	Projectvorm, ETL-tools, vaak extern	Eigen role: data-steward

Tools die helpen

• Voor detectie: de meeste CRM-platformen hebben built-in duplicate-detectie. Voor zwaardere sets: Talend Data Quality, OpenRefine (gratis), of een gerichte ETL.
• Voor verrijking: als je e-mailadressen wilt aanvullen met functie/LinkedIn-URL: tools als Dropcontact of Clearbit. Let op AVG: verrijking met persoonsdata vereist rechtmatige grondslag.
• Voor bulk-edit: CSV export, bewerken in spreadsheet, CSV re-import — werkt voor sets tot 5.000 records prima en is reproduceerbaar.

Wat een cleanup oplevert

Concreet en meetbaar, indien je de beginstand hebt gemeten:

• Rapportages die kloppen — management vertrouwt het CRM weer
• Marketing kan segmenteren zonder elke campagne handmatig op te schonen
• Sales verspilt geen tijd meer aan “is dit dezelfde klant?”-checks
• Adoptie stijgt: het team gebruikt een schoon systeem liever dan een rommelig systeem

Vervolg

• Migratie pillar (cleanup is fase 0 van migratie)
• Bij adoptie-problemen: vaak is rommelige data een hoofdoorzaak
• Match met een data-specialist