Data Decay
Data decay is het langzaam verouderen van opgeslagen gegevens, zoals productinformatie die niet meer klopt omdat prijzen, specificaties en leveranciers veranderen.
Wat is Data Decay?
Data decay is het langzaam verouderen van opgeslagen gegevens: informatie die klopte toen je die invoerde, wordt onjuist omdat de werkelijkheid verandert. Je hoort ook de termen dataveroudering of data degradation. In e-commerce raakt dit vooral productdata. Leveranciers passen specificaties, verpakkingen en materialen aan, acties lopen af en artikelen verdwijnen uit het assortiment, terwijl je catalogus nog de oude waarden toont. Dat is iets anders dan slechte datakwaliteit door een typefout, die vanaf het begin fout is; vervallen data was ooit juist. Je pakt het aan met vaste controles, verse leveranciersimports en validatieregels die verouderde of lege velden markeren. In de gids over datakwaliteit lees je hoe je die controles voor een productcatalogus inricht.
Waarom Data Decay belangrijk is voor e-commerce
Klanten kopen op basis van wat er op de productpagina staat. Klopt een maattabel, materiaal of accuspecificatie niet meer, dan krijgt de klant iets anders dan verwacht, met retouren en slechte reviews als gevolg. Volgens het 2026 Consumer Research van Salsify stuurde 45% van de shoppers een online aankoop terug door onjuiste of misleidende informatie. Veroudering verspreidt zich ook over je kanalen. Werk je je webshop, productfeed en marketplace-listings op verschillende momenten bij, dan lopen ze uit elkaar, en kanalen zoals Google Merchant Center kunnen producten afkeuren als feed en landingspagina niet overeenkomen. Behandel productdata als iets dat leeft, met een eigenaar en vaste controlemomenten, dan blijven al je kanalen gelijk.
Voorbeelden van Data Decay
- 1Veld: Accuduur, Opgeslagen waarde: 8 uur, Actuele waarde: 10 uur na een hardware-update
- 2Veld: Verpakkingsfoto, Opgeslagen waarde: oude doos, Actuele waarde: nieuwe verpakking die de fabrikant sinds het voorjaar levert
- 3Veld: Actieprijs, Opgeslagen waarde: kortingsprijs, Actuele waarde: normale prijs, de actie is weken geleden afgelopen
- 4Veld: Beschikbaarheid, Opgeslagen waarde: op voorraad, Actuele waarde: door de leverancier uit het assortiment gehaald
Hoe WISEPIM helpt
- Quality Guard-regels markeren producten met ontbrekende of ongeldige velden voordat je ze publiceert.
- Geplande imports via automations (per uur, dag, week of maand) halen verse leveranciersbestanden binnen in één centrale catalogus.
- Met bulkbewerking pas je een gewijzigde specificatie of prijs in één keer aan voor veel producten.
- Channel Readiness laat zien welke producten velden missen die een verkoopkanaal nodig heeft.
Veelgemaakte fouten met Data Decay
- Je productdata in veel losse spreadsheets bijhouden, zodat een wijziging nooit elke kopie bereikt.
- Geen vast controlemoment hebben voor je best verkopende producten.
- Meldingen van leveranciers over gewijzigde specificaties of uitlopende artikelen negeren.
- Ervan uitgaan dat productdata na de lancering altijd blijft kloppen.
Tips voor Data Decay
- Geef elke productgroep een eigenaar die deze volgens een vast schema controleert.
- Markeer producten die al zes maanden niemand heeft bijgewerkt en controleer die eerst.
- Importeer leveranciersbestanden volgens een schema, zodat gewijzigde specificaties zonder overtypen in je catalogus komen.
- Houd per product de retourreden "niet zoals beschreven" bij; die wijst vaak op verouderde data.
Trends rondom Data Decay
- AI-verrijking om verouderde of ontbrekende productattributen op te sporen en aan te vullen.
- Geplande imports die leveranciersdata in een vast ritme verversen in plaats van met de hand.
- Beeldcontroles die productfoto's markeren die niet meer passen bij de actuele bestanden van de fabrikant.
- Duurzaamheids- en compliancevelden die je regelmatig moet bijwerken omdat regels veranderen.
Tools voor Data Decay
- WISEPIM
- Akeneo
- Salsify
- Google Merchant Center
- Microsoft Excel