Data Quality
Datakwaliteit is hoe juist, volledig, consistent en actueel je data is. In e-commerce gaat het om specificaties, attributen, afbeeldingen en waarden op elk kanaal.
Wat is Data Quality?
Datakwaliteit (data quality) is de mate waarin je data juist, volledig, consistent en actueel is voor het doel waarvoor je die gebruikt. In e-commerce gaat het vooral om de kwaliteit van productdata: heeft elk product juiste specificaties, de verplichte attributen, goede afbeeldingen en overal dezelfde waarden? In een PIM meet je datakwaliteit met regels per categorie en kanaal. Gangbare dimensies zijn juistheid (waarden kloppen), volledigheid (verplichte velden zijn gevuld), consistentie (overal dezelfde eenheden en schrijfwijze), geldigheid (formaten zoals GTIN's en afmetingen kloppen) en actualiteit (prijzen en voorraad zijn bijgewerkt). Datakwaliteit is het resultaat dat je meet; productdata governance is het geheel van regels, eigenaren en controles dat dat resultaat stabiel houdt. Wil je je datakwaliteit verbeteren, begin dan met een nulmeting via de productdata kwaliteitscalculator.
Waarom Data Quality belangrijk is voor e-commerce
Klanten kiezen op basis van de productdata die ze zien. Uit consumentenonderzoek van Salsify uit 2025 bleek dat 54% van de shoppers een aankoop afbrak door tegenstrijdige informatie. Marketplaces en Google Shopping weigeren of verbergen bovendien listings met ontbrekende of ongeldige data. De meeste catalogi beginnen laag. In ons rapport State of Product Data 2026 scoorde de mediane catalogus 56,6 van de 100 bij import, vóór verrijking. Als je datakwaliteit per categorie meet, zie je waar je moet beginnen.
Gratis tool
Bereken de datakwaliteit van één product
Vul titel, beschrijving, metavelden en attributen in. Je krijgt een totaalscore van 100, een score per categorie en de eerste verbeterpunten, op basis van de preset voor je branche.
Voorbeelden van Data Quality
- 1Dimensie: Volledigheid, Veld: Materiaal, Probleem: Leeg bij de meeste jassen, Regel: Verplicht in Jassen
- 2Dimensie: Geldigheid, Veld: GTIN, Probleem: Verkeerd controlecijfer, Regel: Controle van het GTIN-controlecijfer
- 3Dimensie: Consistentie, Veld: Kleur, Probleem: "Navy", "navy blue" en "Donkerblauw" voor dezelfde kleur, Regel: Vaste lijst met toegestane waarden
- 4Dimensie: Juistheid, Veld: Gewicht, Probleem: In het ene kanaal in grammen en in het andere in kilo's, Regel: Eén eenheid centraal opgeslagen
Hoe WISEPIM helpt
- Stel met Quality Guard in WISEPIM regels voor datakwaliteit in per categorie en kanaal en zie welke producten ze niet halen.
- Controleer met Channel Readiness of producten aan de eisen van elk kanaal voldoen.
- Vul ontbrekende attributen, specificaties en omschrijvingen aan met AI-verrijking en controleer de resultaten in de Review queue.
- Maak waarden in bulk eenduidig, bijvoorbeeld vanaf de pagina Attribute values, en draai bulkwijzigingen terug met Operation history (betaalde abonnementen).
- Volg de kwaliteit over tijd in analytics en pak de zwakste categorieën eerst aan.
Veelgemaakte fouten met Data Quality
- Eenmalig opschonen zonder regels die voorkomen dat dezelfde fouten terugkomen.
- Eén standaard voor alle categorieën gebruiken in plaats van verplichte velden per categorie.
- Vrije tekst toestaan waar een vaste lijst met waarden nodig is, zoals kleuren en maten.
- Data in een kanaal corrigeren in plaats van in de centrale bron.
- Kwaliteit niet meten, zodat niemand weet of het beter wordt.
Tips voor Data Quality
- Begin met een nulmeting: meet volledigheid en geldigheid per categorie.
- Leg per categorie verplichte attributen vast op basis van wat je kanalen vragen.
- Gebruik vaste waardelijsten voor attributen zoals kleur, maat en materiaal.
- Controleer data al bij import, niet pas vlak voor de export.
- Wijs per categorie een eigenaar aan die verantwoordelijk is voor de kwaliteitsscore.
Trends rondom Data Quality
- AI die attributen aanvult en corrigeert, met menselijke controle voor gevoelige velden.
- Productdata die klaar is voor AI-shoppingassistenten die gestructureerde attributen lezen.
- Kwaliteitsscores per product die teams volgen zoals een verkoopcijfer.
- Regelgeving zoals het Europese Digitaal Productpaspoort, die om meer gestructureerde productdata vraagt.
Tools voor Data Quality
- WISEPIM: PIM met Quality Guard-regels, Channel Readiness en AI-verrijking voor de kwaliteit van productdata.
- Akeneo: PIM dat volledigheid per kanaal bijhoudt.
- Google Merchant Center: Meldt problemen met productdata voor Google Shopping.
- OpenRefine: Gratis tool om rommelige data op te schonen en eenduidig te maken.
- Great Expectations: Opensource framework voor validatietests op data.