Verhoging klanttevredenheid onder huurders van BIM dankzij slimme data uit meldingen

BIM heeft en beheert diverse kantoor- en bedrijfspanden in 's-Hertogenbosch. Huurders en leveranciers kunnen op een online platform berichten insturen, bijvoorbeeld over storingen en calamiteiten. Hierbij staat de klanttevredenheid centraal. Tot nu toe wordt iedere melding op dezelfde manier behandeld. Joost van Sonderen, manager Vastgoed, onderzoekt of dit beter kan: welke meldingen zijn toerekenbaar aan welke locatie, gebruiker en categorie? Welke meldingen hadden voorkomen kunnen worden? Welke KPI's of servicelevels kunnen worden afgesproken met de leveranciers? Op deze manier kun je meer invloed uitoefenen op de klanttevredenheid. Dat klinkt goed! Maar dan moet je wel over de juiste inzichten en middelen beschikken. Nu werken er specialisten aan een professionele data analyse, zonder grote investeringen: dankzij Platform Driven by Data. Hoe ze dat doen? Met 5 eenvoudige stappen. Dat kun jij ook. Lees snel verder!

Stap 1. Formuleer je doel

BIM werkt in de panden die het beheert continue aan het verbeteren van het serviceniveau, om de klanttevredenheid verder te verhogen. Niet alleen de meldingen die binnenkomen op het website platform spelen een belangrijke rol, ook de afspraken die worden gemaakt met leveranciers zijn cruciaal. Ze kijken al langer naar 'slimme data', omdat dit nieuwe inzichten op kan leveren. Toen BIM werd gewezen op het MKB Data Lab besloten ze in te stappen. Ze wilden weten: zijn er patronen zichtbaar in de ingezonden meldingen? Zijn er locaties, perioden, dagen, tijdstippen, seizoenen, categorieën te onderscheiden? Welke afspraken kunnen we maken met leveranciers? Hoe kunnen we het platform voor meldingen optimaliseren? Leiden deze maatregelen tot een hogere klanttevredenheid? Ze gaan aan de slag in het MKB Data Lab.

Stap 2. Over welke data beschik je in het bedrijf?

BIM beschikt over data van in totaal zo'n 1000 jaarlijkse meldingen. Per melding zijn circa 3 tot 5 regels met details opgeslagen, waardoor bekend is uit welk pand en van welke huurder de melding komt. Ook is bekend welk type melding het betreft, al is dit niet ingedeeld in 'harde' categorieën. Daarnaast worden enquêtes gehouden onder de huurders. Er is dus een bescheiden hoeveelheid data voorhanden.

joost-van-sonderen=bim-vastgoed

“We wilden het proces van oppakken en afwikkelen van meldingen uit onze panden graag verder professionaliseren. Daarvoor moeten we eerst meer inzicht krijgen in de aard van de meldingen. Nu werken professionals aan een analyse, zonder grote investeringen.”

Joost van Sonderen - BIM

Stap 3. Maak een analyse

BIM zou graag zelf met de data aan de slag gaan, maar dat is gezien de structuur van de data (9000 losse tekstregels) al snel te complex. Ze misten de kennis en de capaciteit om een grondige analyse te doen.

Driven By Data biedt uitkomst met het MKB Data Lab, verzorgd door de JADS. Er heeft een eerste sessie plaatsgevonden waarin duidelijk werd wat de mogelijkheden zijn met de beschikbare data. Hieruit is een dataset gemaakt, waarmee de JADS student aan de slag gaat.

Een student, begeleid door twee docenten, is nu de dataset aan het bewerken en analyseren. Dat richt zich op het opschonen van de data, en vervolgens op het categoriseren ervan. Daarna kan bekeken worden welke meldingen het meest voorkomen. Vervolgens kan verder geanalyseerd worden: in welke periode, welk type pand, type huurder, etc. Een analyse op de historische data zal deze inzichten moeten genereren.

Stap 4. De praktijktest

Uit de eerste tussenanalyse blijkt al dat veel meldingen (75%) worden ingezonden in het najaar en de winterperiode. Dat is meteen een hoopgevend tussenresultaat, omdat dit al snel een belangrijk inzicht geeft in de aard van de meldingen! De analyse wordt verder uitgevoerd om te achterhalen welke soort meldingen overheersen. Zo kan BIM Vastgoed bepalen welke actie daarop moet worden uitgevoerd en met welke leveranciers dit moet gebeuren. Kunnen deze meldingen direct worden doorgezet naar leveranciers? Kan BIM Vastgoed KPI's afspreken? Kan er een financiële prikkel worden toegevoegd bij afwijking van de KPI, zowel positief als negatief? Levert dit ook echt een hogere klanttevredenheid op?

Stap 5. Het (verwachte) resultaat

De JADS is nog volop bezig met de analyse. Joost van Sonderen heeft er veel vertrouwen in. Sommige meldingen moet je nu eenmaal snel en grondig oplossen. Hierover gaan we concrete servicelevels afstemmen met onze leveranciers. Bij andere meldingen kun je niet direct tot actie overgaan en moet je beter communiceren, om de verwachtingen beter te managen. Als je hier concrete handvatten voor krijgt uit data, en het meldingen platform daarop slimmer maakt, dan kun je het vastgoedbeheer daar beter op afstemmen. We verwachten dat dit tot een hogere klanttevredenheid leidt, en dat dit uiteindelijk zichtbaar wordt in de periodieke enquêtes.

joost-van-sonderen=bim-vastgoed

“Met slimme data uit het meldingen platform kunnen we onze huurders beter bedienen, KPI's van leveranciers beter monitoren en de klanttevredenheid verhogen.”

Joost van Sonderen - BIM

Tijdens de eerste sessie met de JADS zijn de wensen geïnventariseerd, doelen gesteld en de databronnen beoordeeld. Ondertussen is de dataset geleverd aan de JADS. Daar wordt momenteel hard gewerkt aan de analyse. Er is een tussentijdse 'sneak preview' geleverd, over een maand zal definitief worden opgeleverd en worden de resultaten en adviezen doorgenomen. Hierna kan BIM tot actie overgaan.

Over de organisatie:
De BIM stimuleert de economische bedrijvigheid in ’s-Hertogenbosch en omgeving. Eén van de pijlers hiervan is het bieden van passende huisvesting aan MKB ondernemers. BIM faciliteert middels diverse kantoor- en bedrijfspanden in 's-Hertogenbosch.

Aantal medewerkers: 23
Branche: Vastgoed

Meer praktijkvoorbeelden van succesvolle ondernemers?

Please enter a valid email address.
Something went wrong. Please check your entries and try again.