Zie dataregels en samenvoegen op voorbeelddata
In de demo laten we de wachtrij met dubbelen, het samenvoegen per veld en de dataregels zien. Sales Surge deed meer dan 150 CRM-implementaties, en opschonen hoort bij bijna elke overstap.
Een CRM raakt niet in één keer vervuild. Het gebeurt per formulier, per import en per collega die snel een relatie aanmaakt. Deze gids laat zien hoe je de schade meet, regels opstelt, dubbele relaties veilig samenvoegt en voorkomt dat het terugkomt.

Slechte data in een CRM is zelden het werk van één persoon. Het is de optelsom van kleine dingen. Een webformulier dat bij elke inzending een nieuwe persoon aanmaakt. Een import uit een beurslijst waarin de helft van de bedrijfsnamen anders gespeld is. Een accountmanager die haast heeft en "Jansen BV" aanmaakt terwijl "Jansen B.V." al drie jaar bestaat. Een contactpersoon die van baan wisselt en nog jaren op het oude bedrijf staat.
Elk van die dingen kost op zich weinig. Samen zorgen ze ervoor dat niemand de cijfers meer vertrouwt. Een campagne gaat twee keer naar dezelfde persoon. Twee collega's bellen dezelfde klant op dezelfde dag. Het rapport over omzet per branche klopt niet, omdat een kwart van de organisaties geen branche heeft. En de forecast is te hoog, omdat deals met een sluitdatum van vorig jaar nog open staan.
Het gevolg is voorspelbaar. Het team gaat om het CRM heen werken. Er komt een eigen Excel naast, notities verhuizen naar de mailbox, en het CRM wordt een plek waar je achteraf iets invult voor de manager. Datakwaliteit en adoptie van het CRM zijn daarom twee kanten van hetzelfde probleem. Mensen gebruiken een systeem dat ze vertrouwen, en een systeem dat gebruikt wordt, blijft schoner.
Het goede nieuws: je hoeft niet alles in één keer op te lossen. Wie datakwaliteit meetbaar maakt, een paar duidelijke regels afspreekt en de bronnen van vervuiling dichtzet, ziet het CRM elke maand een stukje beter worden. Deze gids geeft je daarvoor de formules, een sjabloon voor regels, een aanpak voor dubbele relaties en een opruimplan per week.
Datakwaliteit wordt pas bespreekbaar als je hem meet. Deze vijf dimensies dekken bijna alles wat in een B2B-CRM misgaat. Reken ze per objecttype uit: personen, organisaties en deals.
Het aandeel records waarin een verplicht veld gevuld is. Formule: records met veld gevuld gedeeld door alle records, keer 100. Voorbeeld: 1.400 van de 2.000 organisaties hebben een branche, dus 70 procent. Meet alleen velden die je echt gebruikt in rapporten of selecties.
Het aandeel records dat klopt met de werkelijkheid. Dit meet je met een steekproef. Formule: juiste records in de steekproef gedeeld door de steekproefgrootte. Voorbeeld: je belt of mailt 50 willekeurige contactpersonen na en 41 werken nog op het genoemde bedrijf, dus 82 procent.
Het aandeel records dat geen dubbel heeft. Formule: 1 min (aantal records in een dubbel paar of groep, min het aantal groepen) gedeeld door alle records. Simpeler: tel de verwachte dubbelen en deel door het totaal. Voorbeeld: 120 dubbelen op 3.000 personen is 4 procent dubbel, dus 96 procent uniek.
Het aandeel records dat recent is bijgewerkt of nog geldig is. Voor deals: open deals met een sluitdatum in de toekomst gedeeld door alle open deals. Voorbeeld: 64 van de 80 open deals hebben een sluitdatum na vandaag, dus 80 procent actueel. De andere 16 zijn de eerste die je bespreekt.
Het aandeel records dat dezelfde schrijfwijze volgt. Denk aan landnamen, telefoonnummers met landcode en rechtsvormen. Formule: records in het afgesproken formaat gedeeld door records met het veld gevuld. Voorbeeld: 900 van de 1.000 telefoonnummers beginnen met +31 of een andere landcode, dus 90 procent.
Wil je één cijfer, neem dan het gemiddelde van de vijf dimensies per objecttype. Met de voorbeelden hierboven kom je voor organisaties bijvoorbeeld op 70, 82, 96, 80 en 90, gemiddeld 83,6. Het getal zelf zegt weinig. De beweging van maand tot maand wel.
Een dataregel beschrijft wat goed is, hoe streng je bent en wie het oplost. Zonder dat laatste blijft een regel een wens. Gebruik voor elke regel deze vijf kolommen: veld, regel, ernst, eigenaar en wanneer gecontroleerd. Voor de ernst werken drie niveaus goed: een tip die alleen iets laat zien, een waarschuwing die opvalt maar het opslaan toelaat, en een blokkade die het opslaan weigert. Begin streng op weinig regels en mild op de rest.
Hieronder een voorbeeldset. De keuzes zijn voorbeelden. Pas ze aan op je eigen proces.
Twaalf regels lijkt veel. Maar het zijn er maar vier die echt blokkeren voor een gewone gebruiker. De rest stuurt, zonder dat iemand vastloopt.
Dubbelen vinden is geen kwestie van één zoekopdracht. Je combineert sleutels, geeft elk paar een score en kiest drempels.
Voor personen: e-mailadres, daarna genormaliseerde naam plus organisatie, daarna telefoonnummer. Voor organisaties: domein van de website of van de e-mailadressen, daarna genormaliseerde naam. Voor deals: dezelfde organisatie met een vergelijkbare titel en een open status.
Kleine letters, spaties eruit, rechtsvormen weg (BV, B.V., Ltd, GmbH), accenten gelijk, telefoonnummers naar één formaat met landcode, www en http van domeinen af. "Jansen B.V." en "jansen bv" worden dan allebei "jansen".
Een voorbeeldweging: zelfde e-mailadres 60 punten, zelfde domein 25, naam lijkt sterk (fuzzy match) 20, zelfde telefoonnummer 15, zelfde plaats 5. Een paar met zelfde e-mail en sterk gelijkende naam komt op 80. Een paar met alleen hetzelfde domein op 25.
Bijvoorbeeld: 80 of meer is vrijwel zeker dubbel en mag in een snelle wachtrij. 50 tot 80 beoordeelt een mens. Onder 50 laat je liggen. Let op: hetzelfde domein betekent bij grote bedrijven vaak twee echte collega's, geen dubbel.
Survivorship heet dat. Een gangbare set: het oudste record wint als basis, het meest recent bijgewerkte veld wint bij contactgegevens, een gevuld veld wint altijd van een leeg veld, en toestemming of afmelding wint altijd in de veilige richting.
Alle deals, activiteiten, notities en mails verhuizen naar de winnaar. Het verliezende record verdwijnt niet direct, zodat je kunt terugdraaien. Kijk na de eerste twintig samenvoegingen of de uitkomst klopt voor je verder gaat.
Stel, en dit is een verzonnen voorbeeld, je hebt twee personen in je CRM.
Record A is aangemaakt in maart 2024 door een accountmanager. Naam: Petra de Vries. E-mail: p.devries@voorbeeldbouw.nl. Organisatie: Voorbeeldbouw B.V. Telefoon: leeg. Functie: inkoper. Drie deals, waarvan één open. Twaalf activiteiten. Toestemming voor marketing: aan, met als bron een beursformulier.
Record B is aangemaakt in september 2025 via een webformulier. Naam: petra de vries. E-mail: p.devries@voorbeeldbouw.nl. Organisatie: Voorbeeldbouw. Telefoon: +31 6 1234 5678. Functie: hoofd inkoop. Geen deals. Eén activiteit. Afgemeld voor marketingmail in oktober 2025.
De score volgens de weging hierboven: zelfde e-mailadres 60, naam na normaliseren gelijk 20, zelfde domein 25. Totaal 105, ruim boven de drempel van 80. Dit is een dubbel.
Nu de survivorship. Record A is ouder en heeft de historie, dus A is de basis en blijft bestaan. De naam neem je over uit A, want die is netjes geschreven. Het telefoonnummer komt uit B, want gevuld wint van leeg. De functie komt uit B, want dat veld is recenter bijgewerkt en hoofd inkoop is waarschijnlijk een promotie. De organisatie blijft Voorbeeldbouw B.V. uit A, en de organisatie Voorbeeldbouw zonder rechtsvorm komt zelf op de lijst met dubbele organisaties.
Dan het belangrijkste veld. Record A zegt toestemming aan, record B zegt afgemeld in oktober 2025. De afmelding is nieuwer en de veilige richting wint altijd. Het samengevoegde record is dus afgemeld. Wie dit verkeerd om doet, mailt iemand die zich heeft afgemeld, en dat is een probleem onder de AVG.
Na het samenvoegen staan de drie deals, de dertien activiteiten en alle notities op record A. Record B is weg uit de lijsten, maar staat nog in het log, zodat je kunt terugdraaien als blijkt dat het toch twee mensen waren.
Een voorbeeldplan voor een team van tien tot dertig gebruikers. Grotere bestanden krijgen meer tijd in week 2 en 3, niet meer stappen.
Meet de vijf dimensies per objecttype en zet ze in een tabel. Kies samen met sales en marketing welke tien tot vijftien velden echt tellen. Wijs per objecttype één eigenaar aan. Leg de survivorship-regels vast voordat iemand iets samenvoegt.
Begin bij organisaties, want personen en deals hangen eraan. Werk eerst de paren met de hoogste score af. Voeg samen in kleine batches en controleer steekproefsgewijs. Organisaties met hetzelfde domein maar een andere vestiging bekijk je met de hand.
Voeg dubbele personen samen, met e-mailadres als sterkste sleutel. Loop daarna alle open deals na met een sluitdatum in het verleden. Elke eigenaar kiest per deal: nieuwe datum, verloren met reden, of gewonnen als dat vergeten was.
Vul de belangrijkste lege velden aan, zoals branche en land. Zet daarna de regels aan, eerst als waarschuwing. Pas als het aantal waarschuwingen een week laag blijft, maak je de belangrijkste vier tot blokkade.
Controleer elk formulier, elke koppeling en elke importroute op hoe ze nieuwe records aanmaken. Meet de vijf dimensies opnieuw en vergelijk met week 1. Plan de eerste maandcontrole in de agenda.
Opruimen zonder de bron dicht te zetten is dweilen met de kraan open. De meeste vervuiling komt via vier routes binnen.
Formulieren. Een formulier moet eerst zoeken op e-mailadres en pas een nieuwe persoon maken als die niet bestaat. Gebruik keuzelijsten voor land en branche in plaats van vrije tekst. Vang de bron mee in een verborgen veld, zodat je later weet waar een record vandaan kwam. Lees meer over formulieren die netjes in het CRM landen.
Imports. Een lijst van een beurs of een partner is de grootste bron van dubbelen in één keer. Normaliseer de lijst vooraf, vergelijk hem met het bestaande bestand en importeer alleen wat nieuw is. Doe eerst een proefimport en tel wat er zou gebeuren.
Mail en agenda. Een koppeling met de mailbox kan bij elk onbekend adres een persoon aanmaken. Dat lijkt handig, maar vult het CRM met nieuwsbrieven en leveranciers. Laat alleen mail vastleggen bij mensen die je al kent.
Handmatige invoer. Hier helpen de regels uit het sjabloon het meest. Een melding "deze organisatie bestaat mogelijk al" op het moment van aanmaken voorkomt meer dan een opruimronde achteraf.
Datakwaliteit zonder eigenaar is van niemand. Wijs per objecttype één persoon aan die de maandcontrole doet, en spreek af dat de eigenaar van een record zijn eigen waarschuwingen oplost. In een klein team is dat vaak de salesmanager. In een groter team iemand in sales operations of RevOps.
De maandcontrole duurt een uur als je hem elke maand doet. Meet de vijf dimensies, werk de lijst met overtredingen per eigenaar door, beoordeel de nieuwe dubbele paren en kijk welke bron deze maand de meeste vervuiling opleverde. Zet de uitkomst in het eerste salesoverleg van de maand.
Datakwaliteit raakt ook privacy. Wie een persoon op verzoek wist, moet voorkomen dat diezelfde persoon via een formulier of een import terugkomt. Dat werkt met een lijst van geblokkeerde adressen, liefst als hash opgeslagen zodat je het adres zelf niet bewaart. En dubbelen zijn een privacyrisico: een afmelding op het ene record helpt niet als het andere record nog mail krijgt. Meer hierover in de gids over e-mail en de AVG.
Alles verplicht maken. Twintig verplichte velden leveren twintig keer "onbekend" of een punt op. Maak alleen verplicht wat je echt gebruikt, en alleen op het moment dat je het kunt weten. Een dealwaarde bij de eerste kennismaking is gokken.
Automatisch samenvoegen zonder test. Een regel die op hetzelfde domein samenvoegt, voegt bij een groot bedrijf alle collega's samen tot één persoon. Draai een nieuwe regel altijd eerst met beoordeling door een mens, en zet automatisch samenvoegen pas aan voor de regels die weken foutloos liepen.
Opruimen zonder log. Als je niet kunt terugdraaien, durft niemand samen te voegen. Zorg dat elke samenvoeging een spoor achterlaat.
De verkeerde winnaar kiezen. Het nieuwste record is niet altijd het beste. Vaak is het een formulierinzending met een half ingevulde naam, terwijl het oude record alle historie heeft. Kies de basis op historie, en de velden op recentheid en volledigheid.
Eenmalig opruimen. Een grote schoonmaak zonder maandcontrole en zonder regels bij de bron is na een half jaar weer even vies. Het opruimen is het makkelijke deel. Het volhouden is het werk.
Data meten die niemand gebruikt. Een veld dat in geen rapport, selectie of gesprek voorkomt, hoeft niet gevuld. Haal het weg in plaats van erop te controleren.
In Lumo zet je dataregels op onder Begeleiding en regels, met de ernst tip, waarschuwing of blokkade. Een blokkade weigert het opslaan echt, zowel in het scherm als via de API. Records die binnenkomen via een import, een formulier, de chat of de mail worden niet geweigerd maar gemarkeerd, zodat er niets verloren gaat. Alle overtredingen staan in één lijst. Voor deals zijn er acht standaardregels die je met een klik installeert. Velden kun je per objecttype verplicht maken.
Dubbele personen, organisaties en deals komen in een wachtrij met een score. Je vergelijkt per veld, kiest de winnaar en voegt samen. Alle verwijzingen verhuizen naar de winnaar en het verliezende record wordt zacht verwijderd. Elke samenvoeging staat in een log en is terug te draaien. Je stelt regels in op naamgelijkenis, zelfde domein en een drempel, en legt vast welk veld wint. Automatisch samenvoegen per regel kan, maar staat standaard uit en vraagt een expliciete bevestiging. Na vijf mislukte samenvoegingen stopt het vanzelf. Na een AVG-wissing bewaart Lumo een hash van het adres, zodat de persoon niet terugkomt. Meer op dubbele relaties samenvoegen, adoptie en dataregels en personen en organisaties.

Hoe snel het opsporen van dubbelen werkt op een heel grote werkruimte, is nog niet gemeten. Begin daarom met een beperkte set regels en kijk hoe de wachtrij zich gedraagt. CSV-import zit nog niet in Lumo. Een overstap uit Pipedrive gaat via de importwizard, andere bronnen zetten wij met de hand over, en dat is meteen een goed moment om op te schonen. Lees ook hoe beveiliging en privacy geregeld zijn.
Meet vijf dimensies per objecttype: volledigheid, juistheid, uniciteit, actualiteit en consistentie. Volledigheid is gevulde records gedeeld door alle records. Juistheid meet je met een steekproef. Uniciteit met het aandeel dubbelen.
Daar is geen vaste norm voor. Het hangt af van hoeveel formulieren, imports en gebruikers je hebt. Meet het aandeel bij de nulmeting en kijk of het daarna daalt. De beweging zegt meer dan het getal.
Kies het record met de meeste historie als basis. Neem per veld de meest recente of de meest volledige waarde. Bij toestemming en afmelding wint altijd de veilige richting, dus een afmelding blijft staan.
Alleen voor regels die eerst weken met beoordeling door een mens foutloos liepen, zoals exact hetzelfde e-mailadres. Samenvoegen op alleen domein of naam laat je altijd door een mens beoordelen.
Laat het formulier eerst zoeken op e-mailadres en alleen een nieuwe persoon maken als die niet bestaat. Gebruik keuzelijsten in plaats van vrije tekst, en sla de bron op in een verborgen veld.
Zo weinig mogelijk. Maak alleen verplicht wat je gebruikt in rapporten of selecties, en alleen op het moment dat iemand het kan weten. Een paar blokkades en verder waarschuwingen werkt beter dan alles verplicht.
Elke eigenaar lost de waarschuwingen op zijn eigen records op. Per objecttype is één persoon eigenaar van de regels en de maandcontrole, vaak de salesmanager of iemand in sales operations.
Twee dingen. Een afmelding op het ene dubbele record helpt niet als het andere nog mail krijgt. En een gewiste persoon mag niet terugkomen via een formulier of import, dus houd een lijst van geblokkeerde adressen bij.
Eén keer grondig, daarna elke maand een uur. Meet de dimensies, werk de overtredingen door en beoordeel nieuwe dubbele paren. Wie dat maandelijks doet, heeft geen grote schoonmaak meer nodig.
In de demo laten we de wachtrij met dubbelen, het samenvoegen per veld en de dataregels zien. Sales Surge deed meer dan 150 CRM-implementaties, en opschonen hoort bij bijna elke overstap.
