CRM duplikációk: így védd az ügyféladatokat

A CRM-duplikáció nem csak adatminőségi gond: rossz döntéseket, elvesző előzményeket és hibás ügyfélkezelést okozhat.

Mi történt

A Crono 2026. szeptember 14-én arról írt, hogy a CRM-duplikációkat érdemes három lépésben kezelni: először az egyező rekordok megtalálásával, aztán annak eldöntésével, mely mezőértékek maradjanak meg, végül a rekordok összevonásával. A cikk fő üzenete az, hogy a rossz sorrend vagy a kontroll nélküli összefésülés könnyen adatvesztést okozhat.

Mit jelent ez egy magyar KKV-nak

A hír nem egy új technológiai trendet hoz be, inkább egy nagyon is földhözragadt problémára hívja fel a figyelmet: a CRM-ben lévő duplikált ügyfelek nem csak esztétikai hibák. Egy magyar KKV-nál ez tipikusan azt jelenti, hogy ugyanaz a partner több néven, több e-mail címmel vagy több kapcsolattartóval szerepel a rendszerben, miközben az értékesítés, az ügyfélszolgálat és az adminisztráció külön-külön próbál vele dolgozni. Ilyenkor könnyen előfordul, hogy egy ajánlat rossz címre megy, egy reklamáció előzménye eltűnik, vagy a vezetői riportban ugyanaz az ügyfél kétszer látszik.

A magyar cégeknél ez a probléma gyakran azért súlyosabb, mint egy nagyvállalatnál, mert kevesebb a dedikált adatgazda és ritkábban van külön adatminőségi csapat. Sok helyen a CRM-et az értékesítés tölti, az ügyfélszolgálat módosítja, a pénzügy pedig még egy harmadik rendszerből nézi ugyanazt a partnert. Ha nincs központi szabály arra, hogy melyik mező az elsődleges, mi számít hitelesnek, és ki dönt a rekordösszevonásról, akkor a duplikációk lassan, észrevétlenül rontják el a működést.

A cikkben említett háromlépéses logika azért hasznos, mert jól elválasztja egymástól a probléma három különböző típusát. Az első kérdés az, hogy egyáltalán ugyanarról az emberről vagy cégről van-e szó. A második az, hogy ha két rekord részben eltér, melyik adat maradjon meg. A harmadik pedig az, hogyan kell úgy összevonni a rekordokat, hogy ne vesszen el az előzmény, a megkeresés, a deal vagy a csatolt dokumentum. Magyar KKV-k esetében ez különösen fontos ott, ahol a CRM mellett még Excel, e-mail, számlázó vagy külön ügyfélszolgálati nyilvántartás is fut.

A gyakorlatban a legnagyobb kockázat nem is az, hogy valaki nem találja meg a duplikátumot, hanem az, hogy rosszul egyesítik őket. Például egy régi importból származó, hiányos rekord felülírhat egy friss, ellenőrzött telefonszámot vagy kapcsolattartót. Ez nem csak adatminőségi probléma: az ügyfélélményt is rontja, mert a kolléga rossz információval hív vissza, nem látja a korábbi megállapodásokat, vagy újra elkéri ugyanazokat az adatokat. Ha a cég sokat dolgozik ismétlődő ügyfélkérésekkel, akkor ez közvetlenül kapcsolódik a bejövő kérésekből automatikus teendőlista és az ismétlődő adatrögzítés csökkentése belső ügyintézésben témájához is.

A magyar környezetben az is fontos, hogy a CRM-duplikáció nem mindig csak CRM-probléma. Sok KKV-nál a törzsadat több helyen él: van egy Excel a salesnél, egy másik a pénzügyben, egy külön lista a marketingnél, és esetleg a számlázóban is szerepel ugyanaz a partner. Ilyenkor a duplikációk nem egyetlen rendszer hibájából keletkeznek, hanem abból, hogy nincs központi adatkezelési szabály. Ezért az ilyen helyzetekben nem elég „letakarítani” a CRM-et; érdemes megnézni, hogyan keletkeznek az új rekordok, ki hozhat létre partnert, és milyen validációk vannak a bevitelnél.

A forrásban hangsúlyos automatikus egyezéskeresés a magyar KKV-knál is hasznos lehet, de csak akkor, ha a cég adatai elég egységesek. Ha a mezőkben hol teljes cégnév, hol rövidített név, hol ékezetes, hol ékezet nélküli forma szerepel, akkor a rendszer könnyen tévesen talál egyezést. Ezért a technikai megoldás előtt az adatbeviteli fegyelem a döntő: legyen egységes névforma, tiszta e-mail-kezelés, és egyértelmű szabály arra, mi számít kötelező mezőnek. Ha ez hiányzik, az automatizálás csak gyorsabban termeli a hibát.

A magyar KKV-knál az is gyakori, hogy a duplikációk kezelése „alkalmi takarítás” marad. Valaki időnként összefésül pár rekordot, aztán hónapokig senki nem néz rá újra. Ez rövid távon működhet, de hosszú távon visszajön a hiba, mert az új adatbevitelek újra létrehozzák a párhuzamos rekordokat. A tartós megoldás inkább az, hogy a duplikációkezelés beépül a napi működésbe: új rekord létrehozásakor ellenőrzés, módosításkor validáció, és időszakos tisztítás a már bent lévő adatokra.

A cikk üzenete azért releváns itthon, mert sok magyar KKV most épp CRM-et vezet be, vagy a meglévő rendszerét próbálja jobban kihasználni. Ilyenkor a duplikációkezelés nem utólagos „szépítés”, hanem a rendszer alapja. Ha ezt a fázist kihagyod, a CRM hamar elveszíti a hitelességét: a kollégák nem bíznak benne, párhuzamos nyilvántartások indulnak el, és visszatér az Excel. Ha viszont jól van felépítve a rekordkezelés, akkor a CRM tényleg az ügyfélkezelés központi rendszere lehet, nem csak egy újabb adatbázis.

Érdemes azt is kimondani, hogy a hírből nem az következik, hogy minden cégnek azonnal bonyolult fuzzy matching algoritmusokra van szüksége. Sok magyar KKV-nál először a legegyszerűbb szabályok hozzák a legtöbbet: kötelező e-mail, egységes cégnév-formátum, adatrögzítési ellenőrzés, és egyértelmű összevonási jogosultság. A kifinomult algoritmusok akkor jönnek képbe, amikor már tényleg sok az adatforrás, sok a hibás beírás, és a kézi tisztítás nem skálázható. Vagyis a kérdés nem az, hogy „kell-e AI vagy fuzzy matching”, hanem az, hogy a cég adatfegyelme elég érett-e hozzá.

Ha nálatok az ügyféladatok mellett szerződések, ajánlatok vagy csatolt dokumentumok is több helyen élnek, akkor a duplikációkezelést érdemes összekötni a dokumentumkezeléssel és az ügyfélportállal is. Például ha egy partnernek több rekordja van, akkor a kapcsolódó fájlok, státuszok és jóváhagyások is szétszóródhatnak. Ilyenkor a központi dokumentum-összefűzés és az ügyfélportál státuszkövetéshez témája már nem külön projekt, hanem ugyanannak az adatminőségi problémának a része.

Mit csinálj vele

Először nézd át, hol keletkeznek nálatok új ügyfél- és partnerrekordok. Ha több csatornáról jönnek be az adatok, írd össze, melyik rendszerben ki hozhat létre új rekordot, és van-e ellenőrzés a mentés előtt. Ha nincs, ez az első javítandó pont.

Másodszor határozd meg, mely mezők az elsődlegesek. Például cégnév, adószám, e-mail, telefonszám, számlázási cím, kapcsolattartó neve. Döntsd el előre, hogy összevonáskor melyik forrás a hitelesebb, és ezt ne ad hoc módon, kollégánként eltérően kezeljétek.

Harmadszor csinálj egy kis, biztonságos mintát. Ne az egész adatbázison kezdd a tisztítást, hanem néhány tucat gyanús rekordon. Nézd meg, melyik összevonás volt helyes, melyik lett volna veszélyes, és hol kell finomítani a szabályokon. Ha a rendszered engedi, ezt tesztkörnyezetben tedd meg, ne élesben.

Negyedszer vizsgáld meg, kell-e automatizált duplikáció-ellenőrzés az új adatfelvitelhez. Ha a céged sok ajánlatkérést, regisztrációt vagy partnerbejelentést kezel, akkor már egy egyszerű ellenőrző lépés is sok hibát megelőzhet. Ez különösen ott hasznos, ahol a folyamatok még e-mailből, Excelből és manuális másolgatásból élnek.

Ötödször döntsd el, ki felel az összevonásért. Ha mindenki felel érte, valójában senki sem felel érte. Kell egy egyértelmű szerepkör vagy jóváhagyási lépés, különben a duplikációkezelés mindig félbemarad.

Ha a CRM mellett más rendszereidben is szétszóródnak az adatok, érdemes megnézni, hol lehet központi törzsadat-kezeléssel, workflow-automatizálással vagy egyszerűbb validációval csökkenteni a hibákat. Ha szeretnéd, a codemesh ingyenes konzultációban segít végiggondolni a saját folyamataidat; a Digitalizációs felmérés oldalon el tudod indítani a kapcsolatfelvételt.