‍Wat is een EAN wissel?

Een EAN (European Article Number) is de barcode waarmee een product uniek wordt geïdentificeerd in de keten. Retailers, datasystemen en marktonderzoeksbureaus zoals Nielsen en Circana gebruiken dit nummer als sleutel om verkoopdata, voorraden en marktprestaties aan te koppelen.

Een EAN wissel ontstaat wanneer een product een nieuw EAN nummer krijgt. Dat gebeurt vaker dan je zou denken, en om uiteenlopende redenen:

• Verpakkingswijziging: nieuw formaat, nieuw gewicht of een nieuw ontwerp dat als apart product wordt geregistreerd
• Inhoudwijziging: andere samenstelling, hoeveelheid of ingrediënten
• Herpositionering: een product dat onder een ander merk of subbrand wordt gelanceerd
• Administratieve correcties: een foutief aangemaakt EAN dat wordt vervangen
• Nieuwe verkoopeenheid: een multipack verpakking die een eigen EAN krijgt

In alle gevallen is het gevolg hetzelfde: het oude EAN verdwijnt uit de actieve data, het nieuwe EAN start met een lege geschiedenis, en de koppeling tussen verleden en heden moet handmatig worden gelegd.

‍

Wat gaat er mis als je een EAN wissel niet goed afhandelt?

De gevolgen van een gemiste of slecht verwerkte EAN wissel zijn concreet en direct merkbaar in je analyses:

Gebroken trendlijnen

Je trendanalyse in SIS of 7EVEN laat een plotse daling zien voor het oude EAN, terwijl het nieuwe EAN pas net begint. Zonder koppeling tussen de twee lijkt het alsof een hardloper ineens verdwenen is. Dat verstoort elke week-op-week of jaar-op-jaar vergelijking.

Verkeerde marktaandeel berekeningen

Syndicated data van Nielsen of Circana hangt aan EAN-nummers. Als jouw interne productstructuur niet synchroon loopt met hoe de marktonderzoeksbureaus het nieuwe EAN hebben opgenomen, klopt de koppeling tussen jouw POS bronnen en de markt benchmarks niet meer. Je marktaandeel lijkt te dalen terwijl je gewoon een verpakking hebt aangepast.

Foutieve promotie analyses

Bij het analyseren van promotie effectiviteit per SKU heb je een doorlopende historische reeks nodig. Een EAN wissel midden in een promo periode maakt het bijna onmogelijk om de prijselasticiteit per SKU betrouwbaar te berekenen. Juist op dit punt, waar de marges het meest te winnen zijn, ontbreekt dan de betrouwbare data.

Problemen bij retailer meetings

Een category manager aan de retail kant verwacht dat jij als trade marketeer de categorie volledig overziet. Als jouw cijfers niet kloppen door een EAN wissel die je gemist hebt, ondermijnt dat het vertrouwen in jouw analyse. Niet de verpakkingswijziging is het probleem, maar het feit dat je het niet had zien aankomen.

‍

Hoe de meeste teams het nu oplossen (en waarom dat niet schaalt)

De standaard aanpak is handmatig: zodra iemand merkt dat een EAN niet meer klopt, wordt er in Excel of in het portaal van de retailer gezocht naar het nieuwe nummer. Vervolgens worden de historische data van het oude EAN samengevoegd met de nieuwe reeks, zodat er een doorlopende lijn ontstaat.

Dat werkt voor incidentele gevallen, maar het schaalt niet. De problemen zijn structureel:

• EAN wissels worden pas ontdekt als de data al weken verkeerd staat, de fout is dan al doorgesijpeld in rapporten en categorieplannen
• Bij meerdere retailkanalen moet de wissel apart worden verwerkt in SIS, in 7EVEN, in de Nielsen export en in de interne productmaster, elk met zijn eigen format en naamgeving
• De koppeling tussen het oude en het nieuwe EAN wordt vastgelegd in een Excel bestand dat niet automatisch meeloopt met toekomstige updates
• Als een collega hetzelfde product in een ander systeem opzoekt, weet die niet van de handmatige correctie af en trekt verkeerde conclusies

Het resultaat is dat EAN wissels een continue bron van inconsistentie zijn in de data. Niet omdat ze zo complex zijn, maar omdat er geen systematische manier is om ze bij te houden.

‍

Hoe automatische herkenning het probleem structureel aanpakt

Een goede aanpak voor EAN wissels begint niet bij het repareren van de gevolgen, maar bij het signaleren van de wissel zodra die plaatsvindt. In een geautomatiseerde data-omgeving zijn daar drie lagen voor nodig:

1. Signalering

Het systeem herkent dat een EAN uit actieve verkoop verdwijnt terwijl tegelijkertijd een nieuw EAN met vergelijkbare productkenmerken opduikt in dezelfde categorie bij dezelfde retailer. Dat patroon is de aanleiding om een mogelijke EAN wissel te markeren voor verificatie.

2. Koppeling

Nadat een wissel is bevestigd door een human in the loop, want automatisering vervangt menselijke controle niet, worden het oude en het nieuwe EAN als dezelfde productreferentie behandeld. Historische verkoopdata, promotie-informatie en marktaandeel lopen dan door als een doorlopende reeks, zonder dat er handmatig iets samengevoegd hoeft te worden.

3. Propagatie

De koppeling geldt vervolgens voor alle databronnen tegelijk: SIS, 7EVEN, IPV, Superscanner, Nielsen, Circana en de interne product categorie. Niet alleen in het ene systeem waar je de fout toevallig ontdekte, maar overal waar dat EAN wordt gebruikt. Data kwaliteit blijft het allerbelangrijkst, een correctie in één bron die niet wordt doorgezet naar de andere bronnen is een halve oplossing.

Het resultaat is dat trendlijnen intact blijven, categorieplannen kloppen, en prijselasticiteit per SKU betrouwbaar berekend kan worden, ook als er onderweg een verpakking is gewijzigd. De trade marketeer aan de leverancierszijde en de category manager aan de retailklant werken daardoor allebei op data die de werkelijkheid correct weergeeft.

‍

EAN wissels als onderdeel van bredere data harmonisatie

EAN wissels zijn niet op zichzelf staand. Ze zijn één van de uitingen van een breder probleem: retaildata uit verschillende bronnen is niet ontworpen om naadloos samen te werken. Elke retailer levert data in zijn eigen format, met zijn eigen categorie-indelingen en zijn eigen manier om producten te benoemen. Dat geldt voor de portals van Albert Heijn en Jumbo, voor de exports van Nielsen en Circana, en voor de interne systemen van de leverancier zelf.

Data harmonisatie is het proces dat al die bronnen op één lijn brengt: producten matchen aan een gemeenschappelijke product master, categorie indelingen vertalen naar de structuur die de retailer gebruikt, en afwijkingen signaleren voordat ze doorwerken in analyses. EAN wissels zijn daarbinnen een specifiek patroon dat automatisch herkend en afgehandeld kan worden.

Bij Elho zag je dit in de praktijk: 33 retailkanalen, elk met eigen dataformaten, en een team dat tot 60% van zijn tijd kwijt was aan het harmoniseren van die data. Na automatisering schaalde het team van 10 naar 25+ onderbouwde categorieplannen en zat het structureel sterker aan tafel bij retail. Lees de volledige case hier.

De winst van goede data harmonisatie ligt niet alleen in tijdsbesparing. Het gaat ook om betere inzichten voor de retailer, minder derving door verkeerde voorraad beslissingen, en een hogere omzet doordat promoties en assortiment op betrouwbare data zijn gebaseerd. Dat is de win-win die goede category management data in de praktijk oplevert.

‍

Van betrouwbare data naar fact based forecasting

Zodra EAN wissels systematisch worden afgehandeld en databronnen correct zijn geharmoniseerd, ontstaat er iets wat met handmatige processen niet mogelijk is: een betrouwbare basis voor forecasting. Trendlijnen die niet breken bij een verpakkingswijziging kunnen worden doorgetrokken. Promotie-effecten per SKU kunnen worden vergeleken over meerdere periodes. En prijselasticiteit kan per EAN worden berekend op basis van een complete historische reeks.

Dat is de stap van reactief rapporteren naar fact based beslissen. Niet op basis van onderbuikgevoel over wat een promotie deed, maar op basis van een model dat de historische data correct heeft verwerkt, inclusief alle EAN wissels die onderweg hebben plaatsgevonden. Er blijft behoefte aan menselijke controle, een human in the loop. Data kwaliteit blijft het allerbelangrijkst. Maar de capaciteit die vrijkomt als data harmonisatie niet meer handmatig hoeft, gaat direct naar de analyses die ertoe doen.

‍

Heb je regelmatig last van EAN wissels in je data?

Dan is het de moeite waard om eens te kijken hoe dat nu in jouw workflow wordt afgehandeld en wat er beter kan. Wij werken met category teams bij FMCG leveranciers die dagelijks met dit soort data vraagstukken te maken hebben.

Vraag een strategisch gesprek aan waarin we meteen praktische tips kunnen geven voor jouw specifieke data situatie.

‍

‍

‍

Veelgestelde vragen over EAN wissels

Wat is een EAN wissel?

Een EAN wissel ontstaat wanneer een product een nieuw EAN-nummer krijgt, bijvoorbeeld door een verpakkingswijziging, een inhoud wijziging of een administratieve correctie. Het gevolg is dat de historische verkoopdata van het oude EAN niet automatisch wordt gekoppeld aan het nieuwe EAN, waardoor trendlijnen breken en analyses incorrect worden.

Waarom zijn EAN wissels een probleem in categorie management?

In categorie management werk je met historische verkoopdata om trends te analyseren, promoties te evalueren en categorieplannen te onderbouwen. Een EAN wissel doorbreekt die historische reeks. Zonder correcte koppeling tussen het oude en het nieuwe EAN kloppen trendanalyses niet meer, is prijselasticiteit per SKU niet betrouwbaar te berekenen, en kunnen marktaandeelcijfers van Nielsen of Circana afwijken van de realiteit.

Hoe herken je een EAN wissel in je data?

Signalen zijn onder andere een plotse daling in verkoopvolume voor een product dat normaal gesproken goed loopt, een nieuw EAN dat in dezelfde categorie verschijnt met vergelijkbare kenmerken, of een mismatch tussen wat SIS of 7EVEN rapporteert en wat je interne product master aangeeft. In een geautomatiseerde omgeving wordt dit patroon automatisch gesignaleerd en ter verificatie aangeboden.

Wat is het verschil tussen een EAN wissel en data harmonisatie?

Data harmonisatie is het bredere proces van het op één lijn brengen van retaildata uit verschillende bronnen: producten matchen, categorie indelingen vertalen en afwijkingen corrigeren. EAN wissels zijn daarbinnen een specifiek patroon: een product dat van EAN wisselt en waarbij de historische koppeling behouden moet blijven. Goede data harmonisatie vangt EAN wissels automatisch op als onderdeel van het bredere kwaliteitsproces.

Hoe helpt Captain bij EAN wissels?

Captain signaleert automatisch wanneer een EAN uit actieve verkoop verdwijnt en een vergelijkbaar product met een nieuw EAN opduikt. Na verificatie door de gebruiker worden het oude en het nieuwe EAN gekoppeld in alle aangesloten databronnen, zodat historische trendlijnen intact blijven en analyses betrouwbaar blijven. Er blijft altijd een human in the loop voor de kwaliteitscontrole.

‍