Qualité des données et bonnes pratiques CRM

La société Uniserv qui a animé une conférence, en est convaincue. C’est un besoin stratégique pour l’entreprise d’avoir des données de qualité. Sans elles, l’entreprise ne peut ne ni avancer ni progresser ! La mauvaise qualité des données est significative sur les projets entrepris et sur les activités stratégiques envisagées. Alors que toute entreprise devrait développer sa relation client de manière sereine et efficace…

Qualité des données et bonnes pratiques CRM

Quels piliers de qualité de données ? Plusieurs dimensions à savoir l’exhaustivité en premier (champs complets, adresse email, postale, téléphone, date de naissance…), l’exactitude (pertinence), l’unicité (attention aux doublons), et enfin l’actualité (les données ne doivent pas se dégrader, mais être actuelles).

Les signes de manque de qualité de données sont divers : taux de retour élevés, mauvaises adresses email, civilités erronées…ce qui peut entraîner un manque de confiance des collaborateurs envers les bases et qui peut se traduire par une interdiction /hésitation à faire des actions (en raison d’une base de mauvaise qualité).

Alors que faut-il pour une bonne qualité de données ? D’abord des adresses postales correctes et actualisées régulièrement, puis des consignations des fusions (recherche fine des doublons), enfin des suppressions ou désactivations des contacts non actifs…

Le Customer Data Management, cœur de métier de Uniserv, est l’ensemble des processus et méthodes, stratégiques, techniques, d’architecture permettant de gérer les données de leur création à leur suppression (définition du Forester Group). L’idée ici est donc bien de disposer d’une donnée, de sa création à sa suppression, qui soit correcte et pertinente, le tout pour une expression optimale des données en vue d’actions commerciales, marketing ou autres.

Sur l’ensemble des données, on note différentes interactions avec les services de l’entreprise.

Aussi, l’ensemble de ces données comportent en entrée parfois des erreurs. Alors comment exploiter ces données  et mettre en place une solution permettant que celles-ci soient exploitables par l’entreprise ? En effet, les erreurs peuvent provenir des centres d’appels (erreurs de compréhension, fautes de frappe…), ce qui conduit à des erreurs sur la base de données clients et à la non-fiabilité de celle-ci pour les opérations.

Et côté défis ? Les défis à résoudre proviennent des sources de données multiples (structures et formats différents), de l’explosion des données (différents canaux), de la gestion des différentes langues (alphabets), de l’analyse entre les identités (rapprochement de données).

La solution de Customer Data Management est une solution de Master Data Management dans laquelle il faut extraire, transférer, charger les données de plusieurs systèmes vers un système cible. On note aussi une partie résolution des identités (doublons…), une plate-forme de Data Management Professional, et un enrichissement des données.

Le MDM est l’ensemble des processus métier (procédures, méthodes, outils) qui définissent de manière continue et centralisée les données les plus importantes de l’entreprise. Les données sont fiables, cohérentes et évoluent en temps réel, avec un traitement des données elles-mêmes. L’idée est d’avoir des systèmes sources dans lesquels on prend les données pour les injecter dans un système cible, en passant par l’étape de la normalisation, du nettoyage, du rapprochement, de la mise en correspondance. Sans cela, on risque d’obtenir une mauvaise qualité de données qui est le facteur N° 1 des échecs de projets notamment de CRM.

La résolution d’identité est suggérée fortement par Uniserv (paramétrage fin sur l’ensemble des champs de la donnée). Ensuite, les étapes suggérées sont les suivantes : analyser les données (profilage, carences), nettoyer les données (massivement, et au cas par cas), mettre en place les indicateurs pour le monitoring (surveillance), protéger les données.

L’ensemble de ces process permet d’obtenir une conformité, une sécurité et un nettoyage des données, en vue d’une fiabilité à toute épreuve, pour les intégrer dans un système source et retrouver ainsi une confiance totale dans les bases ! N’est-ce pas l’objectif premier de chaque entreprise ?