Dans la plupart des entreprises, la stratégie informatique consiste entre autres à consolider l'information, à automatiser l'analyse des données et à baisser les coûts.
Toutefois, une vue holistique des clients et des projets s'impose pour augmenter le chi re d'a aires et le revenu par client pour atteindre des taux supérieurs de recommandation et un marketing toujours plus e cace. Le déluge de données issues du mobile, du Web, de l'expérience des clients, du suivi des comportements, de l'évaluation des leads et des silos hérités de données soulève un dé tant pour les professionnels du marketing que pour les informaticiens qui les assistent.
Pitney Bowes, un leader établi du marketing direct, est également un acteur majeur de la communication liée au marketing digital. L'entreprise aide ses clients à tenir les promesses d'une expérience client sur tous les canaux en livrant des informations contextuelles cohérentes.
En construisant son système MDM (gestion des données de référence) d'avant garde autour de la base de données de graphes Neo4j, l'entreprise a doublé la concurrence. Elle a ainsi évité le piège de bases relationnelles lentes et peu souples, ou de solutions noSQL manquant de richesse. Neo4j, base de données de graphes leader du marché, o re une infrastructure évolutive de collecte et d'interrogation des données connectées qui surpasse de loin les bases de données traditionnelles en termes de coût et d'agilité.
En particulier, Neo4j est très bien adaptée pour gérer les relations complexes entre des sources de données hétérogènes, ce qui est le cas du problème de vision à 360 degrés des clients que Pitney Bowes cherche à résoudre pour sa clientèle : Neo4j peut gérer une complexité face à laquelle les bases de données traditionnelles se bloquent.
Le contexte
Pitney Bowes est reconnu pour ses systèmes de mailing dans le monde entier. Forte de ce succès, l'entreprise s'est grandement diversi ée et vend à présent les outils et les services dont ses clients ont besoin pour o rir à leurs propres clients des services intelligents sur les canaux digitaux. D'ailleurs, les revenus liés au digital pro tent de la plus forte croissance au sein de son activité avec un taux de 23% en 2013 et une part de 19% de l'ensemble de l'activité.1
En élaborant la vision de la prochaine génération de son o re, l'équipe de Pitney Bowes dirigée par Navin Sharma, Vice-Président de l'entreprise, s'est rendu compte que ses clients rencontraient trois problèmes se recoupant. Tout d'abord, les données sur les clients étaient créées dans de nombreux systèmes d'informations di érents. Certaines informations étaient stockées dans les systèmes comptables et de facturation internes, d'autres dans les systèmes de logistique et de livraison. D'autres étaient également collectées dans les systèmes de gestion de la relation client et de gestion des ventes. Les données marketing étaient suivies par d'autres systèmes et services externes, tandis que les données mobiles venaient augmenter les volumes et la variété des données à tracker.
Pour les détaillants, les données d'inventaire en magasin et de fréquentation n'étaient pas faciles à relier au comportement des clients et prospects en ligne. Par conséquent, les décisions tactiques de marketing et de tari cation ainsi que l'allocation des ressources étaient prises en fonction de données internes et incomplètes, en général déconnectées du suivi du comportement des clients sur les sites Web externes.
Ensuite, des définitions différentes des clients dans l'ensemble du paysage applicatif appauvrissaient la qualité des données avec peu de prédictibilité. Il était évident que pour faciliter les tâches de nettoyage, de comparaison et d'intégration des données, les clients de Pitney Bowes avaient besoin d'une solution intégrale incluant ses propres contrôles qualité et processus de gouvernance pour assurer une validation et un nettoyage cohérents des données.
Enfin, chaque silo distinct d'informations avait été optimisé pour des tâches données. Certains étaient conçus pour des transactions courtes en ligne comme le traitement des commandes alors que d'autres étaient traités par lots. Certains de ces silos étaient si importants qu'ils étaient fondamentalement inexploitables pour des analyses, d'où le téléchargement de sous-ensembles de données dans des dépôts de données dans le seul but de renforcer la performance des requêtes. Globalement, des délais variables d'un stockage de données à un autre étaient la source du problème d'ensemble avec les données.
Enrichir la ligne de produits
Navin Sharma a compris que pour donner plus d'utilité à la qualité et au nettoyage des données ainsi qu'aux services marketing, Pitney Bowes devait s'atteler à la tâche ardue consistant à intégrer les di érentes sources de données. Il ne s'agissait pas simplement d'intervenir au niveau des middleware : ses clients avaient besoin d'une compréhension sémantique des données pour e ectuer avec succès l'évaluation des leads, la prospection, le suivi et les ventes croisées.
Une intégration pertinente des données – en d'autres termes, la gestion des données de référence – constituait la principale diffculté pour le marketing. Sans centralisation logique de la capacité à examiner les données des clients dans tous les systèmes concernés, les équipes marketing n'ont qu'une faculté limitée pour améliorer l'engagement de leurs clients sur tous les canaux.
Cependant, au plan technique, la combinaison de données mobiles et de données en temps réel pose un problème majeur d'évolutivité. De plus, l'augmentation prévisible des di érentes sources et sortes d'informations nécessitait un système très évolutif, souple et agile. Selon Navin Sharma, Pitney Bowes faisait face à de nombreuses entreprises dans la gestion des informations o rant aux clients des solutions de marketing analytique, de gestion des données et de qualité des données.
L'univers de l'automatisation marketing, en particulier, est en plein essor mais la capacité à intégrer facilement et rapidement les données pouvait potentiellement changer la donne. Les solutions individuelles de CRM, d'ERP, d'automatisation marketing et de gestion des contenus imposaient toutes des coûts très élevés de permutation, c'est pourquoi toute solution devait pouvoir fonctionner avec la base d'applications installées chez les clients de Pitney Bowes dans la mesure où remplacer les systèmes aurait été extrêmement prohibitif.
Les recherches dans le domaine de l'innovation suggèrent fortement que les produits d'imitation ne sont pas à la hauteur d'o res di érenciées à haute valeur ajoutée. En fait, proposer un produit di érencié à haute valeur ajoutée est le plus important et le seul facteur pour prédire la réussite d'un nouveau produit.
C'est pourquoi Navin Sharma s'est référé à une page du livre “Innovation disruptive” de Clayton Christensen pour traiter le problème. Son équipe et lui se sont demandé “Que pouvons-nous faire pour apporter une valeur incrémentale au l du temps, mais aussi une évolution et un dimensionnement rapides avec autant d'agilité que toute méthodologie de développement logiciel du 21e siècle?” “Comment généralisons-nous ces données et cette connaissance auprès du plus grand nombre avec un minimum de frictions?”
La solution
Dans la plupart des entreprises, lorsque l'on parle de base de données, la réaction instinctive est de réfléchir en termes de bases de données relationnelles. Or aujourd'hui, l'idée qu'il y a peu d'inconvénients à choisir un entrepôt de données relationnel persiste. Parfois, le choix de la base de données est faite par l'éditeur d'applications qui intègre une base de données dans son produit en partant du principe que la continuité des données n'est qu'un détail d'implémentation. Pourtant, la continuité n'est pas un détail d'implémentation. En fait, ajuster la stratégie des données aux cas d'usage est en général d'une extrême importance.
Navin Sharma et son équipe savaient d'expérience qu'avec des bases de données relationnelles, cartographier des données à partir de multiples applications aboutit à une proposition complexe et onéreuse. Nombre de projets d'intégration et d'entreposage des données ont dévié à cause d'une sous-évaluation du temps et de la complexité induits par l'assemblage d'informations issues de systèmes et de modèles de données multiples et épars.
Pour Pitney Bowes, le problème est encore plus complexe avec la gestion de nombreux clients dotés de di érents portefeuilles d'applications. Le problème combine de nouvelles sources d'informations moins prédictibles telles que le mobile, les réseaux sociaux, les mesures de l'expérience client, les obligations réglementaires avec le besoin de gérer les nombreux canaux sur lesquels les clients et les entreprises communiquent désormais - dont la vente au détail, le téléphone, Internet, la messagerie instantanée, Twitter et d'autres réseaux sociaux.
Pour relever ces dé s, l'équipe de Pitney Bowes a évalué di érentes catégories de bases de données. Ayant opté pour les bases de données de graphes, ils ont étudié les o res de di érents fournisseurs dans cette catégorie. Ils ont retenu Neo4j de Neo Technology pour quatre raisons :
1. Neo4j était le produit le mieux établi et le plus mature
2. Neo4j a prouvé sa capacité à se mettre à grande échelle chez des clients majeurs
3. Neo4j s'intégrait bien à l'architecture du spectre de produits de Pitney Bowes basée sur le framework Java Spring
4. Neo4j permet une courbe d'apprentissage agréable pour être rapidement opérationnel
D'ailleurs, allouer des ressources humaines a été bien plus simple que ce à quoi s'attendait Navin Sharma. Sa petite équipe de développement d'origine a rapidement pris le produit en main et est devenue si productive que le développement produit a été d'une rapidité exceptionnelle. Dès le succès remporté avec la première version du produit, il a été évident que l'évolution et la personnalisation à venir allaient grandement béné cier du choix de Neo4j.
Conclusion
Michel Goetz de Forrester a écrit : “L'architecture des données n'est plus un modèle unique adapté à tous. La complexité accrue exige une approche stratégique. Les architectes de l'information se posent comme moteurs de progrès et ils ne doivent pas rester dans un rôle de plombiers et de mécaniciens de la donnée.”2
L'essor du commerce mobile, de l'utilisation des réseaux sociaux, de l'intégration des données sur tous les canaux, plus des types d'informations qui changent rapidement bousculent l'infrastructure héritée dans l'entreprise et la gestion du cycle de vie de ses informations. Neo4j o re les capacités dont a besoin Pitney Bowes pour mettre à disposition le meilleur référentiel en termes de rentabilité, d'évolutivité, de exibilité et d'adaptation pour o rir un support aux professionnels du marketing chez ses clients.
Toutefois, une vue holistique des clients et des projets s'impose pour augmenter le chi re d'a aires et le revenu par client pour atteindre des taux supérieurs de recommandation et un marketing toujours plus e cace. Le déluge de données issues du mobile, du Web, de l'expérience des clients, du suivi des comportements, de l'évaluation des leads et des silos hérités de données soulève un dé tant pour les professionnels du marketing que pour les informaticiens qui les assistent.
Pitney Bowes, un leader établi du marketing direct, est également un acteur majeur de la communication liée au marketing digital. L'entreprise aide ses clients à tenir les promesses d'une expérience client sur tous les canaux en livrant des informations contextuelles cohérentes.
En construisant son système MDM (gestion des données de référence) d'avant garde autour de la base de données de graphes Neo4j, l'entreprise a doublé la concurrence. Elle a ainsi évité le piège de bases relationnelles lentes et peu souples, ou de solutions noSQL manquant de richesse. Neo4j, base de données de graphes leader du marché, o re une infrastructure évolutive de collecte et d'interrogation des données connectées qui surpasse de loin les bases de données traditionnelles en termes de coût et d'agilité.
En particulier, Neo4j est très bien adaptée pour gérer les relations complexes entre des sources de données hétérogènes, ce qui est le cas du problème de vision à 360 degrés des clients que Pitney Bowes cherche à résoudre pour sa clientèle : Neo4j peut gérer une complexité face à laquelle les bases de données traditionnelles se bloquent.
Le contexte
Pitney Bowes est reconnu pour ses systèmes de mailing dans le monde entier. Forte de ce succès, l'entreprise s'est grandement diversi ée et vend à présent les outils et les services dont ses clients ont besoin pour o rir à leurs propres clients des services intelligents sur les canaux digitaux. D'ailleurs, les revenus liés au digital pro tent de la plus forte croissance au sein de son activité avec un taux de 23% en 2013 et une part de 19% de l'ensemble de l'activité.1
En élaborant la vision de la prochaine génération de son o re, l'équipe de Pitney Bowes dirigée par Navin Sharma, Vice-Président de l'entreprise, s'est rendu compte que ses clients rencontraient trois problèmes se recoupant. Tout d'abord, les données sur les clients étaient créées dans de nombreux systèmes d'informations di érents. Certaines informations étaient stockées dans les systèmes comptables et de facturation internes, d'autres dans les systèmes de logistique et de livraison. D'autres étaient également collectées dans les systèmes de gestion de la relation client et de gestion des ventes. Les données marketing étaient suivies par d'autres systèmes et services externes, tandis que les données mobiles venaient augmenter les volumes et la variété des données à tracker.
Pour les détaillants, les données d'inventaire en magasin et de fréquentation n'étaient pas faciles à relier au comportement des clients et prospects en ligne. Par conséquent, les décisions tactiques de marketing et de tari cation ainsi que l'allocation des ressources étaient prises en fonction de données internes et incomplètes, en général déconnectées du suivi du comportement des clients sur les sites Web externes.
Ensuite, des définitions différentes des clients dans l'ensemble du paysage applicatif appauvrissaient la qualité des données avec peu de prédictibilité. Il était évident que pour faciliter les tâches de nettoyage, de comparaison et d'intégration des données, les clients de Pitney Bowes avaient besoin d'une solution intégrale incluant ses propres contrôles qualité et processus de gouvernance pour assurer une validation et un nettoyage cohérents des données.
Enfin, chaque silo distinct d'informations avait été optimisé pour des tâches données. Certains étaient conçus pour des transactions courtes en ligne comme le traitement des commandes alors que d'autres étaient traités par lots. Certains de ces silos étaient si importants qu'ils étaient fondamentalement inexploitables pour des analyses, d'où le téléchargement de sous-ensembles de données dans des dépôts de données dans le seul but de renforcer la performance des requêtes. Globalement, des délais variables d'un stockage de données à un autre étaient la source du problème d'ensemble avec les données.
Enrichir la ligne de produits
Navin Sharma a compris que pour donner plus d'utilité à la qualité et au nettoyage des données ainsi qu'aux services marketing, Pitney Bowes devait s'atteler à la tâche ardue consistant à intégrer les di érentes sources de données. Il ne s'agissait pas simplement d'intervenir au niveau des middleware : ses clients avaient besoin d'une compréhension sémantique des données pour e ectuer avec succès l'évaluation des leads, la prospection, le suivi et les ventes croisées.
Une intégration pertinente des données – en d'autres termes, la gestion des données de référence – constituait la principale diffculté pour le marketing. Sans centralisation logique de la capacité à examiner les données des clients dans tous les systèmes concernés, les équipes marketing n'ont qu'une faculté limitée pour améliorer l'engagement de leurs clients sur tous les canaux.
Cependant, au plan technique, la combinaison de données mobiles et de données en temps réel pose un problème majeur d'évolutivité. De plus, l'augmentation prévisible des di érentes sources et sortes d'informations nécessitait un système très évolutif, souple et agile. Selon Navin Sharma, Pitney Bowes faisait face à de nombreuses entreprises dans la gestion des informations o rant aux clients des solutions de marketing analytique, de gestion des données et de qualité des données.
L'univers de l'automatisation marketing, en particulier, est en plein essor mais la capacité à intégrer facilement et rapidement les données pouvait potentiellement changer la donne. Les solutions individuelles de CRM, d'ERP, d'automatisation marketing et de gestion des contenus imposaient toutes des coûts très élevés de permutation, c'est pourquoi toute solution devait pouvoir fonctionner avec la base d'applications installées chez les clients de Pitney Bowes dans la mesure où remplacer les systèmes aurait été extrêmement prohibitif.
Les recherches dans le domaine de l'innovation suggèrent fortement que les produits d'imitation ne sont pas à la hauteur d'o res di érenciées à haute valeur ajoutée. En fait, proposer un produit di érencié à haute valeur ajoutée est le plus important et le seul facteur pour prédire la réussite d'un nouveau produit.
C'est pourquoi Navin Sharma s'est référé à une page du livre “Innovation disruptive” de Clayton Christensen pour traiter le problème. Son équipe et lui se sont demandé “Que pouvons-nous faire pour apporter une valeur incrémentale au l du temps, mais aussi une évolution et un dimensionnement rapides avec autant d'agilité que toute méthodologie de développement logiciel du 21e siècle?” “Comment généralisons-nous ces données et cette connaissance auprès du plus grand nombre avec un minimum de frictions?”
La solution
Dans la plupart des entreprises, lorsque l'on parle de base de données, la réaction instinctive est de réfléchir en termes de bases de données relationnelles. Or aujourd'hui, l'idée qu'il y a peu d'inconvénients à choisir un entrepôt de données relationnel persiste. Parfois, le choix de la base de données est faite par l'éditeur d'applications qui intègre une base de données dans son produit en partant du principe que la continuité des données n'est qu'un détail d'implémentation. Pourtant, la continuité n'est pas un détail d'implémentation. En fait, ajuster la stratégie des données aux cas d'usage est en général d'une extrême importance.
Navin Sharma et son équipe savaient d'expérience qu'avec des bases de données relationnelles, cartographier des données à partir de multiples applications aboutit à une proposition complexe et onéreuse. Nombre de projets d'intégration et d'entreposage des données ont dévié à cause d'une sous-évaluation du temps et de la complexité induits par l'assemblage d'informations issues de systèmes et de modèles de données multiples et épars.
Pour Pitney Bowes, le problème est encore plus complexe avec la gestion de nombreux clients dotés de di érents portefeuilles d'applications. Le problème combine de nouvelles sources d'informations moins prédictibles telles que le mobile, les réseaux sociaux, les mesures de l'expérience client, les obligations réglementaires avec le besoin de gérer les nombreux canaux sur lesquels les clients et les entreprises communiquent désormais - dont la vente au détail, le téléphone, Internet, la messagerie instantanée, Twitter et d'autres réseaux sociaux.
Pour relever ces dé s, l'équipe de Pitney Bowes a évalué di érentes catégories de bases de données. Ayant opté pour les bases de données de graphes, ils ont étudié les o res de di érents fournisseurs dans cette catégorie. Ils ont retenu Neo4j de Neo Technology pour quatre raisons :
1. Neo4j était le produit le mieux établi et le plus mature
2. Neo4j a prouvé sa capacité à se mettre à grande échelle chez des clients majeurs
3. Neo4j s'intégrait bien à l'architecture du spectre de produits de Pitney Bowes basée sur le framework Java Spring
4. Neo4j permet une courbe d'apprentissage agréable pour être rapidement opérationnel
D'ailleurs, allouer des ressources humaines a été bien plus simple que ce à quoi s'attendait Navin Sharma. Sa petite équipe de développement d'origine a rapidement pris le produit en main et est devenue si productive que le développement produit a été d'une rapidité exceptionnelle. Dès le succès remporté avec la première version du produit, il a été évident que l'évolution et la personnalisation à venir allaient grandement béné cier du choix de Neo4j.
Conclusion
Michel Goetz de Forrester a écrit : “L'architecture des données n'est plus un modèle unique adapté à tous. La complexité accrue exige une approche stratégique. Les architectes de l'information se posent comme moteurs de progrès et ils ne doivent pas rester dans un rôle de plombiers et de mécaniciens de la donnée.”2
L'essor du commerce mobile, de l'utilisation des réseaux sociaux, de l'intégration des données sur tous les canaux, plus des types d'informations qui changent rapidement bousculent l'infrastructure héritée dans l'entreprise et la gestion du cycle de vie de ses informations. Neo4j o re les capacités dont a besoin Pitney Bowes pour mettre à disposition le meilleur référentiel en termes de rentabilité, d'évolutivité, de exibilité et d'adaptation pour o rir un support aux professionnels du marketing chez ses clients.