Nathalie Schulz, Directrice générale de DQE Software
Ces projets, souvent complexes et couteux, deviennent aujourd’hui particulièrement sensibles, car ils sont au cœur de trois dimensions majeures : conquérir & fidéliser ; renforcer l’expérience client grâce à des parcours « cross-canaux » optimisés ; et développer son chiffre d’affaires.
Seulement voilà : de l’aveu récent d’un de ces prestataires de conseil, il semblerait que dans 70% des cas, le déploiement de ces programmes relationnels est déficient, faute à la mauvaise qualité des données de la base sur laquelle ils s’appuient.
Nous sommes donc face à une situation plutôt antinomique, où les entreprises investissent des budgets marketing colossaux pour construire des programmes relationnels toujours plus pointus, tout en négligeant les fondations du projet, à savoir disposer d’une connaissance client multicanal fiable, reposant sur une base de données saine et structurée.
A l’heure du Big Data et de la donnée « reine », la gestion de la qualité des données, ou Data Quality Management (DQM), n’est semble-t-il toujours pas un pré-requis, et la démarche de purification des bases de données, pourtant si stratégique, reste globalement assez peu répandue dans les entreprises.
Ce constat est d’autant plus étonnant que les solutions existent et sont assez simples à mettre en œuvre : des actions dites « curatives », pour auditer, standardiser, dédoublonner, fusionner, et enrichir la base existante ; couplées à des actions dites « préventives », du type aide à la saisie sur les formulaires en ligne par exemple, pour se donner les moyens en amont d’absorber cette croissance exponentielle des données.
A la clé : la constitution d’une première brique solide et pérenne autour de la donnée clients, qui permettra de développer une stratégie marketing au service de l’expérience client, et bien sûr de la performance de l’entreprise.
Cet enjeu de la qualité de la donnée, certains secteurs l’ont déjà compris et intégré, à l’instar de la Banque et de l’Assurance, pour qui la sécurisation et la fiabilisation de la base de données client revêt un caractère particulièrement sensible. Imaginez un banquier qui appelle son client pour l’informer d’un découvert important, et se rend compte que, suite à une erreur de données, il s’adresse à son père...Une telle exigence de confidentialité et de personnalisation de la relation clients pousse à mettre en œuvre les bonnes pratiques du DQM !
A l’inverse, d’autres secteurs manquent encore de maturité, et parmi eux, contre toute attente, les e-commerçants. Car si ces « pur player » du web ont l’opportunité d’accéder à la donnée client de manière beaucoup plus rapide que leurs confrères au modèle de vente traditionnel, ils ont également pour la plupart basé leur croissance sur la collecte de données en masse. Résultat aujourd’hui, alors que la qualité de la relation devient un point central, il leur faut prendre le virage de la personnalisation et aller vers une qualification plus pointue de leurs bases de contacts, pour sauvegarder leur marque et leur business model.
Anticiper cette dégradation des données, réduire le nombre de doublons, optimiser les coûts d’exploitation des données, mieux suivre l’activité commerciale, améliorer la connaissance client et le ciblage, renforcer l’efficacité des actions marketing et le retour sur investissement, gagner en efficacité et en productivité ... c’est tout l’enjeu d’une vraie démarche de Data Quality Management.
Et au-delà des aspects techniques, la gestion de la qualité de la donnée poursuit un objectif aussi simple que stratégique : aider les entreprises à se doter d’une connaissance client à 360°, unique, complète et p artagée de manière transverse dans l’organisation, pour réussir à conquérir leurs clients, à les fidéliser sur du long terme, et, in fine, accroitre leur chiffre d’affaires.

Seulement voilà : de l’aveu récent d’un de ces prestataires de conseil, il semblerait que dans 70% des cas, le déploiement de ces programmes relationnels est déficient, faute à la mauvaise qualité des données de la base sur laquelle ils s’appuient.
Nous sommes donc face à une situation plutôt antinomique, où les entreprises investissent des budgets marketing colossaux pour construire des programmes relationnels toujours plus pointus, tout en négligeant les fondations du projet, à savoir disposer d’une connaissance client multicanal fiable, reposant sur une base de données saine et structurée.
A l’heure du Big Data et de la donnée « reine », la gestion de la qualité des données, ou Data Quality Management (DQM), n’est semble-t-il toujours pas un pré-requis, et la démarche de purification des bases de données, pourtant si stratégique, reste globalement assez peu répandue dans les entreprises.
Ce constat est d’autant plus étonnant que les solutions existent et sont assez simples à mettre en œuvre : des actions dites « curatives », pour auditer, standardiser, dédoublonner, fusionner, et enrichir la base existante ; couplées à des actions dites « préventives », du type aide à la saisie sur les formulaires en ligne par exemple, pour se donner les moyens en amont d’absorber cette croissance exponentielle des données.
A la clé : la constitution d’une première brique solide et pérenne autour de la donnée clients, qui permettra de développer une stratégie marketing au service de l’expérience client, et bien sûr de la performance de l’entreprise.
Cet enjeu de la qualité de la donnée, certains secteurs l’ont déjà compris et intégré, à l’instar de la Banque et de l’Assurance, pour qui la sécurisation et la fiabilisation de la base de données client revêt un caractère particulièrement sensible. Imaginez un banquier qui appelle son client pour l’informer d’un découvert important, et se rend compte que, suite à une erreur de données, il s’adresse à son père...Une telle exigence de confidentialité et de personnalisation de la relation clients pousse à mettre en œuvre les bonnes pratiques du DQM !
A l’inverse, d’autres secteurs manquent encore de maturité, et parmi eux, contre toute attente, les e-commerçants. Car si ces « pur player » du web ont l’opportunité d’accéder à la donnée client de manière beaucoup plus rapide que leurs confrères au modèle de vente traditionnel, ils ont également pour la plupart basé leur croissance sur la collecte de données en masse. Résultat aujourd’hui, alors que la qualité de la relation devient un point central, il leur faut prendre le virage de la personnalisation et aller vers une qualification plus pointue de leurs bases de contacts, pour sauvegarder leur marque et leur business model.
Anticiper cette dégradation des données, réduire le nombre de doublons, optimiser les coûts d’exploitation des données, mieux suivre l’activité commerciale, améliorer la connaissance client et le ciblage, renforcer l’efficacité des actions marketing et le retour sur investissement, gagner en efficacité et en productivité ... c’est tout l’enjeu d’une vraie démarche de Data Quality Management.
Et au-delà des aspects techniques, la gestion de la qualité de la donnée poursuit un objectif aussi simple que stratégique : aider les entreprises à se doter d’une connaissance client à 360°, unique, complète et p artagée de manière transverse dans l’organisation, pour réussir à conquérir leurs clients, à les fidéliser sur du long terme, et, in fine, accroitre leur chiffre d’affaires.

