Arbitrer des critères de Data Quality adaptés à vos use cases : par où commencer ?
Votre entreprise saute le pas et s’équipe d’une solution de Data Quality ? C’est une excellente décision pour valoriser vos données client et faire monter en gamme connaissance et relation client ! Arrive toutefois une étape décisive : définir ce qu’est une donnée de contact qualifiée selon les cas d’usage de votre entreprise, et comment traiter celles qui sont erronées. Plusieurs points d’attention aident à lancer la réflexion pour quatre grands métiers utilisateurs de la data client dans l’entreprise.
Des données client vérifiées, des contacts existant et joignables, le tout unifié client par client, sans déperdition de l’information : la Data Quality génère de multiples bénéfices pour nombre de vos services en interne.
Mais d’un service à l’autre, l’usage des données et les critères de qualité attendus ne sont pas forcément les mêmes. Des adresses postales normalisées, des emails joignables et actifs et des noms saisis sans erreur de syntaxe sont autant d’aspects de la Data Quality. Comment définir les priorités auxquelles votre solution de Data Quality doit répondre selon les cas d’usage de la donnée client ? Un premier réflexe constructif : impliquez vos métiers !
Définir la qualité, traiter la non-qualité : arbitrez !
Dans le cadre de son projet de Data Quality, votre entreprise aura logiquement prévu de nettoyer la base existante, de redresser les anomalies qui peuvent être corrigées et de maintenir la qualité dans le temps. D’autres possibilités de Data Quality s’offrent à votre entreprise. Ainsi, appliquer la Data Quality à la saisie initiale de la donnée client permet d’embaser des contacts fiables et exploitables et de maintenir la qualité de la base. De plus, la déduplication et fusion des informations permet d’unifier vos données client et d’aboutir à un ‘Golden Record’, autrement dit la base de données client de référence fiable, complète, à jour et parfaitement exploitable par vos métiers.
Chaque niveau de Data Quality – nettoyage de l’existant, fiabilisation des saisies et unification des données – appelle des arbitrages à la lumière des besoins métier. Notamment : à quelle fréquence réitérer le nettoyage de la base ? La déduplication des données ? Dans les saisies, avertit-on en temps réel l’utilisateur d’une incohérence pour qu’il corrige en direct ? Bloque-t-on l’entrée en base d’une saisie erronée, ou l’enregistre-t-on malgré tout ? Et dans ce cas, à quel moment la retraiter ? Voici quelques-unes des questions auxquelles répondre. Gardez les besoins métier comme boussole pour avancer !
Métier par métier, à chacun sa Data Quality
Pour le service marketing, assurer la rentabilité des campagnes marketing est un enjeu majeur. Or, lorsqu’un emailing part sur une base contenant trop d’emails invalides ou inactifs, ou qu’une campagne SMS se heurte à des numéros inexistants, la rentabilité est impactée. Aussi, une des premières exigences des services marketing tient à travailler à partir de données de contacts existants et joignables.
> Email, et/ou téléphone, et/ou adresses postales ? Selon les données de contact privilégiées des services marketing, l’arbitrage des critères de qualité doit permettre d’éviter des phénomènes tels que messages email ou SMS « perdus » ou envoyés à plusieurs reprises au même client, ou plis non délivrés. Certains services marketing mettront l’accent sur les emails avant tout, d’autres sur l’ensemble des données de contact – à votre direction marketing de vous donner le la.
Dans les points de vente, les vendeurs donnent la priorité au conseil pour accompagner l’achat, recommander, encourager le réachat. À ce point de contact, les problématiques associées à la donnée client doivent se faire discrètes et « ne pas déranger ». Les attentes vont ici se tourner davantage vers une aide à la saisie sur les formulaires de programmes de fidélité et un contrôle en temps réel de l’exactitude des enregistrements. De quoi accélérer les interventions sur les fiches client d’une part, et se référer à des données client fiables d’autre part pour répondre aux questions des clients.
> L’aide à la saisie par autocomplétion fait partie des fonctions de Data Quality particulièrement pertinentes en point de vente. La réflexion doit aussi tenir compte des informations réellement nécessaires aux vendeurs – en d’autres termes, est-il vraiment utile d’afficher toutes les données client détenues en base sur leurs écrans ? Trier et rendre accessibles les seules données utiles en magasin peut ainsi faire partie des arbitrages.
Dans le service client et CRM, le besoin tient avant tout à l’accès rapide à des données fiables pour établir une relation client de qualité, dans laquelle le client est connu et reconnu, sans lacune d’informations. Ces services doivent avoir la certitude que toutes les informations détenues sur un client sont complètes, à jour et exactes. Ils doivent aussi aller vite et répondre sans hésitation aux questions posées par les clients.
> Les canaux de contact de votre service client orientent les choix de fonctionnalités de Data Quality à activer : téléphone, email, portail web avec formulaires à remplir, voire l’ensemble ? L’arbitrage des critères activés pour valider une donnée vérifiée et exploitable doit venir en support d’une vue fiable en complète du client, mais aussi d’opérations efficaces, notamment dans les services d’assistance et de hotline. L’autocompletion doit également être étudiée, tant pour les collaborateurs, que pour les clients en self-care, par exemple sur des demandes de ticket d’assistance en ligne.
Les métiers digitaux et de la Data donnent pour leur part la priorité à un parcours client cohérent et aisé à suivre. L’expérience client ne doit pas offrir d’aspérité ni de risque d’abandon, par exemple du fait de formulaires fastidieux, ou de premiers échanges SMS ou email qui n’arrivent pas à destination faute de données de contact fiables. Il faut toutefois trouver l’équilibre entre parcours fluide et enregistrement de données fiables.
> Sur le parcours digital, les déclinaisons de la Data Quality offrent différents niveaux et permettent d’aller au-delà de la simple validation d’existence et de syntaxe normalisée des informations de contact. Notamment, les adresses email appellent davantage une alerte à l’utilisateur pour correction immédiate en cas d’erreur, puisqu’elles ne peuvent être corrigées que par le client lui-même pour des raisons de conformité réglementaire. Enfin, l’autocomplétion reste une fonction pertinente à activer pour accélérer la saisie et fiabiliser les enregistrements en temps réel.
Ces points d’attention permettent de lancer la réflexion sur les critères de Data Quality adéquats pour votre entreprise. Pour la compléter et définir des règles exhaustives, faites-vous accompagner par un expert : votre éditeur de Data Quality est là pour vous aider à ne rien omettre et à anticiper les écueils. Sollicitez-le !
À propos de DQE
Parce que la qualité des données est essentielle à la connaissance client et à la construction d’une relation pérenne, depuis 2008 DQE met à la disposition de ses clients des solutions innovantes et complètes facilitant la collecte de données fiables.
+15
Années
d'expertise
+400
Clients tous
secteurs
3Md
Requêtes par
an
+240
Référentiels
internationnaux
Contactez-nous
Nos dernières ressources
