La gestion de la qualité des données clients ou Data Quality Management (DQM) est un processus continu visant à maintenir, sécuriser et rendre accessible des données clients 100% garantis conformes à un ensemble d'applications métiers à des fins opérationnels.
Il s’agit de contrôler la cohérence et la pertinence des données (informations) clients car elles ont un caractère sensible pour l’entreprise : il s’agit de données personnelles. Elles sont structurantes et essentielles pour l’entreprise qui souhaite capitaliser cette solution sur des actions marketing et commerciales par la suite.
La gouvernance des données clients
Les marques sont souvent amenées à gérer de la data clients éparpillée dans différents systèmes d’information (système de caisse, ERP ou back-office) et collectées par l’ensemble des acteurs de l'entreprise (service client, hôtes de caisse, site internet, jeux-concours, partenaires...) à travers différents canaux (web, mobile, réseaux sociaux, retail, e-commerce, outil CRM). Dès lors, il est légitime de se demander si ces données sont correctement collectées, stockées, sécurisées et sont conformes à la réglementation.
💡 Les enjeux sont multiples :
- Assurer à ses clients que leurs données personnelles sont bien gérées par l’enseigne
- Assurer à ses actionnaires que l’entreprise a pris toutes les mesures nécessaires pour aligner la politique de vie privée de l’entreprise sur la réglementation RGPD (la sanction étant de 4% du chiffre d’affaires)
- Assurer à ses salariés (utilisateurs) que le management a pris conscience que le capital data de l’entreprise est un atout majeur pour poursuivre le développement de l’entreprise.
- Éviter un bad buzz qui mettrait en risque la réputation de la marque.
L’audit des données clients
Afin de constater les éventuelles anomalies, erreurs dans les données clients ou écarts avec la réglementation, et garder une certaine qualité de la donnée, l’entreprise devra mettre en place un audit de données qui couvre les champs suivants :
- Tout d’abord le Data Sourcing qui dresse une cartographie des données clients disponibles et permet de comprendre les flux de données entre les différents systèmes qui traitent la donnée client.
- Puis on liste les procédures existantes de vérification et correction des données collectées (référentiel d'adresses physiques, email, tél, etc.) en temps réel ou en batch.
- L’étape suivante est de référencer les procédures existantes de structuration et normalisation des données / RNVP. Cela permet de se rendre compte à quel point le fichier est exploitable à des fins de communication (exemple : on compte 6% des français qui déménagent chaque année).
- L’audit se poursuit en constatant les process existants d’actualisation des données clients/contacts, les procédures de dédoublonnage (Mme Dupont a deux cartes de fidélité et deux emails différents) et les règles de réconciliation des données (j’identifie Mme Dupont comme une seule cliente).
- La dernière étape vise la procédure de mise en conformité légale de la collecte et processus de traitement RGPD.
Une fois que toutes ces étapes sont passées, il sera possible alors de dresser un diagnostic quantitatif et qualitatif dans les entreprises et le cas échéant un ensemble de préconisations d’évolutions des traitements de Data Quality Management :
- sur les sources de données et les données à exploiter, ainsi que les clés de réconciliation
- sur l’évolution des procédures de traitements de données et d’enrichissements
- sur les calculs d’agrégats et calculs de variables comportementales.
Il sera intéressant d’en profiter pour sensibiliser les acteurs de l’entreprise qui collectent des données clients aux enjeux de la qualité des données (commerciaux, marketeurs, télé-conseillers, opérateurs de saisie...)
Cela risque de vous intéresser :