Big data ou Bad data … de l’impact stratégique de la qualité des données sur l’entreprise
Entre « buzzword » et réalité, le Big Data est plus que jamais une problématique qui anime les entreprises françaises. Au coeur de ces préoccupations, la gestion de la qualité de la data, via le DQM, ou plutôt le "e-DQM", est une des clés du succès de la relation client digitalisée.
Alors
qu’historiquement, depuis la création des premières bases de données dans les
années 1960, les entreprises avaient exclusivement à faire à des données
structurées, provenant d’une seule source d’information, elles doivent désormais
composer avec une multiplicité de sources, provenant de canaux toujours plus variés : ordinateurs,
mobiles, tablettes, GPS, ... et bientôt, téléviseurs, voitures... puis à terme tout
objet connecté.
Force est de constater que l’on assiste aujourd’hui à
une véritable explosion de la masse de données à traiter, qui croit de façon
totalement inédite. Selon une récente étude EMC / IDC*, le volume de données
générées par des machines devrait ainsi être multiplié par 15 d’ici 2020, pour
atteindre un niveau 50 fois plus important qu’en 2010.
L’intégration de toutes les données, enjeu du Big Data
Dans ce contexte, la grande difficulté consiste à bien appréhender la diversité de ces données, alors qu’on estime que plus de 85% d’entre elles sont hétérogènes et non structurées.Ce
sont les véritables enjeux du « Big Data » ! Un gisement de
connaissances clients qui, bien analysé et traité, peut s'avérer un puissant
atout de performance commerciale. Mais qui, à l’inverse, mal appréhendé, peut
avoir des répercussions négatives. Malgré cela, à en croire une récente enquête
Forrester pour l'Association of Business Process Management Professionals
(ABPMP)**, les décideurs ne se sentent pour l’instant que très peu concernés
par la problématique de la qualité des données.
Et ce alors même qu’ils ont à faire face à une
détérioration progressive de la qualité de leurs bases de données, sous les
effets conjugués d’approches multicanales non-intégrées, de la croissance
exponentielle des données, des erreurs de saisie dans les formulaires des sites
internet ou de commerce électronique, et de la nécessité d’intégrer de plus en
plus de données extérieures.
Pour
une base de données de plusieurs millions
de clients, on imagine bien l’impact que cela a, en termes de performance
marketing et commerciale, mais également en termes d’alourdissement des processus
et des coûts de traitement.
Prenons
l’exemple des NPAI ou PND, les retours de courriers pour adresse non valide. La
Poste estime aujourd’hui que 200 millions de PND équivalent à 183 millions
d’euros de perte pour les entreprises***. On comprend donc pourquoi un taux de
NPAI faible est souvent considéré comme un indicateur de bonne qualité d'un
fichier ! Et avec un coût de traitement pouvant aller jusqu’à 10 € par
NPAI, si l’on intègre l’ensemble de la chaîne de traitement, souvent manuelle,
le manque à gagner est tout simplement colossal.
Vers une démarche de « e-DQM » (Data Quality Management)
On
l’a compris, la qualité de la base de données clients est devenue un enjeu
stratégique pour toute entreprise, à l’heure de la digitalisation de la relation
client et du 2.0. Il faut en finir avec l’approche de certaines entreprises qui
consiste à « mettre la poussière sous le tapis » pour retarder
l’échéance des projets de consolidation et de standardisation des données.
J’ai
souvenir par exemple, d’une grande entreprise multinationale qui a découvert,
via un projet de DQM, qu’elle payait plus du double de licences que nécessaire
de son ERP au niveau mondial, tout simplement pour un problème de doublons dans
sa base de données de salariés.
Quand
on voit de telles erreurs sur une base RH, dont les sources sont maitrisées en
interne par l’entreprise, on peut présager de l’ampleur de la problématique sur
des bases clients, qui agrègent des sources multiples et impactent l’entreprise
à tous les niveaux de la démarche commerciale.
Or
la gestion de la qualité de la base de données, ou DQM, est une brique
essentielle pour construire une relation fiable et pérenne avec ses clients,
tout au long du « cycle de vie » de la relation commerciale.
A
l’ère du client omnicanal et de l’instantanéité, la qualité de la donnée est de la
responsabilité de tous dans l’entreprise, du call center qui remplit le
formulaire au service courrier qui fait partir les mailings, de sorte que toute
nouvelle information vienne enrichir la base de manière structurée et fiable,
et ainsi être réinjectée sur tous les canaux numériques, pour que le client
soit reconnu, accompagné, conforté, en temps réel !
Des
technologies existent pour faciliter cette démarche. De manière curative, on
applique le précepte : « auditer, standardiser, dédoublonner,
fusionner, enrichir ». Et de manière préventive, on met en œuvre des
nouvelles pratiques, comme l’aide à la saisie sur les formulaires en ligne par
exemple, pour optimiser les ajouts d’informations dans la base.
Plus
encore que de DQM, nous devrions donc parler aujourd’hui de
« e-DQM », pour tout ce qui concerne la gestion de la qualité de la
donnée sur la relation client digitalisée, à l’heure du tout numérique. Avec un
objectif, aussi simple qu’ambitieux : réussir à maintenir en temps réel
une vision unique et consolidée du client, pour construire un parcours digital omnicanal,
favorisant la mutation du prospect en client, du client en « ami »,
et de l’ « ami » en ambassadeur de la marque.
--------------------------
Sources :
**http://blogs.forrester.com/kate_leggett/12-02-04-poor_data_quality_an_often_overlooked_cause_of_poor_customer_satisfaction_scores