CRM : 5 étapes pour créer un parcours de données efficace et générer de la valeur

Comment concevoir un parcours de données de CRM réussi, depuis l’adhésion et les initiatives de qualité jusqu'à la mesure de celles effectivement mises en œuvre ? Le point.

Vous avez pris la décision de déployer une technologie CRM (Customer Relationship Management) certes coûteuse mais prometteuse et vous l’alimentez marketing et à la vente. Malheureusement, si vous ne disposez pas de stratégies pour garantir la précision des données saisies, il est probable que des informations critiques manquent ou que d’autres nécessitent un format standardisé, tout cela les rendant difficiles à exploiter. Il est ainsi temps de penser un véritable parcours de données pour valoriser au mieux votre investissement CRM.

Pourquoi définir un parcours de données ?

Dans son livre « Data Quality : The Field Guide », Tom Redman fait une analogie entre une base de données et un lac, l'eau du lac représentant l’ensemble des informations dont les mauvaises, incarnées par les polluants. Pour que cette étendue d’eau soit potable, l’entreprise doit empêcher les polluants de s’infiltrer et filtrer ceux déjà présents. Pour ce faire, l’eau doit suivre un parcours spécifique et passer plusieurs étapes.

Sur le même exemple, les données constituent un écosystème complexe qui suppose un parcours sophistiqué. Il est donc nécessaire d’élaborer une stratégie de bout en bout qui encadre les conditions de saisie des données dans le système CRM, leur parcours au travers des filtres de qualité et la façon dont elles sont utilisées. L’entreprise doit aussi veiller à ce que cette stratégie soit comprise par tous et que chacun s’engage à la suivre.

Une approche en 5 étapes

Comment procéder ? Voici 5 étapes pour élaborer votre propre parcours de données de sorte que les données entrent et quittent le système CRM de manière simple et rapide. Cette approche doit permettre une communication claire et signifiante entre les différentes parties prenantes qui dépendent des données CRM.

En voici les étapes :

1. Constituer une équipe
2. Définir l’écosystème
3. Identifier les outils
4. Exécuter le plan
5. Evaluer l’état des données 

Etape 1 : Constituer une équipe

S’il s’agit d’une petite entreprise, l’équipe se composera probablement du PDG et des directeurs commercial, marketing et opérationnel. Mais pour une plus grande, la « règle des deux pizzas » s’impose. En effet, ce concept que l’on doit à Jeff Bezos veut que les équipes en charge de l’innovation n’excèdent pas huit membres, que deux pizzas suffiront à nourrir. Cela assure une équipe concernée qui utilise régulièrement les données et qui se sent frustrée par les mauvaises, au point d’être enclin à apporter des changements.

Etape 2 : Définir l’écosystème

Ceci est l’étape la plus longue et peut-être la plus décisive. Elle demande d’identifier tous les types de données et de les prioriser. L’entreprise doit déterminer lesquelles sont les mieux alignées sur ses objectifs et sur les résultats escomptés. Puis elle doit définir la « version de la vérité » (record of truth) pour chaque type de données en choisissant le format et les informations à intégrer.

Pour les collecter, elle peut mener des interviews, mesurer le taux d’adoption du système CRM pour découvrir pourquoi il n’est pas correctement utilisé ou générer des rapports et des tableaux de bord pour des services spécifiques. Il existe aussi des outils tiers permettant d’identifier les problématiques de données comme les doublons, le manque de standardisation ou la vérification des adresses emails.  

La priorisation est une part importante de cet exercice, il convient donc de tenir compte des possibilités pour chaque forme de données. Par exemple, considérer l’impact d’adresses erronées ne permettant pas de délivrer les emails de votre campagne marketing. Il est également important d’évaluer l’impact sur les ventes quand des doublons créent des problèmes d’appartenance de compte ou quand la maturation des leads manque d’efficacité du fait d’informations à compléter.

Comment prioriser selon les opportunités identifiées et les objectifs spécifiques à l’entreprise ? Par exemple en donnant la priorité aux problèmes de données qui, une fois résolus, augmenteraient le plus le chiffre d’affaires. Si la majorité des recettes émane de clients existants, il sera alors pertinent de privilégier les données intervenant dans les processus d’engagement et de rétention des clients. Si l’entreprise souhaite élargir son offre de produits, il faudra envisager d’intégrer des détails explicitant les choix et préférences. Elle accordera peut-être aussi la priorité aux informations les plus fréquemment utilisées, comme les adresses emails.

Alors à quoi le parcours de données doit-il ressembler pour satisfaire ces priorités et l’ensemble des besoins liés aux données ?

A cette étape, évitez les digressions et les questions inutiles qui nuiront à l’efficacité comme « qui est responsable des problèmes ? », « depuis quand ces problèmes existent-ils ? ou « comment est-ce que cela a démarré ? ». Et concentrez-vous plutôt sur des questions comme :

• De quelles données disposons-nous ? Desquelles nous soucions-nous ?
• Où résident-elles ? Où voulons-nous qu’elles résident ?
• Quels besoins liés aux données ne sont pas satisfaits ? Quelle en est la priorité ?
• Quelle sera notre politique de gouvernance ? Qui crée, lit, modifie et supprime les données ?
• Comment les données sont-elles déplacées ? Quand sont-elles manipulées ?
   

Etape 3 : Identifier les outils

Pour avancer dans ce processus, l’entreprise peut s’équiper d’outils manuels, automatisés ou logiciels. Les outils manuels peuvent inclure des règles, standards et informations de référence communs à toute l’entreprise. Il est également possible d’adopter des logiciels pour différents aspects de qualité des données, comme le contrôle des importations massives, la vérification des emails en temps réel et le blocage des doublons avant qu’elles ne rejoignent le flux. Des outils plus robustes peuvent être déployés pour automatiser la suppression des mauvaises données, leur nettoyage et leur standardisation.  

Etape 4 : Exécuter le plan

C’est au moment de l’implémentation que les efforts payent. L’organisation commence à renforcer la structure de données sous-jacente et régler les plus gros problèmes, puis avance dans le parcours de données et continue d’affiner les processus de qualité et les sorties. Pour cette phase, il est important que vous ayez le soutien de l’équipe de direction si celui-ci n’est pas engagé depuis le début. 

Etape 5 : Evaluer l’état des données

L’entreprise ne doit pas se contenter de sonder une fois pour toutes ce qui fonctionne ou non dans l’écosystème de données. Elle doit contrôler régulièrement les données pour vérifier les progrès réalisés et s’assurer qu’aucun nouveau problème n’est survenu.

L’état des données, la valeur et les objectifs doivent être liés. Par exemple, maintenant que les données sont épurées, l’équipe marketing peut justifier plus précisément le ROI prévisionnel d’une campagne, un moindre nombre de rebonds et des taux d’ouverture supérieurs. Les équipes clients constateront alors de meilleurs taux d’engagement et de satisfaction et les commerciaux pourront mieux prévoir les ventes, convertir les leads et respecter les quotas.

Agissez dès maintenant

L’idée de devoir nettoyer un système CRM encombré peut effrayer mais laisser le problème prendre de l’ampleur peut coûter bien plu cher. Les mauvaises données ont un impact direct sur les prévisions et les résultats. La seule façon d’obtenir des mesures de qualité et les insights attendus est de contrôler le processus de saisie des données et de le partager avec l’ensemble des utilisateurs au sein de l’entreprise, sans oublier de garder l’écosystème de données le plus propre possible.