ACTUALITÉS / DATA MARKETING
10 septembre 2020
Garantir la qualité de data est difficile pour la plupart des entreprises, quelle que soit leur maturité data, leur taille ou leur secteur d'activité. Fabien Cros, directeur du conseil Data et Marine Sortais, responsable du conseil Data chez Artefact, partagent cinq façons dont les marques peuvent améliorer la qualité de leur data.
La précision d'un algorithme peut être améliorée de 28% avec des data de haute qualité, ce qui se traduit par de meilleures targeting et davantage de ventes. En fait, 44% des projets que nous recevons à Artefact concernent le nettoyage d'ensembles data incomplets, partiellement corrompus ou non caractérisés.
Pour améliorer la qualité de leur data organisationnelle, les spécialistes du marketing de marque devraient commencer par les points suivants :
1. Prenez le temps d'identifier les domaines qui posent problème
Au lieu d'essayer de résoudre les problèmes, commencez par les comprendre. Très souvent, les problèmes de qualité data sont profondément enracinés dans les départements. Il est donc important d'utiliser un “chemin axé sur les problèmes” pour définir les problèmes, collecter et comprendre la profondeur et les causes profondes de chaque problème data.
Par exemple, un client a accusé la mauvaise qualité data des résultats médiocres de son cas d'utilisation CRM retargeting. Mais lorsque nous avons examiné l'étendue du cas, nous avons découvert qu'il utilisait le mauvais groupe d'activation de Google Analytics. Le problème n'était pas la qualité de data mais une mauvaise compréhension des différents ensembles de data.
2. Désignez un délégué syndical data pour résoudre les problèmes.
Après avoir identifié les problèmes de qualité de data, identifiez un responsable de data capable de trouver des solutions à ces problèmes, de gérer, de contrôler et de surveiller les opérations de data.
Un responsable de data met en œuvre tous les plans d'action et de remédiation nécessaires pour data. Il s'assure de la qualité de la data produite (écarts entre les différentes sources et systèmes, exhaustivité, fraîcheur, etc.) et documente toute la data (sources, types, qualité, fiabilité...) afin qu'elle puisse être stockée en toute sécurité et que l'on puisse y accéder et l'utiliser de manière appropriée.
Il n'est pas facile de trouver un steward data qualifié. Une façon d'accélérer la création de ce rôle est de commencer par faire appel à un consultant externe, puis de former une ressource interne pour qu'elle prenne le relais.
3. Constituer une équipe data SPOC (Single Point of Contact)
Bien que le responsable data puisse gérer la qualité data, vous avez besoin du soutien de tous les services de votre organisation pour garantir la réussite de tous les projets de qualité data. Un réseau solide de SPOC compétents en matière de data peut fournir au responsable de la data des informations vitales et opportunes, de la documentation et des points de vue sur ce qui se passe dans chacun de leurs départements.
Le responsable data doit également travailler avec vos SPOC data en tant qu“”équipe de fonctionnalité", en invitant les contacts des départements concernés à travailler dans le cadre de sprints agiles avec des objectifs clairement définis. Il est important que les SPOC gardent leurs départements dans la boucle afin que l'ensemble du parcours data soit transparent, compréhensible et facile d'accès.
4. Adopter une approche de la qualité data axée sur les cas d'utilisation
Lorsqu'il s'agit d'organiser data, la plupart des spécialistes du marketing ont un carnet de commandes et ne savent pas par où commencer. Ils devraient définir leurs sprints en fonction des cas d'utilisation qu'ils peuvent améliorer ou débloquer grâce à une meilleure qualité data. Voici pourquoi :
- Vous devez prouver que la qualité data n'est pas un simple “avantage”. En faisant état des succès commerciaux et en montrant les ventes ou les économies réalisées dans tous vos services, vous créerez une dynamique autour de la qualité data.
- Vous devez être concret et pragmatique. Vous ne pouvez pas considérer data d'un point de vue élevé ; pour résoudre les problèmes de qualité de data et organiser des sprints autour de cas d'utilisation, vous devez descendre au niveau opérationnel et vous engager avec les SPOC et toutes les parties prenantes.
- Vous devez comprendre les besoins actuels et futurs en matière de data pour chaque cas d'utilisation. Ainsi, au lieu de vous contenter de résoudre le problème actuel, vous pouvez mettre en place un système de qualité data à long terme, en veillant à ce que le responsable data soit informé des besoins futurs en data de tous les SPOC afin de tenir les départements concernés au courant. C'est essentiel, car de nombreuses marques ont des projets de qualité data en raison d'approches à court terme axées sur un seul problème de qualité data.
5. Acquérir des outils de qualité data pour soutenir et faciliter cette approche
Une fois que vous disposez d'une communauté d'experts en qualité data au sein de votre organisation, donnez-leur les moyens d'utiliser les bonnes méthodologies et les bons outils.
Cependant, n'équipez pas votre organisation d'outils spécifiques pour détecter, évaluer, nettoyer et remédier aux problèmes de qualité data dans un premier temps. Au contraire, commencez par des processus manuels mais bien définis pour restaurer la connaissance de votre patrimoine data et améliorer votre compréhension des causes profondes de vos problèmes de qualité data.
) qui est crucial pour votre entreprise - mais qui ne présente pas trop de problèmes complexes - et définissez des processus inter-équipes pour détecter les problèmes de qualité de data et les résoudre. Par exemple, vous pourriez créer un tableau de bord interne pour vérifier régulièrement l'exhaustivité et la validité du data de vos clients, en comparant des points de référence tels que les adresses électroniques ou le nombre de visites sur le site web.
Une fois que vous avez atteint un niveau plus avancé de maturité en matière de qualité data, vous pouvez investir dans des outils tels que Talend ou Attacama, qui peuvent vous aider à détecter, profiler et élaborer automatiquement des plans de remédiation. Ces outils dédiés se branchent sur votre écosystème data (lac data, entrepôt data, etc.) et le transforment en une véritable tour de contrôle de la qualité data.
Si elles ne sont pas prises en compte, les mauvaises data peuvent tuer les ambitions de croissance des entreprises - mais il n'est pas nécessaire qu'il en soit ainsi. Les spécialistes du marketing peuvent facilement commencer à assainir la situation grâce à quelques mesures tactiques et pragmatiques. Le plus important est de commencer. Comme le disait Lao Tseu : ’Un voyage de mille lieues commence par un pas“.”
Publié pour la première fois par DecisionMarketing.co.uk.
