![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2020\/09\/Data-solving-.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>ACTUALIT\u00c9S \/ DATA MARKETING<\/p>\n<\/div>
10 septembre 2020
\nGarantir la qualit\u00e9 de data est difficile pour la plupart des entreprises, quelle que soit leur maturit\u00e9 data, leur taille ou leur secteur d'activit\u00e9. Fabien Cros, directeur du conseil Data et Marine Sortais, responsable du conseil Data chez Artefact, partagent cinq fa\u00e7ons dont les marques peuvent am\u00e9liorer la qualit\u00e9 de leur data.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
La pr\u00e9cision d'un algorithme peut \u00eatre am\u00e9lior\u00e9e de 28% avec des data de haute qualit\u00e9, ce qui se traduit par de meilleures targeting et davantage de ventes. En fait, 44% des projets que nous recevons \u00e0 Artefact concernent le nettoyage d'ensembles data incomplets, partiellement corrompus ou non caract\u00e9ris\u00e9s.<\/p>\n
Pour am\u00e9liorer la qualit\u00e9 de leur data organisationnelle, les sp\u00e9cialistes du marketing de marque devraient commencer par les points suivants : 1. Prenez le temps d'identifier les domaines qui posent probl\u00e8me<\/b><\/p>\n Au lieu d'essayer de r\u00e9soudre les probl\u00e8mes, commencez par les comprendre. Tr\u00e8s souvent, les probl\u00e8mes de qualit\u00e9 data sont profond\u00e9ment enracin\u00e9s dans les d\u00e9partements. Il est donc important d'utiliser un \u201cchemin ax\u00e9 sur les probl\u00e8mes\u201d pour d\u00e9finir les probl\u00e8mes, collecter et comprendre la profondeur et les causes profondes de chaque probl\u00e8me data.\u00a0<\/span><\/p>\n Par exemple, un client a accus\u00e9 la mauvaise qualit\u00e9 data des r\u00e9sultats m\u00e9diocres de son cas d'utilisation CRM retargeting. Mais lorsque nous avons examin\u00e9 l'\u00e9tendue du cas, nous avons d\u00e9couvert qu'il utilisait le mauvais groupe d'activation de Google Analytics. Le probl\u00e8me n'\u00e9tait pas la qualit\u00e9 de data mais une mauvaise compr\u00e9hension des diff\u00e9rents ensembles de data.\u00a0<\/span><\/p>\n 2. D\u00e9signez un d\u00e9l\u00e9gu\u00e9 syndical data pour r\u00e9soudre les probl\u00e8mes.<\/b><\/p>\n Apr\u00e8s avoir identifi\u00e9 les probl\u00e8mes de qualit\u00e9 de data, identifiez un responsable de data capable de trouver des solutions \u00e0 ces probl\u00e8mes, de g\u00e9rer, de contr\u00f4ler et de surveiller les op\u00e9rations de data.\u00a0<\/span><\/p>\n Un responsable de data met en \u0153uvre tous les plans d'action et de rem\u00e9diation n\u00e9cessaires pour data. Il s'assure de la qualit\u00e9 de la data produite (\u00e9carts entre les diff\u00e9rentes sources et syst\u00e8mes, exhaustivit\u00e9, fra\u00eecheur, etc.) et documente toute la data (sources, types, qualit\u00e9, fiabilit\u00e9...) afin qu'elle puisse \u00eatre stock\u00e9e en toute s\u00e9curit\u00e9 et que l'on puisse y acc\u00e9der et l'utiliser de mani\u00e8re appropri\u00e9e.\u00a0<\/span><\/p>\n Il n'est pas facile de trouver un steward data qualifi\u00e9. Une fa\u00e7on d'acc\u00e9l\u00e9rer la cr\u00e9ation de ce r\u00f4le est de commencer par faire appel \u00e0 un consultant externe, puis de former une ressource interne pour qu'elle prenne le relais.<\/span><\/p>\n 3. Constituer une \u00e9quipe data SPOC (Single Point of Contact)<\/b><\/p>\n Bien que le responsable data puisse g\u00e9rer la qualit\u00e9 data, vous avez besoin du soutien de tous les services de votre organisation pour garantir la r\u00e9ussite de tous les projets de qualit\u00e9 data. Un r\u00e9seau solide de SPOC comp\u00e9tents en mati\u00e8re 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 d\u00e9partements.\u00a0<\/span><\/p>\n Le responsable data doit \u00e9galement travailler avec vos SPOC data en tant qu\u201c\u201d\u00e9quipe de fonctionnalit\u00e9\", en invitant les contacts des d\u00e9partements concern\u00e9s \u00e0 travailler dans le cadre de sprints agiles avec des objectifs clairement d\u00e9finis. Il est important que les SPOC gardent leurs d\u00e9partements dans la boucle afin que l'ensemble du parcours data soit transparent, compr\u00e9hensible et facile d'acc\u00e8s.\u00a0<\/span><\/p>\n 4. Adopter une approche de la qualit\u00e9 data ax\u00e9e sur les cas d'utilisation<\/b><\/p>\n Lorsqu'il s'agit d'organiser data, la plupart des sp\u00e9cialistes du marketing ont un carnet de commandes et ne savent pas par o\u00f9 commencer. Ils devraient d\u00e9finir leurs sprints en fonction des cas d'utilisation qu'ils peuvent am\u00e9liorer ou d\u00e9bloquer gr\u00e2ce \u00e0 une meilleure qualit\u00e9 data. Voici pourquoi :<\/span><\/p>\n 5. Acqu\u00e9rir des outils de qualit\u00e9 data pour soutenir et faciliter cette approche<\/b><\/p>\n Une fois que vous disposez d'une communaut\u00e9 d'experts en qualit\u00e9 data au sein de votre organisation, donnez-leur les moyens d'utiliser les bonnes m\u00e9thodologies et les bons outils.<\/span><\/p>\n Cependant, n'\u00e9quipez pas votre organisation d'outils sp\u00e9cifiques pour d\u00e9tecter, \u00e9valuer, nettoyer et rem\u00e9dier aux probl\u00e8mes de qualit\u00e9 data dans un premier temps. Au contraire, commencez par des processus manuels mais bien d\u00e9finis pour restaurer la connaissance de votre patrimoine data et am\u00e9liorer votre compr\u00e9hension des causes profondes de vos probl\u00e8mes de qualit\u00e9 data.\u00a0<\/span><\/p>\n ) qui est crucial pour votre entreprise - mais qui ne pr\u00e9sente pas trop de probl\u00e8mes complexes - et d\u00e9finissez des processus inter-\u00e9quipes pour d\u00e9tecter les probl\u00e8mes de qualit\u00e9 de data et les r\u00e9soudre. Par exemple, vous pourriez cr\u00e9er un tableau de bord interne pour v\u00e9rifier r\u00e9guli\u00e8rement l'exhaustivit\u00e9 et la validit\u00e9 du data de vos clients, en comparant des points de r\u00e9f\u00e9rence tels que les adresses \u00e9lectroniques ou le nombre de visites sur le site web.\u00a0\u00a0\u00a0<\/span><\/p>\n Une fois que vous avez atteint un niveau plus avanc\u00e9 de maturit\u00e9 en mati\u00e8re de qualit\u00e9 data, vous pouvez investir dans des outils tels que Talend ou Attacama, qui peuvent vous aider \u00e0 d\u00e9tecter, profiler et \u00e9laborer automatiquement des plans de rem\u00e9diation. Ces outils d\u00e9di\u00e9s se branchent sur votre \u00e9cosyst\u00e8me data (lac data, entrep\u00f4t data, etc.) et le transforment en une v\u00e9ritable tour de contr\u00f4le de la qualit\u00e9 data.\u00a0<\/span><\/p>\n Si elles ne sont pas prises en compte, les mauvaises data peuvent tuer les ambitions de croissance des entreprises - mais il n'est pas n\u00e9cessaire qu'il en soit ainsi. Les sp\u00e9cialistes du marketing peuvent facilement commencer \u00e0 assainir la situation gr\u00e2ce \u00e0 quelques mesures tactiques et pragmatiques. Le plus important est de commencer. Comme le disait Lao Tseu : \u2019Un voyage de mille lieues commence par un pas\u201c.\u201d<\/span><\/p>\n Publi\u00e9 pour la premi\u00e8re fois par<\/span><\/i> DecisionMarketing.co.uk<\/span><\/i><\/a>.\u00a0<\/span><\/i><\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div>
\n<\/span><\/b><\/p>\n\n
![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2020\/06\/Global-Newsletter-Data-Digest_LinkedIn_600x315_april-1.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>