Avatar

Par Ghislain Gridel

Directeur Conseil Data & CRM

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 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 sur des actions marketing et commerciales par la suite.

La gouvernance des données clients

Les marques sont souvent amenées à gérer des données clients éparpillées 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, 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 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, 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 (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. 

 


À lire aussi : Pourquoi mon entreprise a-t-elle besoin d’une Customer Data Platform ?


 

Une fois que toutes ces étapes sont passées, il sera possible alors de dresser un diagnostic quantitatif et qualitatif 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…)

Auditez la qualité de vos données !

L’audit data quality va vous aider à faire un véritable état des lieux de vos données, à vous assurer qu’elles sont en conformité avec le RGPD et à identifier les évolutions et les actions à mettre en œuvre