CRM: la qualité des données au centre de la stratégie

L'information clients est au coeur de tout système de CRM.
Mais dès lors que l'on souhaite pouvoir transformer les indicateurs en actions concrêtes, il faut disposer de données fiables et cohérentes.
De plus, des données de mauvaise qualité peuvent coûter cher à l'entreprise puisqu'elles obèrent rapidement la rentabilité des investissements (Solution CRM) et compromettent aussi la qualité de la relation établie avec la clientèle.

Mais quels sont les symptômes révélateurs de problématiques avec la qualité des données ?

- Duplication des informations
Un client (entreprise et/ou personne) est enregisté plusieurs fois dans la base de données CRM. Les informations le concernant sont réparties sur les différents enregistrements et il est donc impossible d'obtenir une vision unifiée et synthétique de ce client.
Ce phénomène peut apparaître suite au regroupement de plusieurs entreprises (fusion) ayant des clients communs, voire à la création de multiples comptes clients tous rattachés au même client. Dans ces deux cas, cette duplication ne peut être imputée au Système d'Information (CRM).

Par contre, il arrive aussi que les causes de duplication soient inhérentes au CRM, c'est par exemple le cas lors de la création d'un nouveau client sans vérification préalable (existe t-il déjà dans la base ?) ou lorsqu'une personne change de société et que l'on crée une nouvelle fiche plutôt que de modifier les informations initiales. Il s'en suit par ailleurs une perte de la notion d'historique.

- Informations incomplètes ou manquantes
C'est typiquement le cas lorsque les données ne permettent pas de couvrir tous les besoins Métiers de l'entreprise: par exemple il sera difficile de lancer des campagnes d'e-mailing ou de telemarketing en l'absence du N° de téléphone et de l'adresse e-mail des clients.

- Standardisation des Informations non réalisée
C'est souvent à cause de cette lacune que les informations sont dupliquées par erreur. L'entreprise Dupont se trouvera donc une fois connue sous Dupont SA, une autre fois sous Sté DUPONT, etc...Un collaborateur pourra également être répertorié comme Mr Durand, Monsieur DURAND, etc...

- Fausses informations
Dans ce cas les informations existent et répondent aux standards mais...elles sont incorrectes. Le code postal ne correspond pas à la commune, le N° SIRET d'un établissement n'est pas correct ou remplacé par une suite de 14 chiffres "9".

Au sein d'une organisation et si elles ne sont pas détectées et identifiées, les "mauvaises" données contaminent les autres systèmes, peuvent compromettre la relation avec les clients et entraînent forcément des analyses approchées et donc la prise de mauvaises décisions.

Quelles sont les solutions pour améliorer la qualité des données ?

Il existe plusieurs méthodes pour identifier et traiter les problèmes de qualité de données. L'une des plus connues, le Total Data Quality Management (TDQM) fonctionne selon un processus en itérations consistant en: définition du problème, mesure, analyse et amélioration de la qualité des données.
Cependant, quelle que soit la méthode utilisée, la mise en place d'un processus de gestion de la qualité des données nécessite:

- de définir des objectifs de Qualité fixés par le Top Management et passant forcément par la mise en place de moyens adéquats,
- de définir des processus de maintien des données: processus de saisie, de validation et de contrôle, indicateurs de mesure permanente
- de mettre en place des outils techniques (formattage, validation, correction automatique, dédoublonnage)
- de responsabiliser les collaborateurs concernés pour les amener à un réflexe permanent "Qualité des données"

Grâce à la maturité des technologies, de nombreux outils de gestion des données sont disponibles sur le marché. Des SSII proposent aussi des opérations de maintien de données forfaitisées. En général, les fonctions suivantes sont couvertes par les outils et/ou les prestations proposées:

- Audit des données (data profiling): des statistiques sont générées après examen de la base de données.

- Restructuration des données (data parsing), plus particulièrement les informations nominatives et d'adresse. Il s'agit de découper une information en éléments individuels et de les répartir dans les champs ad-hoc.

- Standardisation des données: à partir de dictionnaires de noms, villes, abréviations contenus dans l'outil, celui-ci standardise les informations dans un format commun.

- Correction des informations: à partir de bases de données de référence (La poste, INSEE, ...) les informations contenues en base sont comparées puis corrigées lorsque cela est nécessaire.

- Dédoublonnage des informations: les outils utilisent ici des algorithmes permettant d'identifier des entreprises et des personnes répertoriées plusieurs fois dans la base de données, par comaraison successive d'informations.

Un projet d'amélioration des données représente, comme vous le voyez, un chantier important pour l'entreprise.
D'expérience, je propose qu'une telle action soit initiée au plus haut niveau de l'entreprise (comité de direction) et bénéficie des moyens humains et financiers nécessaires à son accomplissement. De nombreux prestataires sérieux (comme Amabis ou Uniserv) sont susceptibles de vous accompagnez efficacement dans cette démarche.

Egalement, si vous recontrez cette problématique, je suis disponible pour échanger sur le sujet.