Devenez dompteurs de données

Pourquoi les données ne se laissent-elles pas apprivoiser, et comment faire pour les dompter ?

La gestion de la relation client s’appuie de plus en plus sur le traitement des données.

C’est la fin progressive d’un marketing client empirique au profit d’un marketing qui quantifie, évalue et prend ses décisions sur des résultats quantitatifs.

Les opportunités de collecter des données ne manquent pas, les volumes de données à traiter ne sont pas en reste…mais encore faut-il disposer de données utilisables.

Il y a longtemps que les entreprises traitent de la donnée à propos de leurs clients. Toutefois la cohérence des données utilisées n’était pas forcément critique.

En particulier lorsqu’il s’agissait de produire des statistiques à destination de Directions qui travaillaient en silos et qui avaient peu d’occasions de confronter leurs résultats. 

La qualité des données n’était pas non plus un sujet sensible, lorsque le niveau de personnalisation était faible et lorsque les actions commerciales restaient encore largement décidées en fonction de l’expérience acquise.

En revanche, lorsque l’environnement change si vite que l’expérience est rapidement caduque (c’est particulièrement le cas dans le domaine du marketing opérationnel sur Internet) ou lorsque des Directions deviennent plus interdépendantes, la qualité et la cohérence des données deviennent cruciales.

Si le besoin de données exactes, intègres et de grande fraîcheur, s’exprime simplement, répondre à ce besoin est un véritable défi.

Avec le temps, les données ont développé des capacités inouïes à s’altérer, se recombiner de façons inattendues, à se cacher sous des noms qui n’ont plus rien à voir avec leur composition réelle. J’ai trouvé, par exemple, neuf définitions de la donnée « client » dans une banque de détail. Chacun utilisait l’une ou l’autre en étant persuadé de calculer la même information.

 

Cette situation s’explique simplement :

• Les données ont été créées tout au long de l’histoire de l’entreprise en fonction de besoins parfois très éloignés de leur usage actuel.
• La qualité des données n’est généralement pas pilotée.
• Peu de personnes sont réellement sensibilisées et mobilisées pour qualifier et enrichir les données. Les commerciaux ou les conseillers ne se sentent généralement pas réellement impliqués dans la gestion de la qualité de la donnée. Tout au plus vérifient-ils les données de contact (adresse physique, téléphone, e-mail) et encore pas vraiment systématiquement.

 

Dompter la donnée par « La gouvernance »

Organiser la « gouvernance de la donnée » consiste à définir des structures, des processus, des outils, des Kpis, qui sont spécifiquement affectés au traitement des données de l’entreprise.

 

Les structures de gouvernance :

Plusieurs modes d’organisation sont possibles. Certains préfèrent centraliser le traitement de la totalité des données sous la responsabilité d’une structure unique (le Chief Data Officer peut être le responsable de cette structure). D’autres préfèrent construire des « quartiers » ou blocs de données, chacun étant affecté à un responsable spécialiste de ce domaine. Un quartier ou domaine peut être constitué, par exemple, des données du marketing (données clients, offres, canaux), un autre quartier ou domaine peut regrouper les données concernant le risque, le réglementaire etc…

Chaque solution a ses avantages et ses inconvénients.

Une solution très centralisée pourra jouer sur les synergies, mais elle aura plus de mal à mobiliser les acteurs et installer sa légitimité. Une organisation par quartier de données permet une plus grande implication des acteurs et une plus grande légitimité, mais créé des « frottements » entre les Directions qui partagent les mêmes données.

 

Les Processus :

A la base de toute gouvernance de la donnée, il y a le dictionnaire des données. C’est à dire un inventaire des données qui attribue une définition, un mode de calcul (le cas échéant), une ou des sources, des applications utilisatrices et un responsable.

La notion de responsable de la donnée est très importante. La donnée est un patrimoine, l’entretien de sa qualité est une responsabilité qui doit être portée par une personne clairement identifiée.

L’idée de construire ce dictionnaire est souvent source d’inquiétude. Dans la pratique, il se construit de manière incrémentale, sur la base d’outils qui peuvent être très simples d’accès (j’ai vu un dictionnaire de la donnée d’une banque de détail géré avec succès sur Excel). Bien évidemment avec le temps il est préférable de passer à des outils spécialisés.

Le renseignement du dictionnaire peut se faire par des personnes affectées à cette tâche (solution qui a du mal à fonctionner. Ce travail devient vite rébarbatif et les personnes qui en sont chargées ne peuvent pas être des experts de toutes les données).

Le renseignement du dictionnaire peut être décentralisé et piloté par des processus organisés et suivis par le/les responsable(s) de la gouvernance de la donnée.

La décentralisation peut également trouver des solutions efficaces avec la mise en place d’un réseau social consacré à cette gouvernance de la donnée.

Le réseau social facilite les échanges, la signalisation des anomalies, la complétude du dictionnaire. Il donne tout leur rôle aux responsables de données et identifie des experts qui peuvent apporter des informations précieuses par leur connaissance de certaines données.

 

Les outils :

Au-delà du dictionnaire, l’équipement en outils spécifiques du traitement de la qualité est un avantage. Des outils qui sont capables de faire le diagnostic de données en anomalies et qui sont mêmes en capacité de traiter automatiquement certaines erreurs.

Les éditeurs sont nombreux et leurs produits ont atteint une bonne maturité. Je n’insisterai pas plus sur ce point, car trop souvent la qualité de la données est abordée du point de vue de la technologie à mettre en œuvre, alors qu’il s’agit d’abord d’une question de positionnement du « pilote », d’une question de pertinence des processus et d’implication des acteurs qui sont au contact des données.

 

Les Kpis :

Aspect essentiel du pilotage, le choix du niveau de qualité recherché est rarement piloté.

Pourtant le coût de la qualité de la donnée est directement lié aux niveaux de qualité à atteindre. Sur cet aspect, un benchmark du marché et de la concurrence est loin d’être inutile. Faire mieux que les concurrents ou les meilleurs du marché n’est pas à rejeter d’emblée, mais estimer le coût et l’intérêt de cette sur-qualité est incontournable.

 

La mobilisation de tous :

Enfin l’amélioration de la qualité de la donnée ne peut réussir qu’avec l’implication de tous. Depuis les développeurs, jusqu’au commerciaux, en passant par les juristes, les responsable de bases de données, les responsables des processus, tous doivent être sensibilisés à l’impact de leurs décisions sur la qualité de la donnée.

La donnée doit être considérée par tous comme un élément du patrimoine de l’entreprise.

Tous projet de mise en place d’une gouvernance de la donnée doit se préoccuper de l’accompagnement du changement de la culture, car c’est en est une