Le data quality améliore l'efficience des CRM

Productivité, réduction des coûts, efficacité des campagnes marketing, meilleure gestion de la relation client… Les promesses du data quality sont nombreuses. « Souvent, les entreprises qui utilisent déjà un CRM considèrent qu’il fonctionne ; elles ne voient pas l’intérêt d’investir dans la qualité des données, regrette Daliane Calvani, manager pôle conseil d’Ysance, société spécialisée dans l’intégration de solutions et la réalisation de projets IT. Les entreprises n’évaluent pas les bénéfices issus de la mise en place d’un projet de data quality et continuent à payer plusieurs personnes pour faire de la correction de données. »
Avant la mise en place d’un nouveau CRM, ce travail est pourtant stratégique pour éliminer les erreurs de saisie dans une adresse ou un code postal par exemple. Selon Ysance, l’effet de levier est considérable : « Une entreprise envoie 50 000 brochures à une base de prospects dupliquée à hauteur de 4%. Compte tenu du coût total du programme, estimé à 150 000 euros, le retour sur investissement de l’opération se limitera à 15,5%, contre 33,3% si l’envoi avait été effectué vers une base de contacts non dupliquée », explique Daliane Calvani.

La première étape de l’offre CRM d’Ysance consiste à cartographier tous les systèmes qui stockent une même donnée : facturation, marketing, logistique… Dans un second temps, la société de conseil met en place un outil de data profiling pour diagnostiquer les erreurs telles qu’un client présent plusieurs fois sous différents e-mails ou adresses. L’étape suivante consiste à utiliser l’outil de data quality. L’algorithme informatique permet de corriger la grande majorité des erreurs, par exemple en croisant les données de la base avec celles issues de l’Insee ou de référentiels type Hexaposte. « L’humain ne traite que 3 à 4% des erreurs qui n’ont pas été réglées automatiquement », précise Daliane Calvani. Une fois la base de données nettoyée, elle peut être intégrée dans le nouveau CRM.

À cette étape, le travail n’est pas terminé, puisque la base de données continue à être enrichie et qu'en conséquence de nouvelles erreurs apparaissent : « Un projet de data quality s’inscrit dans la durée. Il faut mettre en place un outil de data profiling pour faire remonter régulièrement les erreurs de saisie et les champs non renseignés », explique Daliane Calvani.
Une fois les données mal saisies repérées, il faut identifier l’émetteur. Par exemple, si les erreurs récurrentes sont liées aux codes postaux, la mise en place d’un contrôle de ces codes dans l’outil de saisie s’impose.

« Cette démarche est souvent mal perçue par les équipes, admet Daliane Calvani, les personnes ont l’impression qu’on surveille leur travail. » En réalité, ce process permet à la fois de réduire les erreurs de saisie à l’avenir, d’améliorer en permanence l’efficacité des algorithmes informatiques utilisés, et d’occuper moins de personnel à faire de la correction de données. « Il y a un autre effet difficilement calculable mais qui n’a pas de prix : nos clients reprennent confiance dans leurs données. Cela leur enlève un stress considérable quand ils doivent justifier un budget marketing au regard du ROI attendu », souligne Daliane Calvani.

Outre le CRM, Ysance couvre les domaines suivants : le cloud, le data management, l’intégration et la restitution des données, et le big data, lancé en 2011. Créée en 2005, la société de conseil compte près de 100 salariés et revendique 150 clients en France : Conforama, PagesJaunes, Darty, EDF, Air France, Casino, La Caisse d’Épargne...