Master Data Management

Les données de référence

Précieuses comme de l'or et pourtant négligées, à tort
 

Toute entreprise possède des données de référence. Les données de référence sont nécessaires pour maints processus commerciaux; ces derniers ne fonctionnent de manière fiable que si les données sont d'une qualité adéquate. Elles doivent notamment être actualisées, exhaustives, correctes, univoques et disponibles de manière centralisée. Grâce à notre expertise et à nos outils, Uniserv, en tant que Customer Data Experts, résout également avec vous vos défis en matière de Master Data Management dans le domaine des clients et des prospects.

Les données de référence.

Le pilier des données de toute entreprise.
 

Tout comme un moteur à combustion a besoin de carburant et de lubrifiant, une entreprise a besoin de données pour fonctionner. En principe, on distingue les données de référence et les données de mouvement. Alors que les données de référence, comme par exemple l'adresse, l'adresse e-mail et les coordonnées bancaires d'un client, sont fixes et donc plutôt statiques, les données de mouvement font partie des données dynamiques. Elles proviennent de l'activité courante, par exemple des informations issues de l'interaction avec les clients et les fournisseurs, lors du traitement des livraisons et commandes ou par le biais de dialogues par téléphone, e-mail ou dans les médias sociaux.

En tant que données statiques et bien définies, les données de référence constituent le pilier d'une entreprise. Plus les fondations sont solides, plus la superstructure est stable. Appliqué aux données de référence, cela signifie que si la qualité des données de référence est adéquate, les processus commerciaux, et donc l'entreprise dans son ensemble, fonctionnent. Inversement, si les données de référence sont de mauvaise qualité, les processus et  l'entreprise en souffrent. Par conséquent, il est essentiel pour la résilience économique d'une entreprise d'accorder en permanence une grande attention à ses données de référence, c'esdt-à-dire que la qualité doit être assurée en permanence. Ce qui nous amène à la gestion des données de référence -  au Master Data Management.

La gestion des données de référence clients, c'est-à-dire de toutes les données liées aux clients, notamment l'adresse postale, l'adresse e-mail, les coordonnées bancaires et les numéros de téléphone, revêt une importance particulière. En fin de compte, le succès économique d'une entreprise dépend en grande partie de la qualité de ces données de référence clients. Comment une entreprise peut-elle agir avec succès sur le marché si les données clients sont erronées ou du moins de mauvaise qualité ?

Conséquences d'une mauvaise qualité des données de référence


Si les données de référence d'une entreprise n'ont pas la qualité requise, c'est-à-dire qu'elles ne sont ni actualisées, ni exhaustives, ni correctes, ni univoques, cela entraîne notamment les conséquences mentionnées ci-dessous. Surtout si l'on considère que les données de référence des entreprises sont généralement enregistrées dans différents systèmes :
 

  • Manque d'un pare-feu de qualité des données - Data Quality Firewall - selon le principe First Time Right pour garantir automatiquement des données correctes.
  • Absence d'univocité - "Unique Customer ID" inter-systèmes ou inter-bases de données, d'où des redondances et des incohérences au sein des systèmes même et entre eux.
  • Consolidation des différents status des données du même client impossible. Pas de véritable vision à 360 degrés du client.
  • Absence de processus standards pour éviter le vieillissement des données (anti-aging).
  • Problèmes dans les processus commerciaux opérationnels, proches du client, qui se basent sur ces données.

Mais ce n'est pas tout, loin de là. Malheureusement. Il est difficile, voire impossible, d'analyser des données aussi mauvaises. Les décisions prises sur une base aussi incertaine ne sont pas à la hauteur. Il est difficile de faire confiance aux décisions.

Cet aperçu des conséquences négatives pourrait être poursuivi presque à l'infini. Mais malgré toutes ces difficultés, il y a aussi deux bonnes nouvelles. D'une part, la qualité des données de référence laisse à désirer dans de nombreuses entreprises. Et d'autre part, ces difficultés peuvent être facilement maîtrisées. Avec l'expertise et les outils nécessaires, il est en effet possible d'intégrer et de consolider des données de référence provenant de différentes sources en garantissant leur qualité.

Avantages des données consolidées et de haute qualité


Des données consolidées et de haute qualité constituent littéralement le 'fondement' de nombreux autres processus commerciaux. De nombreux services opérationnels et analytiques peuvent accéder à ces données et apporter ainsi "leur" pièce au puzzle de la vision client à 360 degrés. Ainsi, le marketing peut par exemple lancer des campagnes ciblées et personnalisées. Ou le service financier peut, sur la base des données, envoyer les factures à la bonne adresse ou effectuer des analyses de portefeuille sans doublons de débiteurs. Ou encore, la Business Intelligence peut analyser la base de données centrale dans toutes les règles de l'art et dans les directions les plus diverses et, à partir des résultats de l'analyse, formuler des recommandations de mesures à prendre et sécuriser les décisions. Pour ne citer que deux ou trois exemples. Et pour utiliser l'image du moteur à combustion : Si l'on utilisait les mauvais lubrifiants et carburants, le moteur tournerait au ralenti - s'il ne calait pas - et ne développerait pas toute sa puissance. Dans le pire des cas, un moteur tomberait même en panne.

Mesures à disposition


Vous disposez d'un parc de systèmes multiples avec des données de référence redondantes mais souhaitez profiter des avantages de données de référence consolidées et de haute qualité ? Dans ce cas, il existe plusieurs solutions qui vous permettent d'atteindre cet objectif, en particulier à travers tous les différents systèmes. Mais elles ne sont pas toutes réellement ciblées et efficaces.

 

Option 1 : Ne rien faire.

La solution la plus chère.

 

Option 2 : Consolider l'environnement système.

Trop coûteux. Trop risqué. Trop long.

 

Option 3: Interfaces Point-2-Point.

Du chaos des données au chaos des interfaces.

 

Option 4 : Workflow pour la maintenance des données.

Coût de coordination très élevé.

 

Option 5 : Master Data Hub.

Best practice !

 

Comment mener au mieux les projets de gestion des données de référence ?


L'achat d'un système de gestion des données de référence ne résout pas le problème en soi. Ce qui est décisif pour le succès des initiatives MDM, c'est la triple combinaison de la prise de conscience, de la maîtrise des étapes du projet et de l'utilisation d'outils adaptés. Les projets de gestion des données de référence échouent si ces trois aspects ne sont pas suffisamment pris en compte.

1. Prise de conscience


Pour que la gestion des données de référence réponde aux objectifs de l'entreprise, il faut avant tout que la philosophie de la gestion des données de référence et la prise de conscience de la nécessité de disposer de données de référence de haute qualité soient solidement ancrées dans la culture de l'entreprise, et que cette conscience soit constamment entretenue et renouvelée. Les données de référence et leur entretien ne doivent pas être perçus par les collaborateurs comme un travail fastidieux, mais comme une contribution précieuse au succès de l'entreprise. Pour cela, l'importance et l'utilité des données d'entreprise doivent être clairement expliquées. Le cas échéant, il convient d'initier un processus de gestion du changement correspondant.

2. Étapes du projet


Le Master Data Management se compose de différentes étapes qui traitent les points suivants en fonction de la tâche à accomplir. Les étapes du projet ont des priorités différentes selon les objectifs concrets de l'entreprise :
 

  • Définition de l'objectif.
  • Audit de la situation actuelle.
  • Nettoyage initial des données.
  • Mise en place du First Time Right. Introduction d'un pare-feu de qualité des données.
  • Maintenance des données et anti-vieillissement des données.


L'introduction d'un système de gestion des données clients à l'échelle de l'entreprise est une tâche typique à laquelle la plupart des gens pensent en premier. Comme l'introduction d'un tel système est généralement complexe et coûteuse, les entreprises hésitent souvent à le faire. Or, ce n'est pas une fatalité. De même, l'introduction d'un système de gestion des données clients peut souvent être réalisée par étapes. Mais quand il y a "le feu", on peut encore faire preuve de pragmatisme. Même le plus grand voyage commence par le premier pas. Voici quelques exemples de tâches typiques pour lesquelles nous soutenons nos clients avec notre expertise et nos outils :

  • Mesures ad hoc pour intégrer des données de masse ou une nouvelle utilisation des données de référence. 
  • Amélioration de la qualité des données d'un seul système qui saisit ou gère les données de référence.
  • Projets de migration lors desquels la mauvaise qualité des données ne doit pas être transférée dans le nouveau système.
  • Introduction d'un système central de gestion des données de référence ou optimisation de celui-ci.

L'équipe Customer Success d'Uniserv dispose d'une expertise des étapes de projet de Master Data Management ainsi que des tâches typiques et vous soutient avec plaisir dans votre projet.

3. Outils


Un système ou un outil de gestion des données de référence ne peut à lui seul conduire au succès sans une prise de conscience adéquate au sein de l'entreprise et sans expertise des étapes du projet. Cependant, lorsque la taille et la complexité des données sont importantes, le succès du projet ne peut être atteint sans outils appropriés. C'est pourquoi nous proposons dans notre portefeuille différentes solutions pour relever les défis de manière individuelle. En travaillant ensemble, nous élaborons le concept le mieux adapté à vos besoins.
 

  • Customer Data Hub
    Avec Data Quality Firewall, identification automatique des doublons, Unique Customer ID à travers toute l'entreprise, Data Stewardship et Data Ownership, consolidation des données de référence et enrichissement des données. Single Point of Truth et vision à 360 degrés " en live " sur tous les canaux basée sur les Golden Records.
  • Data Quality Workbench
    Analyser, structurer, contrôler, identifier les doublons, clusteriser et consolider intelligemment les stocks de données, ainsi qu'enrichir les données. Dans le cadre d'analyses des stocks, de nettoyages initiaux ou ad hoc, de maintenance des données et d'anti-aging ainsi que d'intégrations de masse dans les systèmes ou de projets de migration.
  • Outils de qualité des données et/ou résolution d'identité
    Offrent une qualité de résultat maximale et une performance optimale lors de l'optimisation des données. Ils analysent, structurent et normalisent les données, comparent les éléments d'adresse aux données de référence, les corrigent et les enrichissent d'informations supplémentaires. La qualité des données sur mesure est au centre de nos préoccupations.
     

N'hésitez pas à nous contacter

Les plus grandes entreprises font confiance à Uniserv

Nous sommes à votre disposition.

Contactez-nous via le formulaire ou appelez-nous directement.

Cela pourrait aussi vous intéresser :

Validation postale
Vérifiez, corrigez et actualisez les adresses postales de vos clients et prospects, à l'échelle internationale, avec une tolérance aux erreurs et des bases de connaissances spécifiques à chaque pays, afin que vos envois atteignent en toute fiabilité leurs destinataires où qu'ils se trouvent.
Déduplication
Trouvez et nettoyez les enregistrements double et multiple de vos clients et prospects, avec une identification de précision tolérante aux erreurs, fondée sur des bases de connaissances spécifiques à chaque pays et obtenez ainsi un système propre et sans doublons.
Data Cleansing
Nettoyez vos données de manière ciblée, en tant qu'élément central de toute initiative de qualité des données, avec un nettoyage initial au lancement, périodique dans le cadre de la maintenance des données (anti-aging) ou continu dans le cadre du First Time Right (Data Quality Firewall).