Qu’est ce que la “gouvernance de la donnée” ou “Data governance” et pourquoi la mettre en place ?

L’omnicanalité, la digitalisation des enseignes ont poussé la structuration, l’homogénéisation et le partage des Données référentielles.

Une donnée référentielle est une donnée stratégique nécessaire au développement qui est centralisée et faisant foi pour l'ensemble de l’entreprise.

Il en résulte une augmentation du nombre de parties prenantes de la gestion des données référentielles. Leurs ambitions et objectifs peuvent parfois être contradictoires.

La donnée étant au centre de toutes décisions stratégiques, il est nécessaire de mettre en œuvre une gouvernance des données. Cette gouvernance consiste à mettre en place des procédures et des lois afin d’encadrer les pratiques de collecte et d’utilisation au sein de l’organisation. Il s’agit donc d’instaurer un cadre interne afin d’optimiser l’utilisation des données et de faire respecter les obligations légales.

La Gouvernance a pour objectif de :

De manière opérationnelle, la gouvernance se traduit par :

Les enjeux de la Gouvernance 

4 enjeux liés à l’usage des données :

La disponibilité des données : Les données doivent être disponibles et accessibles dans le système d’information pour les utilisateurs. Cela implique de donner un accès sécurisé à ces derniers en minimisant les risques d’erreurs. Les données doivent être sauvegardées afin de garantir la continuité de service.

L’opérabilité des données : C’est la capacité qu’ont les utilisateurs à utiliser les données. Elle se traduit tant au niveau de la forme et du contenu des données (de qualité, récentes, complètes…) qu’au niveau des outils mis à disposition pour les utiliser (outils simples d’utilisation).

L’intégrité des données : La donnée doit être uniforme, cohérente, fiable et pertinente au sein de l’organisation. La donnée doit être unique afin d’instaurer le mieux possible la notion d’omnicanalité.

La sécurité des données : Cela implique de mettre en place une politique de sécurisation des informations référentielles.

La stratégie Data driven renvoie aux actions visant à mettre la donnée au coeur de la stratégie de l’entreprise.

Pour ce faire, l’entreprise met en oeuvre le processus Data driven qui suppose de collecter les informations depuis divers canaux, de les analyser, de définir une stratégie, de mettre en oeuvre les actions qui en découlent et de mesurer leurs impacts.

Data driven : Le Processus

1. La collecte

La mise en oeuvre du processus Data driven commence par la collecte des informations à exploiter depuis diverses sources et outils. Les informations proviennent soit :

2. L'analyse

L’analyse de données est le processus qui permet d’exploiter une masse d’information en vue d’en dégager le besoin client et de prévoir des actions. Diverses solutions permettent d’analyser les données :

3. La stratégie

A la suite de l’analyse, l’entreprise définit une stratégie qui se traduira ensuite par des actions.

Il s’agira par exemple de :

4. Les actions

C’est la finalité de l’analyse de données. Les actions à mettre en oeuvre découlent de la stratégie définie par l’entreprise.

Elles peuvent être de divers ordres :

5. La mesure

Après la mise en oeuvre des actions, la dernière étape du processus Data Driven consiste à mesurer l’impact de ces actions à travers :

Lorsqu’une entreprise décide de devenir “Data Driven”, elle fait reposer l'essentiel de ses décisions stratégiques sur l’exploitation de la data. Il est donc important d’avoir des données de qualité qui fassent foi pour l'ensemble de l’entreprise, il s’agit des données référentielles. Ces données sont essentielles afin d’améliorer l’expérience client, de booster la conversion, et d’accélérer le time to market. Les données sont centralisées, consolidées et synchronisées au sein d’un seul et unique outil maître appelé “la gestion de données de référence” ou MDM (Master Data Management); il se doit de proposer une version unique des données stratégiques afin d’assurer l’unicité et la cohérence.

1. La Data et le PLM

Pour “la  gestion du cycle de vie des produits”, le PLM (Product Lifecycle Management) fournit un référentiel dédié au cycle de vie d'un produit de manière intégrée. Il est le processus qui gère le cycle de vie complet d'un produit depuis sa conception, son développement technique jusqu'à sa mise au rebut. Il est essentiellement destiné aux parties prenantes internes et contient très peu d'informations destinées aux clients.

2. La Data et le PIM

“La gestion de l'information produit” ou PIM (Product Information Management) est un sous-ensemble du MDM qui se concentre sur la fourniture d'informations produit précises et de qualité. Le PIM est le plus souvent utilisé à des fins de commercialisation et de marketing. Il assure l’exactitude et la mise à jour instantanée de l’information produit partagée entre les différents acteurs (consommateurs, producteurs et distributeurs) en centralisant l'information sur un produit dans le but de la distribuer efficacement quelque soit le canal.

3. La Data et le DAM

Le DAM (Digital Asset Management) se concentre sur la gestion (stockage, organisation et contrôle) des fichiers numériques et/ou multimédias tels que les images, les vidéos, pdf, et fichiers d’impressions etc. Il permet d'enrichir et partager des données numériques de manière intuitive, depuis une source centralisée et sécurisée. Le DAM offre des fonctionnalités spécialisées de contrôle de versions et de recherche qui permettent aux entreprises d'optimiser leurs contenus numériques existants. Ils gèrent un éventail de contenus beaucoup plus large et sont utilisés à d'autres fins que la seule gestion des informations produit.

Le PIM et le DAM sont complémentaires, permettant ainsi l’actualisation de la donnée en permanence.

4. La Data et le CRM

Le CRM (Customer Relationship Management) ou GRC (la gestion de la relation client), est l'ensemble des outils et techniques destinés à capter, traiter, analyser les informations relatives aux clients et aux prospects, dans le but de les fidéliser en leur offrant ou proposant des services.

5. La Data et le CMS

Le CMS (Content Management System) ou SGC (système de gestion de contenu) est une catégorie de logiciels qui permettent de concevoir, gérer et mettre à jour des sites Web ou des application mobile de manière dynamique via une interface WYSIWYG (What You See Is What You Get) simple d'utilisation. Il est ainsi facile de mettre à jour ou de créer des pages, sans forcément connaître les langages en développement web. Ils permettent de gérer séparément la forme et le contenu. Les CMS autorisent également la structuration du contenu d'un site Web (catégories, pages, articles).

6. La Data et l'OMS

L’OMS (Order management system) ou SGD (Système de Gestion des Commandes)  est un système de gestion des commandes. L’OMS est le chef d’orchestre de l’exécution des opérations logistiques. Il se positionne entre :

• Les systèmes front-office de prise de commande
• Les systèmes back-office d’exécution (WMS, TMS…)

C’est une solution IT qui se destine aux sociétés multi-sites et/ou multi-canaux, et permet la gestion globale et coordonnée des commandes clients sur l’ensemble du réseau logistique.

7. La Data et le SRM

SRM (Supplier Relationship Management) est un outil/méthode permettant de gérer la relation avec les fournisseurs. Il fluidifie la communication et les échanges entre l’entreprise et ses fournisseurs. Cette gestion des relations passe par l’échange de contenu. Il peut s’agir d’informations financières ou administratives, d’informations  techniques...

8. La Data et le POS

Le POS (point of sale) / POP (point of purchase) ou PDV (Point de Vente) est un lieu spécifiquement organisé en vue de recevoir un public et de lui proposer le paiement pour une offre de biens et/ou de services (magasin, comptoire, e-commerce, m-commerce).

9. La Data et l'ERP

l’ERP (Enterprise Resource Planning) ou PGI (Progiciel de Gestion Intégré) centralise l’ensemble des outils nécessaires à la gestion d’une entreprise, il est dédié à l’optimisation des coûts et des ressources. Il permet de gérer l’ensemble des processus opérationnels d’une entreprise dans un seul et unique système en intégrant plusieurs fonctions de gestion : solution de gestion des commandes, solution de gestion des stocks, solution de gestion de la paie et de la comptabilité, solution de gestion e-commerce... dans un système. Autrement dit, l’ERP représente la « colonne vertébrale » d’une entreprise.

Le parcours de la Data

Référentiel Data : Quelles types de données sont collectées ?

Lorsque le maximum de données pertinentes a été collecté par l’entreprise, l’enjeu est de les analyser afin d’en tirer profit.
L'analyse va permettre de transformer une masse d'informations en information structurée permettant la prise de décision marketing. En effet, pour décider du chemin à suivre, rien de mieux que de connaître parfaitement ses clients grâce aux données clients et ses produits grâce aux données produits. Les décideurs marketing vont pouvoir ainsi décrypter et comprendre les tendances du marché, améliorer leurs performances, saisir de nouvelles opportunités. Il est important d’instaurer au préalable une culture de la donnée en interne. Ainsi les différents services de l’entreprise pourront interagir AUTOUR de la donnée.

En collaboration avec les équipes d’analyses, il faut extraire les données pertinentes. Ainsi, via des outils de data visualisation capables de rassembler les données provenant de différents canaux (marketing, analyses web, finances, ventes, média sociaux..), l’utilisation de tableaux de bord facilitera la lecture des données.

Aussi, l’utilisation du data storytelling permettra le partage et la diffusion de la donnée à différents services de l’entreprise.

Le Data Storytelling : c’est la capacité de raconter une histoire avec les données sans en être un expert, et de personnaliser les données vues en fonction de l’audience, des besoins du métier par exemple.
Le concept relativement récent est issu de la data visualisation et a ainsi démocratisé le sujet en permettant à tous les collaborateurs de comprendre et d’en savoir plus sur l’activité de l’entreprise. Il est donc possible de contextualiser les analyses.

L'utilisation des données pour des actions marketing

L’analyse de données sémantiques et la relation client

En termes de marketing et de relation client, l’analyse sémantique est utilisée pour faciliter la compréhension et l’exploitation des verbatims client.

L’analyse sémantique : c’est explorer chaque commentaire, chaque tweet, chaque post sur un forum, chaque avis déposé, etc. Ces données traduisent le comportement des acheteurs, leurs envies, attentes et suggestions. Les expressions utilisées par les clients sont une mine d’informations essentielle pour optimiser l’expérience client à l’heure du marketing one to one.

L’analyse de ces données a donc pour but d’extraire ces informations, afin de détecter les leviers et freins à la satisfaction, ainsi que les axes d’amélioration.

Pour une marque, l’analyse sémantique se fait via une plateforme dédiée, ou un module intégré à une solution de gestion de la relation client par exemple.

Que les clients tapent leur recherche ou qu’ils l’expriment par la voix, l’analyse sémantique des avis clients permets par exemple de faire ressortir des personas en fonction de leurs éléments de langages. Ceci permet par la suite d’en déduire leurs attentes et habitudes afin d’adapter un discours de marque mais aussi d’optimiser les résultats de moteur de recherche (search)  et le merchandising du site e-commerce ou magasin ce que l’on appelle SEARCHANDISING afin d’en optimiser la conversion.

Exemples d’actions menées à partir de l’analyse de données sémantiques :

1. Stratégie Marketing & Omnicanal

Afin de répondre aux attentes des consommateurs dont les points de contact avec les marques évoluent au fil des années et des événements, l’entreprise pourra actionner plusieurs leviers marketing avec pour fil conducteur l’omnicanalité.

En effet, pour exemple, il s’agira à la fois d’optimiser la stratégie e-commerce, de mettre en place une stratégie de mobile marketing, d’améliorer les performances en magasins (trafic, merchandising, création d’événements) mais aussi d’animer une stratégie social media.

En prenant en compte ces différents aspects, le retailer offrira alors une expérience client inédite et sans couture, basée sur des données fiables issues de ses analyses.

Les marques créent alors une relation personnalisée et contextualisée avec leurs clients et s’engagent dans une dimension User Centrix.

2. Stratégie Produit

L'interprétation des données produits analysées permet de prendre un certain nombre de décisions stratégiques (traduction des besoins et attentes de clients), notamment sur le produit et son environnement.

En effet, elles peuvent porter sur :