L’essentiel à savoir sur le Data Management en 5 minutes

Les entreprises devraient toutes s’intéresser de (plus) près au Data Management. Pour une raison très simple : les données sont devenues l’un de leurs principaux actifs.

Le Data Management est ce qui permet de réaliser le potentiel des données et d’en faire un actif stratégique pour l’entreprise. C’est l’ensemble des pratiques, des processus et des outils qui permettent de gérer ses données de manière efficace et fructueuse, de la collecte à l’exploitation.

data management guide

Vous allez découvrir dans cet article les fondamentaux du Data Management : Qu’est-ce que c’est ? De quelles données parle-t-on ? Quels sont les enjeux de la gestion des données ?

Qu’est-ce que le Data Management ? [Définition simple]

Le Data Management, ou gestion des données en français, est l’ensemble des pratiques, processus et outils permettant de collecter, stocker, organiser, sécuriser et exploiter efficacement les données d’une entreprise.

Son objectif ? Garantir une donnée fiable, actualisée, sécurisée et facilement accessible pour générer de la valeur business.

Le Data Management est le socle indispensable pour faire des données un actif stratégique. Il maximise la valeur des données.

Le Data Management ne doit pas être confondu avec des disciplines connexes comme :

  • La Gouvernance des Données (data governance), qui définit les règles, les standards et les processus pour gérer ses données de manière efficace et pérenne. C’est en quelque sorte le cadre du Data Management.
  • La Data Science, qui applique des méthodes statistiques et d’intelligence artificielle pour analyser les données et en extraire des modèles prédictifs. C’est un usage avancé des données. Nous abordons la question de la Data Science dans notre article dédié au métier de Data Scientist CRM.
  • L’analyse des données (data analysis), qui consiste à explorer, interpréter et communiquer les données pour répondre à des questions business. C’est l’une des finalités du Data Management.

Retour au sommaire de l’article

Data Management : de quelles données parle-t-on ?

Le Data Management est l’art de bien gérer les données de son entreprise. Mais de quelles données parle-t-on exactement ? Une entreprise génère et manipule une grande variété de données, issues de différents processus métiers et stockées dans les nombreux systèmes qui constituent son « écosystème data ».

Pour y voir plus clair, on peut regrouper ces données en plusieurs grandes familles, que l’on appelle aussi référentiels. Chaque référentiel correspond à un domaine d’activité de l’entreprise et contient des données spécifiques qui servent des usages bien précis.

Nous avons préparé un tableau qui présente de manière synthétique les principaux référentiels de données que l’on retrouve dans la plupart des organisations. Toutes ces données, vous l’aurez compris, entrent dans le périmètre du Data Management.

Famille de donnéesPrésentation
Données clientsEnsemble des informations relatives aux clients et prospects : coordonnées, historique des interactions et des achats, préférences, données comportementales, etc. Ces données sont généralement gérées dans un CRM et servent au marketing et aux ventes pour mieux connaître et cibler les clients.
Données produitsEnsemble des informations relatives aux produits et services de l'entreprise : caractéristiques techniques, prix, disponibilité, catégories, etc. Ces données sont souvent gérées dans un PIM (Product Information Management) ou dans un ERP (Enterprise Resource Planning). Elles sont utilisées essentiellement par le marketing, les ventes et la logistique.
Données RHEnsemble des informations relatives aux employés : contrats, rémunération, compétences, formations, temps de travail, etc. Ces données sont gérées dans un SIRH (Système d'Information RH) et servent au pilotage des ressources humaines.
Données financièresEnsemble des informations relatives à la comptabilité et au contrôle de gestion : factures, paiements, commandes, budgets, coûts, etc. Ces données sont gérées dans l'ERP ou dans des outils dédiés. Les données financières alimenter les reporting financiers et les prises de décisions stratégiques.
Données marketingEnsemble des informations relatives aux actions marketing : campagnes, leads, contenus, canaux, performance des actions, etc. Ces données proviennent de différents outils et permettent de piloter et d'optimiser le plan marketing de l’entreprise (campagnes, scénarios, programmes relationnels).
Données commercialesEnsemble des informations relatives à l'activité commerciale : opportunités, devis, contrats, commissions, prévisions de vente, etc. Comme les données clients, elles sont souvent gérées dans le CRM et servent au suivi et à l'animation des équipes commerciales.
Données tiers / fournisseursEnsemble des informations relatives aux partenaires de l'entreprise : fournisseurs, distributeurs, prestataires, etc. Ces données couvrent les contrats, les commandes, les factures, les performances et sont gérées dans l'ERP ou le CRM. Elles sont essentielles à la gestion des achats et de la logistique.

La liste n’est pas exhaustive. Selon votre secteur et votre activité, votre entreprise peut avoir d’autres référentiels spécifiques. Une banque, par exemple, aura des référentiels dédiés aux données des comptes et des transactions. Un e-commerçant, de son côté, aura des données web très riches.

Ce qu’il faut retenir, c’est que le Data Management doit prendre en compte cette diversité des données. Il ne peut pas se limiter à une seule famille, comme les données clients par exemple. Pour être efficace, il doit embrasser tous les référentiels pertinents et les faire dialoguer entre eux.

C’est tout l’enjeu de l’intégration et du croisement des données, que nous aborderons dans la suite de cet article. Car la vraie valeur du Data Management ne réside pas dans la gestion isolée de chaque référentiel, mais dans la capacité à les interconnecter pour avoir une vision à 360° de l’activité.

Nous sommes d’ailleurs pleinement confrontés à cette problématique dans notre activité de conseil en CRM et en Données Clients. Lorsque nous accompagnons nos clients sur leurs projets data, le périmètre des données ne se limite jamais aux seules données clients. Il embrasse bien souvent les données produits, les données financières, etc. Même dans notre métier, le Data Management ne se limite pas au Customer Data Management. Il est de la nature même des données d’être toutes interconnectées. Elles se croisent entre elles : les données transactionnelles, par exemple, sont intimement liées aux données clients et aux données produits.

 Retour au sommaire de l’article

Le cycle de vie complet du Data Management

Le Data Management englobe toute la chaîne de traitement et de vie des données, de leur collecte à leur exploitation. Voici un passage en revue des grandes étapes de ce cycle de vie.

La collecte des données

Tout commence par la collecte. C’est le moment où les données entrent dans le système d’information de l’entreprise, provenant de sources internes et externes diverses.

L’enjeu est de capter le maximum de données pertinentes, en évitant la redondance et en s’assurant de leur qualité initiale. Cela passe notamment par :

  • L’identification exhaustive des sources de données.
  • La mise en place de connecteurs et de processus d’extraction automatisés (ETL, ELT, API).
  • La conception de dispositifs de collecte pour recueillir les données dont l’entreprise a besoin (formulaires et autres).
  • Le filtrage et le prétraitement des données à la source pour ne garder que le nécessaire.
  • La réconciliation des données entrant dans le système d’information de l’entreprise.
  • La documentation précise de l’origine et du format de chaque donnée collectée.

L’étape de la collecte conditionne la qualité de tout le reste de la chaîne.

Le stockage des données

Une fois collectées, les données doivent être stockées de manière sécurisée, pérenne et facilement accessible. Il existe plusieurs familles de bases de données conçues pour stocker les données. Les deux principales sont :

  • Les data warehouses (DWH), qui permettent de stocker les données de manière structurées, compartimentées, très organisées. Les référentiels de données peuvent être cloisonnés en utilisant des Data marts, des compartiments.
  • Les data lakes, qui permettent d’accueillir des données plus brutes et hétérogènes (structurées et non structurées) dans leur format natif.

Il faut aussi mentionner le cas très fréquent où les données restent stockées dans les applications métiers qui les produisent : le CRM pour les données clients, l’ERP pour les données produits et fournisseurs, le SIRH pour les données RH…

C’est souvent le premier niveau de maturité data, avant de mettre en place une architecture data dédiée. L’avantage est de pouvoir exploiter les données au plus près des processus opérationnels, sans couche technique supplémentaire. L’inconvénient est de créer des silos de données déconnectés les uns des autres. Pour prendre un exemple qui nous est familier, il arrive toujours un moment où il devient incontournable de séparer le logiciel CRM et la base de données clients.

La préparation des données

Collecter et stocker les données, c’est bien. Mais pour qu’elles soient réellement exploitables par les équipes métiers, il faut souvent les retravailler. C’est tout l’enjeu de la préparation des données, une étape souvent sous-estimée mais pourtant décisive.

La préparation des données englobe notamment :

  • La standardisation des formats de données, ce que l’on appelle la “normalisation” des données.
  • Le dédoublonnage pour supprimer les enregistrements en double dans un même système et la déduplication pour unifier les données en provenance de plusieurs systèmes.
  • La correction des erreurs et des incohérences : valeurs manquantes, aberrantes, mal formatées…
  • L’enrichissement par le croisement avec des données externes (géographiques, firmographiques…) pour ajouter du contexte.

L’enjeu, vous l’avez compris : livrer aux métiers des données propres, enrichies, documentées, directement exploitables pour créer de la valeur.

La sécurisation des données

Parce qu’elles sont souvent sensibles et stratégiques, les données de l’entreprise doivent être protégées tout au long de leur cycle de vie, de la collecte à l’exploitation. C’est une obligation légale (RGPD), mais aussi un facteur clé de confiance pour les clients et les partenaires.

La sécurisation couvre un certain nombre d’aspects différents mais complémentaires :

  • La confidentialité : il faut s’assurer que seules les personnes autorisées peuvent accéder aux données, en mettant en place des contrôles d’accès stricts par profils utilisateurs. Cela passe aussi par le chiffrement des données.
  • L’intégrité : il faut garantir que les données ne peuvent pas être modifiées ou altérées par erreur ou malveillance, ce qui implique la mise en place de mécanismes de traçabilité des accès et des modifications.
  • La disponibilité : il faut assurer un accès permanent aux données pour les utilisateurs légitimes, ce qui passe notamment par la mise en place de mécanismes de sauvegarde (backups).
  • La traçabilité : l’entreprise doit pouvoir tracer l’origine et les utilisations de chaque donnée. Cela implique la mise en place d’un journal des traitements.
  • La privacy : l’enjeu, ici, est de respecter le droit des personnes sur leurs données, en recueillant leur consentement, en leur permettant d’exercer leurs droits (accès, rectification, oubli), en réalisant des études d’impact (PIA)

Toutes ces dimensions appellent des chantiers assez complexes et techniques, nécessitant l’intervention de la DSI mais aussi des équipes métiers. La sécurité n’est pas qu’une affaire de technique ou de juridique : c’est aussi une culture à insuffler à tous les collaborateurs qui manipulent les données au quotidien.

L'exploitation des données

C’est là que les efforts de collecte, de stockage et de préparation prennent tout leur sens, en permettant aux métiers de créer de la valeur à partir des données. Nous en venons à la finalité dernière du Data Management : améliorer l’exploitation des données, faire de la donnée un outil de création de valeur.

L’exploitation des données prend deux formes : l’analyse et l’activation.

Résumée en une phrase, l’analyse des données vise à comprendre le passé et le présent pour améliorer le futur. Elle consiste tout d’abord à mettre en place des dispositifs de reportings et des tableaux de bord pour piloter l’activité et la performance.  L’étape suivante est l’analyse des données en tant que telles. Nous entrons ici sur le terrain de jeu des Data Analysts. Voir à ce sujet notre article sur le métier de Data Analyst CRM.

L’activation des données, c’est l’art et la manière d’exploiter les données dans les actions déployées. Dans l’univers que nous connaissons, celui du CRM, l’activation des données consiste à utiliser les données pour personnaliser les communications, les campagnes, les interactions clients, les scénarios relationnels. En marketing-ventes, les données sont activées pour personnaliser le dialogue avec les prospects et clients.

Retour au sommaire de l’article

Les enjeux du Data Management

On l’a compris, le Data Management n’est pas qu’une affaire de technologie ou de technique. C’est avant tout un levier stratégique au service de la performance de l’entreprise. Un levier qui peut faire la différence dans un monde où les données sont devenues un actif incontournable. Mais quels sont concrètement les enjeux du Data Management ?

Un enjeu d'efficacité opérationnelle

Le premier enjeu du Data Management est l’optimisation des processus et des décisions opérationnelles. Avec des données fiables, actualisées et facilement accessibles, vos collaborateurs peuvent prendre de meilleures décisions au quotidien, plus rapidement et de manière plus autonome.

Fini le temps perdu à chercher l’information dans des tableurs éparpillés, à se coordonner par email, à douter de la fraîcheur d’un chiffre. Lorsque l’on dispose d’un Data Management efficace, chacun dispose des bons indicateurs au bon moment pour agir.

C’est particulièrement critique pour :

  • Le marketing, qui peut mieux segmenter ses audiences, personnaliser ses campagnes, mesurer la performance de ses actions grâce à une vue client 360° toujours à jour.
  • Les commerciaux, qui peuvent mieux qualifier leurs leads, prioriser leurs clients, anticiper les risques d’attrition en s’appuyant sur des données clients et produits fiables dans le CRM.
  • La supply chain, qui peut de son côté optimiser ses niveaux de stock, réduire ses coûts logistiques, fiabiliser ses délais en se basant sur des prévisions de vente data-driven.
  • La R&D, qui peut accélérer ses cycles d’innovation, tester plus d’hypothèses, réduire les risques d’échec en exploitant les données d’usage et de feedback des clients.

Un Data Management structuré permet de faire de la donnée un outil de pilotage opérationnel.

Un enjeu d'expérience client

Dans un monde où le client est roi, l’expérience devient un facteur clé de différenciation majeur. Et cette expérience passe plus que jamais par la data. Pourquoi ? Parce que pour enchanter le client, il faut d’abord bien le connaître, le comprendre, l’écouter.

C’est tout l’enjeu du Data Management appliqué à la relation client. Il s’agit de construire une vue 360° du client en réconciliant ses données issues des différents points de contact : web, mobile, magasin, SAV, etc. pour obtenir un profil unique toujours enrichi. Les données clients unifiées nourrissent la connaissance client.

Nous sommes ici en terre connue : tous les jours, nous accompagnons des clients dans la maximisation de leur connaissance client grâce à la mise en place d’un Customer Data Management. Nous avons coutume de le dire : les données clients sont la matière première ou l’énergie de la Relation Client.

Un enjeu de conformité et de confiance

Avec le RGPD, la protection des données personnelles est devenue un impératif légal et un enjeu de confiance pour les entreprises.

Le Data Management doit intégrer ces exigences de conformité et d’éthique à chaque étape : collecte du strict nécessaire, gestion des droits d’accès, contrôle des finalités des traitements…

Au-delà du RGPD, une vraie réflexion éthique sur les usages des données s’impose. L’objectif est de concilier valorisation et protection des données, pour préserver le capital confiance de l’entreprise.

Cet enjeu de « compliance » est souvent un déclencheur des projets de Data Management.

Nous avons balayé les fondamentaux du Data Management. N’hésitez pas à apporter votre pierre à l’édifice en laissant un commentaire. Et si vous avez un projet data, discutons-en ! Envoyez-nous un message en utilisant le formulaire. Vous l’avez sans doute compris, notre métier, c’est le CRM. Nous aidons les entreprises à augmenter leur performance client grâce à la structuration de dispositifs CRM et à la valorisation des données clients. Nous serions heureux de discuter de votre projet.

Partager :
Expert Data, CRM et fidélisation, Hervé Malinge aide les organisations à améliorer leur performance commerciale grâce à une meilleure exploitation

Expert Data, CRM et fidélisation, Hervé Malinge aide les organisations à améliorer leur performance commerciale grâce à une meilleure exploitation des données.