L'importance du nettoyage des données sales pour améliorer les opérations et la réussite des clients

Imaginez essayer de traverser l'océan avec un bateau troué. Vous allez vous mouiller. Vous pourriez même couler. Vous ne vous en sortirez certainement pas sans heurts.

Les chances que cela se produise sont assez faibles, car toute personne sensée vérifierait soigneusement son bateau avant de se lancer dans une telle entreprise.

Mais qu'en est-il des données CRM que votre entreprise utilise pour contacter les prospects, segmenter les clients et prendre des décisions stratégiques ? Avez-vous déjà vérifié s'il y a des trous?

Tu devrais.

Les données sales affectent négativement les flux de travail, les efforts de marketing et l'expérience de vos clients. Cela peut même vous attirer des ennuis juridiques.

Mais qu'est -ce que les données sales ?

Qu'est-ce qu'une donnée sale ?

Les données sales, ou données impures, sont des données erronées d'une manière ou d'une autre : elles peuvent contenir des doublons ou être obsolètes, non sécurisées, incomplètes, inexactes ou incohérentes. Les exemples de données sales incluent les adresses mal orthographiées, les valeurs de champ manquantes, les numéros de téléphone obsolètes et les enregistrements client en double.

Lorsqu'elles sont ignorées, les données sales peuvent entraîner de graves problèmes pour votre entreprise. Cela peut compromettre l'expérience client, conduire à une fausse représentation des résultats commerciaux et avoir un impact négatif sur les décisions stratégiques.

Pour éviter les risques de mauvaise qualité des données, un nettoyage régulier des données est essentiel. Nous verrons comment nettoyer les données plus loin dans cet article. Mais d'abord, regardons comment les données deviennent sales.

Comment les données deviennent sales

Les données peuvent se salir lorsqu'elles sont saisies, stockées ou utilisées de manière incorrecte. Souvent, cela se résume à une erreur humaine ou à un manque de règles de normalisation pour la saisie des données, mais des problèmes techniques peuvent également conduire à des données sales.

Exemples de données sales

Données en double

Les données en double font référence aux enregistrements qui partagent partiellement ou entièrement les mêmes informations. Ils surviennent lorsque la même information est saisie plusieurs fois, parfois dans des formats différents. Un exemple typique de données modifiées en double est lorsqu'un client existe plusieurs fois dans votre CRM. Cela se produit souvent parce que le nom du client est écrit légèrement différemment à chaque fois.

Par exemple:

• Patty J. Greenfield
• Patty Julia Greenfield
• Patricia J. Greenfield
• Patricia Julia Greenfield

Étant donné que les informations client sont dispersées dans différents enregistrements, les données client en double entraînent :

• Mauvais service client
• Suivi et rapports incorrects
• Double (ou triple) ciblage marketing

Données non sécurisées

Les données non sécurisées sont des données qui ne sont pas chiffrées ou dont l'accès n'est pas contrôlé. Il est accessible à tous les membres de votre entreprise et, dans le pire des cas, même à des tiers. Les données non sécurisées constituent non seulement un risque pour la vie privée, mais également une menace juridique, car les entreprises risquent de ne pas se conformer aux lois telles que le RGPD et le CCPA.

Données incomplètes

Un exemple de données erronées incomplètes serait si votre formulaire d'inscription à la newsletter comporte un champ pour le prénom du prospect, mais que ce champ n'est pas obligatoire. Les prospects peuvent alors s'inscrire sans laisser leur nom, ce qui rendrait vos campagnes d'e-mails personnalisées moins efficaces.

Données inexactes

Les données inexactes sont des données qui contiennent des erreurs. Un exemple de données inexactes serait un client saisissant son nom de famille sur l'un de vos formulaires, mais faisant une faute de frappe. Dans ce cas, vous avez le nom de famille du client mais il est inexact. C'est un sale disque.

Un autre exemple serait si un commercial enregistre un numéro de téléphone incorrect pour un prospect dans Salesforce. Dans ce cas, il est crucial d'améliorer les données Salesforce pour poursuivre la conversation avec ce prospect.

Données obsolètes

Les données obsolètes sont inexactes non pas parce qu'elles ont été saisies de manière incorrecte, mais parce qu'elles étaient auparavant exactes et qu'elles ne le sont plus. Un exemple typique de données sales qui sont obsolètes est si votre CRM répertorie toujours l'ancienne adresse d'un client après son déménagement.

Voici d'autres exemples de données obsolètes :

• Adresses e-mail qui ne sont plus utilisées
• Titres des personnes qui ont changé d'emploi
• Segments d'e-mail obsolètes

Données incorrectes

Les données incorrectes sont des données qui ne correspondent pas aux paramètres précédemment spécifiés. En tant que tel, il est plus facile à prévenir. Un exemple serait si un client entre sa date de naissance à l'aide d'un menu déroulant. Votre système ne leur permettra probablement de sélectionner qu'un mois sur 12, un jour sur 31, et peut-être qu'ils ne pourront pas non plus sélectionner une année de naissance qui les ferait vieillir à plus de 130 ans.

Données incohérentes

Les données incohérentes sont également appelées redondance des données. Cela se produit lorsque les entreprises stockent les mêmes informations à différents endroits sans synchroniser ces informations. Un excellent exemple serait une entreprise stockant des informations client à la fois dans son CRM et dans son outil de marketing par e-mail.

Comment nettoyer les données

Tous les types de données sales ci-dessus créent des risques pour votre entreprise, il est donc crucial de nettoyer les données et d'éviter ces situations.

Voici comment procéder :

Créer des directives de qualité des données

Avant de commencer à nettoyer les données, définissez à quoi ressemble un ensemble de données propres pour votre entreprise et quelles meilleures pratiques doivent être suivies pour garder vos données aussi propres que possible.

Standardiser les données

Avoir une stratégie de qualité des données comprend la définition d'un moyen de standardiser les données dès qu'elles entrent dans votre système. Énumérez toutes les façons dont vous collectez des données en ce moment, quels sont les points d'entrée de ces données et comment vous vous assurerez que toutes ces données sont saisies de la même manière, quel que soit le point d'origine.

Réaliser un audit

Une fois que vous avez établi les règles de qualité des données de votre entreprise et que vous êtes sûr que toutes les nouvelles données seront saisies de manière standardisée, il est temps d'effectuer un audit de vos données existantes. Malheureusement, trouver toutes les données sales n'est pas facile, et bien que vous deviez viser une détection à 100 %, sachez que vous risquez de manquer certains problèmes. C'est pourquoi il est important de faire un audit non seulement une fois, mais régulièrement.

Une façon de faciliter ce processus consiste à recueillir en permanence les commentaires des différents services de votre entreprise qui travaillent avec des données. Ce type de retour vous montre où les données sales causent des problèmes dans les activités quotidiennes.

Un exemple : votre équipe marketing partage qu'elle a remarqué que les prénoms dans les e-mails personnalisés manquent parfois de majuscules. Cela vous indique que les valeurs des prénoms ne sont pas toujours formatées de la même manière, probablement parce que les abonnés aux e-mails ne prennent pas toujours la peine de mettre leurs propres noms en majuscules.

Nettoyer les données sales

Une fois que vous avez un aperçu de vos données sales, lancez le processus de nettoyage. Le nettoyage des données peut être une tâche horrible et chronophage. Il existe différentes façons de s'y prendre, chacune avec ses avantages et ses inconvénients.

1. Manuellement

Le nettoyage manuel des données ne doit être effectué qu'avec parcimonie. Vous pouvez nettoyer un enregistrement dont vous avez besoin en ce moment, mais nettoyer manuellement toutes les données détenues par votre entreprise est une tâche impossible.

Non seulement cela prendrait une éternité, mais vous êtes également obligé de manquer des choses et de faire des erreurs, causant encore plus d' erreurs.

2. Utiliser Excel

L'utilisation de formules Excel peut accélérer le processus de nettoyage, mais cela reste assez manuel. Vous devez créer les formules vous-même, et certains problèmes de données peuvent être trop compliqués à résoudre avec une formule Excel.

En plus de cela, Excel ne peut pas gérer d'énormes ensembles de données, vous devrez donc travailler par morceaux, en prenant note des ensembles de données que vous avez déjà nettoyés.

Enfin, vous êtes obligé de télécharger des ensembles de données statiques dans Excel. Lorsque vous importez des données client le lundi, elles sont probablement déjà obsolètes le vendredi.

3. S'appuyer sur un tiers

Si vous ne souhaitez pas allouer du temps interne au nettoyage de vos données, l'embauche d'un consultant en données peut être une bonne option. Les consultants en données sont des spécialistes qui font plus que nettoyer vos données sales. Ils peuvent également effectuer un audit pour vous et vous aider à améliorer vos processus de données existants afin qu'il y ait moins de risques que des données sales soient créées à l'avenir.

Les inconvénients de l'embauche de consultants incluent les coûts élevés et le fait que vous devrez probablement leur donner accès à toutes vos données, ce qui peut entraîner des problèmes de confidentialité.

4. Embaucher des développeurs dédiés

Comme la gestion des données est un projet continu, vous pouvez embaucher un ou plusieurs développeurs qui se consacrent entièrement à la propreté de vos données. Étant donné que ces personnes travailleront en interne, elles seront probablement plus fidèles à votre entreprise qu'un consultant externe ne le serait, et elles pourront se familiariser avec votre offre.

De plus, embaucher quelqu'un pour un projet en cours tel que la maintenance des données est souvent moins cher.

5. Utilisation du logiciel

Il existe une variété d'outils qui vous aident à identifier et à nettoyer les données sales. Ces outils sont souvent moins chers que l'embauche d'un consultant ou d'un développeur dédié, et ils ne commettent pas d'erreurs humaines.

Cependant, tous ces outils ne sont pas créés égaux. Choisissez-en un qui peut repérer les incohérences de données, vérifier le formatage (des dates, par exemple) et reconnaître les champs à fusionner.

Vous voudrez également exécuter quelques tests sur de petits échantillons de données pour vous assurer que l'outil fonctionne comme il est censé le faire. Si vous ne le faites pas et que vous le lâchez sur l'ensemble de votre base de données, vous risquez de vous retrouver avec des problèmes plus importants que ceux avec lesquels vous avez commencé.

Configurer la gestion continue de la base de données

J'espère que vous avez déjà mis en place une gestion de base de données. Si ce n'est pas le cas, il est grand temps de le mettre en place. Bien que vous deviez probablement nettoyer vos données à intervalles réguliers, il est déconseillé de laisser les problèmes s'accumuler jusqu'à ce qu'ils compromettent la qualité globale de votre base de données.

En tant qu'entreprise, vous collectez, organisez, stockez et manipulez constamment de nouvelles données. La gestion continue de la base de données comprend les processus et les pratiques nécessaires pour préserver la qualité de ces données et les empêcher de se salir.

Les données sales nécessitent une gestion continue

Avec le volume de données que les entreprises collectent et traitent de nos jours, il est pratiquement impossible d'éviter que certaines de ces données ne se salissent. Différents types de données sales auront des conséquences différentes pour votre entreprise. En tant que tel, vous souhaiterez nettoyer les enregistrements régulièrement pour éviter que les problèmes ne s'aggravent.

Vous pouvez nettoyer les données manuellement, utiliser Excel, embaucher un tiers, constituer une équipe interne de nettoyeurs de données et/ou compter sur un logiciel spécialisé.

Vous voulez en savoir plus ?

Pour un guide étape par étape sur le nettoyage de vos données CRM, consultez notre eBook : « The Dirt on Data Quality ».