Focus data 3 Checklist pour une data de qualite

[FOCUS DATA 3/4] Check list pour une data de qualité

Résumé des épisodes précédents.
Data dupliquée, manquante, obsolète, erronée … Dans notre premier article intitulé « Oui votre data est sale » nous avons parcouru les différents critères qui font que votre data est de mauvaise qualité. Dans notre second article « Bad Data : The Origin » nous nous sommes penchés sur les différents facteurs qui peuvent être à l’origine de ces dégradations : humains, organisationnels, techniques …

Nous avons posé la question aux équipes data et marketing et les faits sont là ! 84% avouent avoir déjà exploité des données erronées. (Source :  Statistique issue d’une étude menée auprès des professionnels du marketing et de la data. L’intégralité des résultats est consultable en téléchargeant notre Livre Blanc sur le Tag Management)

Maintenant, découvrons les 8 critères à respecter pour pouvoir affirmer sans détour : oui j’ai une data de qualité !

Pour en tirer pleinement, il vous faut une data de qualité:

Une donnée pertinente : 

Déterminez les données dont vous allez avoir besoin pour vos différentes opérations marketing. Pour chaque variable, posez-vous la question « A quoi va me servir cette donnée ? ». Si vous n’êtes pas en mesure d’y répondre c’est que cette data ne vous sera pas utile. Votre objectif est de ne pas tomber dans la « collecte pour dire de collecter » qui aura pour effet de bord de polluer vos analyses.

Une donnée unique :

Un tag posé à la fois en dur sur les pages mais aussi déclenchés via le TMS, un événement Analytics en doublon … pour garantir la fiabilité de vos web analyses, assurez-vous de ne pas collecter deux fois une même information.

Une donnée normalisée:

Structure de prix, hiérarchie des pages (fil d’ariane) … normalisez le remplissage de votre datalayer pour améliorer la clarté de l’information. N’hésitez pas à alimenter une documentation concernant cette normalisation et à la communiquer à vos collaborateurs pour que la rigueur soit l’affaire de tous.

Une donnée centralisée et complète :

Idéalement, regroupez toute les data collectées depuis vos différents points de collecte (Tag, CRM, boutiques …) dans un outil type DMP (Data Management Platform) ou CDP (Customer Data Platform). L’objectif étant d’une part de parfaire la connaissance client en combinant les informations off & online et d’autre part de détecter de nouvelles opportunités marketing (up & cross selling, marketing predictif, identification de nouveaux segments ….)

Une donnée accessible :

A quoi bon collecter des données si elles ne peuvent être accessibles à tous les pôles marketing et data ? Casser les silos au sein de l’organisation a tout son intérêt. Simplifiez les process entre les équipes concernant l’implémentation des tags, la mise à jour du plan de marquage. Sensibilisez et fédérez l’ensemble des collaborateurs autour de l’importance d’une data de qualité.

Une donnée protégée :

Dès lors que des données permettent d’identifier clairement un individu, elles doivent faire l’objet d’une protection renforcée. C’est pour inciter à plus de rigueur à ce sujet que l’Union Européenne a mis en place le RGPD. Des précautions sont à prendre pour sécuriser votre data:

S’assurer que votre fournisseur de tag a bien recours à des structures de stockage adaptées et capable de prévenir contre les cas de vol, d’effacement ou encore de virus.

Faire une cartographie des tags afin de détecter ceux qui ne sont pas censés être présents sur votre site et qui représentent un risque pour la sécurité de vos data.

Recourir à des techniques d’anonymisation des data à caractère personnel par : hachage, cryptage, anonymisation d’IP,

Une donnée traçable:

Dans une volonté de transparence vis-à-vis de l’internaute mais aussi de respect du RGPD, assurez-vous de connaître tous les points de collecte de votre data. Dans une démarche de Data Gouvernance, cela vous aidera à identifier et corriger les sources d’anomalies et à insérer les contrôles nécessaires pour garantir la qualité de votre data.

Une donnée contrôlée:

La vérification de la data revient à confirmer que tous les critères ci-dessus sont bien respectés. Pour évaluer et garantir le niveau de qualité de vos données, instaurez des indicateurs de suivi en fonction de vos objectifs. Le Big Data ne permet de pas de gérer manuellement les correctifs de vos données, recetter efficacement la fiabilité des data collectées demande trop de temps et nécessite un contrôle continue de votre Tag Management … Utilisez des outils adaptés vous permettant de contrôler le bon respect de votre plan de marquage, de confirmer l’exactitude des données collectées.

Quelques pistes pour accroître la qualité de votre data.

  • Data Culture: Sensibilisez l’ensemble de vos équipes à l’importance d’une data de qualité. Cassez les silos pour faire de la Data Quality l’affaire de tous. N’oubliez pas de désigner un pilote afin de manager vos chantiers data.
  • Data Effective : normalisez votre plan de marquage et automatisez le contrôle qualité de vos tags. En somme, mettez tous les outils nécessaires à disposition de vos équipes.
  • Data Quality : Inscrivez-vous dans une démarche d’amélioration continue de la data : identification des anomalies + correction + test de recette = amélioration de la qualité de vos data.

Pour en connaitre toujours plus sur la Data Quality, téléchargez notre dernier livre blanc. Avec la participation de nos partenaires experts, nous abordons des sujets tels que la Data Gouvernance ou l’organisation des entreprises autour de la data.

Thomas

CEO Seenaptic

Vous aimerez peut-être

Tracking App Avis

Tracking des applications mobiles : comment surmonter efficacement ce défi et assurer un suivi fiable et conforme ?

Plan de marquage : les étapes clés de sa construction

Les KPI d’UX Analytics en complément des KPI traditionnels

750_focus les 10 kpi google analytics indispensables pour votre site

Les 12 KPI Google Analytics indispensables pour votre site

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *