Disposer de données exploitables est critique dans les processus d’une entreprise. Prenons par exemple une solution de Gestion de la Relation Clientèle proposant des offres de services à des clients VIP dont les données de contacts ne seraient pas fiables, cohérentes et uniques, ce qui aurait pour conséquences :

-          Envoi de courrier personnalisé contenant des caractères spéciaux dans les noms, titres et fonctions

-          Agent commercial en retard à son rendez-vous à cause d’adresses incomplètes ou obsolètes

-          Echec de campagne de masse en raison d’email incomplet ou de numéros de téléphones mal formatés.

Nous allons voir comment grâce à la solution d’ « Enterprise Information Management » (EIM) apportée par les briques SQL Server, il est possible de mettre à disposition du métier des données clients de qualité au sein de Dynamics CRM.

Cet article est le premier d’une série consacrée à l’EIM.

Problématique

  • S'assurer que les contacts sont toujours exhaustifs et à jour, et les plus complets possibles
  • Revisiter régulièrement la base des contacts pour gérer l’obsolescence en fonction des dates d’attributs choisies

Bénéfices

  • Industrialiser la gestion de l’obsolescence des contacts
  • Automatiser l’acquisition d’information auprès de fournisseurs externes
  • Intégration fluide avec la solution de Dynamics CRM pour améliorer les différents processus
    • Marketing : informations plus complètes pour des campagnes de ciblage plus efficaces
    • Vente : richesse de l’information pour une meilleure compréhension des produits et services facilitant la vente incitative et croisée
    • Centre d’appel : meilleure qualité d’informations pour une résolution rapide des requêtes clients 

 

Des données consistantes et fiables

La plate-forme SQL Server fournit les composants nécessaires à la fourniture de données de qualité. La qualité se définit par les caractéristiques suivantes :

Caractéristiques

Description

Exemple

Consistance

Les attributs de données sont-ils définis et interprétés de manière consistante ?

Genre est défini comme M/F dans une entité et 0/1 dans une autre.

Complétude

Présence de toutes les données obligatoires.

20% des noms client sont vides. 50% des codes postaux sont à 99 999.

Fiabilité

La donnée représente-t-elle la réalité ou une source vérifiable?

L’adresse postale de l’établissement n’est plus à jour suite au déménagement.

Validité

L’intervalle de valeur respecte-t-il des limites raisonnables ?

La date de  naissance d’une personne active est antérieure à 1930.

Unicité

Une valeur d’attribut apparaît plusieurs fois.

Paul Dupont and Paul Dupond apparaissent tous les 2 dans le système – Est-ce la même personne ?


Ces données provenant de sources multiples sont nettoyées et dé-dupliquées avec parfois une validation manuelle par un gestionnaire de qualité ou "Data Stewardship", puis transportées dans un référentiel permettant de les exposer comme « golden source » pour d’autres applications. Les données « golden » sont resynchronisées vers l’application source pour en tirer les bénéfices.

Le référentiel permet d’intégrer des entités de données provenant de prestataires extérieurs.

 

Un exemple de plateforme EIM pour Dynamics CRM

Le schéma logique ci-dessous illustre une solution d’EIM permettant de « goldeniser » la base des contacts du système source Dynamics CRM d’une importante banque d’investissement.

 

 

Les différents flux de données mis en œuvre sont :

1-       Sélection et import des contacts à partir de paramètres définis par le gestionnaire de qualité. Ces paramètres permettent de définir un périmètre organisationnel à traiter. Le modèle de données est interrogé à travers des vues filtrées Dynamics CRM appliquant les règles de visibilité des contacts. Les données importées transitent dans une base de travail ou staging pour un stockage temporaire.

2-       Les données de la staging sont ensuite traitées par le composant de Data Quality Cleansing disponible pour SSIS afin d’appliquer en mode « batch » les règles définies par les gestionnaires de qualité. Les règles s’appuient sur des données de références propres à l’entreprise comme par exemple la classification interne des intitulés de poste ou des références externes provenant de fournisseurs d’adresse postale.

3-       Les flux de données étant exécutés de nuit par lot, les gestionnaires de qualité débutent leur journée en consultant les propositions de correction en utilisant l’interface Data Quality client. Après investigation, ils valident ou rejettent la proposition et déclenche le transfert du lot dans le référentiel Master Data. Ce référentiel expose les contacts « goldenisés » à d’autres applications.

4-       Les gestionnaires de données utilisent l’interface Data Quality Client pour identifier les contacts potentiellement identique à partir de règles de matching construites sur la similitude entre attributs. Les contacts « doublons » sont fusionnés et stockés dans le référentiel.

5-       Les contacts modifiés sont réimportés dans la base Dynamics CRM via les interfaces Web Services CRM. Une base Pivot est constituée pour la gestion des conflits, la gestion et reprise sur erreur. Cette base sert aussi pour la construction d’indicateurs de suivi sur les règles appliquées par contacts qui aliment des tableaux de bord de suivi de la qualité.

Ce cycle a été exécuté une première fois sur l’ensemble des contacts de la base CRM par lot de plusieurs dizaines de milliers de contacts par jour sur une durée d’environ 1 mois. Cette phase d’initialisation a nécessité une implication plus importante des gestionnaires de qualité pour traiter l’obsolescence des données.

Les cycles suivants ne concernaient plus que les contacts modifiés récemment et importés en mode incrémental : les gestionnaires de qualité ont pu dégager du temps pour effectuer du « profiling » de données et définir de nouvelles règles.

 

L’expertise Microsoft Consulting Services au service de ses clients

Nos expériences nous permettent d’adapter les principes de l’EIM pour répondre aux contraintes des secteurs d’activité comme la banque d’investissement et l’assurance.

Pour plus d’informations sur les offres packagées Microsoft Consulting Services, rendez-vous sur http://www.microsoft.com/france/services

Plus d’informations sur les blogs « SQL Server chez les clients ».

 

Christian François, Consultant BI/SQL, Microsoft Consulting Services

J’interviens dans du conseil en avant-vente, architecture et expertise avancée auprès des grands comptes ce qui m’a permis d'acquérir une forte expérience des projets d'infrastructure et de développement d'application SQL Server à haute criticité. J’ai été l’un des premiers certifié SQL Ranger en 2007.