L'augmentation du nombre de données touche de nombreux secteurs d’activités. Le retail n’échappe pas à la règle : selon des données Salsify, le nombre de fournisseurs augmente de 16 % par an, contribuant à une croissance annuelle du nombre de produits de 30 % et du nombre d'attributs produit de 20 %.
En tout, on note une progression de 56 % du volume de données produit par an. Dans ce contexte, le maintien d’un niveau optimal de qualité des données produit est un défi pour les professionnels du commerce, notamment les distributeurs pour qui des données incomplètes ou fausses représentent des coûts non négligeables. D’après un rapport du MIT Sloan, la négligence sur la qualité des données peut coûter aux entreprises de 15 à 25 % de leur chiffre d’affaires.
Voici 5 conseils à suivre pour améliorer la qualité des données produit.
1. Définir le standard de qualité des données produit à atteindre
La qualité des données produit affiche différents niveaux : la qualité réglementaire, le niveau expérientiel et la qualité opérationnelle.
Vous devez à la fois garantir une conformité parfaite, une qualité opérationnelle et un taux de complétude en adéquation avec les attentes de vos consommateurs sur les produits que vous vendez.
Pour mener à bien une stratégie visant à améliorer la qualité de vos données produit, il faut d’abord viser le niveau de qualité que l’on souhaite atteindre : par exemple le taux minimum de complétude à atteindre pour que le produit soit disponible à la vente, ce qui implique de faire un tri entre les informations à faire figurer absolument sur la page produit et celles qui ne sont pas forcément obligatoires ou attendues par les consommateurs.
Par ailleurs, la qualité repose sur l’exactitude d’informations dont la nature varie d’un produit à un autre. La qualité des données attendue est différente pour un produit dangereux dont les règles d’entreposage sont strictes ou pour une boîte de conserve. Définissez pour chaque catégorie de produit le niveau de qualité requis. Pour les différentes catégories de produit, il faut définir le degré actuel d'exactitude de vos données puis le degré d'exactitude que vous souhaitez atteindre. Pour chaque produit ou catégorie de produit, notamment pour l’enrichissement des contenus produit, il est nécessaire d’identifier les informations manquantes grâce, par exemple, à l’analyse des questions posées par les clients sur les différents canaux. C’est un moyen de s’assurer que les contenus produit ne comportent pas de lacunes, ce qui est un gage de qualité.
Pour cela, vous devez déterminer votre propre modèle de données. Cela signifie que dans votre organisation, l’expert de la donnée produit doit déterminer les champs à compléter par le fournisseur et les règles à appliquer qui permettent de bloquer certaines erreurs à la source.
Il faut définir un taux de complétude et d’exactitude à atteindre pour garantir une mise sur le marché efficiente de vos produits en fonction des objectifs que vous avez fixés.
2. Déterminer les moyens d’atteindre ce nouveau niveau de qualité
Améliorer la qualité des données produit n’est pas un objectif en soi. Les distributeurs et les marques qui mènent une stratégie poussée sur cet enjeu visent à améliorer les performances de leurs entreprises en s'appuyant sur trois piliers : être en parfaite conformité avec la réglementation en vigueur, favoriser la productivité interne et satisfaire le client final. Partagez ces objectifs de qualité avec vos fournisseurs.
En définissant les moyens d'atteindre vos objectifs en matière de qualité, vous avez une meilleure vision des mesures à mettre en place.
Voici des exemples de mesures à prendre pour atteindre vos objectifs :
- Diminuer le nombre d’aller-retours entre le fournisseur et le distributeur. Selon des données internes de Salsify, on dénombre environ 15 interactions entre un fournisseur et un distributeur avant la mise en marché d’un produit, qui mobilisent en moyenne 5 équipes différentes ou plus.
- Automatiser des fonctionnalités de notification d’erreurs : les erreurs de données produit doivent faire l’objet d’une revue qui, lorsqu’elle est manuelle, est extrêmement chronophage sans pour autant garantir l'exactitude des informations.
- Optimiser l’organisation interne autour des tâches de collecte, de validation ou de mise à jour, en déterminant pour chaque équipe les besoins en données produit, les expertises de chacune, leur utilisation de la donnée (consommation, consultation, vérification, etc.)
- Utiliser l’intelligence artificielle (AI) pour permettre aux systèmes d’apprendre des corrections de données mises en œuvre.
3. Centraliser la collecte des informations produit en un seul endroit
Aujourd’hui, les outils utilisés par une majorité de distributeurs ne leur permettent pas de centraliser la collecte des données produit sur une même plateforme. Il est, d’une part, difficile d’optimiser la gestion des données par les différentes équipes impliquées et, d’autre part, complexe de gérer la qualité si le contrôle des données n’est pas mutualisé.
Au contraire, une centralisation du traitement des notifications de conformité ou de complétude permet aux différentes équipes de bénéficier des corrections déjà effectuées ou d’avoir connaissance de la fiabilité des données produit. Elle permet également aux différentes équipes d’accéder aux données corrigées au moment où elles en ont besoin. Des fonctionnalités d'automatisation permettent de vérifier qu'elles ne sont pas dupliquées ou contradictoires. Toutes les données sur les produits sont complètes et à jour, ce qui permet au contenu produit d’être aligné et cohérent sur l’ensemble des canaux. Commencez par identifier les endroits où les données se recoupent avec d'autres sources de données.
Une plateforme de gestion de l'expérience produit aide ainsi à centraliser la collecte de toutes vos données produit en un seul endroit. Une fois que vous avez mis en place ce type de système, vous pouvez créer une source unique de vérité pour votre contenu produit, ce qui permet aux équipes de votre organisation de visualiser et de gérer plus facilement ces données. Les données sont saisies mais aussi contrôlées et interrogées au même endroit.
Grâce à ce type de solution, vous pouvez rationaliser les processus de création de contenu, de gestion des ressources, de réutilisation du contenu, de distribution du contenu sur les différents canaux et de mesure des performances.
4. Casser les silos de données
Les silos organisationnels produisent des silos de données. Les données cloisonnées nuisent à la collaboration des équipes, à l’efficacité opérationnelle et constituent un véritable obstacle à la qualité des données.
Ce constat s'explique d'abord par le fait qu’une erreur corrigée par une équipe n'est pas prise en compte par une autre équipe. Une seconde raison est que, même lorsque la qualité est un sujet déjà pris en compte au sein d’une organisation, les analyses et les tableaux de bord ne sont pas transversaux.
Casser les silos de données permet entre autres de générer des rapports transversaux, recoupant les données produit utilisées par chaque équipe, d’améliorer les taux de conformité et de suivre les différents indicateurs clés de performance (KPI).
L’impact business est alors plus facile à mesurer, qu’il s’agisse du chiffre d’affaires ou de la satisfaction du consommateur. Le gain est aussi du côté de la collaboration avec le fournisseur, avec un guichet unique de demande de corrections ou de mises à jour.
La destruction des silos de données empêchent la diffusion d’informations inexactes ou incomplètes dans l'organisation ; le flux de travail devient transparent, permettant aux équipes de travailler de manière synchronisée.
En unifiant vos données produit, vous pouvez plus facilement fournir des informations à jour et du contenu de qualité à chaque point de contact, permettant ainsi aux consommateurs d'obtenir les informations dont ils ont besoin, où qu'ils soient. Vous délivrez un message cohérent sur toutes les plateformes.
5. Adopter une gestion flexible de la qualité des données produit
Si la qualité des données produit doit figurer en haut des priorités stratégiques de votre organisation, elle ne doit pas être un frein à vos objectifs business. Or les outils conçus lors de l’apparition de l’e-commerce ne sont ni adaptés à l’explosion du commerce omnicanal ni à l’augmentation des données. Résultat, la mise sur le marché d’un produit est ralentie. Autre conséquence : les processus, qui sont peu optimisés, et les délais rallongés du time-to-market tendent à décourager les distributeurs. Ils ajoutent très rarement de nouvelles étapes de contrôle à cause de ces modèles et systèmes statiques.
Une gestion flexible de la qualité des données produit a de nombreux bénéfices : l’un d’entre eux est de doter les distributeurs d’un système de gestion des données produit dynamique. Chaque semaine, ou à la fréquence qui leur convient, les équipes distributeurs peuvent passer en revue la liste des erreurs qu'ils ont repérées et corrigées, les trier par fréquence et impact, et évaluer s'ils peuvent et doivent appliquer une nouvelle règle de blocage au début du processus afin de l’éviter dans les étapes suivantes.
Commencez par définir les règles qui permettront d'effectuer des contrôles à la source, soit en bloquant les erreurs ou les incohérences, soit en les signalant au fournisseur. Ces contrôles sont suivis par des flux de validation qui permettent aux différentes équipes de vérifier manuellement les modifications apportées à certains champs considérés comme sensibles (substances dangereuses…), et de laisser passer les champs non critiques.
En cas d’erreur repérées par les équipes distributeurs, un système de modification collaborative leur permet de corriger les erreurs et de proposer la correction au fournisseur afin qu'elle devienne la nouvelle valeur.
Pour en savoir plus sur les enjeux à venir sur la qualité des données produit et son importance au sein des organisations dans le retail, téléchargez notre nouveau guide « La qualité des données produit au service de votre performance ».
