Audit de qualité des données CRM : mesurer avant de nettoyer

Avant de commencer : choisissez le travail que les données doivent faire

Imaginez un CRM avec des milliers de contacts parfaitement remplis et douze transactions actives sans responsable. Son score global de complétude paraît rassurant. Le directeur commercial qui doit attribuer ces transactions serait sans doute d’un autre avis.

La qualité des données dépend du travail. Une adresse de compte nécessaire à la livraison mérite un contrôle différent d'un champ facultatif que personne n'utilise. Commencez par une décision ou un flux de travail : acheminer les demandes entrantes, préparer une prévision, remettre un nouveau client ou gérer un renouvellement.

Ce guide fonctionne avec les vues enregistrées d'un CRM, une exportation de feuille de calcul autorisée ou un outil de requête que vous utilisez déjà. Vous avez besoin d'identifiants d'enregistrement, de définitions de champs, d'historique pertinent et d'un responsable métier qui peut confirmer à quoi ressemblent les données correctes. Vous n'avez pas besoin d'acheter un outil de nettoyage pour commencer.

Le cadre de qualité des données du gouvernement britannique distingue l'exhaustivité, l'unicité, la cohérence, l'actualité, la validité et l'exactitude. Nous utilisons ces dimensions ci-dessous et ajoutons une vérification pratique des relations pour les associations CRM. La procédure de mesure et les exemples CRM sont nos recommandations ; tous les exemples de comptage sont illustratifs.

• Gouvernement britannique : dimensions de la qualité des données et adéquation à l'objectif ↗

1. Définissez les enregistrements éligibles et prenez un instantané

Décrivez la population assez précisément pour qu’une autre personne sélectionne les mêmes enregistrements. « Transactions » ne suffit pas. « Transactions ouvertes de nouveaux clients dans le pipeline néerlandais, à 09:00 Europe/Amsterdam le jour de l’audit, hors enregistrements marqués comme tests » est un point de départ exploitable.

Décidez si vous évaluez un instantané actuel ou des enregistrements créés au cours d'une période. Un instantané répond à ce qui ne va pas maintenant. Une cohorte de création aide à évaluer si un processus continue d'introduire des défauts. Préservez cette distinction tout au long de l'audit.

1. Précisez l’usage métier, l’objet CRM, le pipeline ou segment, l’horodatage, le fuseau horaire et les exclusions. Identifiez les objets associés nécessaires aux contrôles.
2. Enregistrez la sélection et un extrait ou un résultat daté autorisé. Incluez les identifiants d'enregistrement stables et les champs nécessaires à l'audit ; éviter de collecter des informations personnelles non liées.
3. Comptez les identifiants éligibles distincts. Si les jointures créent plusieurs lignes par transaction, établissez une ligne par transaction auditée ou comptez des ID de transaction distincts avant de mesurer quoi que ce soit.
4. Enregistrez les limites d'accès et l'historique manquant. Si vous ne pouvez voir que les enregistrements d'une seule équipe, étiquetez le résultat comme la population de cette équipe.

2. Transformez les « bonnes données » en règles explicites

Choisissez quelques champs ou relations dont dépend le flux de travail. Pour chacun, écrivez ce qui passe, ce qui échoue et ce qui n'est vraiment pas applicable. Un champ vide d'action suivante peut être un défaut ; un champ rempli de "TBD" peut toujours être inutilisable. Convenez de la façon dont les deux seront comptés.

Distinguez complétude et exactitude. Un montant renseigné peut être numériquement valide tout en différant de l’accord signé. Une date plausible peut correspondre au mauvais événement. Le contrôle doit préciser la question à laquelle il répond.

1. Donnez à chaque contrôle un identifiant et une règle en langage clair, telle que DQ-01 : les transactions ouvertes éligibles doivent avoir un responsable actif ou une exception de file d'attente approuvée.
2. Précisez la population éligible à la règle. Une association obligatoire pour les transactions avec des entreprises peut ne pas s’appliquer à un processus de vente aux particuliers.
3. Écrivez le prédicat de défaut : responsable manquant, responsable inactif, valeur en dehors de la plage acceptée ou association requise manquante. Gardez ces catégories séparées lorsqu'elles ont besoin de différents correctifs.
4. Demandez au responsable métier de confirmer la règle et la politique d'exception avant de mesurer contre elle. Enregistrez une version pour que les changements futurs soient visibles.

• Gouvernement britannique : dimensions de la qualité des données et adéquation à l'objectif ↗

3. Exécutez les vérifications et montrez l'arithmétique

Pour chaque règle, comptez les identifiants éligibles concernés et divisez par le nombre de tous les identifiants éligibles. Taux de défaut = enregistrements éligibles affectés ÷ enregistrements éligibles × 100. Montrez les décomptes à côté du pourcentage. Si aucun enregistrement n'est éligible, signalez "non applicable : zéro enregistrement éligible", pas un score parfait.

Enregistrez les identifiants derrière chaque résultat ainsi que le total. Cela permet d'enquêter et de vérifier plus tard les mêmes enregistrements. Gardez la date de mesure, la définition de la requête ou du filtre, la version de la règle et tout jugement manuel à côté du résultat.

1. Exécutez chaque vérification par rapport à la population enregistrée. Traitez les valeurs d'espaces blancs uniquement et les espaces réservés convenus de manière cohérente ; ne remplacez pas silencieusement les inconnus par des valeurs par défaut.
2. Enregistrez un résultat par contrôle avec le nombre affecté, le décompte éligible, le taux de défaut et les identifiants ou la vue qui l'ont produit.
3. Passez en revue quelques enregistrements de réussite et d'échec pour confirmer que la règle se comporte comme prévu. Une requête peut être parfaitement reproductible et toujours tester le mauvais champ.
4. Gardez les taux de chaque problème séparés. Pour compter les enregistrements avec au moins un défaut, prenez l’union des identifiants concernés et ne comptez chacun qu’une fois.

4. Vérifiez l’exactitude et examinez les doublons potentiels

Certains défauts peuvent être trouvés dans l'ensemble de la population avec un filtre. La précision nécessite souvent une comparaison avec une source fiable. Choisissez la source pour chaque champ avec son responsable métier : un accord signé pour les conditions du contrat, par exemple, ou les informations confirmées du client pour un détail de contact.

Utilisez un échantillon d'enquête pour comprendre un modèle particulier. Utilisez un échantillon aléatoire, ou un échantillon documenté à travers des groupes pertinents, si le but est d'estimer le taux d'erreur plus large. La taille appropriée de l'échantillon dépend de la précision et de la confiance requises ; il n'y a pas de règle universelle de "vérifier les 20 enregistrements".

1. Définissez la source de vérité pour chaque vérification d'exactitude et enregistrez lorsqu'elle a été vérifiée. Ne supposez pas qu'une deuxième base de données est correcte simplement parce qu'elle est externe.
2. Pour chaque dossier inspecté, enregistrez la correspondance, l'inadéquation ou l'impossibilité de vérifier, ainsi que les preuves. Gardez les dossiers non vérifiables séparés plutôt que de les traiter comme corrects.
3. Créez des groupes de candidats en double en utilisant les identifiants disponibles pour cette entité. Normalisez les valeurs de comparaison de manière cohérente tout en préservant les valeurs d'origine pour examen.
4. Comparez l'identité, les associations et le modèle d'enregistrement prévu de chaque candidat. Des noms similaires seuls ne prouvent pas la duplication ; plusieurs filiales peuvent légitimement partager une marque ou un domaine.
5. Consignez le résultat de la revue et l’enregistrement à conserver uniquement après confirmation de l’identité. Séparez la décision de fusionner de son exécution.

5. Retrouvez le point d’entrée de chaque défaut dans le CRM

Regroupez les enregistrements affectés par source de création, source de mise à jour, lot d'importation, équipe et heure. Comparez le taux de défauts au sein de chaque groupe éligible, pas seulement son nombre brut de défauts. La plus grande source d'enregistrements aura souvent le plus grand nombre, même lorsque son processus est relativement fiable.

Ensuite, retracez les exemples jusqu'à leur origine. Un champ obligatoire peut être demandé avant que l'information n'existe. Une intégration peut mapper la mauvaise option. Une équipe peut enregistrer l'activité dans un autre système. Ces causes nécessitent des réparations différentes, même si chacune apparaît comme la même cellule vide.

1. Ventilez la mesure initiale par source ou cohorte pertinente avec la même règle. Conservez le dénominateur de chaque groupe.
2. Examinez l’historique des enregistrements concernés et comparez-les aux enregistrements conformes de la même source. Cherchez l’événement ou la modification de configuration qui explique la différence.
3. Demandez à la personne qui fait le travail de montrer le chemin de création ou de mise à jour réel. Vérifiez si la règle peut raisonnablement être satisfaite à ce moment-là.
4. Décrivez la cause supposée, les preuves qui la soutiennent, une autre explication possible et la prochaine vérification. Ne la considérez comme confirmée que si les preuves le permettent.

6. Choisissez ce qu'il faut corriger et définissez la correction

Priorisez selon la décision ou le processus perturbé. Des demandes actives sans responsable peuvent bloquer le travail aujourd’hui. Des dates contractuelles incorrectes faussent la planification des renouvellements. Des incohérences anciennes de mise en forme peuvent attendre, sauf si une intégration ou un rapport actif en dépend.

Séparez la correction des enregistrements de la modification du processus d'entrée. Réparer 12 enregistrements et corriger la règle qui a créé ces 12 enregistrements sont des tâches différentes. Les deux ont besoin d'un responsable, et le bon ordre dépend de l'urgence et de la cause confirmée.

1. Pour chaque problème, enregistrez le travail concerné, le nombre, la conséquence, la confiance, l'urgence, les dépendances et l'effort. Laissez les estimations de perte de revenus non étayées en dehors de l'argument prioritaire.
2. Définissez comment la valeur correcte sera obtenue. Utilisez une source vérifiée ou un avis du responsable ; ne fabriquez pas de valeurs plausibles pour améliorer le pourcentage d'exhaustivité.
3. Précisez le traitement des exceptions et des inconnues. Une exception légitime doit rester explicite et révisable plutôt que de disparaître à travers un filtre caché.
4. Choisissez le plus petit lot de réparations qui peut être examiné et vérifié. Pour les doublons, décidez comment les associations, l'historique et les systèmes en aval seront gérés avant de fusionner.

• HubSpot : fonctionnement et limites de la fusion d’enregistrements ↗

7. Testez la réparation et réexécutez les vérifications d'origine

Commencez par un sous-ensemble examiné et conservez les valeurs avant et après. Vérifiez que la correction résout le problème métier autant que le défaut initial. Affecter un responsable sans accès à la fiche peut satisfaire un contrôle de champ non vide tout en laissant la transmission bloquée.

Comparez la même population et la même version de règle avant et après la réparation. Signaler explicitement les changements à la population. Si de nouveaux dossiers propres arrivent, un pourcentage en baisse à lui seul ne peut pas montrer qu'un défaut original a été corrigé.

1. Définir les résultats attendus et les options de récupération. Testez le cas normal, une exception valide, un enregistrement déjà correct et une mise à jour répétée dans un environnement approprié.
2. Une fois la réparation approuvée, réexécutez les vérifications de base sur les identifiants d'enregistrement d'origine. Suivez séparément les enregistrements réparés, non résolus, supprimés et nouvellement affectés.
3. Vérifiez les flux de travail, les associations et les rapports dépendants pour les effets inattendus. Vérifiez que les valeurs corrigées restent correctes après la prochaine synchronisation ou mise à jour pertinente.
4. Exécutez le même contrôle sur une nouvelle cohorte d'enregistrement pour évaluer la prévention. Enregistrez son propre numérateur, dénominateur et période d'observation.

8. Intégrez les contrôles à la routine de travail

Gardez les règles qui protègent le travail important et donnez-leur un foyer. Un tableau de bord n'est utile que si quelqu'un sait quoi faire lorsqu'il change. Liez l'examen au flux de travail : vérifications d'importation après une importation, vérifications de routage autour de nouvelles demandes et vérifications de contrat avant un cycle de planification du renouvellement.

Fixez les seuils selon les besoins et conséquences du processus. Une cible globale comme « 95 % de données propres » peut masquer un défaut grave dans un petit groupe important. Si les définitions changent, conservez l’ancien résultat et expliquez pourquoi le suivant n’est pas directement comparable.

1. Attribuez un responsable métier pour chaque règle et un responsable technique pour le contrôle. Enregistrez où les résultats et les identifiants affectés peuvent être trouvés.
2. Définissez la fréquence, le seuil, la politique d'exception et la réponse. Spécifiez qui enquête, qui approuve une correction et quand les problèmes non résolus sont remontés.
3. Suivez à la fois les problèmes existants et les nouveaux défauts par source. Vous verrez si l’équipe corrige le passé ou recrée continuellement le même problème.
4. Passez en revue les règles lorsque le processus de vente, l'intégration ou le modèle de données change. Supprimez les contrôles qui ne protègent plus une utilisation réelle et documentez les modifications apportées aux vérifications actives.