ProjetCAPPUCCINO*
Approche opérationnelle pour la gouvernance de vos données Client
* Nom de code du projet, ceci n’est pas une marque déposée
L’ambition
« accompagner les entreprises/enseignes/marques dans la mise en place ou le pilotage des évolutions de leur plateforme CRM vers un système de données Client compatible avec les enjeux Bigdata, multicanaux et conversationnels du CRM d’aujourd’hui avec une approche très opérationnelle. »
Le contexte technologique« après une ère marquée par la Business Intelligence, apportant les notions d’univers de données, de mapping, de Datamart, le Bigdata va plus loin : le catalogue de données changeant en permanence, la connexion aux points de vente et au e-commerce impliquant le temps réel, le besoin de faire converger les données autour de la connaissance client, tout ceci nécessite de changer de paradigme. »
CRM - Les enjeux identifiés• Une explosion des données (et des canaux sources)
– Structurées– Et surtout non structurées (documents, multimédia)
• Une mise à jour en permanence• Entre les marques/enseignes et les consommateurs : fin du mode
« diffusion » (one to many) au profit de la « conversation » (interactions)
• Conséquence : un besoin accru de disponibilité et de fiabilité de la donnée– Nécessité d’intégrer des phases de gestion du cyle de vie de la donnée
dans le processus opérationnel CRM
Les difficultés opérationnelles induites
• Un catalogue de données en perpétuel cycle de changement• La maintenance des BDDs devenue très complexe et facteur de
risque• Le modèle relationnel classique MCD/requêtes plus adapté aux
enjeux• Les enjeux fonctionnels et opérationnels pris en compte par les
Front Office CRM, pas dans les Back Office– Un process de gouvernance de la donnée client manquant
• Des compétences à faire évoluer, un métier d’expert double compétence métier/technique requis
Les niveaux de réponse identifiés• Technologies :
– parti-pris et solutions Cloud pour le stockage– Parti-pris et solutions BigData pour la structuration et la mise à disposition des
données
• Fonctionnel :– Pilotage des projets et exploitations par les enjeux métier du CRM– Le mode « conversation » impose des exigences de temps réel et du
« NoSQL »
• Opérationnel :– Un nouvel acteur clef : le Data Scientist, double compétence métier et
technologique– Un pilotage proactif du cycle de vie de la donnée
Les parti-pris et concepts de différenciation
• Proposer un environnement Cloud Saas en mode Lab to Prod (la Sandbox se transforme en environnement de Production)
• Un programme d’accompagnement proactif de la gestion du cycle de vie de la donnée
• Une technologie NoSQL qui permet de s’affranchir de faire évoluer un MCD– Les vues métier plutôt que les modélisations métier en silos– Les technologies relationnelles actuelles sont un frein à l’accélération
des rythmes business et à l’agilité requise du système de données
Périmètre d’intervention
• Audit / Conseil
• Projet
• Service Management
• SaaS en mode Partenaires
Modèle économique• Forfaits j/h conseil & Audit• Forfaits j/h projet mise en place, évolutions• Facturations mensuelles de prestations de
gestion et maintenance de la donnée, de son cycle de vie
• Facturations mensuelles de Reporting• Apport d’affaire/commission sur prestations SaaS
partenaires
La force de frappe – fonctions• Développeur commercial
– Porter et promouvoir l’offre– Développer le portefeuille clients
• Chef de produit/R & D– Concevoir l’offre et la faire évoluer– Recherche des technologies et parti-pris dans une démarche d’innovation permanente
• Data Scientist– Contact opérationnel des clients– Anime opérationnellement les partenaires
• Réseau de partenaires– Infogéreurs et hébergeurs Cloud– Producteurs des technologies innovantes– Solutions FO CRM SaaS
Les marchés cibles
• Grands comptes enseignes/marques grand public françaises
• Avec un niveau de maturité marketing de moyen à élevé
• Des DSI qui se posent la question du changement de paradigme, de la convergence des données
• Des entreprises ouvertes au mode SaaS
Agenda• Phase actuelle : avant-projet
– Élaboration d’un CDC technologique– Élaboration d’une description détaillée des prestations d’accompagnement du
Data Scientist– Soumission du projet à évaluation, recueil des avis, recommandations, susciter
l’intérêt– Recherche de synergies/associés potentiels/collaborateurs
potentiels/partenaires– Étude du modèle économique– Étude de marché, concurrence– Réalisation d’un SWOT du projet
• Étape suivante : business plan puis GO / NO GO de lancement du projet