Les entreprises subissent d'importantes pertes lorsqu'elles font face à des données produit de qualité médiocre, engendrant des conséquences variées. Selon les données de Gartner, ces lacunes représentent une moyenne de 15 millions de dollars de coûts annuels pour les entreprises. De manière similaire, le MIT Sloan rapporte que sous-estimer l'importance de la qualité des données peut entraîner des pertes allant de 15 à 25 % du chiffre d'affaires total.

La qualité des données produit demeure un défi majeur dans de nombreux secteurs, le secteur du retail étant particulièrement préoccupé en raison du volume et de la diversité des données qu'il gère.

Dans ce contexte, le processus de contrôle de la qualité des données produit devient plus complexe. Les indicateurs clés de performance (KPI), utilisés pour évaluer la qualité des données produit, varient en fonction des objectifs spécifiques tels que l'amélioration de la conformité réglementaire, de l'efficacité opérationnelle ou de l'expérience client. Il est essentiel de définir clairement ces objectifs avant d'identifier les KPI pertinents.

Les indicateurs clés de performance (KPI) visant à évaluer la qualité des données produit dans le but d'assurer la conformité réglementaire

Les distributeurs portent la responsabilité des données produit en tant que diffuseurs et encourent des amendes ainsi que des pénalités en cas de non-conformité. Les sanctions liées à des étiquetages non conformes peuvent rapidement engendrer des coûts significatifs pour l'enseigne. À titre illustratif, le règlement INCO prévoit des sanctions pénales et des amendes de plusieurs centaines d'euros par point de vente pour chaque étiquette jugée non conforme.

D'autres réglementations en vigueur en Europe, telles que le règlement CLP (Classification, Labelling, Packaging) pour les produits d'entretien, le règlement REACH assurant la sécurisation de la fabrication et de l'utilisation des substances chimiques, ou encore le règlement (UE) n° 1007/2011 sur les dénominations des fibres, l'étiquetage correspondant et le marquage de la composition fibreuse des produits textiles, imposent également des exigences strictes.

En raison des risques associés à la non-conformité, il est impératif que le taux de conformité réglementaire se rapproche ou atteigne les 100%. Les indicateurs clés de performance (KPI) utilisés pour améliorer la conformité réglementaire dépendent de divers facteurs liés au secteur ou à la catégorie de produit. Une fois que le standard de qualité est défini, il devient essentiel de déterminer comment et quand mesurer cette qualité.

Voici quelques KPI qui peuvent évaluer la qualité en termes de conformité réglementaire et faciliter la prise de décision :

  • Le taux de conformité réglementaire.
  • La comparaison du taux de conformité réglementaire avant et après la mise en place de mesures, comme des règles dans la gestion des données produit.
  • Le taux d'erreurs constatées par catégorie de produit.
  • La fréquence de ces erreurs.
  • Le suivi du nombre de rapports et de notifications d'erreurs.
  • Le suivi du nombre de modifications effectuées.

Les KPI de qualité des données produit qui visent à améliorer l'efficacité opérationnelle

Les données produit englobent divers aspects tels que les caractéristiques techniques (poids, dimensions, composition), les éléments marketing (descriptions, avantages), les contenus multimédias (photos, pictogrammes, vidéos), les aspects commerciaux (code-barres, EAN, tarifs, prix TTC), les informations logistiques (substances, fabrication, gestion des stocks, logistique et transport), les données RSE (scores), et plus largement, les caractéristiques du cycle de vie du produit (vente, recyclage, réparabilité).

En conséquence, le contrôle qualité des données englobe ces divers aspects, impliquant ainsi les équipes qui utilisent et consomment ces informations.

Le volume de données augmente d'environ 56% chaque année, impactant directement les multiples équipes impliquées dans la gestion des données produit. Ces équipes consacrent une part significative de leur temps à la vérification et à la correction des données.

Voici des indicateurs clés de performance (KPI) pouvant évaluer la qualité des données pour améliorer l'efficacité opérationnelle des équipes :

  • Le nombre de corrections par type de données produit.
  • Le temps dédié à la correction des données produit.
  • Le délai de réponse des fournisseurs.
  • Le temps nécessaire au traitement des demandes.
  • Le nombre d'interactions entre deux équipes.
  • La rapidité de création d'une page article.
  • La rapidité de validation d'une page article.

Les indicateurs clés de performance (KPI) visant à évaluer la qualité des données produit en vue d'améliorer l'expérience client

Bien que les fabricants soient les experts des données produits qu'ils proposent, ce sont les distributeurs qui subissent les sanctions d'un consommateur mécontent. En effet, en cas d'informations produit incomplètes ou erronées, l'acheteur insatisfait retourne le produit, entraînant une perte de vente pour le fournisseur sur ce canal de distribution, au profit potentiel d'un produit concurrent. La qualité des données produit peut être déterminante dans la conclusion ou l'échec d'une vente. En France, 46 % des consommateurs abandonnent leur panier s'ils ne trouvent pas des informations produit pertinentes.

Voici quelques indicateurs clés de performance (KPI) qui peuvent mesurer la qualité des données produit et contribuer à une expérience client améliorée:

  • La vitesse de validation d'une page article.
  • La rapidité de mise sur le marché d'un produit.
  • Les informations les plus consultées sur une page produit.
  • La comparaison entre les informations disponibles et les questions les plus fréquentes
  • Le suivi des mots-clés utilisés par les clients lors de leurs recherches d'information.

Avant de mettre en place ces indicateurs, l'organisation doit définir son modèle de gouvernance, défini par TechTarget comme le "processus de gestion de la mise à disposition, de la facilité d'utilisation, de l'intégrité et de la sécurité des données dans les systèmes des entreprises, sur la base de normes et de politiques de données internes qui contrôlent également l'utilisation des données."

La gouvernance des données repose sur trois éléments : les personnes qui collectent, utilisent et consomment les données ; les processus, qui doivent s'appliquer à l'ensemble de l'organisation et être facilement compréhensibles ; et enfin la technologie, qui doit être équipée de fonctionnalités d’analyse et d’aide à la décision.

 

Source:

 https://www.gartner.com/smarterwithgartner/how-to-create-a-business-case-for-data-quality-improvement

https://sloanreview.mit.edu/article/seizing-opportunity-in-data-quality/

https://www.salsify.com/fr/blog/couts-mauvaise-qualite-donnee-produit