, La qualité de ceux-ci (qualité de la donnée) est primordiale pour assurer notamment la « résolution des identités ». Dans une logique d'automatisation, ce travail de « qualité de la donnée » s'effectue à l'aide ETL avant d'alimenter la base centrale clients. De plus, les données de références clients (MDM) s'appuient également sur ces champs structurants, Il est donc primordial d'essayer d'avoir le plus de champs structurants dans les différentes applications et bases de données qui y sont rattachées
, notamment lorsqu'il n'était pas possible de concaténer un autre champ structurant pour créer une clé. Nous avons dû passer par un script (en R) pour séparer les identités « homonymes nomPrenom » (c'est-à-dire des identités pour lesquelles on retrouve plusieurs fois l'information nomPrenom dans la même base de données) des identités « uniques ». Les homonymes ont été mis à l'écart et n'ont pas été repris dans les recoupements avec la base clients. Le Graphique 12 montre l'architecture des recoupements entre les différentes bases de données et la base clients avec cette mise à l'écart des homonymes, une des principales difficultés que nous avons rencontrée dans la « résolution des identités » a été la gestion des homonymes (nom+prénom), vol.12
, Et notamment d'intégrer les obligations légales dues au RGPD (stockage des opt-in) car une « vision 360° » et une relation client personnalisée ne signifient pas tout recouper à priori. Par exemple, les données personnelles en lien avec une réclamation au sein du réseau de transport ne doivent pas être à priori en lien avec l'application de marketing de campagne de mail. Cette centralisation, en tant qu'architecture, est cependant pertinente en ce qui concerne les données de références des clients (MDM) : pour avoir la vérité en un seul, Cette architecture se doit d'intégrer les différents éléments de gouvernance de la donnée, que nous avons notamment mentionnés dans ce mémoire
, Les équipes de la DCG ont retenu une solution « Cloud » (Amazon Web Service) comme solution centralisée pour gérer les flux et stocker les données
, L'ensemble des recoupements pertinents ainsi que la gestion des Master Data qui devront être définies seront automatisés et intégrés au Data Warehouse sur le Cloud : Graphique 13 : Data Warehouse sur le Cloud relié à l'ETL
, Ce Data Warehouse sera lui-même relié à deux solutions (logiciels), une d'ETL et l'autre de MDM
, L'ensemble des différentes sources de données que nous avons décrites dans l'ensemble de ce mémoire concernant les clients, alimenteront ce Data Warehouse qui sera directement relié à la solution CRM permettant l'activation des campagnes marketings et la gestion de la relation client de manière plus automatisé et personnalisé
, , vol.267, 2018.
, Crosscanal et Omnicanal : La digitalisation de la relation client, Paris : Dunod, vol.192, 2018.
URL : https://hal.archives-ouvertes.fr/hal-01444973
, La qualité et la gouvernance des données : au service de la performance des entreprises, vol.388, 2012.
, Relation client / CRM, vol.201, 2015.
, Management des données de l'entreprise : Master Data Management et modélisation sémantique, vol.286, 2009.
, CRM : La gestion de la relation client, 50 Minutes, vol.70, 2015.
, Le Data marketing, vol.295, 2017.
, Gestion de la relation client Expérience client, Performance relationnelle et Hub relationnel. 5 ème éd, vol.547, 2018.
, Master Data Management, vol.304, 2010.
, RGPD et droit des données personnelles : enfin un manuel complet sur le nouveau cadre juridique issu du RGPD et de la loi Informatique et Libertés de 2018. 3 ème éd, vol.235, 2018.
, Enjeux et méthodes de la gestion des données, Paris : Dunod, vol.336, 2008.
, Introduction au Big Data -Opportunités, stockage et analyse des mégadonnées, pp.10-2017
, Qualité des données, vol.10, 2018.
, TAD) en France : de l'état des lieux à l'anticipation. Modélisation des caractéristiques fonctionnelles des TAD pour développer les modes flexibles de demain. Géographie. Université d'Avignon, Français. fftel-00199865v2 Disponible sur, 2007.
, Valorisation des données dans les grandes entreprises. Maturité, pratiques et modèles, 2016.
,
, Délégation à l'aménagement du territoire et à l'action régionale
, Direction des transports terrestres. Services à la demande et transports innovants en milieu rural : de l'inventaire à la valorisation des expériences. Délégation à l'aménagement du territoire et à l'action régionale, vol.311, 2004.
, Nouvelles efficacités et création de valeur : les projets de gouvernance de la donnée. Cahier n°3, 2017.
, Le Master Data Management (MDM) et la qualité des données de l'entreprise : synergies digitales et collaboratives. INTD-CNAM, vol.5, 2016.
, Master Data Management-Mise en place d'un référentiel de données
, Smals Research, 2009.
, Définition : Cycle de vie client
, Définition : Connaissance client
, Définition : Référentiel client unique
, Commission Nationale Informatique et Liberté. La prospection commerciale par courrier électronique
, Graphique 2 : Les trois niveaux de la « maturité client, p.10
, Graphique 3 : Modélisation relationnelle entre les BDD Client, Carte et Validations p, p.13
, Graphique 4 : Flux de données entre la Base clients consolidées et le CRM p, p.18
, Graphique 5 : Les différentes échelles de l'organisation de Transdev p, p.30
, Graphique 6 : Les contacts avec le client sur le réseau LiA p, p.35
, Graphique 7 : Représentation des recoupements à partir de la base clients issue de la billettique p, p.36
, Extrait du code R pour la génération de clés dans les différentes bases, vol.8, p.37
, Les différentes étapes de recoupement (par deux jointures) entre la base SMS et la base clients p, Graphique, vol.9, p.39
, Graphique, vol.10, p.40
, Graphique 11 : Taux de recoupement entre la base TAD et la base clients p, p.42
, Architecture des recoupements entre les différentes bases de données et la base clients avec la mise à l'écart des homonymes p, Graphique, vol.12, p.46
, Graphique 13 : Data Warehouse sur le Cloud relié à l'ETL et au MDM p, p.48
, Graphique 14 : Présentation de l'architecture centralisée « CRM 360°, p.49
, Liste des tableaux Tableau 1 : Dimensions de la connaissance, p.10
, Tableau 2 : Anomalies liées aux identités p, p.26
, Données à caractère personnel dans le domaine de la mobilité p, Tableau, vol.3, p.27
, Clés qui ont pu être crées (en vert) dans les différentes bases p, vol.4, p.38
, Bases clients et cadre juridique de l'exécution du contrat p, Tableau, vol.5, p.47
, Annexes Annexe A : Implantation de Transdev dans le monde Carte de l'ensemble des pays où Transdev est présent
, ? 2 lignes de Tramway A et B ? 21 lignes de bus ? des lignes complémentaires : 30, 31, 40, 41, 50, 60, 70, 71, 80, 90, 91 ? le funiculaire ? le service de transport à la demande Fil'Bus ? le service de transport de personnes à mobilité réduite Mobi'Fil ? Le service de nuit à la demande toute l'année : LiA de Nuit ? La desserte innovante de la Zone Industrielle et Portuaire : FlexiLiA ? La ligne de train à tarification urbaine, exploitée par la SNCF : la LER ? Le service de location de vélos : LiAvélos ?
, Les chiffres clefs : ? 611 personnes dont 419 conducteurs-receveurs ? 138 bus et 22 rames de tramway ? plus de 79 000 voyages par jour ? 28 millions de voyages ? 9,26 millions de kilomètres parcourus par an ? 970 points d'arrêt
, Taux de correspondance entre les bases
, Etat des lieux des recoupements entre les différentes bases de données et la base Clients d'origine (extrait de l'étude réalisée par la Direction Data Science, 2018.