Qu’est-ce que la comparaison de donn\u00e9es ?<\/strong><\/h2>\n\n\n\nLe rapprochement des donn\u00e9es – \u00e9galement connu sous le nom de couplage d’enregistrements et de r\u00e9solution d’entit\u00e9s<\/a> – est la t\u00e2che qui consiste \u00e0 identifier et \u00e0 attribuer deux enregistrements apparemment diff\u00e9rents comme \u00e9tant un seul et m\u00eame enregistrement dans plusieurs sources de donn\u00e9es.<\/p>\n\n\n\nEn trouvant des correspondances plus pr\u00e9cises, les organisations peuvent plus facilement identifier les enregistrements en double et choisir de les fusionner. S\u00e9lectionnez une fiche et \u00e9cartez les autres fiches identiques. Identifiez \u00e9galement les correspondances possibles qui sont en fait des entit\u00e9s diff\u00e9rentes. <\/p>\n\n\n\n
Pour cette raison, le rapprochement des donn\u00e9es est consid\u00e9r\u00e9 comme la fonction la plus importante apr\u00e8s les activit\u00e9s de profilage, de nettoyage et de normalisation.<\/p>\n\n\n\n
De cette fa\u00e7on, le rapprochement des donn\u00e9es permet aux organisations d’avoir une vue plus compl\u00e8te de chaque entit\u00e9. Client, \u00e9tudiant, patient, etc. – en \u00e9liminant les valeurs en double et en s’assurant que les donn\u00e9es r\u00e9sidant dans leurs syst\u00e8mes d’information sont propres et exactes.<\/p>\n\n\n\n
Comment fonctionne la comparaison des donn\u00e9es ?<\/strong><\/h2>\n\n\n\nLerapprochement des donn\u00e9es<\/a> s’appuie sur plusieurs algorithmes pour analyser les enregistrements et trouver des correspondances avec des entr\u00e9es similaires. Cependant, l’approche exacte de l’appariement des donn\u00e9es varie selon que l’appariement est d\u00e9terministe ou probabiliste.<\/p>\n\n\n\nDans la correspondance d\u00e9terministe, les correspondances sont identifi\u00e9es en fonction de l’exactitude de deux ou plusieurs entr\u00e9es ; sur une base de 0 ou 1. Les algorithmes utilisent des r\u00e8gles et des mod\u00e8les d\u00e9finis pour d\u00e9terminer les scores permettant d’\u00e9tablir une correspondance.<\/p>\n\n\n\n
La correspondance probabiliste, quant \u00e0 elle, identifie les correspondances sur la base d’un score de correspondance sup\u00e9rieur \u00e0 un certain seuil compris entre 0 et 1. <\/p>\n\n\n\n
Les algorithmes de logique floue, tels que Jaro-Wrinkler, d\u00e9terminent les probabilit\u00e9s sur la base d’associations et de pond\u00e9rations de donn\u00e9es d’identification uniques (valeurs qui ne changent pas au fil du temps. Comme le num\u00e9ro de s\u00e9curit\u00e9 sociale et la date de naissance). Et d’identifier dans quelle mesure un enregistrement particulier correspond \u00e0 d’autres enregistrements.<\/p>\n\n\n\n
Comment la comparaison des donn\u00e9es est-elle appliqu\u00e9e dans diff\u00e9rents secteurs ?<\/strong><\/h2>\n\n\n\nBien que le r\u00e9sultat du rapprochement des donn\u00e9es soit de trouver des enregistrements plus pr\u00e9cis et uniques parmi plusieurs enregistrements similaires. L’application diff\u00e8re d’un secteur \u00e0 l’autre. Voici un aper\u00e7u de la mani\u00e8re dont le rapprochement des donn\u00e9es est appliqu\u00e9 dans de multiples contextes :<\/p>\n\n\n\n
- Gouvernement et secteur public : <\/strong>les agences f\u00e9d\u00e9rales et les institutions publiques s’appuient sur la r\u00e9solution des entit\u00e9s en examinant les donn\u00e9es PII telles que le SSN, le passeport et les num\u00e9ros de licence pour d\u00e9tecter les fraudes et respecter les normes de conformit\u00e9. Et effectuer des analyses politiques.
Le minist\u00e8re de la justice (DOJ), qui traite plusieurs milliers de demandes de FOIA, en est un exemple. Chacune d’entre elles doit \u00eatre correctement interpr\u00e9t\u00e9e et communiqu\u00e9e au demandeur. Et des recherches approfondies.
Gr\u00e2ce au rapprochement des donn\u00e9es, l’agence a pu identifier les doublons et r\u00e9duire un champ de 4 millions \u00e0 3 millions d’enregistrements. Qui ont \u00e9t\u00e9 encore r\u00e9duits \u00e0 4 000 enregistrements apr\u00e8s filtrage. L’ensemble de l’activit\u00e9 de d\u00e9duplication n’a dur\u00e9 que quatre heures, ce qui aurait pris plusieurs semaines si elle avait \u00e9t\u00e9 effectu\u00e9e manuellement.<\/li>- \u00c9ducation : <\/strong>rapprochement de donn\u00e9es provenant de sources disparates, telles que les donn\u00e9es d\u00e9mographiques des \u00e9l\u00e8ves et des enseignants, et d’autres sources, afin de mesurer les performances des \u00e9l\u00e8ves. Distinguer les m\u00e9thodes d’enseignement r\u00e9ussies de celles qui ne le sont pas, analyser les changements de notes. Et identifier les initiatives politiques \u00e0 partir des donn\u00e9es SLDS.<\/li><\/ul>\n\n\n\n
Un \u00c9tat a men\u00e9 un programme de couplage d’enregistrements avec un \u00e9chantillon et a \u00e9valu\u00e9 le nombre d’\u00e9tudiants qui, au cours d’une ann\u00e9e, ont suivi des \u00e9tudes postsecondaires dans une ville donn\u00e9e. Avec l’ancien programme existant, l’\u00e9chantillon a r\u00e9v\u00e9l\u00e9 que 22 % des 5 344 \u00e9tudiants de cette ville avaient poursuivi des \u00e9tudes sup\u00e9rieures. <\/p>\n\n\n\n
Apr\u00e8s la solution de rapprochement des donn\u00e9es de Data Ladder, ce chiffre est pass\u00e9 \u00e0 pr\u00e8s de 41 %. Pr\u00e8s du double du premier chiffre. Pour plus d’informations, lisez l’\u00e9tude de cas SLDS.<\/a><\/p>\n\n\n\n- Banque et finance : <\/strong>les banques et les institutions de services financiers utilisent le rapprochement de donn\u00e9es pour identifier les coupables dans le cadre d’initiatives de lutte contre le blanchiment d’argent, pour r\u00e9pondre aux exigences de conformit\u00e9 KYC ou pour effectuer des \u00e9valuations de cr\u00e9dit FICO.<\/li><\/ul>\n\n\n\n
Bell Bank a effectu\u00e9 un rapprochement de donn\u00e9es \u00e0 l’aide de DataMatch Enterprise afin d’obtenir une vue unique et consolid\u00e9e de ses clients et fournisseurs r\u00e9partis sur plusieurs lignes de services. De la retraite \u00e0 la gestion du patrimoine. <\/p>\n\n\n\n
Gr\u00e2ce au matching, Bell Bank a pu trouver et suivre le parcours de chaque client \u00e0 travers les diff\u00e9rents services bancaires et r\u00e9duire les co\u00fbts op\u00e9rationnels. Pour plus d’informations, lisez l’\u00e9tude de cas de Bell Bank<\/a>.<\/p>\n\n\n\n- Soins de sant\u00e9 : <\/strong>les organismes de soins de sant\u00e9 utilisent la mise en correspondance des patients dans plusieurs dossiers de DSE et bases de donn\u00e9es via des identifiants uniques tels que ONC, USPS et CAQH pour une vue unique du patient afin de d\u00e9terminer le bon diagnostic et de corriger les prescriptions de m\u00e9dicaments.<\/li><\/ul>\n\n\n\n
St. John Associates a utilis\u00e9 le nettoyage et la mise en correspondance des donn\u00e9es pour augmenter la d\u00e9duplication des enregistrements des candidats au recrutement. Cela leur permet d’\u00e9conomiser des centaines d’heures consacr\u00e9es au nettoyage et \u00e0 la comparaison des dossiers. Cliquez ici<\/a> pour plus d’informations.<\/p>\n\n\n\n- Ventes et marketing : <\/strong>les entreprises ont souvent besoin de trouver des correspondances pour supprimer les contacts dupliqu\u00e9s et erron\u00e9s dans les bases de donn\u00e9es CRM et relationnelles. La vue unique du client qui en r\u00e9sulte permet aux entreprises d’am\u00e9liorer les activit\u00e9s de vente incitative et de vente crois\u00e9e, ainsi que les campagnes de marketing omni-canal. Et augmenter le retour sur investissement du marketing.<\/li><\/ul>\n\n\n\n
TurnKey Auto Events – une soci\u00e9t\u00e9 de services marketing pour les concessionnaires automobiles – cherchait \u00e0 rapprocher les ventes des partenaires de la concession avec les pistes des clients pour obtenir un cr\u00e9dit de vente. <\/p>\n\n\n\n
Gr\u00e2ce \u00e0 DataMatch Enterprise, ils ont fait correspondre des enregistrements provenant de diverses sources pour cr\u00e9er une vue consolid\u00e9e et unique des ventes potentielles de voitures. Et en un minimum de temps, supprimez les doublons et les enregistrements nettoy\u00e9s au cours du processus. Pour plus d’informations, lisez l’\u00e9tude de cas TurnKey Auto Events<\/a>.<\/p>\n\n\n\nAvantages de la comparaison des donn\u00e9es<\/strong><\/h2>\n\n\n\nLe fait de disposer d’un outil<\/a> robuste de rapprochement des donn\u00e9es<\/a> dans le cadre de votre gestion de la qualit\u00e9 des donn\u00e9es peut pr\u00e9senter un large \u00e9ventail d’avantages, tels que :<\/span><\/p>\n\n\n\n1. Cr\u00e9er des enregistrements \u00ab\u00a0en or\u00a0\u00bb pour une utilisation en aval<\/span><\/h3>\n\n\n\n![\"Data](\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/05\/Data-Matching_DME-Data-Profile-Graphic-copy-1024x327.png\")
<\/h2>\n\n\n\n
Rapprochement et nettoyage des donn\u00e9es<\/span><\/a> permet d’identifier, de faire correspondre et de fusionner les enregistrements stock\u00e9s dans les syst\u00e8mes d’information, de consolider les donn\u00e9es et de cr\u00e9er une vue unique du client. Certains champs de donn\u00e9es, comme le nom, le num\u00e9ro de t\u00e9l\u00e9phone, l’adresse, etc., sont les m\u00eames dans la plupart des applications. Certains syst\u00e8mes utilisent des technologies de suivi pour fournir des informations plus approfondies sur les clients.<\/span><\/p>\n\n\n\nPar exemple, les donn\u00e9es recueillies par des outils d’automatisation du marketing comme Hubspot et Marketo sont g\u00e9n\u00e9ralement compl\u00e8tes. Fournir un historique complet de la mani\u00e8re dont un client potentiel a interagi avec votre entreprise sur Internet.<\/span><\/p>\n\n\n\n En revanche, si le m\u00eame client se rend en personne dans le point de vente de l’entreprise. La quantit\u00e9 de donn\u00e9es recueillies par le repr\u00e9sentant et saisies dans le syst\u00e8me CRM comprend moins de d\u00e9tails. Cela aussi avec un risque de divergence des informations d\u00fb \u00e0 une erreur humaine.<\/span><\/p>\n\n\n\nGr\u00e2ce au rapprochement des donn\u00e9es, les entreprises peuvent disposer d’une source unique de v\u00e9rit\u00e9 – les donn\u00e9es disponibles dans diff\u00e9rentes bases de donn\u00e9es et ensembles de donn\u00e9es seront compt\u00e9es et consolid\u00e9es. Et fusionn\u00e9s pour former un enregistrement de donn\u00e9es de base ou enregistrement \u00ab\u00a0dor\u00e9\u00a0\u00bb, contenant toutes les informations dont vous disposez sur un prospect, un client ou une piste particuli\u00e8re. <\/span><\/p>\n\n\n\nAvec une vue compl\u00e8te du client, vous pouvez mieux aligner vos strat\u00e9gies de marketing et de vente. Avoir acc\u00e8s \u00e0 des informations concr\u00e8tes pour les rapports et les analyses. Et, en fin de compte, prendre des d\u00e9cisions commerciales bien fond\u00e9es pour un meilleur retour sur investissement et une meilleure croissance de l’entreprise.<\/span><\/p>\n\n\n\n2. Travaillez avec des donn\u00e9es propres et fiables<\/span><\/h3>\n\n\n\nLes entreprises utilisent un vaste r\u00e9seau de syst\u00e8mes d’information et d’applications qui sont \u00e9troitement li\u00e9s pour former l’infrastructure de donn\u00e9es interne. <\/span><\/p>\n\n\n\nLes donn\u00e9es sur les consommateurs \u00e9tant collect\u00e9es \u00e0 partir de divers canaux de communication. Il existe un risque \u00e9lev\u00e9 de divergence entre les informations saisies par diff\u00e9rents moyens. <\/span><\/p>\n\n\n\nConsid\u00e9rons un prospect, James O’Quinn, qui vit en Caroline du Nord et travaille chez Fiserv. Il clique sur l’une de vos annonces Google<\/a> et visite une page de renvoi proposant un livre blanc. Il remplit le formulaire de contact avec les d\u00e9tails suivants :<\/span><\/p>\n\n\n\n
En trouvant des correspondances plus pr\u00e9cises, les organisations peuvent plus facilement identifier les enregistrements en double et choisir de les fusionner. S\u00e9lectionnez une fiche et \u00e9cartez les autres fiches identiques. Identifiez \u00e9galement les correspondances possibles qui sont en fait des entit\u00e9s diff\u00e9rentes. <\/p>\n\n\n\n
Pour cette raison, le rapprochement des donn\u00e9es est consid\u00e9r\u00e9 comme la fonction la plus importante apr\u00e8s les activit\u00e9s de profilage, de nettoyage et de normalisation.<\/p>\n\n\n\n
De cette fa\u00e7on, le rapprochement des donn\u00e9es permet aux organisations d’avoir une vue plus compl\u00e8te de chaque entit\u00e9. Client, \u00e9tudiant, patient, etc. – en \u00e9liminant les valeurs en double et en s’assurant que les donn\u00e9es r\u00e9sidant dans leurs syst\u00e8mes d’information sont propres et exactes.<\/p>\n\n\n\n
Comment fonctionne la comparaison des donn\u00e9es ?<\/strong><\/h2>\n\n\n\nLerapprochement des donn\u00e9es<\/a> s’appuie sur plusieurs algorithmes pour analyser les enregistrements et trouver des correspondances avec des entr\u00e9es similaires. Cependant, l’approche exacte de l’appariement des donn\u00e9es varie selon que l’appariement est d\u00e9terministe ou probabiliste.<\/p>\n\n\n\nDans la correspondance d\u00e9terministe, les correspondances sont identifi\u00e9es en fonction de l’exactitude de deux ou plusieurs entr\u00e9es ; sur une base de 0 ou 1. Les algorithmes utilisent des r\u00e8gles et des mod\u00e8les d\u00e9finis pour d\u00e9terminer les scores permettant d’\u00e9tablir une correspondance.<\/p>\n\n\n\n
La correspondance probabiliste, quant \u00e0 elle, identifie les correspondances sur la base d’un score de correspondance sup\u00e9rieur \u00e0 un certain seuil compris entre 0 et 1. <\/p>\n\n\n\n
Les algorithmes de logique floue, tels que Jaro-Wrinkler, d\u00e9terminent les probabilit\u00e9s sur la base d’associations et de pond\u00e9rations de donn\u00e9es d’identification uniques (valeurs qui ne changent pas au fil du temps. Comme le num\u00e9ro de s\u00e9curit\u00e9 sociale et la date de naissance). Et d’identifier dans quelle mesure un enregistrement particulier correspond \u00e0 d’autres enregistrements.<\/p>\n\n\n\n
Comment la comparaison des donn\u00e9es est-elle appliqu\u00e9e dans diff\u00e9rents secteurs ?<\/strong><\/h2>\n\n\n\nBien que le r\u00e9sultat du rapprochement des donn\u00e9es soit de trouver des enregistrements plus pr\u00e9cis et uniques parmi plusieurs enregistrements similaires. L’application diff\u00e8re d’un secteur \u00e0 l’autre. Voici un aper\u00e7u de la mani\u00e8re dont le rapprochement des donn\u00e9es est appliqu\u00e9 dans de multiples contextes :<\/p>\n\n\n\n
- Gouvernement et secteur public : <\/strong>les agences f\u00e9d\u00e9rales et les institutions publiques s’appuient sur la r\u00e9solution des entit\u00e9s en examinant les donn\u00e9es PII telles que le SSN, le passeport et les num\u00e9ros de licence pour d\u00e9tecter les fraudes et respecter les normes de conformit\u00e9. Et effectuer des analyses politiques.
Le minist\u00e8re de la justice (DOJ), qui traite plusieurs milliers de demandes de FOIA, en est un exemple. Chacune d’entre elles doit \u00eatre correctement interpr\u00e9t\u00e9e et communiqu\u00e9e au demandeur. Et des recherches approfondies.
Gr\u00e2ce au rapprochement des donn\u00e9es, l’agence a pu identifier les doublons et r\u00e9duire un champ de 4 millions \u00e0 3 millions d’enregistrements. Qui ont \u00e9t\u00e9 encore r\u00e9duits \u00e0 4 000 enregistrements apr\u00e8s filtrage. L’ensemble de l’activit\u00e9 de d\u00e9duplication n’a dur\u00e9 que quatre heures, ce qui aurait pris plusieurs semaines si elle avait \u00e9t\u00e9 effectu\u00e9e manuellement.<\/li>- \u00c9ducation : <\/strong>rapprochement de donn\u00e9es provenant de sources disparates, telles que les donn\u00e9es d\u00e9mographiques des \u00e9l\u00e8ves et des enseignants, et d’autres sources, afin de mesurer les performances des \u00e9l\u00e8ves. Distinguer les m\u00e9thodes d’enseignement r\u00e9ussies de celles qui ne le sont pas, analyser les changements de notes. Et identifier les initiatives politiques \u00e0 partir des donn\u00e9es SLDS.<\/li><\/ul>\n\n\n\n
Un \u00c9tat a men\u00e9 un programme de couplage d’enregistrements avec un \u00e9chantillon et a \u00e9valu\u00e9 le nombre d’\u00e9tudiants qui, au cours d’une ann\u00e9e, ont suivi des \u00e9tudes postsecondaires dans une ville donn\u00e9e. Avec l’ancien programme existant, l’\u00e9chantillon a r\u00e9v\u00e9l\u00e9 que 22 % des 5 344 \u00e9tudiants de cette ville avaient poursuivi des \u00e9tudes sup\u00e9rieures. <\/p>\n\n\n\n
Apr\u00e8s la solution de rapprochement des donn\u00e9es de Data Ladder, ce chiffre est pass\u00e9 \u00e0 pr\u00e8s de 41 %. Pr\u00e8s du double du premier chiffre. Pour plus d’informations, lisez l’\u00e9tude de cas SLDS.<\/a><\/p>\n\n\n\n- Banque et finance : <\/strong>les banques et les institutions de services financiers utilisent le rapprochement de donn\u00e9es pour identifier les coupables dans le cadre d’initiatives de lutte contre le blanchiment d’argent, pour r\u00e9pondre aux exigences de conformit\u00e9 KYC ou pour effectuer des \u00e9valuations de cr\u00e9dit FICO.<\/li><\/ul>\n\n\n\n
Bell Bank a effectu\u00e9 un rapprochement de donn\u00e9es \u00e0 l’aide de DataMatch Enterprise afin d’obtenir une vue unique et consolid\u00e9e de ses clients et fournisseurs r\u00e9partis sur plusieurs lignes de services. De la retraite \u00e0 la gestion du patrimoine. <\/p>\n\n\n\n
Gr\u00e2ce au matching, Bell Bank a pu trouver et suivre le parcours de chaque client \u00e0 travers les diff\u00e9rents services bancaires et r\u00e9duire les co\u00fbts op\u00e9rationnels. Pour plus d’informations, lisez l’\u00e9tude de cas de Bell Bank<\/a>.<\/p>\n\n\n\n- Soins de sant\u00e9 : <\/strong>les organismes de soins de sant\u00e9 utilisent la mise en correspondance des patients dans plusieurs dossiers de DSE et bases de donn\u00e9es via des identifiants uniques tels que ONC, USPS et CAQH pour une vue unique du patient afin de d\u00e9terminer le bon diagnostic et de corriger les prescriptions de m\u00e9dicaments.<\/li><\/ul>\n\n\n\n
St. John Associates a utilis\u00e9 le nettoyage et la mise en correspondance des donn\u00e9es pour augmenter la d\u00e9duplication des enregistrements des candidats au recrutement. Cela leur permet d’\u00e9conomiser des centaines d’heures consacr\u00e9es au nettoyage et \u00e0 la comparaison des dossiers. Cliquez ici<\/a> pour plus d’informations.<\/p>\n\n\n\n- Ventes et marketing : <\/strong>les entreprises ont souvent besoin de trouver des correspondances pour supprimer les contacts dupliqu\u00e9s et erron\u00e9s dans les bases de donn\u00e9es CRM et relationnelles. La vue unique du client qui en r\u00e9sulte permet aux entreprises d’am\u00e9liorer les activit\u00e9s de vente incitative et de vente crois\u00e9e, ainsi que les campagnes de marketing omni-canal. Et augmenter le retour sur investissement du marketing.<\/li><\/ul>\n\n\n\n
TurnKey Auto Events – une soci\u00e9t\u00e9 de services marketing pour les concessionnaires automobiles – cherchait \u00e0 rapprocher les ventes des partenaires de la concession avec les pistes des clients pour obtenir un cr\u00e9dit de vente. <\/p>\n\n\n\n
Gr\u00e2ce \u00e0 DataMatch Enterprise, ils ont fait correspondre des enregistrements provenant de diverses sources pour cr\u00e9er une vue consolid\u00e9e et unique des ventes potentielles de voitures. Et en un minimum de temps, supprimez les doublons et les enregistrements nettoy\u00e9s au cours du processus. Pour plus d’informations, lisez l’\u00e9tude de cas TurnKey Auto Events<\/a>.<\/p>\n\n\n\nAvantages de la comparaison des donn\u00e9es<\/strong><\/h2>\n\n\n\nLe fait de disposer d’un outil<\/a> robuste de rapprochement des donn\u00e9es<\/a> dans le cadre de votre gestion de la qualit\u00e9 des donn\u00e9es peut pr\u00e9senter un large \u00e9ventail d’avantages, tels que :<\/span><\/p>\n\n\n\n1. Cr\u00e9er des enregistrements \u00ab\u00a0en or\u00a0\u00bb pour une utilisation en aval<\/span><\/h3>\n\n\n\n<\/h2>\n\n\n\n
Rapprochement et nettoyage des donn\u00e9es<\/span><\/a> permet d’identifier, de faire correspondre et de fusionner les enregistrements stock\u00e9s dans les syst\u00e8mes d’information, de consolider les donn\u00e9es et de cr\u00e9er une vue unique du client. Certains champs de donn\u00e9es, comme le nom, le num\u00e9ro de t\u00e9l\u00e9phone, l’adresse, etc., sont les m\u00eames dans la plupart des applications. Certains syst\u00e8mes utilisent des technologies de suivi pour fournir des informations plus approfondies sur les clients.<\/span><\/p>\n\n\n\nPar exemple, les donn\u00e9es recueillies par des outils d’automatisation du marketing comme Hubspot et Marketo sont g\u00e9n\u00e9ralement compl\u00e8tes. Fournir un historique complet de la mani\u00e8re dont un client potentiel a interagi avec votre entreprise sur Internet.<\/span><\/p>\n\n\n\n En revanche, si le m\u00eame client se rend en personne dans le point de vente de l’entreprise. La quantit\u00e9 de donn\u00e9es recueillies par le repr\u00e9sentant et saisies dans le syst\u00e8me CRM comprend moins de d\u00e9tails. Cela aussi avec un risque de divergence des informations d\u00fb \u00e0 une erreur humaine.<\/span><\/p>\n\n\n\nGr\u00e2ce au rapprochement des donn\u00e9es, les entreprises peuvent disposer d’une source unique de v\u00e9rit\u00e9 – les donn\u00e9es disponibles dans diff\u00e9rentes bases de donn\u00e9es et ensembles de donn\u00e9es seront compt\u00e9es et consolid\u00e9es. Et fusionn\u00e9s pour former un enregistrement de donn\u00e9es de base ou enregistrement \u00ab\u00a0dor\u00e9\u00a0\u00bb, contenant toutes les informations dont vous disposez sur un prospect, un client ou une piste particuli\u00e8re. <\/span><\/p>\n\n\n\nAvec une vue compl\u00e8te du client, vous pouvez mieux aligner vos strat\u00e9gies de marketing et de vente. Avoir acc\u00e8s \u00e0 des informations concr\u00e8tes pour les rapports et les analyses. Et, en fin de compte, prendre des d\u00e9cisions commerciales bien fond\u00e9es pour un meilleur retour sur investissement et une meilleure croissance de l’entreprise.<\/span><\/p>\n\n\n\n2. Travaillez avec des donn\u00e9es propres et fiables<\/span><\/h3>\n\n\n\nLes entreprises utilisent un vaste r\u00e9seau de syst\u00e8mes d’information et d’applications qui sont \u00e9troitement li\u00e9s pour former l’infrastructure de donn\u00e9es interne. <\/span><\/p>\n\n\n\nLes donn\u00e9es sur les consommateurs \u00e9tant collect\u00e9es \u00e0 partir de divers canaux de communication. Il existe un risque \u00e9lev\u00e9 de divergence entre les informations saisies par diff\u00e9rents moyens. <\/span><\/p>\n\n\n\nConsid\u00e9rons un prospect, James O’Quinn, qui vit en Caroline du Nord et travaille chez Fiserv. Il clique sur l’une de vos annonces Google<\/a> et visite une page de renvoi proposant un livre blanc. Il remplit le formulaire de contact avec les d\u00e9tails suivants :<\/span><\/p>\n\n\n\n
Dans la correspondance d\u00e9terministe, les correspondances sont identifi\u00e9es en fonction de l’exactitude de deux ou plusieurs entr\u00e9es ; sur une base de 0 ou 1. Les algorithmes utilisent des r\u00e8gles et des mod\u00e8les d\u00e9finis pour d\u00e9terminer les scores permettant d’\u00e9tablir une correspondance.<\/p>\n\n\n\n
La correspondance probabiliste, quant \u00e0 elle, identifie les correspondances sur la base d’un score de correspondance sup\u00e9rieur \u00e0 un certain seuil compris entre 0 et 1. <\/p>\n\n\n\n
Les algorithmes de logique floue, tels que Jaro-Wrinkler, d\u00e9terminent les probabilit\u00e9s sur la base d’associations et de pond\u00e9rations de donn\u00e9es d’identification uniques (valeurs qui ne changent pas au fil du temps. Comme le num\u00e9ro de s\u00e9curit\u00e9 sociale et la date de naissance). Et d’identifier dans quelle mesure un enregistrement particulier correspond \u00e0 d’autres enregistrements.<\/p>\n\n\n\n
Comment la comparaison des donn\u00e9es est-elle appliqu\u00e9e dans diff\u00e9rents secteurs ?<\/strong><\/h2>\n\n\n\nBien que le r\u00e9sultat du rapprochement des donn\u00e9es soit de trouver des enregistrements plus pr\u00e9cis et uniques parmi plusieurs enregistrements similaires. L’application diff\u00e8re d’un secteur \u00e0 l’autre. Voici un aper\u00e7u de la mani\u00e8re dont le rapprochement des donn\u00e9es est appliqu\u00e9 dans de multiples contextes :<\/p>\n\n\n\n
- Gouvernement et secteur public : <\/strong>les agences f\u00e9d\u00e9rales et les institutions publiques s’appuient sur la r\u00e9solution des entit\u00e9s en examinant les donn\u00e9es PII telles que le SSN, le passeport et les num\u00e9ros de licence pour d\u00e9tecter les fraudes et respecter les normes de conformit\u00e9. Et effectuer des analyses politiques.
Le minist\u00e8re de la justice (DOJ), qui traite plusieurs milliers de demandes de FOIA, en est un exemple. Chacune d’entre elles doit \u00eatre correctement interpr\u00e9t\u00e9e et communiqu\u00e9e au demandeur. Et des recherches approfondies.
Gr\u00e2ce au rapprochement des donn\u00e9es, l’agence a pu identifier les doublons et r\u00e9duire un champ de 4 millions \u00e0 3 millions d’enregistrements. Qui ont \u00e9t\u00e9 encore r\u00e9duits \u00e0 4 000 enregistrements apr\u00e8s filtrage. L’ensemble de l’activit\u00e9 de d\u00e9duplication n’a dur\u00e9 que quatre heures, ce qui aurait pris plusieurs semaines si elle avait \u00e9t\u00e9 effectu\u00e9e manuellement.<\/li>- \u00c9ducation : <\/strong>rapprochement de donn\u00e9es provenant de sources disparates, telles que les donn\u00e9es d\u00e9mographiques des \u00e9l\u00e8ves et des enseignants, et d’autres sources, afin de mesurer les performances des \u00e9l\u00e8ves. Distinguer les m\u00e9thodes d’enseignement r\u00e9ussies de celles qui ne le sont pas, analyser les changements de notes. Et identifier les initiatives politiques \u00e0 partir des donn\u00e9es SLDS.<\/li><\/ul>\n\n\n\n
Un \u00c9tat a men\u00e9 un programme de couplage d’enregistrements avec un \u00e9chantillon et a \u00e9valu\u00e9 le nombre d’\u00e9tudiants qui, au cours d’une ann\u00e9e, ont suivi des \u00e9tudes postsecondaires dans une ville donn\u00e9e. Avec l’ancien programme existant, l’\u00e9chantillon a r\u00e9v\u00e9l\u00e9 que 22 % des 5 344 \u00e9tudiants de cette ville avaient poursuivi des \u00e9tudes sup\u00e9rieures. <\/p>\n\n\n\n
Apr\u00e8s la solution de rapprochement des donn\u00e9es de Data Ladder, ce chiffre est pass\u00e9 \u00e0 pr\u00e8s de 41 %. Pr\u00e8s du double du premier chiffre. Pour plus d’informations, lisez l’\u00e9tude de cas SLDS.<\/a><\/p>\n\n\n\n- Banque et finance : <\/strong>les banques et les institutions de services financiers utilisent le rapprochement de donn\u00e9es pour identifier les coupables dans le cadre d’initiatives de lutte contre le blanchiment d’argent, pour r\u00e9pondre aux exigences de conformit\u00e9 KYC ou pour effectuer des \u00e9valuations de cr\u00e9dit FICO.<\/li><\/ul>\n\n\n\n
Bell Bank a effectu\u00e9 un rapprochement de donn\u00e9es \u00e0 l’aide de DataMatch Enterprise afin d’obtenir une vue unique et consolid\u00e9e de ses clients et fournisseurs r\u00e9partis sur plusieurs lignes de services. De la retraite \u00e0 la gestion du patrimoine. <\/p>\n\n\n\n
Gr\u00e2ce au matching, Bell Bank a pu trouver et suivre le parcours de chaque client \u00e0 travers les diff\u00e9rents services bancaires et r\u00e9duire les co\u00fbts op\u00e9rationnels. Pour plus d’informations, lisez l’\u00e9tude de cas de Bell Bank<\/a>.<\/p>\n\n\n\n- Soins de sant\u00e9 : <\/strong>les organismes de soins de sant\u00e9 utilisent la mise en correspondance des patients dans plusieurs dossiers de DSE et bases de donn\u00e9es via des identifiants uniques tels que ONC, USPS et CAQH pour une vue unique du patient afin de d\u00e9terminer le bon diagnostic et de corriger les prescriptions de m\u00e9dicaments.<\/li><\/ul>\n\n\n\n
St. John Associates a utilis\u00e9 le nettoyage et la mise en correspondance des donn\u00e9es pour augmenter la d\u00e9duplication des enregistrements des candidats au recrutement. Cela leur permet d’\u00e9conomiser des centaines d’heures consacr\u00e9es au nettoyage et \u00e0 la comparaison des dossiers. Cliquez ici<\/a> pour plus d’informations.<\/p>\n\n\n\n- Ventes et marketing : <\/strong>les entreprises ont souvent besoin de trouver des correspondances pour supprimer les contacts dupliqu\u00e9s et erron\u00e9s dans les bases de donn\u00e9es CRM et relationnelles. La vue unique du client qui en r\u00e9sulte permet aux entreprises d’am\u00e9liorer les activit\u00e9s de vente incitative et de vente crois\u00e9e, ainsi que les campagnes de marketing omni-canal. Et augmenter le retour sur investissement du marketing.<\/li><\/ul>\n\n\n\n
TurnKey Auto Events – une soci\u00e9t\u00e9 de services marketing pour les concessionnaires automobiles – cherchait \u00e0 rapprocher les ventes des partenaires de la concession avec les pistes des clients pour obtenir un cr\u00e9dit de vente. <\/p>\n\n\n\n
Gr\u00e2ce \u00e0 DataMatch Enterprise, ils ont fait correspondre des enregistrements provenant de diverses sources pour cr\u00e9er une vue consolid\u00e9e et unique des ventes potentielles de voitures. Et en un minimum de temps, supprimez les doublons et les enregistrements nettoy\u00e9s au cours du processus. Pour plus d’informations, lisez l’\u00e9tude de cas TurnKey Auto Events<\/a>.<\/p>\n\n\n\nAvantages de la comparaison des donn\u00e9es<\/strong><\/h2>\n\n\n\nLe fait de disposer d’un outil<\/a> robuste de rapprochement des donn\u00e9es<\/a> dans le cadre de votre gestion de la qualit\u00e9 des donn\u00e9es peut pr\u00e9senter un large \u00e9ventail d’avantages, tels que :<\/span><\/p>\n\n\n\n1. Cr\u00e9er des enregistrements \u00ab\u00a0en or\u00a0\u00bb pour une utilisation en aval<\/span><\/h3>\n\n\n\n<\/h2>\n\n\n\n
Rapprochement et nettoyage des donn\u00e9es<\/span><\/a> permet d’identifier, de faire correspondre et de fusionner les enregistrements stock\u00e9s dans les syst\u00e8mes d’information, de consolider les donn\u00e9es et de cr\u00e9er une vue unique du client. Certains champs de donn\u00e9es, comme le nom, le num\u00e9ro de t\u00e9l\u00e9phone, l’adresse, etc., sont les m\u00eames dans la plupart des applications. Certains syst\u00e8mes utilisent des technologies de suivi pour fournir des informations plus approfondies sur les clients.<\/span><\/p>\n\n\n\nPar exemple, les donn\u00e9es recueillies par des outils d’automatisation du marketing comme Hubspot et Marketo sont g\u00e9n\u00e9ralement compl\u00e8tes. Fournir un historique complet de la mani\u00e8re dont un client potentiel a interagi avec votre entreprise sur Internet.<\/span><\/p>\n\n\n\n En revanche, si le m\u00eame client se rend en personne dans le point de vente de l’entreprise. La quantit\u00e9 de donn\u00e9es recueillies par le repr\u00e9sentant et saisies dans le syst\u00e8me CRM comprend moins de d\u00e9tails. Cela aussi avec un risque de divergence des informations d\u00fb \u00e0 une erreur humaine.<\/span><\/p>\n\n\n\nGr\u00e2ce au rapprochement des donn\u00e9es, les entreprises peuvent disposer d’une source unique de v\u00e9rit\u00e9 – les donn\u00e9es disponibles dans diff\u00e9rentes bases de donn\u00e9es et ensembles de donn\u00e9es seront compt\u00e9es et consolid\u00e9es. Et fusionn\u00e9s pour former un enregistrement de donn\u00e9es de base ou enregistrement \u00ab\u00a0dor\u00e9\u00a0\u00bb, contenant toutes les informations dont vous disposez sur un prospect, un client ou une piste particuli\u00e8re. <\/span><\/p>\n\n\n\nAvec une vue compl\u00e8te du client, vous pouvez mieux aligner vos strat\u00e9gies de marketing et de vente. Avoir acc\u00e8s \u00e0 des informations concr\u00e8tes pour les rapports et les analyses. Et, en fin de compte, prendre des d\u00e9cisions commerciales bien fond\u00e9es pour un meilleur retour sur investissement et une meilleure croissance de l’entreprise.<\/span><\/p>\n\n\n\n2. Travaillez avec des donn\u00e9es propres et fiables<\/span><\/h3>\n\n\n\nLes entreprises utilisent un vaste r\u00e9seau de syst\u00e8mes d’information et d’applications qui sont \u00e9troitement li\u00e9s pour former l’infrastructure de donn\u00e9es interne. <\/span><\/p>\n\n\n\nLes donn\u00e9es sur les consommateurs \u00e9tant collect\u00e9es \u00e0 partir de divers canaux de communication. Il existe un risque \u00e9lev\u00e9 de divergence entre les informations saisies par diff\u00e9rents moyens. <\/span><\/p>\n\n\n\nConsid\u00e9rons un prospect, James O’Quinn, qui vit en Caroline du Nord et travaille chez Fiserv. Il clique sur l’une de vos annonces Google<\/a> et visite une page de renvoi proposant un livre blanc. Il remplit le formulaire de contact avec les d\u00e9tails suivants :<\/span><\/p>\n\n\n\n
Le minist\u00e8re de la justice (DOJ), qui traite plusieurs milliers de demandes de FOIA, en est un exemple. Chacune d’entre elles doit \u00eatre correctement interpr\u00e9t\u00e9e et communiqu\u00e9e au demandeur. Et des recherches approfondies.
Gr\u00e2ce au rapprochement des donn\u00e9es, l’agence a pu identifier les doublons et r\u00e9duire un champ de 4 millions \u00e0 3 millions d’enregistrements. Qui ont \u00e9t\u00e9 encore r\u00e9duits \u00e0 4 000 enregistrements apr\u00e8s filtrage. L’ensemble de l’activit\u00e9 de d\u00e9duplication n’a dur\u00e9 que quatre heures, ce qui aurait pris plusieurs semaines si elle avait \u00e9t\u00e9 effectu\u00e9e manuellement.<\/li>
Un \u00c9tat a men\u00e9 un programme de couplage d’enregistrements avec un \u00e9chantillon et a \u00e9valu\u00e9 le nombre d’\u00e9tudiants qui, au cours d’une ann\u00e9e, ont suivi des \u00e9tudes postsecondaires dans une ville donn\u00e9e. Avec l’ancien programme existant, l’\u00e9chantillon a r\u00e9v\u00e9l\u00e9 que 22 % des 5 344 \u00e9tudiants de cette ville avaient poursuivi des \u00e9tudes sup\u00e9rieures. <\/p>\n\n\n\n
Apr\u00e8s la solution de rapprochement des donn\u00e9es de Data Ladder, ce chiffre est pass\u00e9 \u00e0 pr\u00e8s de 41 %. Pr\u00e8s du double du premier chiffre. Pour plus d’informations, lisez l’\u00e9tude de cas SLDS.<\/a><\/p>\n\n\n\n Bell Bank a effectu\u00e9 un rapprochement de donn\u00e9es \u00e0 l’aide de DataMatch Enterprise afin d’obtenir une vue unique et consolid\u00e9e de ses clients et fournisseurs r\u00e9partis sur plusieurs lignes de services. De la retraite \u00e0 la gestion du patrimoine. <\/p>\n\n\n\n Gr\u00e2ce au matching, Bell Bank a pu trouver et suivre le parcours de chaque client \u00e0 travers les diff\u00e9rents services bancaires et r\u00e9duire les co\u00fbts op\u00e9rationnels. Pour plus d’informations, lisez l’\u00e9tude de cas de Bell Bank<\/a>.<\/p>\n\n\n\n St. John Associates a utilis\u00e9 le nettoyage et la mise en correspondance des donn\u00e9es pour augmenter la d\u00e9duplication des enregistrements des candidats au recrutement. Cela leur permet d’\u00e9conomiser des centaines d’heures consacr\u00e9es au nettoyage et \u00e0 la comparaison des dossiers. Cliquez ici<\/a> pour plus d’informations.<\/p>\n\n\n\n TurnKey Auto Events – une soci\u00e9t\u00e9 de services marketing pour les concessionnaires automobiles – cherchait \u00e0 rapprocher les ventes des partenaires de la concession avec les pistes des clients pour obtenir un cr\u00e9dit de vente. <\/p>\n\n\n\n Gr\u00e2ce \u00e0 DataMatch Enterprise, ils ont fait correspondre des enregistrements provenant de diverses sources pour cr\u00e9er une vue consolid\u00e9e et unique des ventes potentielles de voitures. Et en un minimum de temps, supprimez les doublons et les enregistrements nettoy\u00e9s au cours du processus. Pour plus d’informations, lisez l’\u00e9tude de cas TurnKey Auto Events<\/a>.<\/p>\n\n\n\n Le fait de disposer d’un outil<\/a> robuste de rapprochement des donn\u00e9es<\/a> dans le cadre de votre gestion de la qualit\u00e9 des donn\u00e9es peut pr\u00e9senter un large \u00e9ventail d’avantages, tels que :<\/span><\/p>\n\n\n\n Rapprochement et nettoyage des donn\u00e9es<\/span><\/a> permet d’identifier, de faire correspondre et de fusionner les enregistrements stock\u00e9s dans les syst\u00e8mes d’information, de consolider les donn\u00e9es et de cr\u00e9er une vue unique du client. Certains champs de donn\u00e9es, comme le nom, le num\u00e9ro de t\u00e9l\u00e9phone, l’adresse, etc., sont les m\u00eames dans la plupart des applications. Certains syst\u00e8mes utilisent des technologies de suivi pour fournir des informations plus approfondies sur les clients.<\/span><\/p>\n\n\n\n Par exemple, les donn\u00e9es recueillies par des outils d’automatisation du marketing comme Hubspot et Marketo sont g\u00e9n\u00e9ralement compl\u00e8tes. Fournir un historique complet de la mani\u00e8re dont un client potentiel a interagi avec votre entreprise sur Internet.<\/span><\/p>\n\n\n\n En revanche, si le m\u00eame client se rend en personne dans le point de vente de l’entreprise. La quantit\u00e9 de donn\u00e9es recueillies par le repr\u00e9sentant et saisies dans le syst\u00e8me CRM comprend moins de d\u00e9tails. Cela aussi avec un risque de divergence des informations d\u00fb \u00e0 une erreur humaine.<\/span><\/p>\n\n\n\n Gr\u00e2ce au rapprochement des donn\u00e9es, les entreprises peuvent disposer d’une source unique de v\u00e9rit\u00e9 – les donn\u00e9es disponibles dans diff\u00e9rentes bases de donn\u00e9es et ensembles de donn\u00e9es seront compt\u00e9es et consolid\u00e9es. Et fusionn\u00e9s pour former un enregistrement de donn\u00e9es de base ou enregistrement \u00ab\u00a0dor\u00e9\u00a0\u00bb, contenant toutes les informations dont vous disposez sur un prospect, un client ou une piste particuli\u00e8re. <\/span><\/p>\n\n\n\n Avec une vue compl\u00e8te du client, vous pouvez mieux aligner vos strat\u00e9gies de marketing et de vente. Avoir acc\u00e8s \u00e0 des informations concr\u00e8tes pour les rapports et les analyses. Et, en fin de compte, prendre des d\u00e9cisions commerciales bien fond\u00e9es pour un meilleur retour sur investissement et une meilleure croissance de l’entreprise.<\/span><\/p>\n\n\n\n Les entreprises utilisent un vaste r\u00e9seau de syst\u00e8mes d’information et d’applications qui sont \u00e9troitement li\u00e9s pour former l’infrastructure de donn\u00e9es interne. <\/span><\/p>\n\n\n\n Les donn\u00e9es sur les consommateurs \u00e9tant collect\u00e9es \u00e0 partir de divers canaux de communication. Il existe un risque \u00e9lev\u00e9 de divergence entre les informations saisies par diff\u00e9rents moyens. <\/span><\/p>\n\n\n\n Consid\u00e9rons un prospect, James O’Quinn, qui vit en Caroline du Nord et travaille chez Fiserv. Il clique sur l’une de vos annonces Google<\/a> et visite une page de renvoi proposant un livre blanc. Il remplit le formulaire de contact avec les d\u00e9tails suivants :<\/span><\/p>\n\n\n\nAvantages de la comparaison des donn\u00e9es<\/strong><\/h2>\n\n\n\n
1. Cr\u00e9er des enregistrements \u00ab\u00a0en or\u00a0\u00bb pour une utilisation en aval<\/span><\/h3>\n\n\n\n
<\/h2>\n\n\n\n2. Travaillez avec des donn\u00e9es propres et fiables<\/span><\/h3>\n\n\n\n