Comment bien articuler Data Lake et CDP pour améliorer l’expérience client ?

Au cours des 5 dernières années, l'émergence des Customer Data Platform s’est faite dans un contexte marqué précédemment par celle des data lakes. Comment concilier désormais ces deux architectures de données au sein d’un système décisionnel plus mature et plus opérationnel ?

Les années 2010 : Le déploiement des data lakes

Les data lakes permettent aux entreprises de centraliser de très grands volumes de données de nature plus ou moins hétérogène, telles que des données brutes non structurées, semi-structurées ou encore, issues d’analyses plus fines et de modélisation. Les entreprises se sont donc lancées dans des projets de data lakes principalement pour gérer l’ensemble des données disponibles, sans pour autant se projeter dans des cas d’usages directement opérationnels. L’enjeu était alors de réussir dans un premier temps à relever un certain nombre de défis techniques : prise en compte du “temps réel”, capacité à gérer l'hétérogénéité des données, intégration du machine learning etc. Des challenges qui ont pour la plupart été relevés par des profils experts : data scientists, data engineers, développeurs … Ceci a créé une certaine perception de complexité des data lakes de la part des équipes métiers qui restent encore aujourd’hui à distance et en dépendance vis-à-vis des équipes IT pour exploiter les data lakes. L’objectif est donc désormais de rendre ces données plus accessibles et donc mieux exploitables. 

Un concept de Data Lake désormais mature : Quelle est la suite ?

Les architectures basées sur des data lakes sont aujourd’hui arrivées à maturité, pleinement industrialisées et permettant de produire une grande variété de cas d’usages. Toutefois, la simplicité et la temporalité nécessaires à leur réalisation ne correspondent pas forcément aux besoins opérationnels et les data lakes manquent généralement d’intégrations natives avec les autres plateformes d’orchestration client comme les bases de données CRM ou les canaux de contact marketing; ce qui nécessite d’anticiper sur certaines charges d’intégration entre différentes applications. On se retrouve alors avec des difficultés à maintenir par exemple une bonne qualité des données de contactabilité (adresse, email …) pourtant indispensable dans la relation client, à éviter les doublons ou encore à développer une réelle vision client 360°. Les data lakes ont donc permis aux entreprises de centraliser leurs données et de créer d’en créer de nouvelles, à valeur ajoutée, notamment grâce à l’IA, mais leur exploitation au service de l’expérience client reste encore complexe à mettre en œuvre.   

Quand les CDP bousculent l’approche traditionnelle des data lakes !
Aujourd’hui, on constate en parallèle, l’essor du déploiement des CDP qui, à la différence des data lakes, sont constituées en grande partie d’applications déjà packagées, prêtes à l’emploi et utilisables de façon intuitive pour s’adresser aux utilisateurs métier. Ces derniers sont ainsi désormais en capacité de réaliser segmentations, scores mais aussi programmations d’envoi de campagnes de façon autonome. Parmi les fonctions natives, on peut citer : le rapprochement des identités autour d’un profil unique (réconciliation des données on et off line), modèles d’intelligence artificielle pré-packagés simples à mettre en œuvre et surtout, activation immédiates des segments créés sur l’ensemble des canaux marketing, adtech, e-commerce ou encore call center. On notera également l’avantage d’une interface graphique intuitive tout comme la prise en main pour la création des segments. Pour autant, les CDP n’ont pas pour vocation à  remplacer les data lakes mais plutôt à les compléter, afin de rendre visible et plus facilement utilisable et en temps réel, les données qui sont stockées dans les data lakes.

En route vers une réconciliation des CDP et data lakes
Rien n’empêche donc de déployer les deux modèles en cohérence  puisque CDP et data lake sont tous les deux des modèles de bases de données persistants dans le temps et issus des investissements en big data menés par les entreprises. De plus, en automatisant l’intégration entre le data lake et la CDP, les équipes IT se libèrent des contraintes d’accompagnement des utilisateurs métier pour se consacrer à de nouveaux développements à valeur ajoutée. Enfin, dans une boucle vertueuse, les données unifiées et enrichies par la CDP ont vocation ensuite à venir enrichir le data lake pour améliorer les algorithmes déjà disponibles.

Les CDP sont donc à considérer comme un complément logique aux data lakes qui ont montré leurs limites sur certains processus liés au caractère opérationnel de l’expérience client, d’autant plus dans un contexte de fin prochaine annoncée des cookies tiers, qui pousse les entreprises, non seulement à continuer de collecter des données issues sur leurs visiteurs anonymes mais aussi à augmenter la quantité et la qualité de leurs données 1st party.

Pour en savoir plus, rdv sur : 

https://www.oracle.com/fr/cx/customer-data-platform/