Transformation OWOX BI : normalisez, préparez et orchestrez vos données de marketing numérique en toute simplicité

Plus une entreprise collecte de données auprès de diverses sources, plus l'ensemble du système d'analyse devient complexe. Ainsi, il devient plus difficile de gérer le système d'analyse et de trouver des informations fiables. Les analystes doivent consacrer plus de temps au traitement et à la préparation des données pour les rapports au lieu de rechercher les points de croissance des données et les zones à risque.

Chez OWOX, nous sommes impliqués dans l'analyse depuis plus de 20 ans et sommes bien conscients des difficultés auxquelles les analystes sont confrontés à chaque étape du travail avec les données. En conséquence, nous avons créé un logiciel avec une interface utilisateur conviviale pour les analystes qui aide les analystes à simplifier la création de rapports et la gestion des données et à obtenir des données prêtes pour l'entreprise plus rapidement et plus facilement.

Les données prêtes pour l'entreprise sont le dernier ensemble de données nettoyées dans une structure qui correspond à votre modèle commercial. Les données d'entreprise décrivent en fait le modèle d'entreprise. Par exemple, que signifie exactement dans une entreprise donnée les termes utilisateurs, utilisateurs B2B, transactions, prospects, etc. ? Ces définitions décrivent l'entreprise à sa base. Le modèle de données d'entreprise permet à tous les employés d'avoir une compréhension commune de la façon dont les données sont utilisées et comprises.

En d'autres termes, les données prêtes à l'emploi sont prêtes à être utilisées dans le marketing et les rapports sur les produits et peuvent être envoyées à n'importe quel service de visualisation (Power BI, Tableau, Google Data Studio).

Si vous construisez des rapports sur des données brutes et non modélisées, vous pouvez rencontrer de nombreux problèmes récurrents : la recherche des erreurs et des causes des écarts prend beaucoup de temps, et la logique métier doit être constamment dupliquée dans toutes les requêtes SQL.

Par conséquent, la conversion des données brutes en données prêtes pour l'entreprise est une étape importante qui ne doit pas être ignorée.

Les analystes collectent des données à partir de services et de systèmes disparates. Naturellement, la structure et le format des données dans ces sources varient. Pour créer des rapports, les données provenant de différentes sources doivent être correctement fusionnées. En soi, les données téléchargées via des connecteurs ou divers services ETL sont inexactes (contenant des erreurs, des doublons et des écarts) et manquent d'une logique et d'une structure unifiées. Les données inexactes et fragmentées doivent être nettoyées et normalisées dans un format prêt pour l'analyse.

Il est difficile de convertir des données provenant de sources disparates en un seul format. Par exemple, vous pouvez collecter des données de coût à partir de différentes plateformes publicitaires (Google Ads, Twitter Ads, Facebook Ads) et chaque système peut avoir sa propre devise et sa propre étiquette pour ce champ.

Un autre objectif de la normalisation des données est de résoudre les problèmes de redondance des données (lorsque les mêmes données sont stockées dans la base de données à plusieurs endroits). La redondance des données contribue à diverses anomalies, réduit les performances et rend la gestion des données peu pratique.

La normalisation manuelle de toutes les données est tout un défi. Lorsque vous travaillez avec une grande quantité de données, de nombreuses erreurs et incohérences peuvent apparaître, principalement liées à des requêtes et des scripts SQL sans fin. Si quelque chose ne va pas ou change (par exemple, une API de service est mise à jour), tout s'effondrera.

La normalisation des données est une corvée qui empêche les analystes d'entreprendre des tâches plus intéressantes et de rechercher des informations. Sans oublier que cela prend généralement jusqu'à 50% du temps de travail d'un analyste.

OWOX collecte automatiquement des données pour analyse dans un format pratique à partir de toutes vos sources marketing :

1. Google Analytics 4, Firebase et Apps Flyer
2. Données brutes du site Web entièrement conformes au RGPD
3. Plateformes publicitaires
4. Systèmes GRC
5. Autres sources de commercialisation

Avec OWOX BI, vous n'avez pas besoin de nettoyer, structurer et traiter manuellement les données. Le service normalisera automatiquement les données brutes dans un format prêt pour l'analyse en :

• Reconnaître les paramètres dynamiques dans les balises UTM afin d'obtenir des données complètes sur les campagnes publicitaires
• Convertir les coûts publicitaires en une seule devise afin que vous puissiez les fusionner et les comparer
• Déterminer la géolocalisation des utilisateurs afin de pouvoir créer des rapports par pays et par région
• Détecter les activités des bots pour nettoyer vos rapports des données obsolètes
• Éliminer les incohérences et les inexactitudes des données
• Conversion de toutes les données dans un format unique (dates, devises, etc.)
• Mise en forme des données dans des tables selon le schéma du magasin de données cible
• Effectuer une déduplication pour éliminer les données redondantes
• Suppression des données inutilisées et signalement des anomalies
• Si nécessaire, fusionner les données de deux valeurs en une seule ou, à l'inverse, scinder les données d'une valeur en deux
• Réalisation d’audits de qualité des données et de contrôles de conformité

À la suite de ces manipulations de données, vous obtenez des données structurées précises en sortie : formats de balises unifiés, une seule devise, données dédoublées, etc.

Comme nous l'avons dit plus haut, pour créer des rapports, les données provenant de différentes sources doivent être correctement fusionnées. Par exemple, les actions des utilisateurs doivent être combinées en sessions afin de connecter les conversions aux campagnes publicitaires. Les coûts provenant de différentes sources doivent être combinés en une seule structure afin que l'efficacité de ces sources puisse être comparée.

L'étude de la compatibilité des données provenant de différentes sources prend beaucoup de temps. De plus, la fusion des données doit se produire régulièrement à mesure que les données sources sont mises à jour, et un analyste doit être en mesure de gérer de manière flexible la logique métier conformément aux exigences de l'entreprise.

Pour préparer un système de reporting, un analyste doit créer et maintenir toute une cascade de transformations de données SQL interconnectées. Au fil du temps, dans n'importe quel projet, cela se transforme en un enchevêtrement de requêtes et de scripts SQL, dont le débogage prend beaucoup de temps et n'ajoute pas de nouvelle valeur.

La préparation des données est un processus. Il ne suffit pas de préparer un rapport (ou même beaucoup de rapports). Les données doivent être mises à jour régulièrement et les modifications apportées aux rapports sont permanentes. Tout cela est désormais fait manuellement par les analystes, ce qui prend beaucoup de temps, ainsi qu'à l'aide de requêtes SQL et de scripts.

Si vous créez des rapports sur des données brutes non prêtes pour l'entreprise, vous pouvez rencontrer de nombreux problèmes récurrents : la recherche d'erreurs et de causes de divergences prend beaucoup de temps, et la logique métier doit être constamment dupliquée dans toutes les requêtes SQL.

À quoi ressemble le processus de création de rapports pour les données brutes ?

Tout d'abord, un spécialiste du marketing indique à un analyste ce qu'il convient de faire. Ensuite, l'analyste écrit des requêtes SQL et construit un tableau de bord basé sur leurs résultats. Comme d'habitude, certaines divergences sont trouvées, de nouvelles conditions sont ajoutées aux demandes, quelques itérations sont effectuées, des commentaires sont reçus. Mais toutes les décisions sont prises dans le contexte de ce seul rapport. Lorsque vous avez besoin d'un autre rapport avec des données provenant d'autres sources, de nouvelles colonnes ou plusieurs tranches de données, le processus de vérification de la convergence et de la validation des données devra être répété. Ou un analyste peut créer 10 rapports, dans lesquels le nombre de clients, par exemple, diffère parce qu'une logique de calcul différente a été appliquée. Avec la transformation et la modélisation des données, cette tâche est résolue avant la création du rapport.

OWOX BI Transformation applique automatiquement les transformations de base dont tout le monde a besoin, telles que la mise en session et la fusion des données de coût. De plus, vous pouvez facilement créer et appliquer vos propres transformations (personnalisées).

OWOX BI vous fournit des données prêtes à être analysées, ce qui vous fait gagner des heures sur la préparation des données.

1. Fusionner automatiquement les hits de session

L'algorithme OWOX BI fusionne automatiquement les hits dans les sessions sans recourir à la logique Google Analytics de formation de session. Vous obtiendrez des tables de session mises à jour automatiquement prêtes à l'emploi dans une structure pratique sans avoir besoin d'écrire des transformations de données complexes.

2. Fusion des données de coût sur tous les canaux

Pour convertir les coûts publicitaires, les analystes doivent importer les données du compte publicitaire dans des fichiers séparés, puis les importer manuellement via l'interface BigQuery. Les inconvénients de cette méthode sont évidents : beaucoup de travail inutile et pas d'automatisation.

Vous pouvez également écrire vos propres scripts qui téléchargeront les informations dont vous avez besoin auprès du service marketing. Mais le travail de cette solution doit être constamment surveillé et entretenu. Dans ce cas, vous dépenserez des ressources de développeur pour fusionner les données de différents comptes et pour différentes dates, vérifier sa qualité et réagir rapidement aux éventuelles modifications des API du service de publicité. Si cela n'est pas fait, des données de mauvaise qualité peuvent conduire à de mauvaises décisions coûteuses pour l'entreprise.

OWOX BI fonctionne sans problème avec les grands comptes publicitaires et télécharge toutes les données quel que soit le nombre de campagnes. Il collecte toutes les données de coût dans un tableau automatiquement mis à jour, unifié et convivial, sans champs inutiles.

Outre l'importation automatique des données de coût, OWOX BI reconnaît les paramètres dynamiques dans les balises UTM, convertit les coûts en une seule devise, met à jour les données dans Google BigQuery rétroactivement si elles changent dans le service publicitaire et surveille la pertinence des données.

3. Profils utilisateur multi-appareils uniques

Toutes les données sur le comportement des utilisateurs de votre site ainsi que de divers appareils et applications sont fusionnées dans un seul profil. Vous obtiendrez une image complète du comportement de chaque utilisateur pour analyser la qualité des campagnes publicitaires.

4. Type d'utilisateur (nouveau ou ancien)

OWOX BI définit le type d'utilisateur (nouveau ou ancien) afin que vous puissiez créer des rapports sur différentes cohortes d'utilisateurs.

5. Coûts publicitaires attribués à chaque session

OWOX BI attribue les données de coût au niveau de la session. Vous n'êtes plus limité à évaluer l'efficacité marketing dans le cadre d'une campagne publicitaire et pouvez calculer correctement l'économie unitaire. Évaluez l'efficacité de la publicité pour différentes cohortes, régions, pages de destination et groupes de produits.

6. Modélisation des attributions

Dans OWOX BI, vous pouvez connecter n'importe quel modèle d'attribution standard à vos rapports, configurer un modèle d'attribution basé sur les données basé sur les prévisions de conversion OWOX ou configurer un modèle personnalisé pour s'adapter à vos règles et à votre entonnoir de vente. Tout cela peut être facilement fait dans l'interface du produit sans l'aide d'ingénieurs de données.

Avec les transformations de données OWOX BI, vous disposez de larges opportunités pour mesurer l'impact des campagnes sur les conversions :

• Choisissez n'importe quel modèle d'attribution reconnu par l'industrie (dernier clic, premier clic, forme en U) parmi des modèles prédéfinis
• Utiliser le modèle d'attribution algorithmique basé sur l'entonnoir
• Créez vos propres modèles personnalisés
• Créez des rapports basés sur différents modèles d'attribution pour comparer les résultats

7. Conversion modélisée

Utilisez la conversion modélisée pour des mesures sans cookie et des prédictions de conversion.

Pour se conformer aux exigences du RGPD, le propriétaire du site doit refuser d'identifier les utilisateurs qui ne souhaitent pas partager leurs cookies et ne pas cliquer sur le bouton magique "Accepter les cookies". Par conséquent, le mode Consentement réduit de 30 % le nombre de conversions pour lesquelles une source de trafic peut être déterminée.

La modélisation de la conversion aide à résoudre ce problème. Premièrement, les systèmes d'apprentissage automatique traitent les données disponibles et les statistiques historiques. Ensuite, sachant quel pourcentage d'utilisateurs ont autorisé l'installation de cookies et comment ces utilisateurs se sont convertis, ils déterminent le chemin d'attribution le plus probable pour ceux qui ne l'ont pas fait. Cela vous permet de faire correspondre plus précisément les résultats de la campagne aux coûts de la campagne - et en même temps de vous conformer aux décisions des utilisateurs concernant les cookies.

Pour déterminer la source de ces transactions incohérentes, nous utilisons un modèle d'apprentissage automatique formé sur des données cohérentes ainsi que des paramètres supplémentaires (User-Agent, Geo, Device et autres). En termes simples, le modèle analyse les conversions correspondantes avec des sources connues et distribue proportionnellement les conversions incohérentes restantes aux sources et supports qui figurent dans les données.

Quelle que soit la manière dont vous préparez les données pour les rapports, vous devrez toujours :

• Contrôler la logique de transformation des données
• Avoir une image claire de la façon dont les données sont interdépendantes
• Identifiez rapidement les causes d'échec et les retards dans la mise à jour des données

Plus le magasin de données interne est ramifié, plus il est difficile d'écrire une logique qui collectera des données prêtes pour l'entreprise - et plus il est difficile pour l'analyste de gérer les données. Sans un outil d'orchestration pratique, les analystes se précipitent entre une grande quantité de données, de nombreux connecteurs et diverses transformations et rapports sans avoir une idée claire de la façon dont ils sont tous connectés. Par conséquent, la recherche et l'élimination des erreurs et des écarts prennent beaucoup de temps.

OWOX BI Workspace vous permet de gérer le flux de données dans une interface utilisateur conviviale pour l'analyse. Nous avons simplifié l'ensemble du processus pour offrir aux analystes une toute nouvelle façon de travailler avec les données. Les analystes peuvent aller de l'obtention de données brutes à leur visualisation par eux-mêmes dans le même produit.

• Suivre la façon dont les données se déplacent et changent des connecteurs aux tableaux de bord
• Définir et contrôler la transformation des données et la logique de calcul des métriques dans chaque rapport
• Gérez les transformations SQL en quelques clics
• Planifiez des mises à jour des données pour garder les données à jour
• Voir immédiatement toute erreur ou retard dans la mise à jour des données

Notre produit n'est pas une boîte fermée qui produit des résultats incompréhensibles. Vous obtenez un graphique clair des transformations qui montre clairement comment vos données se déplacent, où et pourquoi. Il est facile de voir et d'influencer la logique de calcul. Vous ne verrez pas seulement le résultat : vous comprendrez comment cela s'est produit.

Il y a certaines choses que les analystes ne peuvent pas faire seuls, comme définir le modèle d'attribution, connecter de nouvelles sources de données et effectuer des transformations de données difficiles. Pour ces tâches, un ingénieur de données est requis.

La personnalisation et la maintenance d'outils d'orchestration de transformation personnalisés comme Airflow ou dbt nécessitent des ingénieurs de données, une ressource rare. L'utilisation de tels outils est pratique pour les développeurs mais pas pour les analystes. Vous pouvez en savoir plus à ce sujet dans l'article benn.substack.

C'est pourquoi les analystes doivent souvent attendre de l'aide et les ingénieurs de données sont souvent distraits de leurs tâches principales. Tout cela ralentit le délai d'obtention des informations, empêchant les utilisateurs professionnels de prendre à temps des décisions basées sur les données.

OWOX offre une toute nouvelle façon plus efficace de travailler avec les données, dans laquelle l'analyste devient une unité commerciale autonome et très efficace. L'analyste contrôle l'ensemble du flux de travail avec les données et peut réaliser ses talents d'analyse au lieu de s'enliser dans des tâches routinières.

Avec OWOX, vous obtenez des données précises et prêtes pour l'entreprise dans un format prêt pour SQL pour explorer facilement les informations, ce qui permet aux ingénieurs et aux analystes de gagner un temps précieux. Vous n'avez pas besoin d'un ingénieur de données, car OWOX fait tout automatiquement.

Sur le chemin d'un format prêt pour l'entreprise, il y a beaucoup de travail à faire avec les données. En outre, les données pour les rapports doivent être mises à jour régulièrement. Afin de ne pas faire perdre de temps aux analystes sur ces tâches de routine, il est préférable d'automatiser l'ensemble du processus de travail avec les données à l'aide d'OWOX BI et de libérer le temps de vos analystes pour analyser les données et rechercher des informations.