La qualité catalogue est souvent visible seulement quand elle pose problème : offre refusée, produit absent, attribut manquant, image insuffisante, mapping incomplet ou catégorie mal rattachée. Pourtant, elle conditionne directement la diffusion marketplace, la visibilité des offres et la capacité à vendre.
Le chantier Data Quality Score catalogue a été lancé pour rendre cette qualité mesurable et priorisable. Il prolonge les connecteurs marketplace ERP, parce qu’un flux fiable ne vaut vraiment que si les données produits permettent aux marketplaces de publier correctement les offres.
Cette fiche raconte comment Dawap a structuré un score qualité utile au run vendeur : complétude, attributs, images, mapping, erreurs et impact de diffusion. Le score prépare une exploitation continue dans Ciama Marketplace.
1. Présentation du client
Un vendeur dont la diffusion dépendait de la qualité des données produit
Le contexte était celui d’un vendeur avec un catalogue important, des attributs nombreux et des exigences différentes selon les marketplaces.
Les équipes savaient que la qualité des données produits influençait la diffusion, mais elles avaient besoin d’un score pour prioriser les corrections au lieu de traiter les fiches dans le désordre.
Le projet a donc été cadré comme une brique de gouvernance catalogue : mesurer ce qui bloque, expliquer pourquoi, guider l’action et relier chaque correction à une valeur commerciale.
2. Méthode projet Dawap
Définir les critères qualité avec les équipes métier
La phase d’analyse a identifié les critères utiles : attributs requis, images, mapping catégorie, descriptions, identifiants, cohérence stock/offre, statut de diffusion et erreurs marketplace.
Le backlog a été suivi dans Jira avec une priorisation par valeur. Les premiers sprints ont traité les critères de complétude et mapping, puis les lots suivants ont ajouté pondération, priorités, liens vers les corrections et lecture par canal.
Les validations ont été menées en sandbox puis en préproduction sur des familles réelles : produits complets, produits incomplets, fiches refusées, attributs absents, images insuffisantes et catégories mal alignées.
3. Avant le projet
Une qualité catalogue connue mais trop peu priorisée
Avant ce chantier, les équipes identifiaient des problèmes catalogue, mais elles manquaient d’une méthode pour hiérarchiser les corrections.
Une fiche pouvait être incomplète sans bloquer la vente, tandis qu’un attribut absent sur une catégorie stratégique pouvait empêcher toute diffusion sur un canal prioritaire.
Le risque était de passer beaucoup de temps sur des corrections visibles mais peu utiles, pendant que des blocages plus rentables restaient ouverts.
4. Objectifs du chantier
Mesurer la qualité pour orienter le run catalogue
Le premier objectif était de définir un score qualité compréhensible par les équipes, avec des critères liés aux exigences marketplace.
Le deuxième objectif était de relier ce score aux impacts de diffusion : offre refusée, canal incomplet, listing fragile ou correction nécessaire.
Le troisième objectif était de prioriser les corrections selon leur valeur métier : produit stratégique, canal important, stock disponible, marge, potentiel de vente et complexité de reprise.
5. Solution mise en place
Un score catalogue relié aux statuts de diffusion
Dawap a structuré un Data Quality Score qui agrège plusieurs dimensions : complétude, attributs, images, mapping, identifiants, statuts et erreurs.
La solution rend le score lisible au niveau produit, catégorie et canal. Les équipes peuvent voir pourquoi une fiche est fragile et quelle correction peut améliorer la diffusion.
Cette brique prolonge la Listing Gap Matrix marketplace et l’Offer Listing Matrix marketplace.
6. Score qualité
Transformer les exigences marketplace en indicateurs lisibles
Le score devait rester compréhensible. Un score opaque aurait créé un nouvel indicateur difficile à utiliser. Chaque composante devait pouvoir être expliquée et corrigée.
Les critères ont donc été pensés comme des points d’action : attribut manquant, image insuffisante, mapping absent, incohérence de catégorie ou identifiant incomplet.
Cette lisibilité donne aux équipes un langage commun entre commerce, data, connecteurs et catalogue.
7. Corrections prioritaires
Traiter les fiches qui changent vraiment la diffusion
Le score devient utile lorsqu’il classe les corrections. Une fiche à 60% peut être moins urgente qu’une fiche à 80% si cette dernière bloque un canal prioritaire.
Dawap a donc relié la qualité catalogue à des dimensions métier : potentiel de vente, marge, stock disponible, canal cible, famille stratégique et cause de blocage.
Cette approche transforme la qualité catalogue en plan d’action plutôt qu’en audit statique.
8. Qualité et déploiement
Tester le score avec des fiches réelles avant adoption
La qualité du module a été sécurisée par des contrôles sur les critères, pondérations, mappings et statuts de diffusion.
Les validations en préproduction ont comparé le score avec les cas connus des équipes : fiches bloquées, fiches diffusables et fiches à corriger.
La mise en production a suivi le cycle CI/CD, avec ajustement des pondérations lors des sprints suivants pour mieux refléter la réalité des marketplaces.
9. Résultats obtenus
Un catalogue plus facile à corriger et à défendre
Après mise en production, les équipes disposent d’une lecture plus claire des fiches à corriger en priorité.
Les corrections deviennent plus efficaces parce qu’elles sont reliées à un impact de diffusion et à une cause compréhensible.
Le projet améliore aussi la collaboration : les équipes ne parlent plus seulement d’une fiche mauvaise, elles parlent d’un critère précis à corriger.
Preuve opérationnelle : la qualité catalogue devient pilotable
Data Quality Score transforme la qualité produit en plan de correction. Il renforce les connecteurs marketplace ERP, car un flux fiable doit aussi porter une donnée publiable.
10. Scénario terrain
Prioriser une correction qualité qui débloque un canal clé
Une fiche produit peut avoir un score global correct tout en bloquant une marketplace importante à cause d’un attribut obligatoire ou d’un mapping catégorie incomplet.
Le Data Quality Score ne se limite pas à une moyenne. Il fait ressortir le critère qui bloque réellement la diffusion et le relie au canal, au stock disponible, à la marge et au potentiel de vente.
L’équipe peut donc corriger la donnée qui débloque le plus de valeur, au lieu de traiter les fiches dans un ordre arbitraire ou purement esthétique.
11. Ce que cela prépare dans Ciama
Une amélioration continue de la donnée produit
Cette brique prépare dans Ciama Marketplace une logique d’amélioration continue : score, cause, correction, priorité et résultat de diffusion.
Dans Ciama Marketplace, la qualité catalogue devient un indicateur vivant, relié aux listings, offres, canaux et décisions commerciales.
Dans une roadmap agile accompagnée, le client peut faire évoluer les critères selon ses marketplaces, catégories et ambitions de croissance.
12. Projets proches
Relier qualité, listing et diffusion
La fiche Listing Gap Matrix marketplace montre les écarts de diffusion à expliquer.
La fiche Offer Listing Matrix marketplace relie les statuts d’offres et listings.
La fiche connecteur ERP et référentiel métier montre pourquoi la source de donnée doit être robuste.
13. Conclusion
Un score qualité utile doit produire un plan de correction
Ce projet montre qu’un score catalogue n’a de valeur que s’il aide les équipes à agir. Mesurer pour mesurer ne suffit pas : il faut savoir quelle correction débloque quelle diffusion, sur quel canal et avec quel impact.
En structurant Data Quality Score, Dawap donne aux vendeurs une lecture priorisée de leur catalogue : ce qui manque, ce qui bloque, ce qui pèse sur les canaux et ce qui mérite d’être traité en premier.
Cette approche renforce les connecteurs marketplace ERP et prépare une amélioration continue dans Ciama Marketplace, proche des règles et priorités du client.
