Réunir les données de plusieurs sources, c’est facile : voici comment.

Que vous ayez déjà un tableau de bord en place ou non, nous allons parler ici de comment unifier vos données provenant de sources diverses, afin de pousser plus loin votre suivi de performance.

Si vous n’avez pas encore de tableau de bord, je vous invite à lire l’article de mon collègue Yann Kerveant Analyse de données : Avez-vous besoin d’un dashboard? La réponse peut sembler simple à première vue, mais le plus important est de savoir pourquoi on en construit un, et comment faire en sorte qu’il soit pertinent.

La plupart du temps, chaque équipe organise son tableau de bord pour mettre de l’avant la performance de ses actions. Ce qui devient intéressant, c’est de prendre du recul afin de d’avoir une vue globale, car chaque action a toujours des répercussions à plusieurs niveaux.

Alors, à vous les tableaux de bord multi-canaux! Étendez même vos horizons jusqu’à ce qui se passe hors-ligne! Suivez-moi, on va regarder comment faire avec Google Data Studio.

Google Data Studio un outil de visualisation gratuit de Google. Il permet de regrouper des données provenant de sources multiples, et de les partager facilement.

Afin de récupérer vos données dans Data Studio, l’outil nous met à disposition des connecteurs, qui sont des petits outils intégrés qui permettent de se connecter à d’autres plateformes pour y chercher les données voulues.

Les connecteurs disponibles sont nombreux : il y a une quinzaine de connecteurs aux produits Google, mais aussi de nombreux connecteurs que des partenaires (comme Supermetrics et Analytics Canvas) et la communauté open source proposent.

Bénéfices de l’unification des données

Au-delà d’afficher les données de sources diverses de manière dissociée, ce qui nous intéresse le plus ici, c’est l’unification de ces données. Il est beaucoup plus pertinent de combiner des informations dans un même graphique pour voir la relation entre celles-ci.

Prenons un exemple avec une entreprise qui vend des maillots de bain sur un site en ligne et en magasin. En considérant une version dissociée des données (avec comme sources Google Analytics et un outil interne de suivi des achats en magasin), nous aurions une vue en silos de la performance : ventes en magasin, ventes en ligne, nombre d’inscriptions à l’infolettre. En unifiant les données, nous pourrions aller beaucoup plus loin et avoir une vue combinée : ventes en magasin des utilisateurs qui sont inscrits à l’infolettre, pourcentage d’utilisateurs qui n’achètent qu’en ligne, etc.

Les données unifiées permet d’avoir une vue 360 du comportement de vos clients et de saisir des insights incontournables.

Prenons un autre exemple avec un site qui a comme objectif de générer des leads pour ensuite les convertir en clients. Unifier les données de ce qui se passe sur le site et hors-ligne (en prenant comme sources Google Analytics et votre outil de CRM) permettrait d’avoir des informations directement reliées aux objectifs : connaître exactement le nombre de leads et de clients générés par une campagne.

Êtes-vous conquis?

Comment unifier ses données : des options

Concrètement, plusieurs solutions s’offrent à vous pour y arriver réaliser. À vrai dire, il n’y a pas de meilleure manière de faire, tout dépendra de votre cas et vos limites. Le plus important à retenir est que, pour unifier vos données, vous devez avoir une clé commune (une dimension) entre vos sources.

Les trois solutions pour réunir vos données dont on parlera aujourd’hui sont : data blending, BigQuery, MySQL.

Le data blending : en toute simplicité

Google Data Studio a récemment lancé la fonctionnalité de data blending tant attendue.

Elle permet, au sein même de l’outil, de fusionner plusieurs sources de données, en indiquant une clé commune à chaque fois pour pouvoir lier les données.

Dans le cas où la majorité de vos données se trouvent dans Google Analytics ou Google Ads (anciennement AdWords), et que vous avez besoin d’enrichir ces données avec une autre source de données, utilisez cette solution!

Un exemple très simple et très bénéfique est d’appliquer des cibles à vos métriques. En plus d’ajouter du contexte, cette action permettra de mesurer la performance en comparant les données actuelles avec les données ciblées.

1. Prenons comme première source Google Analytics, avec la métrique du nombre de leads par jour.
2. La deuxième source serait un fichier Google Spreadsheet qui contiendrait le nombre de prospects cible par jour.
3. La clé commune sera la date

Vous avez maintenant une vue de votre métrique en relation directe avec une cible, c’est ce qu’on appelle un indicateur de performance! Vous savez tout de suite si ça va bien ou non.

Pensez aux multiples connecteurs disponibles dans Data Studio qui vous permettent d’avoir des sources de données de différentes plateformes afin de les combiner entre elles grâce au data blending. Par exemple, Supermetrics dispose d’un connecteur Facebook Ads. Intégrez ces données à vos données Google Analytics afin d’associer les impressions, clics et coûts de vos campagnes, par exemple.

Il existe également un connecteur Salesforce, si vous avez déjà fait l’intégration entre Salesforce et Google Analytics 360, il sera encore plus facile d’associer les données des deux plateformes dans votre tableau de bord.

BigQuery : Aux grands mots les grandes données

BigQuery sera votre meilleur ami si vous avez besoin de traiter un gros volume de données.

Si vous faites partie de la famille Google Analytics 360, BigQuery sera très utile pour vous. Les données GA peuvent être envoyées quotidiennement vers BigQuery afin d’appliquer des requêtes plus poussées sur les données brutes.

Mis à part les données GA, il est aussi possible d’enrichir celles-ci avec des données externes à importer dans BigQuery : l’unification des différentes sources se fera alors au sein de BigQuery à travers des requêtes SQL. Gardez toujours en tête qu’une clé commune entre les sources doit exister afin de pouvoir faire cette unification.

Une fois ces requêtes effectuées, il existe un connecteur pour récupérer ces données directement dans Google Data Studio! Quoi demander de mieux?

Un autre cas d’utilisation serait si vous utilisez déjà BigQuery comme entrepôt de données. Encore une fois ici, unifiez vos données à travers les requêtes SQL et connectez-vous dans Data Studio! Attention, le mot « déjà » à sa place. Autrement, l’effort en coût et en temps de migration de données ne vaudrait pas la peine pour simplement se connecter à Google Data Studio.

SQL : des tables ou des requêtes

Si la majorité de vos données sont présentes dans des bases de données MySQL ou PostgreSQL, alors ces connecteurs à Data Studio sont pour vous. Il suffit de vous connecter à votre base de données afin de récupérer les données dans Google Data Studio.

Il y a deux moyens de récupérer les données voulues :

• Créer les tables finales dans les BD afin de se connecter directement à celles-ci pour n’avoir que les données nécessaires;
• Créer des requêtes SQL directement dans Data Studio pour interroger les différentes tables et récupérer les données.

L’inconvénient de la 2e option est que l’interface Data Studio n’est pas optimal et, selon la lourdeur des requêtes, il est possible que le dashboard soit lent ou que la requête fasse une erreur d’expiration du délai d’attente.

Le connecteur ressemble à ceci, vous pouvez voir les deux options de connexion, soit sur une table ou par requête SQL :