Chapitre 4/10 • 15 min de lecture

Data Model

Poser des fondations de données saines pour un CRM qui scale

⏱️ En bref : Un data model RevOps tient en 4 entités principales : Contact, Entreprise, Opportunité, Activité. Si ces 4 sont bien modélisées, 80% des problèmes de qualité de données sont résolus.

Pourquoi le data model est stratégique

Quand une PME démarre avec un CRM, tout le monde se précipite sur la saisie des contacts. 6 mois plus tard, la base est polluée : doublons, champs vides, relations incohérentes, impossible de reporter correctement.

Un bon data model pensé en amont évite 90% des problèmes de qualité de données. Il définit quelles entités existent, comment elles sont liées, quels champs sont obligatoires.

Les 4 entités principales

Entité 1 — Contact (Personne)

Une personne physique avec laquelle vous avez une relation professionnelle. Champs obligatoires :

  • Prénom, Nom
  • Email (unique)
  • Fonction
  • Lien vers l'entreprise
  • Source (comment est arrivé dans le CRM)
  • Date de création
  • Propriétaire (commercial responsable)

Règle d'or : l'email est le champ unique qui déduplique. Un même email ne peut pas exister deux fois.

Entité 2 — Entreprise (Organization)

L'organisation pour laquelle travaille un contact. Champs obligatoires :

  • Nom légal
  • SIREN (unique en France)
  • Site web
  • Effectif
  • Secteur (NAF)
  • Localisation
  • Statut (prospect, client actif, client perdu, partenaire)

Règle : le SIREN déduplique les entreprises françaises. Pour les étrangères, utiliser le domaine web.

Entité 3 — Opportunité (Deal)

Une opportunité commerciale spécifique. Champs obligatoires :

  • Nom de l'opportunité (ex: "Acme - CRM Implementation Q2")
  • Entreprise liée
  • Contact principal lié
  • Valeur estimée
  • Stage actuel
  • Date de création
  • Date prévisionnelle de closing
  • Commercial assigné
  • Source de l'opportunité

Entité 4 — Activité (Activity)

Toute interaction enregistrée : email envoyé, appel, RDV, note. Champs obligatoires :

  • Type (email, call, meeting, note)
  • Date
  • Contact lié
  • Opportunité liée (si applicable)
  • Contenu/résumé
  • Utilisateur (qui a créé l'activité)

Les relations entre entités

Les relations doivent être explicites :

  • Un Contact appartient à une Entreprise (plusieurs contacts possibles par entreprise)
  • Une Opportunité est liée à une Entreprise (plusieurs opportunités possibles par entreprise)
  • Une Opportunité a un Contact principal (et peut avoir plusieurs contacts associés)
  • Une Activité est liée à un Contact (et peut être liée à une Opportunité)

💡 La règle du "ONE source of truth"

Chaque donnée n'existe qu'à un seul endroit. Le secteur d'une entreprise est sur l'entreprise, pas sur chaque contact. Sinon incohérences garanties.

Les champs custom : avec parcimonie

Tentation classique : ajouter des dizaines de champs custom "au cas où". Résultat : 40 champs, personne ne sait lequel remplir, données inexploitables.

Règles pour ajouter un champ custom :

  1. Sera-t-il rempli systématiquement ? Si non → pas de custom field
  2. Sera-t-il utilisé dans un reporting ou une automatisation ? Si non → pas de custom field
  3. Peut-on le déduire automatiquement d'un autre champ ? Si oui → pas de custom field

Limite pragmatique : 10-15 champs custom maximum au total.

La normalisation des valeurs

Sans règles, chaque commercial saisit ses données différemment. "CEO" devient "PDG", "DG", "dirigeant", "patron" selon le commercial. Impossible de reporter correctement.

Solution : dropdowns (listes déroulantes) pour tout champ à valeurs limitées. Exemples :

  • Fonction : Directeur, Manager, Responsable, Opérationnel, C-Level
  • Source : Outbound, Inbound SEO, Inbound Ads, Referral, Réseau, Événement
  • Secteur : liste des 15-20 secteurs pertinents pour votre business
  • Stage Opportunité : les 6 stages de votre pipeline

La gestion des doublons

Même avec les meilleures règles, les doublons apparaissent. Actions :

  • Détection automatique : règles basées sur email + téléphone + nom
  • Merge mensuel : revue manuelle des doublons détectés, fusion conservant la donnée la plus complète
  • Alerting en temps réel : si un commercial tente de créer un contact qui existe déjà, alerte + proposition de récupérer l'existant

⚠️ Le piège de la sur-modélisation

Modéliser 10 entités différentes "pour faire propre" = complexité ingérable. Commencer avec les 4 entités standards, ajouter des entités custom uniquement si vraiment nécessaire (ex : "Contrat" si vous gérez du récurrent complexe).

Les erreurs de modélisation classiques

Erreur 1 — Stocker l'info au mauvais endroit

Mettre le secteur d'activité sur le contact au lieu de l'entreprise. 5 contacts d'une même boîte = 5 saisies à mettre à jour.

Erreur 2 — Ne pas gérer les changements de poste

Un contact quitte son entreprise : que devient-il ? Solution : champ "Status employment" avec historique. Ou créer un nouveau contact lié à la nouvelle entreprise et marquer l'ancien "not in role".

Erreur 3 — Champs texte libre au lieu de dropdowns

Laisser les commerciaux saisir le secteur en texte libre = 200 variantes ("Industrie", "industrie", "Industriel", "Manufacturing"). Impossible à reporter.

Le nettoyage périodique

Un data model propre au jour J devient sale en 6 mois sans maintenance. Rituels :

  • Mensuel (15 min) : détection et merge des doublons
  • Trimestriel (2h) : audit des champs vides obligatoires, relance des commerciaux
  • Annuel (1 journée) : revue complète du data model, suppression des champs non-utilisés, enrichissement massif des manques

📚 Pour aller plus loin

Passez au chapitre funnel metrics.