Naomi est la plateforme Big Data de connaissance client de SNCF Voyageurs (TGV-Intercités). Elle agrège l'ensemble des données pour analyser les comportements des voyageurs, prédire leurs usages et optimiser les offres commerciales.

Branche de SNCF Voyageurs qui exploite les trains à grande vitesse (TGV INOUI, OUIGO) et les trains Intercités (lignes structurantes nationales). C'est le périmètre métier sur lequel Naomi opère principalement.

Marque déployée par SNCF depuis 2017 sur ses TGV à offre de service complète. Distincte de OUIGO (offre low-cost). INOUI cible une clientèle prête à payer pour confort et services.

Organisme public français qui définit et publie les indicateurs officiels de régularité des trains. Les datasets de régularité TGV utilisés sur ce site suivent les normes AQST.

Personne responsable au quotidien de la qualité, de la documentation et de la bonne utilisation d'un domaine de données. C'est le "chef d'orchestre en coulisses" qui fait dialoguer métiers et IT pour que la donnée reste fiable.

Responsable métier (souvent un directeur ou manager) qui détient la responsabilité finale d'un jeu de données : ses définitions, sa qualité attendue, ses règles d'accès. Il décide, le Data Steward exécute.

Directeur de la donnée. Responsable global de la stratégie data d'une organisation. Pilote les Data Owners et Data Stewards, anime la gouvernance, porte la transformation par la donnée.

Référentiel international (publié par l'association DAMA) qui définit les bonnes pratiques de gestion des données : rôles, processus, qualité, métadonnées, gouvernance, etc. C'est la "Bible" de la discipline data.

Norme publiée par le Comité de Bâle (banques) en 2013 imposant des règles strictes sur la qualité, la traçabilité et l'auditabilité des données critiques. Souvent transposée hors banque comme référence d'excellence en gouvernance.

Mesure de l'aptitude d'une donnée à servir l'usage qu'on en fait. S'évalue selon des dimensions : complétude (pas de manque), exactitude (juste), fraîcheur (à jour), unicité (pas de doublons), cohérence, conformité.

Capacité à retracer l'origine d'une donnée et toutes les transformations qu'elle a subies, du système source jusqu'à son usage final. Essentiel pour comprendre, auditer et corriger.

Inventaire documenté des jeux de données d'une organisation. Contient pour chaque entité : sa définition, son propriétaire, ses attributs, sa qualité, ses usages autorisés. C'est le "Wikipédia interne" de la donnée.

Système qui unifie toutes les informations clients dispersées dans l'entreprise (web, mobile, CRM, fidélité, support…) en une vue unique et cohérente par client. C'est le socle indispensable d'une vraie connaissance client.

Discipline et outils visant à gérer les données de référence d'une entreprise (clients, produits, fournisseurs, gares…) comme un actif critique : unique, fiable, partagé. Le RCU est le MDM appliqué aux clients.

Version unique et faisant autorité d'un enregistrement (ex : un client) résultant de la fusion d'informations issues de plusieurs sources. C'est le "vrai" client, après réconciliation des doublons et arbitrage des conflits.

Plateforme logicielle qui centralise les données clients de toutes sources, les unifie en profils 360°, et permet d'activer ces données dans des canaux marketing. Une CDP joue souvent le rôle de RCU.

Système de gestion de la relation client. Outil opérationnel utilisé par les équipes marketing/vente/support pour suivre les interactions avec les clients, lancer des campagnes, suivre les opportunités.

Identifiant unique standardisé internationalement pour chaque gare ferroviaire. Pivot indispensable pour faire dialoguer les systèmes SNCF, RFF et opérateurs étrangers.

Approche d'architecture data décentralisée où chaque domaine métier est responsable de ses propres "data products", plutôt qu'une équipe data centrale qui sert tout le monde. Inspirée des microservices.

Processus d'ingestion de données : on extrait des sources, on transforme (nettoyage, calculs), on charge dans la destination. ELT (variante moderne) charge d'abord puis transforme dans le data warehouse.

Dans une organisation marketing client, la CRMS désigne une équipe en charge des campagnes CRM stratégiques (segmentation, ciblage, orchestration multicanal). Sur ce site, on simule une telle cellule comme cliente type d'un Data Steward Naomi.

Équipe en charge de l'analyse comportementale et de la modélisation prédictive des clients. Travaille sur des cas comme la prédiction du churn, la valeur vie client (LTV), la propension à l'achat.

Phénomène de perte de clients sur une période donnée. Un "modèle de churn" prédit la probabilité qu'un client cesse d'utiliser le service.

Estimation du chiffre d'affaires qu'un client va générer sur toute la durée de sa relation avec l'entreprise.

Réglementation européenne (2018) qui encadre l'utilisation des données personnelles. Impose notamment le consentement explicite, le droit à l'oubli, la traçabilité des usages.