Modèle de données

Qu'est-ce que Modèle de données ?

Un modèle de données décrit les types de données qu'un système stocke et leurs relations. Un modèle de données PIM, aussi appelé modèle de données produit, définit les entités de ton catalogue, comme les produits, variantes, familles, attributs, catégories et assets, ainsi que les règles de chaque champ. En pratique, le modèle répond à des questions comme : la couleur est-elle un attribut du produit ou de chaque variante, quels attributs sont obligatoires pour une catégorie, et quelles valeurs sont autorisées. Un modèle de données de référence produit dans un MDM couvre l'identité de base d'un produit dans toute l'entreprise, tandis qu'un modèle de données PIM y ajoute le contenu marketing et les champs par canal nécessaires pour le vendre. Bien concevoir le modèle tôt évite de refaire le travail plus tard, car chaque import, filtre et feed en dépend. Le guide de modélisation des attributs détaille les choix étape par étape.

Pourquoi Modèle de données compte en e-commerce

Le modèle de données détermine ce que ton catalogue peut exprimer. Si la taille se trouve dans le titre du produit au lieu d'un attribut taille, les acheteurs ne peuvent pas filtrer dessus et un feed ne peut pas l'envoyer comme champ séparé. Si les variantes sont stockées comme des produits séparés, le stock, les avis et le contenu sont répartis sur de nombreuses fiches. Un modèle clair facilite aussi les canaux. Chaque marketplace et chaque feed a ses propres champs obligatoires. Quand ton modèle stocke déjà ces valeurs sous forme d'attributs structurés, le mapping vers un nouveau canal consiste à relier des champs plutôt qu'à réécrire du contenu. Enfin, le modèle fixe les limites de la croissance. Ajouter une nouvelle catégorie avec ses propres attributs, une nouvelle langue ou un nouveau canal est simple quand le modèle a été conçu pour être étendu, et pénible quand chaque type de produit a été entassé dans la même liste plate de colonnes.

Exemples de Modèle de données

• 1Entité : famille de produits Chaussures de running, Attributs : marque, drop, poids, surface, Axes de variante : taille, couleur
• 2Entité : attribut Taille d'écran, Type : nombre avec unité, Unité : pouce, Obligatoire dans : ordinateurs portables, écrans
• 3Entité : catégorie Mobilier d'extérieur, Parent : jardin, Attributs hérités : matière, résistance aux intempéries
• 4Entité : asset photo produit, Lié à : variante Navy / taille M, Règle : au moins 3 images par variante

Conseils pour Modèle de données

• Liste les questions que posent les clients par catégorie et transforme chaque réponse en attribut.
• Décide pour chaque attribut s'il appartient au produit ou à la variante avant d'importer des données.
• Utilise des listes de valeurs et des unités fixes partout où un filtre ou un canal dépend de la valeur.
• Documente le modèle à un seul endroit pour que tous ceux qui ajoutent des produits suivent les mêmes règles.

Tendances autour de Modèle de données

• Des modèles conçus autour des exigences des canaux, pour que chaque attribut corresponde aux champs demandés par les marketplaces et les feeds.
• Plus d'attention aux attributs que lisent les assistants d'achat AI, comme la compatibilité et les cas d'usage.
• Des modèles extensibles où les nouveaux types de produits reçoivent leurs propres attributs sans modification de la base de données.
• L'utilisation de classifications partagées comme ETIM, GS1 GPC ou la taxonomie produit de Google comme point de départ.

Outils pour Modèle de données

• Des PIM comme WISEPIM, Akeneo et Salsify, qui modélisent familles de produits, attributs et variantes.
• Des plateformes MDM, qui modélisent la fiche de référence d'un produit dans toute l'entreprise.
• Des plateformes e-commerce comme Magento et Shopify, qui proposent des jeux d'attributs ou des metafields.
• Des outils de diagramme comme Lucidchart ou dbdiagram, qui t'aident à esquisser le modèle avant de le construire.

Termes associés

Aussi appelé