Comment utiliser Zoho Analytics pour effectuer un calcul complexe et le réinjecter dans Zoho CRM

18/02/2026 12:02

Une utilisation méconnue de Zoho Analytics

Généralement, Zoho Analytics est utilisé pour créer des tableaux de bord et c'est déjà beaucoup. Pourtant, on peut aussi l'utiliser comme moteur de calcul avancé pour enrichir les données CRM.

Cas très courant :
👉 calculer un scoring client (valeur, potentiel, risque, engagement…) dans Analytics à partir de plusieurs sources de données (CRM, Desk, Campaigns, fichiers sur un drive, etc.)

👉 puis injecter automatiquement ce score dans Zoho CRM.

Ca peut être un scoring mais aussi : la valeur d'un contrat, le panier moyen, un ou plusieurs éléments de segmentation, etc.

Dans cet article, je vous explique une architecture simple et performante permettant de faire des calculs complexes dans Analytics et de réinjecter le résultat de ces calculs dans Zoho CRM.

Pourquoi faire le calcul dans Analytics ?

Zoho Analytics peut devenir un vrai centre de calcul :

il récupère des données de différentes sources (applis Zoho ou autres, API, fichiers sur le Cloud, FTP, etc.)
il sait croiser ces différentes sources de données et effectuer des calculs puissants grâce au SQL
il sait capturer un historique de données pour l'adjoindre au calcul
il travaille vite, sur des volumes de données importants (plusieurs millions de lignes)
certaines choses peuvent être faites en no-code

Faire des calculs complexes dans CRM (via workflows, fonctions ou autre) devient vite difficile et limité. Zoho Analytics est largement meilleur lorsqu'il s'agit de travailler sur des quantités de données importantes avec des règles de calculs complexes.

Comment injecter dans la CRM ?

Généralement, nous récupérons les calculs faits dans Zoho Analytics via une fonction planifiée Zoho CRM, écrite en Deluge.

Voici les points importants à prendre en compte dans l'architecture :

1. Les données calculées dans Zoho Analytics doivent être présentées dans une vue tabulaire

2. La fréquence de la fonction planifiée doit être choisie par rapport à la fréquence de synchronisation Zoho Analytics

3. L'utilisation de bulk update côté CRM est fortement recommandée pour limiter les appels API et les temps de réponse

4. Les temps de réponse sont à challenger avec attention : nous recommandons fortement de fonctionner en mode Delta. C'est-à-dire que les calculs faits dans Zoho Analytics ne doivent retourner que les enregistrements dont la valeur est à modifier dans Zoho CRM. Concrètement, il s'agit de comparer la valeur calculée avec la valeur déjà dans la CRM. Si elle est identique, on considère que la mise à jour n'est pas à faire et ne doit pas figurer dans la vue tabulaire.

5. Garder une trace de l'automatisation dans la CRM

6. Penser à la gestion des erreurs (try catch avec envoi d'e-mail ou autre)

7. Vérifier les temps de réponse et la consommation des appels API lors d'une exécution test

Si les temps de réponse viennent à être trop longs (volumétrie de données à mettre à jour régulièrement trop importante), il existe deux solutions :

1. Utiliser Zoho Data Prep avec un pipeline Analytics vers CRM. Nous ne préconisons pas cette solution en première instance car elle rajoute une brique dans l'architecture.

2. Réaliser une application Zoho Creator qui fait les mises à jour par tranche (ex : une exécution toutes les 5 minutes jusqu'à traitement complet de la vue tabulaire).

Exemple de code

Voici une version simplifiée du script adaptée à un cas de scoring clients.

Le script :

vérifie la synchronisation Analytics,
lit une vue tabulaire,
construit des paquets de 100 clients,
met à jour le score en bulk dans CRM.

void schedule.Injection_ZA_CRM_Scoring_()

{

v_BaseURL = "https://analyticsapi.zoho.eu";

v_ZA_WorkspaceID = "WORKSPACE_ID";

v_ZA_OrgID = "ORG_ID";

m_Header = Map();

m_Header.put("ZANALYTICS-ORGID",v_ZA_OrgID);

// Vérification des datasources Analytics

v_Endpoint = v_BaseURL + "/restapi/v2/workspaces/" + v_ZA_WorkspaceID + "/datasources";

r_Analytics = invokeurl

[

url :v_Endpoint

type :GET

headers:m_Header

connection:"zoho_analytics_connexion"

];

if(r_Analytics.get("status") == "success")

{

// Lecture de la vue tabulaire de scoring

v_ZA_VIEW = "VIEW_SCORING_CLIENTS";

v_Endpoint = v_BaseURL + "/restapi/v2/workspaces/" + v_ZA_WorkspaceID + "/views/" + v_ZA_VIEW + "/data";

m_Params = Map();

m_Params.put("responseFormat","json");

m_Config = Map();

m_Config.put("CONFIG",m_Params);

r_ANALYTICS = invokeurl

[

url :v_Endpoint

type :GET

parameters:m_Config

headers:m_Header

connection:"zoho_analytics_connexion"

];

if(r_ANALYTICS.get("data").size() > 0)

{

l_updateList = List();

optionsMap = Map();

optionsMap.put("trigger","workflow");

numLine = 1;

for each line in r_ANALYTICS.get("data")

{

clientID = line.get("Id");

scoreClient = line.get("Score Client");

segmentScoring = line.get("Segment Scoring");

m_recordMap = Map();

m_recordMap.put("id",clientID);

m_recordMap.put("Score_Client",ifNull(scoreClient,""));

m_recordMap.put("Segment_Scoring",ifNull(segmentScoring,""));

l_updateList.add(m_recordMap);

if(numLine == 100)

{

info "*** BULK UPDATE CLIENTS ***";

updateClients = zoho.crm.bulkUpdate("Contacts",l_updateList,optionsMap);

l_updateList = List();

numLine = 1;

}

else

{

numLine = numLine + 1;

}

// Dernier bulk

updateClients = zoho.crm.bulkUpdate("Contacts",l_updateList,optionsMap);

}

En synthèse

En synthèse :

Voici le pattern idéal :

1️⃣ Analytics fait les calculs via SQL
2️⃣ Une vue tabulaire expose uniquement le Delta
3️⃣ Deluge lit la vue via API
4️⃣ La CRM est mis à jour en bulk dans CRM

Les trois règles d'or :

⭐ Toujours filtrer le Delta dans Analytics

⭐ Toujours utiliser une vue tabulaire dédiée
⭐ Toujours envoyer les updates en bulk côté CRM

Avec cette approche, Analytics devient un véritable moteur d’intelligence opérationnelle pour votre CRM, capable d’injecter des données calculées sur des milliers d'enregistrements (clients, contrats, etc.).