Articles

An Analysis of Near-Field Communication

,

Introduction

From telegraphs to online video calls and from fax machines to emails, the communication means have evolved exceptionally. Now the world has shifted from wired networks to wireless transmission, the internet being the most significant model. 

Nowadays people do not want to wait for replies; messages are sent and received in milliseconds. Modern messaging apps are an example of it. Transferring large files was a problem for businesses in the past, as it could take hours to load. Currently, centralized cloud storage is giving easy access to data anywhere in no time. 

Source de l’article sur DZONE

/par

Gagnez en résilience en optimisant la gestion des risques et de la conformité

, ,

Le défi :

En ces temps de risques particulièrement évolutifs, les entreprises ne peuvent plus fermer les yeux sur des approches manuelles, cloisonnées et désagrégées en matière de gestion des risques. Elles doivent transformer leurs processus GRC et leurs systèmes SAP clés pour rester résilientes.

Les options possibles :

Avec les solutions SAP® GRC, vous pouvez intégrer des contrôles à un processus de gestion et bénéficier de meilleurs insights sur les anomalies et les potentiels événements à risque. Vous pouvez exploiter le Big Data directement à partir de vos applications SAP pour la surveillance des exceptions et l’obtention de meilleurs insights.

Comme nos solutions partagent une même plateforme technologique, la capacité d’obtenir ces insights en temps réel, via la surveillance automatisée des contrôles et des indicateurs de risques clés (partageables entre nos solutions), vous permet de véritablement transformer vos processus GRC. À partir de nos solutions SAP GRC, vous pouvez procéder à des agrégations et communiquer les principaux risques et statuts de conformité aux décideurs via SAP Digital Boardroom ou via des solutions orientées partenaires, telles que Risk Navigator d’EY.

La phase de découverte :

Nous savons également qu’en matière de transformation numérique la compréhension des fonctionnalités proposées et de leur valeur ajoutée, tout comme la réalisation d’une analyse de rentabilité, sont essentielles. Si vous avez besoin d’aide pour cette analyse, n’hésitez pas à recourir à l’un de ces calculateurs de valeur (pas d’inscription nécessaire).

Voici les calculateurs disponibles, accompagnés d’une brève description :

SAP Access Control (s’applique aussi à SAP Cloud Identity Access Governance) : découvrez les avantages de l’automatisation de l’analyse et de l’atténuation des risques, mais aussi de la gestion des rôles et des privilèges, de la mise en service et des certifications d’accès dans vos environnements hybrides.

SAP Process Control : explorez les améliorations possibles dans des domaines tels que la gestion des risques, les contrôles, le mappage des réglementations et politiques, les tests (notamment la surveillance continue des contrôles), les évaluations, etc.

SAP Risk Management : quantifiez les avantages potentiels d’une approche d’entreprise en matière de gestion des risques dans des domaines tels que la planification, la gestion des réactions ou encore l’identification, l’analyse et le reporting des principaux domaines à risques.

SAP Audit Management : découvrez comment rationaliser les audits internes et améliorer leur qualité en facilitant la documentation des preuves, l’organisation des tâches administratives et la création de rapports, sur site et à distance.

SAP Business Integrity Screening : identifiez les opportunités d’économies potentielles en réduisant les pertes liées à la fraude, via le contrôle de gros volumes de transactions, mais aussi de partenaires, afin de détecter toute anomalie.

Invitation spéciale : en savoir plus à l’occasion de notre prochain événement virtuel !

Rejoignez-moi, ainsi que mes collègues Neil Patrick, Thomas Frenehard et Vishal Verma, pour obtenir des insights de la part de SAP, mais aussi de nos invités spéciaux, Marsha Reppy d’EY et Michael Rasmussen de GRC 20/20, pour notre présentation intitulée « Risk and Compliance », proposée dans le cadre du sommet virtuel SAP Finance and Risk.

Nous évoquerons l’environnement actuel et la façon dont les technologies SAP peuvent aider les professionnels de la gestion des risques, des audits, des contrôles et de la conformité à transformer votre approche en matière d’automatisation et de conformité. Nous évoquerons également nos principales solutions GRC (Thomas Frenehard), ainsi que notre solution SAP Cloud Identity Access Governance (Swetta Singh).

En somme, nous vous proposons 45 minutes particulièrement riches et intenses, axées sur les risques et la conformité, et la présentation de multiples fonctionnalités absolument incontournables.

Informations complémentaires :

En attendant, voici quelques suggestions :

  • Regardez cet entretien de 10 minutes avec le directeur des audits internes d’OYAK Mining Metallurgy Group, Dilek ÇETİN, qui explique comment son entreprise a transformé ses processus d’audit et GRC via un modèle basé sur « trois lignes », pour plus d’automatisation, d’assurance et de visibilité, grâce aux solutions SAP GRC.
  • Accédez à notre dizaine de sessions à la demande pour bénéficier de présentations de produits approfondies et pour découvrir les nombreux cas dans lesquels SAP utilise ses propres solutions pour gérer les risques, automatiser des centaines de contrôles et effectuer ses propres programmes d’audit interne à travers l’entreprise. Inscrivez-vous pour regarder la session de votre choix et approfondir les domaines de la GRC (gouvernance, gestion des risques et conformité), de la gouvernance des accès, de la confidentialité et de la cybersécurité.
  • Découvrez l’approche de KraftHeinz avec les solutions SAP GRC et son parcours avec Risk Navigator d’EY.

Publié en anglais sur blogs.sap.com

The post Gagnez en résilience en optimisant la gestion des risques et de la conformité appeared first on SAP France News.

Source de l’article sur sap.com

/par

25 Exciting New Tools For Designers, April 2021

,

Rather than spring cleaning, do some spring “shopping” for tools that will make your design life easier. Packed with free options this month, this list is crammed full of tools and elements that you can use in your work every day.

Here’s what new for designers this month:

April’s Top Picks

Charts.css

Charts.css makes creating beautiful online charts that much easier. It’s a modern CSS framework that uses CSS utility classes to style HTML elements as charts. It’s accessible, customizable, responsive, and open source. There’s a quick start option and available source code to work with.

Haikei SVG Generator

Haikei is a web app that helps you generate SVG shapes, backgrounds, and patterns in all types of shapes to use in projects. Everything can be exported into the tools you are already using for easy integration, and every element is customizable. The tool is free right now – no credit card needed – and you get access to 15 generators and can export in SVG and PNG format. A premium option is on the way, and you can sign up to get notified for access.

Fluid Space Calculator

Fluid Space Calculator helps you create a related space system and export the CSS to implement it. The calculator allows you to add space value pairs and multipliers and see the impact on the screen before snagging the related code. It’s great for determining how things will look in different viewports and for creating custom space pairs.

Night Eye WordPress Plugin

Night Eye WordPress Plugin helps you create a dark mode option for your WordPress website with ease. It’s completely customizable, schedulable, and one of those things that users are starting to expect. The plugin has free and paid versions – the only difference is a link to credit the developer.

3 Productivity Boosters

Macro

Macro is a supercharged checklist app for recurring processes. It’s designed to help teams document, assign, track, and automate for maximum efficiency. Now is the time to test this tool because it is free in public beta.

Writex.io

Writex.io is a free writing app that uses AI and smart features to help you write more efficiently. It can check readability as you write, make suggestions, check spelling, and allows you to work with versioning. All the settings are customizable, so you can get help and suggestions when you want them and avoid things you don’t want.

Taloflow

Taloflow, which is in beta, is a tool that helps you find the top cloud and dev tools for your use case. This is designed to be a time-saving solution to finding the right infrastructure and API products for your work.

8 Kits with Illustrations and User Interface Elements

Skribbl

Skribbl is a collection of free, hand-drawn illustrations in a light and fun style. The black and white sketches are friendly, and the collection keeps growing. Plus, the illustrators are allowing them to be used free for any use.

Mobile Chat Kit

Mobile Chat Kit is a free starter kit for building apps in Figma, Sketch, and Adobe XD. It includes more than 50 screen options with mapped-out flows for a quick-start project.

Flowchart.fun

Flowchart.fun is exactly what the name implies. The app allows you to type, create nodes, and link elements to develop simple flow charts quickly. Then you can alter shape and size with drag and drop. Export it for use as an SVG, JPG, or PNG.

Shuffle

Shuffle is a marketplace packed with UI libraries to help you with a variety of digital projects. There are more than 1,500 pre-built components to choose from with professional designs. This premium tool comes with a monthly subscription or lifetime license.

Cryptocurrency 3D Pack

Cryptocurrency 3D Pack is a set of icons with fun colors in three-dimensional shapes that you can use to represent different crypto elements. The pack includes 55 #D icons in PNG and BLEND formats.

Stratum UI Kit for Figma

Stratum UI Kit for Figma includes nine free screens that are ready to use. Options include API documentation, Kanban, document, data dashboard, ecommerce product list, ecommerce product options, payments spreadsheet, cloud storage, and newsfeed.

Conic.css

Conic.css is a collection of simple gradients that you can browse and then click to copy the code into your CSS to use them in projects. It’s quick and easy while using trendy color options.

Artify Illustrations

Artify Illustrations is a Figma plugin that allows you to access more than 5,000 SVG and PNG illustrations within the app. It’s got a built-in search feature, everything is high-resolution, and the huge library includes various styles.

2 Tutorials

A Complete Guide to Accessible Front-End Components

A Complete Guide to Accessible Front-End Components is an amazingly comprehensive guide from Smashing Magazine with everything you need to know about accessible components. From tabs to tables to toggles to tooltips, you’ll find it all here and learn how to use it the right way.

Grid CheatSheet in 2021

Grid CheatSheet in 2021 is a useful guide of everything you can do with CSS Grid. Plus, it has plenty of fun illustrations and an accompanying video.

8 Fresh and Fun Fonts

Athina

Athina is a modern display serif with beautiful connector strokes. The free version is a demo, and there’s a full family that you can buy.

Brique

Brique is a free (personal and commercial) display font with a wide stance and uppercase character set. The letters have a lot of personality and a readable configuration.

Code Next

Code Next is a great geometric sans serif with a full family of styles. Including two variable fonts. It’s highly readable and would work for almost any application.

Inter

Inter is a simple and functional sense serif family with everything from extra light to heavy weights. The extra character personality makes this a fun and functional font option.

Nothing Clean

Nothing Clean is a fun grunge-type option. It’s an all uppercase character set with alternates.

Playout

Playout is a fun, hand-drawn style typeface with interesting glyphs and alternate characters. The most fun feature might be the pawprint characters in the demo set.

Rockford Sans

Rockford Sans is a geometric typeface with subtly rounded edges. It has eight weights and italics. With its large x-height and round features, it’s legible and friendly. It’s suited to cover a wide variety of tasks from editorial to brand design and advertising.

SpaceType

SpaceType is a fun and funky typeface in regular and expanded styles. The stretched letterforms make interesting alternates for display purposes.

Source

The post 25 Exciting New Tools For Designers, April 2021 first appeared on Webdesigner Depot.


Source de l’article sur Webdesignerdepot

/par

Passer au niveau supérieur avec la reddition parallèle des comptes universelle dans SAP S/4HANA

, ,

Les entreprises les plus performantes de demain seront celles qui gèrent leurs activités efficacement, optimisent leur rentabilité et renforcent leur résilience, tout en fournissant des services de manière durable. Toutefois, nous ne pouvons nier que nous faisons face actuellement à des changements plus perturbateurs que jamais, en particulier en cette période sans précédent que nous vivons.

Les chaînes logistiques ont dû s’adapter du jour au lendemain ; les entreprises ont dû se mettre à la vente en ligne en l’espace de quelques jours ; et le changement climatique est une réalité toujours plus présente. Partout dans le monde, les dirigeants d’entreprise n’ont d’autres choix que de transformer leurs activités.

Chez SAP, notre réussite sur le marché repose sur des solutions ERP (progiciels de gestion intégrés) qui aident nos clients à mener leurs activités à une échelle adaptée en toute conformité. Nous poursuivons dans cette voie avec notre suite d’applications de gestion nouvelle génération, dont le périmètre s’étend de la finance à la logistique. SAP S/4HANA exploite les fonctionnalités Cloud émergentes pour aider les clients à tenir face à l’évolution des modèles d’affaires influencée par le progrès technologique, la notion de durabilité ou l’évolution du comportement des clients.

Les entreprises les plus performantes sont les entreprises intelligentes. Et en tant que telles, elles utilisent les informations de façon innovante, efficace et durable, en les connectant aux tâches d’exécution et de gestion. Les entreprises intelligentes prennent leurs décisions en se fondant sur une source d’informations unique partagée, et proposent une expérience utilisateur qui correspond aux méthodes de travail des individus. SAP S/4HANA, qui exploite des processus financiers flexibles et élimine la réplication et la redondance des données, est avantageux pour les professionnels de la finance.

New Sega Textile (Nantong) Co Ltd avait besoin d’une solution ERP Cloud de pointe pouvant être déployée efficacement à l’échelle de ses activités internationales, afin de soutenir sa croissance. Client de SAP S/4HANA Cloud, New Sega fait état d’une baisse de 50 % de ses coûts côté budget et prévision grâce à la planification financière, ainsi qu’à un accroissement de 20 % du nombre d’écritures financières automatisées dans la comptabilité clients à l’aide de l’apprentissage automatique.

Innovations dans la reddition parallèle des comptes universelle

Les directeurs financiers des multinationales doivent présenter des données financières cohérentes en vertu des différentes normes comptables et devises en parallèle. Pour ce faire, ils doivent suivre les normes de reddition parallèle des comptes pour les règles générales comptables nationales et de groupe, qui ont une incidence sur l’évaluation des stocks, les en-cours de fabrication, les valeurs des immobilisations, etc.

Des milliers de clients SAP s’appuient déjà sur les fonctionnalités des systèmes SAP ERP pour gérer plusieurs systèmes comptables en parallèle afin de satisfaire avec précision, efficacité et rentabilité à toutes les exigences légales des personnes utilisant les états financiers. SAP HANA fournit désormais une nouvelle base technologique qui a levé les obstacles techniques et ouvert une foule de nouvelles opportunités pour les entreprises. Dans ce même ordre d’idée, SAP S/4HANA a été créée sur un tout nouveau type d’architecture, plaçant le journal universel au centre. Le journal universel constitue notre base bien établie pour les processus comptables. Il enregistre au même endroit toutes les données financières qui auparavant étaient réparties dans plusieurs tables. Ce faisant, il assure un traitement parallèle cohérent entre tous les livres auxiliaires et flux de valeurs.

Grâce aux dernières fonctionnalités incluses dans SAP S/4HANA, nous proposons une approche de solution qui fait passer la reddition parallèle des comptes au niveau supérieur : vers la reddition parallèle des comptes universelle.

Une innovation importante a été dévoilée dans SAP S/4HANA Cloud version 2011 : il s’agit de l’affectation flexible des normes comptables. Cela signifie que les nouveaux clients SAP S/4HANA Cloud bénéficieront également d’une nouvelle option de configuration permettant l’affectation flexible des règles générales comptables locales (par exemple, le code de commerce et les normes comptables (HGB) en vigueur en Allemagne) en tant que norme comptable principale pour le ledger du groupe. Cette innovation est particulièrement bénéfique pour nos clients exploitant des solutions Cloud, car elle leur offre cette flexibilité de haut niveau qui leur manquait auparavant. Une seule activité de configuration est requise pour mettre à jour l’affectation du ledger à la norme comptable dans toutes les applications financières, comme le grand livre, la gestion de trésorerie, la constatation des produits, etc.

La reddition parallèle des comptes universelle au cœur de l’entreprise intelligente : prochaines phases d’innovation

En outre, la valorisation parallèle est la prochaine innovation majeure qui verra le jour dans le domaine de la finance. Prévue pour SAP S/4HANA en cette année 2021, elle garantira la prise en charge cohérente et universelle des normes de reddition parallèle des comptes pour les processus de bout en bout, tels que la fabrication sur stock/commande et la fabrication d’immobilisations. La reddition parallèle des comptes est désormais active pour l’intégralité de ces processus et permet la représentation de différentes normes comptables dans tout le flux de valeurs. Ainsi, la solution sera en mesure d’évaluer en temps réel les processus de gestion en parallèle pour chaque norme comptable requise. Les clients bénéficieront également d’une transparence et d’une disponibilité accrues des données en temps réel, ainsi que d’une réduction des tâches d’implémentation et de configuration.

À l’avenir, nous continuerons d’améliorer la reddition parallèle des comptes en ajoutant d’autres cas d’utilisation s’inspirant des autres thèmes au programme de la feuille de route, afin d’inclure des vues consolidées et des versions d’exercice alternatives. Les vues consolidées serviront aux clients de base optimisée pour encore plus d’efficacité dans la prise de décision et l’orientation globale de l’entreprise, grâce à une transparence et une précision accrues des données. En outre, la prise en charge cohérente des versions d’exercice alternatives permettra de monter d’un cran le niveau de normalisation, tout en abaissant le degré requis de solutions de contournement et de tâches manuelles connexes. La comptabilité des immobilisations est, par exemple, l’une des composantes où le nombre de tâches manuelles sera considérablement réduit avec les versions d’exercice alternatives.

La finance à l’ère du numérique

Les professionnels de la finance endossent graduellement des rôles plus stratégiques au sein de leur entreprise et doivent de toute urgence dépasser les limites imposées par des infrastructures système complexes et redondantes. Ils ont besoin d’un cœur numérique unique qui réponde à toutes leurs exigences, tant pour les processus transactionnels qu’analytiques. Un système ERP doit faire office de source d’informations unique pour les données financières et opérationnelles d’une entreprise. Les réplications de données, rapprochements et redondances doivent être éliminés à travers la simplification des processus et des technologies, tandis que la continuité des activités se doit d’être garantie et les efforts manuels, limités, via des fonctions financières optimisées par les outils d’analyse.

Riches en innovations, SAP S/4HANA est notre solution de finance intelligente à l’ère du numérique, disponible en édition cloud, on-premise ou un mélange de ces deux options de déploiement. S’exécutant sur la plateforme in-memory SAP HANA, notre solution permet une reddition des comptes flexible et facile d’utilisation pour la gestion comptable, la clôture comptable et financière, la gestion de trésorerie et des flux, la comptabilité fournisseurs et clients, la gestion des risques et bien plus encore. Pour en savoir plus sur les avantages que SAP S/4HANA peut procurer à votre entreprise, rendez-vous sur SAP.com.

Jan Gilg est président de SAP S/4HANA
Cet article est initialement paru sur LinkedIn.

The post Passer au niveau supérieur avec la reddition parallèle des comptes universelle dans SAP S/4HANA appeared first on SAP France News.

Source de l’article sur sap.com

/par

The Kubernetes Native Gateway Series (Part 1): Envoy at Scale

,

Gloo Edge is our Kubernetes native API gateway based on Envoy.

It provides Authentication (OAuth, JWT, API keys, JWT, …), Authorization (OPA, custom, …), Web Application Firewall (based on ModSecurity), function discovery (OpenAPI based, Lambda, …), advanced transformations, and much more.

Source de l’article sur DZONE

/par

Qu’est-ce que le Big Data ?

, ,

Le Big Data est le flot d’informations dans lequel nous nous trouvons tous les jours (des zettaoctets de données provenant de nos ordinateurs, des terminaux mobiles et des capteurs). Ces données sont utilisées par les entreprises pour orienter la prise de décisions, améliorer les processus et les stratégies, et créer des produits, des services et des expériences centrés sur le client.

Le Big Data désigne non seulement de gros volumes de données, mais aussi des données de nature variée et complexe. Il dépasse généralement la capacité des bases de données traditionnelles à capturer, gérer et traiter ce type de données. De plus, le Big Data peut provenir de n’importe où et de tout ce que nous sommes en mesure de surveiller numériquement. Les satellites, les appareils IoT (Internet des Objets), les radars et les tendances des réseaux sociaux ne sont que quelques exemples parmi la multitude de sources de données explorées et analysées pour rendre les entreprises plus résilientes et compétitives.

L’importance de l’analyse du Big Data

La véritable valeur du Big Data se mesure d’après votre capacité à l’analyser et à le comprendre. L’intelligence artificielle (IA), le machine learning et les technologies de base de données modernes permettent de visualiser et d’analyser le Big Data pour fournir des informations exploitables en temps réel. L’analyse du Big Data aide les entreprises à exploiter leurs données en vue de saisir de nouvelles opportunités et de créer de nouveaux modèles de gestion. Comme l’a si bien dit Geoffrey Moore, auteur et analyste de gestion, « sans analyse du Big Data, les entreprises sont aveugles et sourdes, errant sur le Web comme des cerfs sur une autoroute ».

How does Big Data and Analytics work? Simply Explained

Click the button below to load the content from YouTube.

Always allow YouTube

How does Big Data and Analytics work? Simply Explained

L’évolution du Big Data

Aussi inconcevable que cela puisse paraître aujourd’hui, l’Apollo Guidance Computer a emmené l’homme sur la lune avec moins de 80 kilo-octets de mémoire. Depuis, la technologie informatique s’est développée à un rythme exponentiel, de même que la génération de données. La capacité technologique mondiale à stocker des données a doublé tous les trois ans depuis les années 1980. Il y a un peu plus de 50 ans, lors du lancement d’Apollo 11, la quantité de données numériques générées dans le monde aurait pu tenir dans un ordinateur portable. Aujourd’hui, l’IDC estime ce chiffre à 44 zettaoctets (soit 44 000 milliards de gigaoctets) et prévoit qu’il atteindra 163 zettaoctets en 2025.

44 zettaoctets de données numériques aujourd’hui, IDC

163 zettaoctets de données numériques en 2025, IDC

Plus les logiciels et la technologie se développent, moins les systèmes non numériques sont viables. Le traitement des données générées et collectées numériquement requiert des systèmes de data management plus avancés. En outre, la croissance exponentielle des plates-formes de réseaux sociaux, des technologies pour smartphones et des appareils IoT connectés numériquement ont contribué à l’émergence du Big Data.

Types de Big Data : que sont les données structurées et non structurées ?

Les ensembles de données sont généralement catégorisés en trois types, selon leur structure et la complexité de leur indexation.

Illustration des différents types de big data : données structurées, données non-structurées, données semi-structurées.

  1. Données structurées : ce type de données est le plus simple à organiser et à rechercher. Il peut inclure des données financières, des machine logs et des détails démographiques. Une feuille de calcul Microsoft Excel, avec sa mise en forme de colonnes et de lignes prédéfinies, offre un moyen efficace de visualiser les données structurées. Ses composants peuvent facilement être catégorisés, ce qui permet aux concepteurs et administrateurs de bases de données de définir des algorithmes simples pour la recherche et l’analyse. Même lorsque les données structurées sont très volumineuses, elles ne sont pas nécessairement qualifiées de Big Data, car elles sont relativement simples à gérer et ne répondent donc pas aux critères qui définissent le Big Data. Traditionnellement, les bases de données utilisent un langage de programmation appelé SQL (Structured Query Language) pour gérer les données structurées. SQL a été développé par IBM dans les années 1970 pour permettre aux développeurs de créer et gérer des bases de données relationnelles (de type feuille de calcul) qui commençaient à émerger à l’époque.
  2. Données non structurées : cette catégorie de données peut inclure des publications sur les réseaux sociaux, des fichiers audio, des images et des commentaires client ouverts. Ces données ne peuvent pas être facilement capturées dans les bases de données relationnelles standard en lignes et colonnes. Auparavant, les entreprises qui voulaient rechercher, gérer ou analyser de grandes quantités de données non structurées devaient utiliser des processus manuels laborieux. La valeur potentielle liée à l’analyse et à la compréhension de ces données ne faisait aucun doute, mais le coût associé était souvent trop exorbitant pour en valoir la peine. Compte tenu du temps nécessaire, les résultats étaient souvent obsolètes avant même d’être générés. Contrairement aux feuilles de calcul ou aux bases de données relationnelles, les données non structurées sont généralement stockées dans des lacs de données, des entrepôts de données et des bases de données NoSQL.
  3. Données semi-structurées : comme leur nom l’indique, les données semi-structurées intègrent à la fois des données structurées et non structurées. Les e-mails en sont un bon exemple, car ils incluent des données non structurées dans le corps du message, ainsi que d’autres propriétés organisationnelles telles que l’expéditeur, le destinataire, l’objet et la date. Les dispositifs qui utilisent le marquage géographique, les horodatages ou les balises sémantiques peuvent également fournir des données structurées avec un contenu non structuré. Une image de smartphone non identifiée, par exemple, peut indiquer qu’il s’agit d’un selfie et préciser l’heure et l’endroit où il a été pris. Une base de données moderne exécutant une technologie d’IA peut non seulement identifier instantanément différents types de données, mais aussi générer des algorithmes en temps réel pour gérer et analyser efficacement les ensembles de données disparates.

Les sources du Big Data

Les objets générateurs de données se développent à un rythme spectaculaire, depuis les drones jusqu’aux grille-pains. Toutefois, à des fins de catégorisation, les sources de données sont généralement divisées en trois types :

Illustration des différentes sources du big data : données sociales, données machine, données altérables.

Données sociales

Comme leur nom l’indique, les données sociales sont générées par les réseaux sociaux : commentaires, publications, images et, de plus en plus, vidéos. En outre, compte tenu de l’ubiquité croissante des réseaux 4G et 5G, on estime que le nombre de personnes dans le monde qui regardent régulièrement des contenus vidéo sur leur smartphone atteindra 2,72 milliards en 2023. Bien que les tendances concernant les réseaux sociaux et leur utilisation évoluent rapidement et de manière imprévisible, leur progression en tant que générateurs de données numériques est incontestable.

Données machine

Les machines et appareils IoT sont équipés de capteurs et ont la capacité d’envoyer et de recevoir des données numériques. Les capteurs IoT aident les entreprises à collecter et traiter les données machine provenant des appareils, des véhicules et des équipements. Globalement, le nombre d’objets générateurs de données augmente rapidement, des capteurs météorologiques et de trafic jusqu’à la surveillance de la sécurité. Selon l’IDC, il y aura plus de 40 milliards d’appareils IoT en 2025, générant près de la moitié des données numériques mondiales.

Données altérables

Il s’agit des données parmi les plus évolutives au monde. Par exemple, un détaillant international traite plus d’un million de transactions client par heure. Si l’on ajoute à cela les transactions d’achat et bancaires au niveau mondial, on comprend mieux le volume phénoménal de données générées. En outre, les données altérables contiennent de plus en plus de données semi-structurées, y compris des images et des commentaires, ce qui les rend d’autant plus complexes à gérer et à traiter.

Les cinq V du Big Data

Ce n’est pas parce qu’un ensemble de données est volumineux qu’il s’agit nécessairement de Big Data. Pour être qualifiées en tant que telles, les données doivent posséder au minimum les cinq caractéristiques suivantes :

Illustration des 5 V du Big Data : Volume, Vitesse, Variété, Véracité, Valeur.

  1. Volume : même si le volume n’est pas le seul composant qui constitue le Big Data, il s’agit d’une de ses caractéristiques principales. Pour gérer et exploiter pleinement le Big Data, des algorithmes avancés et des analyses pilotées par l’IA sont nécessaires. Mais avant tout cela, il doit exister un moyen fiable et sécurisé de stocker, d’organiser et d’extraire les téraoctets de données détenus par les grandes entreprises.
  2. Vitesse : auparavant, les données générées devaient ensuite être saisies dans un système de base de données traditionnel (souvent manuellement) avant de pouvoir être analysées ou extraites. Aujourd’hui, grâce à la technologie du Big Data, les bases de données sont capables de traiter, d’analyser et de configurer les données lorsqu’elles sont générées, parfois en l’espace de quelques millisecondes. Pour les entreprises, cela signifie que les données en temps réel peuvent être exploitées pour saisir des opportunités financières, répondre aux besoins des clients, prévenir la fraude et exécuter toute autre activité pour laquelle la rapidité est un facteur clé.
  3. Variété : les ensembles de données contenant uniquement des données structurées ne relèvent pas nécessairement du Big Data, quel que soit leur volume. Le Big Data comprend généralement des combinaisons de données structurées, non structurées et semi-structurées. Les solutions de gestion des données et les bases de données traditionnelles n’offrent pas la flexibilité et le périmètre nécessaires pour gérer les ensembles de données complexes et disparates qui constituent le Big Data.
  4. Véracité : bien que les bases de données modernes permettent aux entreprises d’accumuler et d’identifier des volumes considérables de Big Data de différents types, elles ne sont utiles que si elles sont précises, pertinentes et opportunes. S’agissant des bases de données traditionnelles alimentées uniquement avec des données structurées, le manque de précision des données était souvent dû à des erreurs syntaxiques et des fautes de frappe. Les données non structurées présentent toute une série de nouvelles difficultés en matière de véracité. Les préjugés humains, le « bruit social » et les problèmes liés à la provenance des données peuvent avoir un impact sur la qualité des données.
  5. Valeur : les résultats de l’analyse du Big Data sont souvent fascinants et inattendus. Mais pour les entreprises, l’analyse du Big Data doit fournir une visibilité qui les aident à gagner en compétitivité et en résilience, et à mieux servir leurs clients. Les technologies modernes du Big Data offrent la possibilité de collecter et d’extraire des données susceptibles de procurer un avantage mesurable à la fois en termes de résultats et de résilience opérationnelle.

Avantages du Big Data

Les solutions modernes de gestion du Big Data permettent aux entreprises de transformer leurs données brutes en informations pertinentes avec une rapidité et une précision sans précédent.

  • Développement de produits et de services :l’analyse du Big Data permet aux développeurs de produits d’analyser les données non structurées, telles que les témoignages clients et les tendances culturelles, et de réagir rapidement.
  • Maintenance prédictive : dans le cadre d’uneenquête internationale, McKinsey a constaté que l’analyse du Big Data émanant des machines IoT pouvait réduire les coûts de maintenance des équipements jusqu’à 40 %.
  • Expérience client :dans le cadre d’une enquête réalisée en 2020 auprès de responsables d’entreprises du monde entier, Gartner a déterminé que « les entreprises en croissance collectent plus activement des données sur l’expérience client que les entreprises à croissance nulle ». L’analyse du Big Data permet aux entreprises d’améliorer et de personnaliser l’expérience de leurs clients avec leur marque.
  • Gestion de la résilience et des risques :la pandémie de COVID-19 a été une véritable prise de conscience pour de nombreux dirigeants d’entreprise qui se sont rendu compte à quel point leur activité était vulnérable. La visibilité offerte par le Big Data peut aider les entreprises à anticiper les risques et à se préparer aux imprévus.
  • Économies et efficacité accrue : lorsque les entreprises effectuent une analyse avancée du Big Data pour tous les processus de l’organisation, elles peuvent non seulement détecter les inefficacités, mais aussi déployer des solutions rapides et efficaces.
  • Amélioration de la compétitivité : les informations obtenues grâce au Big Data peuvent aider les entreprises à réaliser des économies, à satisfaire leurs clients, à concevoir de meilleurs produits et à innover dans les opérations de gestion.

IA et Big Data

La gestion du Big Data repose sur des systèmes capables de traiter et d’analyser efficacement de gros volumes d’informations disparates et complexes. À cet égard, le Big Data et l’IA ont une relation de réciprocité. Sans l’IA pour l’organiser et l’analyser, le Big Data n’aurait pas grande utilité. Et pour que l’IA puisse générer des analyses suffisamment fiables pour être exploitables, le Big Data doit contenir des ensembles de données suffisamment étendus. Comme l’indique Brandon Purcell, analyste chez Forrester Research, « les données sont au cœur de l’intelligence artificielle. Un système d’IA doit apprendre des données pour remplir sa fonction ».

« Les données sont au cœur de l’intelligence artificielle. Un système d’IA doit apprendre des données pour remplir sa fonction ».

Brandon Purcell, analyste, Forrester Research

Machine learning et Big Data

Les algorithmes de machine learning définissent les données entrantes et identifient des modèles associés. Ces informations permettent de prendre des décisions avisées et d’automatiser les processus. Le machine learning se nourrit du Big Data, car plus les ensembles de données analysés sont fiables, plus le système est susceptible d’apprendre, de faire évoluer et d’adapter ses processus en continu.

Technologies du Big Data

Architecture du Big Data

À l’instar de l’architecture du bâtiment, l’architecture du Big Data fournit un modèle pour la structure de base déterminant la manière dont les entreprises gèrent et analysent leurs données. L’architecture du Big Data mappe les processus requis pour gérer le Big Data à travers quatre « couches » de base, des sources de données au stockage des données, puis à l’analyse du Big Data, et enfin via la couche de consommation dans laquelle les résultats analysés sont présentés en tant que Business Intelligence.

‍Analyse du Big Data

Ce processus permet de visualiser les données de manière pertinente grâce à l’utilisation de la modélisation des données et d’algorithmes spécifiques aux caractéristiques du Big Data. Dans le cadre d’une étude approfondie et d’une enquête de la MIT Sloan School of Management, plus de 2 000 dirigeants d’entreprise ont été interrogés sur leur expérience en matière d’analyse du Big Data. Comme on pouvait s’y attendre, ceux qui s’étaient impliqués dans le développement de stratégies de gestion du Big Data ont obtenu les résultats les plus significatifs.

Big Data et Apache Hadoop

Imaginez une grande boîte contenant 10 pièces de 10 centimes et 100 pièces de 5 centimes. Puis imaginez 10 boîtes plus petites, côte à côte, contenant chacune 10 pièces de 5 centimes et une seule pièce de 10 centimes. Dans quel scénario sera-t-il plus facile de repérer les pièces de 10 centimes ? Hadoop fonctionne sur ce principe. Il s’agit d’une structure en open source permettant de gérer le traitement du Big Data distribué sur un réseau constitué de nombreux ordinateurs connectés. Ainsi, au lieu d’utiliser un gros ordinateur pour stocker et traiter toutes les données, Hadoop regroupe plusieurs ordinateurs sur un réseau pouvant évoluer presque à l’infini et analyse les données en parallèle. Ce processus utilise généralement un modèle de programmation appelé MapReduce, qui coordonne le traitement du Big Data en regroupant les ordinateurs distribués.

Lacs de données, entrepôts de données et NoSQL

Les bases de données traditionnelles de type feuille de calcul SQL servent à stocker les données structurées. Le Big Data non structuré et semi-structuré nécessite des modèles de stockage et de traitement uniques, car il ne peut pas être indexé et catégorisé. Les lacs de données, les entrepôts de données et les bases de données NoSQL sont des référentiels de données capables de gérer les ensembles de données non traditionnels. Un lac de données est un vaste pool de données brutes qui n’ont pas encore été traitées. Un entrepôt de données est un référentiel de données qui ont déjà été traitées à des fins spécifiques. Les bases de données NoSQL fournissent un schéma flexible qui peut être modifié en fonction de la nature des données à traiter. Ces systèmes présentent chacun des avantages et des inconvénients, c’est pourquoi de nombreuses entreprises utilisent plutôt une combinaison de ces référentiels de données pour répondre au mieux à leurs besoins.

Bases de données in-memory

Les bases de données traditionnelles sur disque ont été conçues pour SQL et les bases de données relationnelles. Bien qu’elles soient capables de traiter de gros volumes de données structurées, elles ne sont pas adaptées au stockage et au traitement des données non structurées. Dans le cas des bases de données in-memory, le traitement et l’analyse se font entièrement dans la RAM, pour ne pas avoir à extraire les données d’un système sur disque. Les bases de données in-memory reposent également sur des architectures distribuées. Cela signifie qu’elles peuvent atteindre des vitesses beaucoup plus élevées en utilisant le traitement parallèle, par rapport aux modèles de base de données sur disque à un seul nœud.

Fonctionnement du Big Data

Le Big Data remplit ses fonctions lorsque son analyse fournit des informations pertinentes et exploitables qui améliorent l’activité de manière significative. Pour se préparer à la transition vers le Big Data, les entreprises doivent s’assurer que leurs systèmes et processus sont en mesure de collecter, de stocker et d’analyser le Big Data.

Illustration du fonctionnement du Big Data : collecter le Big Data, stocker le Big Data, Analyser le Big Data

  1. Collecter le Big Data.Une grande partie du Big Data est constituée d’énormes ensembles de données non structurées qui émanent de sources disparates et incohérentes. Les bases de données traditionnelles sur disque et les mécanismes d’intégration des données ne sont pas suffisamment performants pour les gérer. La gestion du Big Data requiert des solutions de base de données in-memory et des solutions logicielles spécifiques de l’acquisition de ce type de données.
  2. Stocker le Big Data.Comme son nom l’indique, le Big Data est volumineux. De nombreuses entreprises utilisent des solutions de stockage sur site pour leurs données existantes et espèrent réaliser des économies en réutilisant ces référentiels pour traiter le Big Data. Toutefois, le Big Data est plus performant lorsqu’il n’est pas soumis à des contraintes de taille et de mémoire. Les entreprises qui n’intègrent pas dès le départ des solutions de stockage Cloud dans leurs modèles de Big Data le regrettent souvent quelques mois plus tard.
  3. Analyser le Big Data. Il est impossible d’exploiter pleinement le potentiel du Big Data sans utiliser les technologies d’IA et de machine learning pour l’analyser. L’un des cinq V du Big Data est la « vitesse ». Pour être utiles et exploitables, les informations du Big Data doivent être générées rapidement. Les processus d’analyse doivent s’auto-optimiser et tirer régulièrement profit de l’expérience, un objectif qui ne peut être atteint qu’avec l’IA et les technologies modernes de bases de données.

Applications du Big Data

La visibilité offerte par le Big Data est bénéfique à la plupart des entreprises ou secteurs d’activité. Cependant, ce sont les grandes entreprises aux missions opérationnelles complexes qui en tirent souvent le meilleur parti.

Finance

Dans le Journal of Big Data, une étude de 2020 souligne que le Big Data « joue un rôle important dans l’évolution du secteur des services financiers, en particulier dans le commerce et les investissements, la réforme fiscale, la détection et les enquêtes en matière de fraude, l’analyse des risques et l’automatisation ». Le Big Data a également contribué à transformer le secteur financier en analysant les données et les commentaires des clients pour obtenir les informations nécessaires à l’amélioration de la satisfaction et de l’expérience client. Les ensembles de données altérables figurent parmi les plus importants et les plus évolutifs au monde. L’adoption croissante de solutions avancées de gestion du Big Data permettra aux banques et aux établissements financiers de protéger ces données et de les utiliser d’une manière qui bénéficie à la fois au client et à l’entreprise.

Hygiène et santé
publique

L’analyse du Big Data permet aux professionnels de santé d’établir des diagnostics plus précis, fondés sur des données avérées. De plus, le Big Data aide les administrateurs d’hôpitaux à identifier les tendances, à gérer les risques et à limiter les dépenses inutiles, afin de consacrer le maximum de fonds aux soins des patients et à la recherche. En cette période de pandémie, les chercheurs du monde entier s’efforcent de traiter et de gérer au mieux la COVID-19, et le Big Data joue un rôle fondamental dans ce processus. Un article de juillet 2020 paru dans The Scientist explique comment des équipes médicales ont pu collaborer et analyser le Big Data afin de lutter contre le coronavirus : « Nous pourrions transformer la science clinique en exploitant les outils et les ressources du Big Data et de la science des données d’une manière que nous pensions impossible ».

Transport et logistique

L’« effet Amazon » est un terme qui définit la manière dont Amazon a fait de la livraison en un jour la nouvelle norme, les clients exigeant désormais la même vitesse d’expédition pour tout ce qu’ils commandent en ligne. Le magazine Entrepreneur souligne qu’en raison de l’effet Amazon, « la course logistique au dernier kilomètre ne fera que s’intensifier ». Les entreprises du secteur s’appuient de plus en plus sur l’analyse du Big Data pour optimiser la planification des itinéraires, la consolidation des charges et les mesures d’efficacité énergétique.

Éducation

Depuis l’apparition de la pandémie, les établissements d’enseignement du monde entier ont dû réinventer leurs programmes d’études et leurs méthodes d’enseignement afin de faciliter l’apprentissage à distance. L’un des principaux défis a été de trouver des moyens fiables d’analyser et d’évaluer la performance des étudiants et l’efficacité globale des méthodes d’enseignement en ligne. Un article paru en 2020 au sujet de l’impact du Big Data sur la formation et l’apprentissage en ligne indique, au sujet des enseignants, que « le Big Data les aide à gagner en confiance pour personnaliser l’enseignement, développer l’apprentissage mixte, transformer les systèmes d’évaluation et promouvoir l’apprentissage continu ».

Énergie et services publics

Selon le U.S. Bureau of Labor Statistics, le service public consacre plus de 1,4 milliard de dollars aux relevés de compteurs et s’appuie généralement sur des compteurs analogiques et des lectures manuelles peu fréquentes. Les relevés de compteurs intelligents fournissent des données numériques plusieurs fois par jour et, grâce à l’analyse du Big Data, ces informations permettent d’accroître l’efficacité de la consommation énergétique, ainsi que la précision des prix et des prévisions. En outre, lorsque les agents n’ont plus à se charger des relevés de compteurs, la saisie et l’analyse des données peuvent permettre de les réaffecter plus rapidement là où les réparations et les mises à niveau sont les plus urgentes.

Publié en anglais sur insights.sap.com

The post Qu’est-ce que le Big Data ? appeared first on SAP France News.

Source de l’article sur sap.com

/par

Headless eCommerce – Common architectural elements

,

article imageIn our previous article from this series we introduced a use case around headless e-commerce for retail stores.

The process was laid out how we’ve approached the use case and how portfolio solutions are the base for researching a generic architectural blueprint.

Source de l’article sur DZONE

/par

App Modernization + Hybrid Cloud Architectures With Apache Kafka [Video]

,

Hybrid cloud architectures are the new black for most companies. A cloud-first is obvious for many, but legacy infrastructure must be maintained, integrated, and (maybe) replaced over time. Event Streaming with the Apache Kafka ecosystem is a perfect technology for building hybrid replication in real-time at scale.

App Modernization and Streaming Replication With Apache Kafka at Bayer

Most enterprises require a reliable and scalable integration between legacy systems such as IBM Mainframe, Oracle, SAP ERP, and modern cloud-native applications like Snowflake, MongoDB Atlas, or AWS Lambda.

Source de l’article sur DZONE

/par

Il est temps de mettre votre ERP à niveau ? Guide pour le remplacement de votre ancien ERP

, ,

Etes-vous satisfait de votre système ERP ? Est-il temps de le mettre à niveau ? Vous avez peut-être écouté les témoignages de vos pairs quant à leur passage à des ERP modernes. Ou peut-être ressentez-vous le besoin de mettre en place de nouveaux processus pour rester compétitif et répondre aux attentes de vos clients, nouveaux processus que votre système actuel ne peut proposer. Quoi qu’il en soit, il est toujours bon d’évaluer en continu les performances du système, d’identifier les axes d’amélioration et d’anticiper les problèmes qui pourraient subvenir.

Le système ERP parfait existe-t-il ?

La réponse courte est « non ». Et même si le système parfait existait pour vos besoins spécifiques à un moment donné, ces besoins évoluent en permanence. Il faut donc garder le contrôle, évaluer dans quelle mesure votre ERP répond à vos besoins actuels et identifier les tendances qui pourraient entraîner des problèmes.

Il est en vogue de qualifier les systèmes installés de « legacy ERP ». Ce qui suggère une ancienne technologie et des systèmes obsolètes. C’est injuste car de nombreux systèmes installés sont régulièrement entretenus, mis à niveau et pleinement capables d’évoluer, de s’adapter, aux nouveaux besoins.

Cela dit, les mises à niveau des ERP sont facultatives, bien que fortement encouragées par les fournisseurs. Il est important de se tenir au courant des corrections et des améliorations disponibles. En cas de problèmes ou tendances défavorables, assurez-vous que votre système dispose de toutes les mises à jour et de la dernière version. Regardez ensuite si votre fournisseur propose des modules complémentaires ou des améliorations qui pourraient remédier aux lacunes constatées. Déterminez ce qu’il faudrait pour mettre en œuvre ces correctifs, en termes d’argent et d’efforts, et utilisez ces informations pour évaluer le coût du maintien de votre solution actuelle.

Votre logiciel ERP vous laisse-t-il tomber ?

En résumé, gardez votre système ERP à jour. Surveillez aussi de près ses performances. Les besoins, les vôtres comme ceux de vos clients, vont évoluer. Vous devez donc vous assurer que votre système ERP peut y répondre.

L’auto-évaluation mentionnée ci-dessus peut vous aider à identifier les défaillances et les sujets de préoccupation, par exemple :

  • Votre système est incapable de répondre aux nouveaux besoins ou limite les nouvelles initiatives.
  • Il ne prend pas en charge les nouvelles technologies et normes, ou seulement avec difficulté, à coût élevé et avec des retards. Le fournisseur est lent à intégrer de nouveaux éléments et nouvelles fonctionnalités.
  • Les fonctions sont difficiles à maîtriser et à utiliser, et nuisent à l’efficacité au lieu de la favoriser.
  • Le temps de réponse est excessivement lent. Le stockage et la récupération de l’information sont inadéquats, lourds ou ne répondent tout simplement pas aux besoins actuels en constante expansion.
  • Le système est coûteux et difficile à maintenir et à gérer, et ne bénéficie pas d’un soutien adéquat de la part de votre fournisseur.
  • Si votre système est vraiment un ancien ERP dont l’assistance du fournisseur s’amenuise, ou dont l’assistance technique se réduit, les programmeurs et analystes compétents deviendront plus chers et plus difficiles à trouver à mesure que le système deviendra plus obsolète et moins fiable.

C’est le genre de problèmes qui peuvent évoluer lentement et passer inaperçus pendant longtemps. Puis, soudain, il devient évident que les lacunes du système causent de graves problèmes ​- et qu’il faut faire quelque chose.

Combien dépensez-vous pour votre ERP ?

De nombreuses entreprises sont surprises lorsqu’elles font l’analyse et découvrent ce qu’il en coûte réellement pour maintenir leur système ERP existant en place et opérationnel. Cela peut sembler curieux pour les ETI, qui surveillent généralement de très près leurs dépenses. Mais il n’est pas toujours facile de distinguer les coûts directs et indirects associés à l’ERP.

Outre les frais mensuels et annuels versés au(x) fournisseur(s) de logiciels et au(x) fournisseur(s) de matériel, il y a des dépenses courantes pour le service et l’assistance de vos différents fournisseurs de services (par exemple service matériel, conseil ou réseau). N’oubliez pas d’inclure les coûts de mise à jour si vous avez détecté (ou pensez) que des mises à jour ou des améliorations sont nécessaires pour résoudre des problèmes existants ou anticipés, comme indiqué ci-dessus.

Considérez également les coûts internes directs du département informatique, y compris les salaires et les avantages, les locaux, les commodités et les fournitures. Essayez de distinguer ceux qui soutiennent directement votre ERP. N’oubliez pas qu’au moins certains de ces coûts subsisteront après la mise à niveau et le déploiement d’un nouveau système, surtout si vous remplacez un système traditionnel sur site par un autre système sur site. La structure des coûts pour les logiciels SaaS (Software-as-a-Service) basés sur le cloud est différente, mais vous aurez toujours besoin d’un point de comparaison pour prendre une décision défendable. Que cette décision soit de garder votre système actuel, de commencer une mise à niveau ERP ou de poursuivre un remplacement.

Quel serait le coût d’un nouveau système ?

Le coût potentiel du passage à un nouveau système ERP vous inquiète ? C’est compréhensible. Un nouveau système ERP est probablement l’une des plus grosses dépenses en équipement non productif qu’une entreprise fera au cours d’une année donnée. Néanmoins, par rapport aux avantages offerts et au montant dépensé pour le maintien du système actuel, la plupart des entreprises estiment que le coût est tout à fait raisonnable et justifiable. N’oubliez pas de penser en termes de coûts du cycle de vie – le coût total sur une période donnée, par exemple cinq à sept ans.

Lorsque vous examinez le coût d’acquisition et de déploiement d’un système de remplacement, sachez que les coûts du matériel et des licences logicielles ne sont qu’une partie de l’équation. Vous devez également inclure les éléments suivants dans votre évaluation :

  • La mise en réseau et les périphériques tels que les scanners de codes-barres, les appareils mobiles et les logiciels clients, ainsi que l’assistance.
  • La conversion et la saisie des données dans le nouveau système, ainsi que les dispositions pour l’archivage et l’accès aux enregistrements historiques.
  • La préparation aux sinistres, y compris les systèmes de sauvegarde ou de basculement, les ressources de récupération des données, la connectivité redondante et les communications.
  • La formation de l’équipe de déploiement de l’ERP et de tous les futurs utilisateurs (ce point est d’une importance capitale, ne le négligez pas).
  • Le développement et la documentation de nouveaux flux de travail.
  • L’assistance à l’implémentation. Il est probable qu’un certain niveau d’assistance sera inclus dans l’offre du fournisseur principal du système. Mais vous voudrez peut-être faire appel à une assistance supplémentaire du ou des fournisseurs, à des consultants externes, à votre cabinet comptable ou à d’autres personnes pour certains ou tous les éléments énumérés ci-dessus.
  • La charge supplémentaire pour vos employés pendant le déploiement sous forme d’heures supplémentaires, d’embauche d’intérimaires pour les aider dans leurs tâches habituelles afin qu’ils aient le temps de travailler sur le déploiement, ou de primes et autres incitations pour maintenir la motivation des salariés.

Sachez que la structure des coûts des systèmes SaaS basés sur le cloud est très différente de l’approche traditionnelle d’achat et d’implémentation sur site. Avec le SaaS, il y a peu ou pas de frais initiaux pour le matériel, car il s’agit essentiellement d’un abonnement. Un contrat SaaS inclut généralement une grande partie des coûts de maintenance et d’assistance. De sorte que vos coûts informatiques internes courants seront considérablement réduits. La plupart des entreprises estiment que le coût total sur cinq à sept ans avec un contrat SaaS sera probablement inférieur au coût total de l’achat et de la gestion en interne.

Au moment de prendre la décision de conserver votre système actuel ou d’envisager un remplacement, pensez aux bénéfices que vous pouvez en tirer. Avec une nouvelle solution ERP, vous bénéficierez d’une interface utilisateur moderne, de capacités et de fonctions supplémentaires, et vous améliorerez votre avantage concurrentiel. Tandis que si vous conservez votre ancien système, vous limitez votre capacité à rester agile, productif et compétitif. Bien que vous ne cherchiez pas en premier lieu à réaliser des économies, les exemples de réussite avec des ERP modernes démontrent que les bénéfices du passage à un nouveau système sont souvent moins coûteux et compensent les frais de mise à niveau.

Comment justifier financièrement un nouveau système ERP ?

Lorsqu’elles prennent une décision de cette importance, la plupart des entreprises exigent une analyse coûts-avantages sous la forme d’un retour sur investissement (ROI) attendu. Le côté coûts est facile : additionnez les coûts prévus comme indiqué ci-dessus. Du côté des avantages, il peut y avoir des économies directes sur les coûts informatiques, mais pour énumérer les principaux avantages, l’entreprise doit prévoir comment le système changera l’environnement de travail et permettra d’améliorer les performances, la productivité et le service à la clientèle.

  • Amélioration des performances : De nombreux projets ERP se justifient par les améliorations attendues en termes d’efficacité (réduction de la main-d’œuvre directe) et de réduction des coûts (y compris, mais sans s’y limiter, la réduction des stocks). Sachez toutefois que le système ne crée pas ces avantages par sa simple implémentation. Le système organise, analyse et présente les données de manière à ce que les responsables puissent mieux utiliser les ressources humaines et prendre de meilleures décisions, et c’est cela qui apporte les plus grands bénéfices. Gardez cela à l’esprit lorsque vous établissez un budget pour la formation des utilisateurs et pour la mise en œuvre de procédures améliorées.
  • Un meilleur service à la clientèle : Ces avantages sont moins directs, mais encore plus importants. En améliorant le service à la clientèle, vous pouvez théoriquement augmenter les ventes et les bénéfices, accroître votre part de marché et peut-être même augmenter vos marges, car un bon service à la clientèle apporte une valeur ajoutée au client sans ajouter de coût au produit lui-même. Dans certains cas, les améliorations du service à la clientèle deviennent une condition de survie. Car lorsqu’un nouveau ou un gros client attend des fonctionnalités telles que la transmission électronique des commandes ou l’amélioration des rapports informatisés, votre système ERP doit être à la hauteur.
  • Changements de l’environnement de travail : les systèmes d’aujourd’hui sont conçus pour être faciles à utiliser (l’UX, l’expérience utilisateur, est le mot actuellement à la mode) pour un accès rapide et facile à l’information. Le travail et le flux de travail de chaque utilisateur étant uniques, les systèmes actuels sont hautement personnalisés pour offrir à chacun les écrans et les processus de travail les plus efficaces et confortables. Cette efficacité accrue permettra aux salariés d’en faire plus et de gérer un plus grand volume d’affaires sans avoir besoin d’embaucher. Notez qu’il est déconseillé de justifier le système par une réduction des effectifs. Cela ne se produira probablement pas et la perspective de suppressions d’emplois ne motivera pas les salariés à adopter le système et à contribuer à son succès.

La sélection d’un ERP n’est qu’un début

Tout en suivant les conseils pour évaluer les systèmes ERP, gardez à l’esprit que le remplacement des systèmes existants n’est pas un processus simple ou rapide, mais qu’il vaut la peine car il peut apporter des avantages considérables lorsque l’ERP est correctement sélectionné et déployé.

La question que la plupart des entreprises se posent à ce stade est la suivante : « Combien de temps faut-il pour choisir et remplacer un système existant ? » Il n’y a pas de réponse unique. Cela dépend de la taille et de la complexité de l’organisation, du fait que l’un ou l’autre ou les deux systèmes (ancien et nouveau) soient basés sur le cloud, de la dynamique de l’entreprise et de l’équipe de déploiement, du niveau d’engagement de la direction dans le projet, et du degré de coopération ou de résistance au sein de la communauté des utilisateurs… pour ne citer que quelques-unes des variables. Certains déploiements peuvent être réalisés en quelques mois, d’autres prennent un an ou plus. Un partenaire expérimenté peut vous aider à établir un calendrier réaliste lorsque vous définissez votre plan de projet.

Nous n’avons pas besoin de vous répéter que le remplacement de votre système ERP sera forcément perturbant. S’il n’est pas possible de totalement les éviter, les perturbations peuvent cependant être minimisées grâce à un déploiement bien planifié et géré.

The post Il est temps de mettre votre ERP à niveau ? Guide pour le remplacement de votre ancien ERP appeared first on SAP France News.

Source de l’article sur sap.com

/par

Qu’est-ce que le data management ?

, ,

Les données jouent un rôle clé dans le fonctionnement des entreprises. Il est donc essentiel de leur donner du sens et de déterminer leur pertinence parmi la multitude d’informations générées par les systèmes et technologies qui soutiennent nos économies mondiales hautement connectées. Les données sont omniprésentes, mais inutiles en tant que telles. Pour exploiter toutes les formes de données et les utiliser de manière pratique et efficace dans les chaînes logistiques, les réseaux d’employés, les écosystèmes de clients et de partenaires, etc., les entreprises doivent mettre en œuvre une stratégie, une gouvernance et un modèle de data management performants.

Qu’est-ce que le data management (ou gestion des données) ? Le data management consiste à collecter, organiser et accéder aux données en vue d’améliorer la productivité, l’efficacité et la prise de décision. Compte tenu de l’importance accrue des données, il est essentiel que toute entreprise, indépendamment de sa taille et de son secteur d’activité, mette en place un système moderne et une stratégie efficace de data management.

Petite infographie qui illustre les principaux éléments du data management

Le processus de data management comprend un large éventail de tâches et de procédures. Par exemple :

  • Collecte, traitement, validation et stockage des données
  • Intégration de différents types de données émanant de sources disparates, notamment des données structurées et non structurées
  • Haute disponibilité des données et restauration après sinistre
  • Gestion de l’utilisation des données et de l’accès aux données par les collaborateurs et les applications
  • Protection et sécurisation des données en garantissant leur confidentialité

Pourquoi le data management est-il important ?

Les applications, solutions analytiques et algorithmes utilisés dans une entreprise (c’est-à-dire les règles et les processus associés au moyen desquels les ordinateurs résolvent les problèmes et exécutent les tâches) reposent sur un accès transparent aux données. Fondamentalement, un système de data management permet de garantir la sécurité, la disponibilité et l’exactitude des données. Mais ses avantages ne s’arrêtent pas là.

Transformer le Big Data en actif à forte valeur ajoutée

Les données trop volumineuses peuvent être inutiles, voire nuisibles, si elles ne sont pas gérées de manière appropriée. Toutefois, avec les outils adéquats, les entreprises peuvent exploiter le Big Data pour enrichir plus que jamais les renseignements dont elles disposent et améliorer leurs capacités prévisionnelles. Le Big Data peut les aider à mieux comprendre les attentes de leurs clients et à leur offrir une expérience exceptionnelle. L’analyse et l’interprétation du Big Data permet également de mettre en place de nouveaux modèles de gestion axés sur les données, tels que les offres de services basées sur l’Internet des Objets (IoT) en temps réel et les données de capteurs.

163 zettaoctets de données en 2025 (IDC)

80 % des données mondiales seront non structurées en 2025 (IDC)

Les Big Data sont des ensembles de données extrêmement volumineux, souvent caractérisés par les cinq V : le volume de données collectées, la variété des types de données, la vitesse à laquelle les données sont générées, la véracité des données et leur valeur.

Il est bien connu que les entreprises pilotées par les données disposent d’un avantage concurrentiel majeur. En utilisant des outils avancés, les entreprises peuvent gérer des volumes de données plus importants provenant de sources plus diversifiées que jamais. Elles peuvent aussi exploiter des données très variées, structurées et non structurées ou en temps réel, notamment les données des dispositifs IoT, les fichiers audio et vidéo, les données du parcours de navigation sur Internet et les commentaires sur les réseaux sociaux, ce qui leur offre davantage de possibilités de monétiser les données et de les utiliser comme véritable actif.

Créer une infrastructure de données qui favorise la transformation numérique

On dit souvent que les données sont le moteur de la transformation numérique. L’intelligence artificielle (IA), le machine learning, l’Industrie 4.0, les analyses avancées, l’Internet des Objets et l’automatisation intelligente requièrent d’énormes volumes de données ponctuelles, exactes et sécurisées.

L’importance des données et des technologies axées sur les données n’a fait que se renforcer depuis l’apparition de la COVID-19. De nombreuses entreprises ressentent le besoin urgent d’exploiter leurs données de manière plus efficace pour prévoir les événements à venir, réagir rapidement et intégrer la résilience dans leurs plans et modèles de gestion.

Le machine learning, par exemple, requiert des ensembles de données extrêmement volumineux et diversifiés pour « apprendre », identifier des modèles complexes, résoudre les problèmes et assurer la mise à jour et l’exécution efficace des modèles et algorithmes. Les analyses avancées (qui exploitent souvent l’apprentissage automatique) requièrent également de gros volumes de données de haute qualité pour pouvoir générer des informations pertinentes et exploitables qui puissent être utilisées en toute confiance. Quant à l’IoT et l’IoT industriel, ils s’exécutent sur un flux constant de données de machines et capteurs à 1,6 millions de kilomètres par minute.

Les données sont le dénominateur commun de tout projet de transformation numérique. Pour transformer leurs processus, tirer parti des nouvelles technologies et devenir intelligentes, les entreprises doivent disposer d’une infrastructure de données solide. En résumé, d’un système de data management moderne.

« La survie de toute entreprise dépendra d’une architecture agile centrée sur les données, capable de s’adapter au rythme constant du changement. »

Donald Feinberg, vice-président de Gartner

Garantir la conformité aux lois en matière de confidentialité des données

Une gestion appropriée des données est également essentielle pour garantir la conformité aux lois nationales et internationales en matière de confidentialité des données, telles que le Règlement général sur la protection des données (RGPD) et la loi californienne sur la protection de la vie privée des consommateurs (California Consumer Privacy Act ou « CCPA ») aux États-Unis, et répondre aux exigences de confidentialité et de sécurité spécifiques du secteur. En outre, il est essentiel de mettre en place des politiques et procédures solides en matière de data management pour satisfaire aux exigences d’audit.

Systèmes et composants du data management

Les systèmes de data management reposent sur des plates-formes et intègrent une combinaison de composants et processus qui vous aident à tirer profit de vos données. Il peut s’agir de systèmes de gestion de base de données, d’entrepôts de données, de lacs de données, d’outils d’intégration de données, d’outils analytiques, etc.

Systèmes de gestion de base de données (SGBD)

Il existe différents types de systèmes de gestion de base de données. Les systèmes les plus courants sont les systèmes de gestion de base de données relationnelle (SGBDR), les systèmes de gestion de base de données orientée objet (SGBDOO), les bases de données in-memory et les bases de données en colonnes.

Petite infographie des différents types de systèmes de gestion de base de données

  • Système de Gestion de Base de Données Relationnelle (SGBDR) :il s’agit d’un système qui contient des définitions de données permettant aux programmes et aux systèmes d’extraction de référencer les éléments de données par nom, plutôt que de décrire à chaque fois la structure et l’emplacement des données. En fonction du modèle relationnel, le système SGBDR gère également les relations entre les éléments de données qui améliorent l’accès et empêchent les doublons. Par exemple, la définition et les caractéristiques de base d’un élément sont stockées une seule fois et liées aux lignes de détail des commandes clients et aux tables de détermination du prix.
  • Système de Gestion de Base de Données Orientée Objet (SGBDOO) :il s’agit d’une approche différente de la définition et du stockage de données, développée et utilisée par les développeurs de systèmes de programmation orientée objet (SPOO). Les données sont stockées en tant qu’objets, entités autonomes et auto-décrites, plutôt que dans des tables à l’image du système SGBDR.
  • Base de données in-memory :une base de données in-memory (BDIM) stocke les données dans la mémoire principale (RAM) d’un ordinateur, plutôt que sur un lecteur de disque. L’extraction des données étant beaucoup plus rapide qu’à partir d’un système basé sur disque, les bases de données in-memory sont couramment utilisées par les applications qui exigent des temps de réponse rapides. Par exemple, les données qu’il fallait auparavant compiler dans un rapport sont désormais accessibles et peuvent être analysées en quelques minutes, voire quelques secondes.
  • Base de données en colonnes : une base de données en colonnes stocke des groupes de données liées (une « colonne » d’informations) pour y accéder plus rapidement. Cette base de données est utilisée dans les applications de gestion in-memory modernes et dans de nombreuses applications d’entrepôt de données autonomes dans lesquelles la vitesse d’extraction (d’un éventail de données limité) est importante.

Entrepôts et lacs de données

  • Entrepôt de données :un entrepôt de données est un référentiel central de données cumulées à partir de différentes sources à des fins de reporting et d’analyse.
  • Lac de données :un lac de données est un vaste pool de données stockées dans leur format brut ou naturel. Les lacs de données sont généralement utilisés pour stocker le Big Data, y compris les données structurées, non structurées et semi-structurées.

Gestion des données de base (MDM)

La gestion des données de base est une discipline qui consiste à créer une référence de base fiable (référence unique) de toutes les données de gestion importantes, telles que les données produit, les données client, les données d’actifs, les données financières, etc. Elle garantit que l’entreprise n’utilise pas plusieurs versions potentiellement incohérentes des données dans ses différentes activités, y compris dans les processus, les opérations, l’analyse et le reporting. La consolidation des données, la gouvernance des données et la gestion de la qualité des données constituent les trois piliers clés d’une gestion des données de base efficace.

« Une discipline basée sur la technologie dans laquelle l’entreprise et l’organisation informatique collaborent pour garantir l’uniformité, la précision, l’administration, la cohérence sémantique et la responsabilité des ressources de données de base partagées officielles de l’entreprise. »

Définition de la gestion des données de base par Gartner

Gestion du Big Data

De nouveaux types de bases de données et d’outils ont été développés pour gérer le Big Data : d’énormes volumes de données structurées, non structurées et semi-structurées inondent les entreprises aujourd’hui. Outre les infrastructures basées sur le Cloud et les techniques de traitement hautement efficaces mises en place pour gérer le volume et la vitesse, de nouvelles approches ont vu le jour pour interpréter et gérer la variété de données. Pour que les outils de data management puissent comprendre et utiliser différents types de données non structurées, par exemple, de nouveaux processus de prétraitement permettent d’identifier et de classer les éléments de données en vue de faciliter leur stockage et leur extraction.

Intégration des données

L’intégration des données consiste à intégrer, transformer, combiner et mettre à disposition les données à l’endroit et au moment où les utilisateurs en ont besoin. Cette intégration s’effectue dans l’entreprise et au-delà, chez les partenaires et dans les cas d’utilisation et les sources de données tierces, pour répondre aux besoins de consommation de données de toutes les applications et de tous les processus de gestion. Les techniques utilisées incluent le déplacement des données en masse/par lots, l’extraction, la transformation, le chargement (ETL), la capture des données de modification, la réplication des données, la virtualisation des données, l’intégration des données de streaming, l’orchestration des données, etc.

Gouvernance, sécurité et conformité des données

La gouvernance des données est un ensemble de règles et de responsabilités visant à garantir la disponibilité, la qualité, la conformité et la sécurité des données dans toute l’organisation. Elle définit l’infrastructure et désigne les collaborateurs (ou postes) au sein d’une organisation dotés du pouvoir et de la responsabilité nécessaires pour assurer le traitement et la sauvegarde de types de données spécifiques. La gouvernance des données est un aspect clé de la conformité. Alors que les mécanismes de stockage, de traitement et de sécurité sont gérés par les systèmes, la gouvernance des collaborateurs permet de s’assurer que les données sont exactes, correctement gérées et protégées avant d’être entrées dans les systèmes, lorsqu’elles sont utilisées, puis lorsqu’elles sont extraites des systèmes à d’autres fins d’utilisation et de stockage. La gouvernance détermine comment les responsables utilisent les processus et les technologies pour gérer et protéger les données.

La sécurité des données est bien évidemment une préoccupation majeure dans notre monde actuel constamment menacé par les pirates informatiques, les virus, les cyberattaques et les violations de données. Bien que la sécurité soit intégrée dans les systèmes et les applications, la gouvernance des données garantit que ces systèmes sont correctement configurés et administrés pour protéger les données, et que les procédures et les responsabilités sont appliquées pour assurer leur protection en dehors des systèmes et de la base de données.

Business Intelligence et analyses

La plupart des systèmes de data management, sinon tous, incluent des outils de reporting et d’extraction des données de base, et beaucoup d’entre eux intègrent ou sont fournis avec de puissantes applications d’extraction, d’analyses et de reporting. Les applications d’analyses et de reporting sont également disponibles auprès de développeurs tiers et sont presque toujours incluses dans le groupe d’applications en tant que fonctionnalité standard ou en tant que module complémentaire facultatif pour des fonctionnalités plus avancées.

La puissance des systèmes de data management actuels réside, dans une large mesure, dans les outils d’extraction ad hoc qui permettent aux utilisateurs disposant d’un minimum de formation de créer leurs propres extractions de données à l’écran et d’imprimer des rapports en bénéficiant d’une grande flexibilité dans la mise en forme, les calculs, les tris et les résumés. En outre, les professionnels peuvent utiliser ces outils ou des jeux d’outils d’analyses plus avancés pour aller encore plus loin en termes de calculs, comparaisons, mathématiques abstraites et mises en forme. Les nouvelles applications analytiques permettent de relier les bases de données traditionnelles, les entrepôts de données et les lacs de données pour intégrer le Big Data aux données des applications de gestion en vue d’améliorer les prévisions, les analyses et la planification.

Qu’est-ce qu’une stratégie de gestion des données d’entreprise et quelle est son utilité ?

De nombreuses entreprises se sont montrées passives dans leur approche de stratégie de data management en acceptant ce que leur fournisseur d’applications de gestion avait intégré dans leurs systèmes. Mais cela ne suffit plus. Avec l’explosion actuelle des données et leur importance accrue dans le fonctionnement de toute entreprise, il devient indispensable d’adopter une approche plus proactive et plus globale du data management. D’un point de vue pratique, cela implique de définir une stratégie des données visant à :

  • identifier les types de données spécifiques utiles à votre entreprise ;
  • attribuer des responsabilités pour chaque type de données ; et
  • définir des procédures régissant l’acquisition, la collecte et la gestion de ces données.

La mise en œuvre d’une infrastructure et d’une stratégie de gestion des données d’entreprise offre notamment l’avantage de fédérer l’entreprise, en coordonnant toutes les activités et décisions à l’appui de ses objectifs, à savoir offrir des produits et des services de qualité de manière efficace. Une stratégie globale de data management et une intégration transparente des données permettent de décloisonner les informations. Elles aident chaque service, responsable et employé à mieux comprendre sa contribution individuelle à la réussite de l’entreprise, et à adopter des décisions et des actions alignées sur ces objectifs.

Évolution du data management

La gestion efficace des données joue un rôle clé dans la réussite des entreprises depuis plus de 50 ans : elle permet d’améliorer la précision du reporting, de repérer les tendances et de prendre de meilleures décisions pour favoriser la transformation numérique et exploiter les nouvelles technologies et les nouveaux modèles de gestion. Les données représentent aujourd’hui une nouvelle forme de capital et les organisations visionnaires sont toujours à l’affût de nouveaux moyens de les exploiter à leur avantage. Ces dernières tendances en matière de data management méritent d’être surveillées et peuvent être pertinentes pour votre entreprise et votre secteur d’activité :

  • Structure de données : la plupart des entreprises disposent aujourd’hui de différents types de données déployées sur site et dans le Cloud, et utilisent plusieurs systèmes de gestion de bases de données, outils et technologies de traitement. Une structure de données, qui est une combinaison personnalisée d’architecture et de technologie, utilise une intégration et une orchestration dynamiques des données pour permettre un accès et un partage transparents des données dans un environnement distribué.
  • Data management dans le Cloud :de nombreuses entreprises se sont mises à migrer tout ou partie de leur plateforme de gestion des données dans le Cloud. Le data management dans le Cloud offre tous les avantages du Cloud, notamment l’évolutivité, la sécurité avancée des données, l’amélioration de l’accès aux données, les sauvegardes automatisées et la restauration après sinistre, les économies de coûts, etc. Les solutions de base de données Cloud et base de données en tant que service (DBaaS), les entrepôts de données Cloud et les lacs de données Cloud montent en puissance.
  • Data management augmenté :c’est l’une des dernières tendances. Identifiée par Gartner comme une technologie au potentiel perturbateur d’ici 2022, la gestion des données augmentée exploite l’IA et l’apprentissage automatique pour donner aux processus de gestion la capacité de s’autoconfigurer et s’autorégler. Le data management augmenté automatise tout, de la qualité des données et de la gestion des données de base jusqu’à l’intégration des données, ce qui permet au personnel technique qualifié de se concentrer sur des tâches à plus forte valeur ajoutée.

« D’ici 2022, les tâches manuelles de data management seront réduites de 45 % grâce à l’apprentissage automatique et à la gestion automatisée des niveaux de service. »

– Gartner

  • Analyse augmentée : l’analyse augmentée, une autre tendance technologique de pointe identifiée par Gartner, est en train d’émerger. L’analyse augmentée exploite l’intelligence artificielle, l’apprentissage automatique et le traitement du langage naturel (TLN) pour rechercher automatiquement les informations les plus importantes, mais aussi pour démocratiser l’accès aux analyses avancées afin que tous les collaborateurs, et pas uniquement les experts en Big Data, puissent interroger leurs données et obtenir des réponses d’une manière naturelle et conversationnelle.

Découvrez d’autres termes et tendances en matière de data management.

Synthèse

L’information est dérivée des données et si elle synonyme de pouvoir, cela signifie que la gestion et l’exploitation efficaces de vos données pourraient représenter une formidable opportunité de croissance pour votre entreprise. Les responsabilités en matière de data management et le rôle des analystes de bases de données (DBA) évoluent vers un modèle d’agent du changement, qui favorise l’adoption du Cloud, exploite les nouvelles tendances et technologies et apporte une valeur stratégique à l’entreprise.

Pictogramme qui représente un entrepôt de données

Solutions de data management et de bases de données

Découvrez comment SAP peut vous aider à gérer, administrer et intégrer vos données d’entreprise pour disposer d’analyses fiables et prendre des décisions avisées.

En savoir plus

Publié en anglais sur insights.sap.com

The post Qu’est-ce que le data management ? appeared first on SAP France News.

Source de l’article sur sap.com

/par