Articles

En s’associant à des entreprises sociales, les grandes firmes peuvent accélérer leur croissance tout en s’assurant que leurs opérations ont un impact positif sur le plan humanitaire et environnemental.

Le monde des affaires n’a jamais été aussi rude. Alors que la planète connaît de multiples crises (pandémie mondiale, injustice sociale, surconsommation des ressources et changement climatique), les grandes firmes doivent repenser leur stratégie de création de valeur. Dans toutes les régions du monde et tous les secteurs d’activité, les entreprises doivent mettre en place de nouvelles initiatives, au-delà de leur mission et de leurs activités de base, pour contribuer à un monde plus prospère, équitable et durable.

Les entreprises qui y parviendront trouveront le juste équilibre. Aujourd’hui plus que jamais, les employés cherchent à s’épanouir dans leur travail et à évoluer dans un environnement orienté vers la diversité et l’intégration. Le développement durable, tourné vers l’avenir et axé sur les solutions, attire les talents et renforce l’engagement. Simultanément, les entreprises cherchent à renforcer leur agilité, leur résilience et leur capacité d’innovation pour créer de la valeur à long terme.

« Les investisseurs évaluent de plus en plus les entreprises à l’aune de leur impact sur la société et l’environnement. »

Chez SAP, nous ne faisons pas de distinction. Notre approche consiste à évoluer de manière globale et à aligner nos objectifs. Notre principe fondateur consiste à placer les objectifs communs et les valeurs partagées au cœur de l’activité, tout en exploitant les technologies numériques. Cette puissante combinaison inspire, implique et attire les talents, en stimulant par là même l’innovation, l’agilité et la résilience.

Les collaborateurs inspirés et les prouesses technologiques ouvrent la voie au changement positif et au développement, comme le partenariat avec les entreprises sociales.

Les entreprises sociales sont des sociétés ordinaires à but lucratif, qui poursuivent une mission humanitaire ou environnementale. Lorsqu’elles réalisent des bénéfices, elles en reversent une part significative au profit de cette mission. Les entreprises sociales représentent une ressource largement sous-exploitée par les grandes firmes, qui doivent répondre aux attentes en constante évolution des consommateurs, des employés et des investisseurs. En établissant un partenariat avec une entreprise sociale ou en achetant ses produits ou services, ces sociétés peuvent en effet transformer une activité de base comme l’acquisition de biens et de services en stratégie de croissance durable, tout en renforçant le sentiment d’appartenance des collaborateurs et la fidélité des clients.

Priorité à l’impact social

Les consommateurs attendent des entreprises qu’elles aient à la fois un impact économique et social. C’est ce qui ressort de l’évolution spectaculaire des comportements d’achat. Selon le NYU Stern Center for Sustainable Business, la hausse des ventes de biens de consommation emballés enregistrée entre 2013 et 2018 est due à 50 % aux produits commercialisés sur le marché durable.

En outre, de plus en plus d’employés attendent de leur entreprise qu’elle promeuve des solutions aux défis mondiaux. Les candidats les plus performants recherchent aujourd’hui des entreprises qui soutiennent des initiatives ayant un impact social et qui leur permettent de mettre leurs compétences non seulement au service du chiffre d’affaires et du résultat net, mais aussi de la « ligne verte » de croissance durable.

Les investisseurs évaluent de plus en plus les entreprises à l’aune de leur impact sur la société et l’environnement, et les répercussions financières sont réelles. Les questions environnementales et sociales sont à l’origine de 25 % de l’argent investi aux États-Unis. À l’échelle mondiale, 23 000 millions de dollars sont aujourd’hui alloués à des fonds engagés dans le cadre d’investissements responsables.

Les entreprises sociales œuvrent depuis des décennies à la mise en place de modèles d’entreprise plus durables et inclusifs. Souvent en sous-effectif, à la poursuite de missions, elles sont fortement affectées par la pandémie mondiale. Ce contexte offre aux grandes firmes une opportunité de taille : soutenir ces entreprises vitales en pleine croissance et protéger ainsi des années d’innovation et de création de valeur.

Le secteur des entreprises sociales est estimé à 12 000 millions de dollars à l’échelle mondiale et pourrait créer 380 millions d’emplois d’ici 2030. Un soutien significatif et un partenariat avec les entreprises sociales permettraient d’intégrer le changement social et des missions humanitaires plus ciblées dans les activités de base.

Plateforme SAP One Billion Lives

L’un des principes de SAP One Billion Lives est de trouver comment les entreprises pourrait mieux se développer. L’ambition de SAP One Billion Lives d’avoir un impact positif sur un milliard d’individus repose en partie sur le soutien aux entrepreneurs sociaux.

En interne, SAP One Billion Lives aide les employés qui conçoivent et développent un portefeuille de projets durables de valeur partagée. Ces projets se proposent de contribuer à la résolution des plus grands défis de notre planète en exploitant ce que SAP a de meilleur à offrir : ses collaborateurs, ses technologies, ses écosystèmes et ses ressources.

« Les entreprises sociales sont des sociétés ordinaires à but lucratif, qui poursuivent une mission humanitaire ou environnementale. »

Guidés par leur cœur et leur expertise, et étayés par les ressources SAP, nos employés ont su créer des activités qui ont contribué à l’établissement de protocoles de traitement contre le cancer plus efficaces en Inde, qui ont amélioré les actions de secours aux sinistrés dans le monde, qui ont rendu possible la création d’une chaîne logistique durable et qui ont permis de lutter contre le travail des enfants dans les mines de cobalt. Face à la pandémie mondiale, SAP One Billion Lives s’est également attaché à relever les défis de la COVID-19, depuis l’apport d’une réponse humanitaire jusqu’à une meilleure gestion des groupes affectés à différents stades sur le lieu de travail.

Exploiter les achats solidaires

SAP One Billion Lives mise sur l’intégration des entreprises sociales dans l’économie mondiale par le biais de nouvelles pratiques d’approvisionnement et d’un soutien aux entrepreneurs sociaux. La mission externe de la plateforme consiste notamment à vanter les bienfaits, réels et inhérents, du soutien aux entreprises sociales.

Les achats solidaires constituent l’un des moyens les plus simples pour une grande firme de renforcer considérablement sa contribution à un monde plus durable et plus équitable. Les éléments fondamentaux d’une entreprise peuvent sembler universels, qu’il s’agisse de services marketing, de café ou de papier. Il existe des entreprises sociales qui peuvent répondre à ces besoins et à bien d’autres encore. La valeur augmente et les dépenses restent les mêmes. SAP a consacré 2,5 % de ses dépenses réductibles au Royaume-Uni pour soutenir les entreprises sociales et nous prévoyons non seulement d’augmenter ce chiffre de manière significative, mais aussi de développer le programme à l’échelle mondiale.

SAP Ariba Network, le plus grand réseau de commerce interentreprises au monde, qui traite plus de 3 000 millions de dollars de transactions par an, a établi un partenariat avec Social Enterprise UK. SAP a intégré les membres de Social Enterprise UK au service d’une mission sur le réseau Ariba, mettant ainsi en contact de nombreuses entreprises sociales avec des grandes firmes du monde entier désireuses de dépenser autrement.

« Les entreprises sociales œuvrent depuis des décennies à la mise en place de modèles d’entreprise plus durables et inclusifs. »

SAP estime que nous avons un rôle essentiel à jouer. Nous pouvons favoriser la création de valeur plus ciblée pour nos clients et nos communautés en les aidant à fonctionner de manière durable, à innover et à nouer des partenariats pour créer un monde plus équitable.

SAP défend les trois thèmes exposés dans le premier article de cette série. Les défis auxquels nous sommes confrontés aujourd’hui ne sont pas indépendants, mais plutôt interdépendants. Nous sommes profondément convaincus que les entreprises les plus performantes de demain rechercheront le bénéfice, la résilience et la durabilité à parts égales. La formule est claire : servir un objectif et renforcer la croissance.

Publié en anglais sur The New Economy

The post Intégrer l’impact social au cœur de l’entreprise appeared first on SAP France News.

Source de l’article sur sap.com

Intermarché, enseigne alimentaire du Groupement Les Mousquetaires s’appuie sur les solutions de procurement Ariba de SAP pour assurer la fluidité et l’efficacité de sa chaine d’approvisionnement et de distribution, afin de répondre au mieux aux enjeux contemporains et aux attentes toujours grandissantes des consommateurs. Grâce à un outil intégré, les différents corps de métiers peuvent collaborer via une seule interface et selon des processus communs, ce qui permet une vision globale sur l’ensemble des flux et un suivi de tous les indicateurs de performance, favorisant la prise de décision et une réponse rapide et fiable aux besoins de l’entreprise et de ses clients.

Le contexte de crise sanitaire et les différentes formes de restrictions de mobilité qui ont traversé le territoire cette dernière année ont montré combien il était important pour une entreprise d’assurer la solidité et la fiabilité de sa chaîne d’approvisionnement.

L’épidémie de la Covid-19 a également accéléré les évolutions des comportements des consommateurs, et il tient à cœur à Intermarché de répondre présent face à ces nouveaux enjeux, c’est pourquoi le groupe a opéré sa transformation. La digitalisation de la vie professionnelle s’accompagne aussi de la digitalisation des modes de consommation, avec un recours plus fréquent au e-commerce. Les enjeux sociétaux et environnementaux font désormais partie intégrante de l’équation lors des choix de consommation des clients. L’hygiène et les impératifs sanitaires ont été exacerbés par la crise. Suite à la crise économique qui résulte de l’épidémie, les consommateurs sont plus que jamais à la recherche de prix très attractifs.

Une solution pour assurer la bonne traçabilité des produits marques de distributeurs et répondre mieux aux attentes des consommateurs.

La stratégie d’Intermarché repose sur six piliers. Le relai « Producteurs & Commerçants », qui est l’ADN d’Intermarché, implique de disposer d’un outil industriel efficient et réactif. Le retravail constant et l’optimisation des recettes, afin de répondre aux attentes des consommateurs désireux de manger mieux. Communiquer sur les avantages des produits Intermarché pour les consommateurs, et leur apporter toutes les informations qu’ils recherchent. Des activations promotionnelles pour répondre aux attentes des clients sur les prix des produits. Des prix bas toute l’année et une forte compétitivité prix, surtout au regard de la crise économique que nous traversons. Une transformation pour plus d’agilité, afin de s’adapter au monde en constante évolution.

La qualité de l’alimentation est plus que jamais au cœur des préoccupations des consommateurs, notamment via les gammes de produits bio. Les solutions Procurement SAP Ariba permettent à Intermarché d’assurer la bonne traçabilité de ses produits, et de répondre aux attentes des clients désireux d’en savoir plus sur la qualité et l’origine des produits qu’ils consomment. Pour assurer cette traçabilité, Intermarché peut s’appuyer sur la méthode et l’efficacité de l’outil Ariba. Celui-ci permet de suivre et analyser les données, afin de piloter et optimiser la chaine d’approvisionnement en fonction des demandes des consommateurs. Enfin, la fluidité des informations entre les collaborateurs et les fournisseurs de production est assurée par l’intégration à cet outil unique.

Une transformation engagée grâce à un outil unique adapté à l’ensemble des profils et corps de métier.

Pour faire face à la croissance du nombre d’appels d’offre et du nombre de fournisseurs, la complexité grandissante des références et l’impératif de toujours réduire le time to market pour répondre aux attentes des consommateurs, il était crucial pour Intermarché de pouvoir s’appuyer sur un outil intégré de pilotage, c’est pourquoi le groupe a choisi les solutions Achats SAP Ariba.

Le programme de transformation d’Intermarché se base sur cinq objectifs :

  1. Améliorer la qualité et l’échange de l’information entre les services et avec le fournisseur.
  2. Disposer de l’agilité nécessaire pour anticiper les événements et problématiques, tels que les renouvellements d’appels d’offres etc.
  3. Homogénéiser les processus d’approvisionnement.
  4. Piloter tous les services et processus, et mettre en place des KPIs.
  5. Améliorer le time to market; les distributeurs producteurs se doivent d’être rapides pour répondre immédiatement aux demandes des consommateurs.

Proposant une vaste variété de produits en marques de distributeurs (frais, épicerie, alimentaire hors import), les 59 usines intégrées au Groupement Les Mousquetaires et les 600 fournisseurs d’Intermarché collaborent au travers d’un outil unique, pour gérer les achats, identifier et anticiper les besoins, suivre l’historique, simplifier les appels d’offre, piloter l’entreprise via des processus homogènes et des indicateurs de performance communs.

Aujourd’hui, les collaborateurs Intermarché se sont approprié l’outil, et l’implantation d’Ariba est une réussite. La collaboration est facilitée par l’intégration sur un outil unique des différents profils et corps de métier qui interviennent tout au long de la chaine de valeurs. Le time to market a été multiplié par 2,25, avec un time to market moyen passé de 18 mois à 8 mois pour les marques de distributeurs. Le groupe ne cache pas ses ambitions de l’abaisser à 6 voire 3 mois en profitant pleinement des capacités proposées par les solutions SAP Ariba.

« La réussite de notre programme de transformation repose sur trois facteurs majeurs. D’abord, mettre les équipes au cœur du projet, les questionner sur les besoins et défis, pour les intégrer à la mise en place de la solution. Ensuite, rester simples et pragmatiques, et ne pas perdre de vue les objectifs de départ. Enfin, anticiper et accompagner le changement, en parallèle de l’élaboration de l’outil, est une clé de réussite. Les collaborateurs et les fournisseurs ont pris en main cet outil, ce qui est un très bon indicateur du succès du projet. Il y a énormément de positif dans ce qui est en train de se passer. » témoignent Matthieu Bidan, chef d’entreprise Intermarché à Gratentour (31) et  Guillaume Delpech, en charge de la direction des Achats Marques Propres Intermarché – Netto.

À propos de SAP

La stratégie de SAP vise à aider chaque organisation à fonctionner en “entreprise intelligente”. En tant que leader du marché des logiciels d’application d’entreprise, nous aidons les entreprises de toutes tailles et de tous secteurs à opérer au mieux : 77 % des transactions commerciales mondiales entrent en contact avec un système SAP®. Nos technologies de Machine Learning, d’Internet des objets (IoT) et d’analytique avancées aident nos clients à transformer leurs activités en “entreprises intelligentes”. SAP permet aux personnes et aux organisations d’avoir une vision approfondie de leur business et favorise la collaboration afin qu’elles puissent garder une longueur d’avance sur leurs concurrents. Nous simplifions la technologie afin que les entreprises puissent utiliser nos logiciels comme elles le souhaitent – sans interruption. Notre suite d’applications et de services de bout en bout permet aux clients privés et publics de 25 secteurs d’activité dans le monde de fonctionner de manière rentable, de s’adapter en permanence et de faire la différence. Avec son réseau mondial de clients, partenaires, employés et leaders d’opinion, SAP aide le monde à mieux fonctionner et à améliorer la vie de chacun.

Pour plus d’informations, visitez le site www.sap.com .

Contacts presse SAP
Daniel Margato, Directeur Communication : 06 64 25 38 08 – daniel.margato@sap.com
Pauline Barriere : 06.13.73.93.11 – presse-sap@publicisconsultants.com
SAP News Center. Suivez SAP sur Twitter : @SAPNews.

 

The post Intermarché choisit les solutions SAP Ariba pour optimiser sa chaîne de valeur et répondre aux attentes des consommateurs appeared first on SAP France News.

Source de l’article sur sap.com

Gartner predicts that by 2023, over 50% of medium to large enterprises will have adopted a Low-code/No-code application as part of their platform development.
The proliferation of Low-code/No-code tooling can be partially attributed to the COVID-19 pandemic, which has put pressure on businesses around the world to rapidly implement digital solutions. However, adoption of these tools — while indeed accelerated by the pandemic — would have occurred either way.
Even before the pandemic, the largest, richest companies had already formed an oligopsony around the best tech talent and most advanced development tools. Low-Code/No-code, therefore, is an attractive solution for small and mid-sized organizations to level the playing field, and it does so by giving these smaller players the power to do more with their existing resources.
While these benefits are often realized in the short term, the long-term effect of these tools is often shockingly different. The promise of faster and cheaper delivery is the catch — or lure — inside this organizational mousetrap, whereas backlogs, vendor contracts, technical debts, and constant updates are the hammer.
So, what exactly is the No-Code trap, and how can we avoid it?

What is a No-Code Tool?

First, let’s make sure we clear up any confusion regarding naming. So far I have referred Low-Code and No-Code as if they were one term. It’s certainly easy to confuse them — even large analyst firms seem to have a hard time differentiating between the two — and in the broader context of this article, both can lead to the same set of development pitfalls.
Under the magnifying glass, however, there are lots of small details and capabilities that differentiate Low-code and No-code solutions. Most of them aren’t apparent at the UI level, leading to much of the confusion between where the two come from.
In this section, I will spend a little bit of time exploring the important differences between those two, but only to show that when it comes to the central premise of this article they are virtually equivalent.

Low-Code vs. No-Code Tools

The goal behind Low-Code is to minimize the amount of coding necessary for complex tasks through a visual interface (such as Drag ‘N’ Drop) that integrates existing blocks of code into a workflow.
Skilled professionals have the potential to work smarter and faster with Low-Code tools because repetitive coding or duplicating work is streamlined. Through this, they can spend less time on the 80% of work that builds the foundation and focuses more on optimizing the 20% that makes it different. It, therefore, takes on the role of an entry-level employee doing the grunt work for more senior developers/engineers.
No-Code has a very similar look and feel to Low-Code, but is different in one very important dimension. Where Low-Code is meant to optimize the productivity of developers or engineers that already know how to code (even if just a little), No-Code is built for business and product managers that may not know any actual programming languages. It is meant to equip non-technical workers with the tools they need to create applications without formal development training.
No-Code applications need to be self-contained and everything the No-Code vendor thinks the user may need is already built into the tool.
As a result, No-Code applications create a lot of restrictions for the long-term in exchange for quick results in the short-term. This is a great example of a ‘deliberate-prudent’ scenario in the context of the Technical Debt Quadrant, but more on this later.

Advantages of No-Code Solutions

The appeal of both Low-Code and No-Code is pretty obvious. By removing code organizations can remove those that write it — developers — because they are expensive, in short supply, and fundamentally don’t produce things quickly.
The benefits of these two forms of applications in their best forms can be pretty substantial:
  • Resources: Human Capital is becoming increasingly scarce — and therefore expensive. This can stop a lot of ambitious projects dead in their tracks. Low-Code and No-Code tools minimize the amount of specialized technical skills needed to get an application of the ground, which means things can get done more quickly and at a lower cost.
  • Low Risk/High ROISecurity processes, data integrations, and cross-platform support are all built into Low-Code and No-Code tools, meaning less risk and more time to focus on your business goals.
  • Moving to Production: Similarly, for both types of tools a single click is all it takes to send or deploy a model or application you built to production.
Looking at these advantages, it is no wonder that both Low-Code and No-Code have been taking industries by storm recently. While being distinctly different in terms of users, they serve the same goal — that is to say, faster, safer and cheaper deployment. Given these similarities, both terms will be grouped together under the ‘No-Code’ term for the rest of this article unless otherwise specified.

List of No-Code Data Tools

So far, we have covered the applications of No-Code in a very general way, but for the rest of this article, I would like to focus on data modeling. No-Code tools are prevalent in software development, but have also, in particular, started to take hold in this space, and some applications even claim to be an alternative to SQL and other querying languages (crazy, right?!). My reasons for focusing on this are two-fold: 
Firstly, there is a lot of existing analysis around this problem for software development and very little for data modeling. Secondly, this is also the area in which I have the most expertise.
Now let’s take a look at some of the vendors that provide No-Code solutions in this space. These in no way constitute a complete list and are, for the most part, not exclusively built for data modeling. 

1. No-Code Data Modeling in Power BI

Power BI was created by Microsoft and aims to provide interactive visualizations and business intelligence capabilities to all types of business users. Their simple interface is meant to allow end-users to create their own reports and dashboards through a number of features, including data mapping, transformation, and visualization through dashboards. Power BI does support some R coding capabilities for visualization, but when it comes to data modeling, it is a true No-Code tool.

2. Alteryx as a Low-Code Alternative

Alteryx is meant to make advanced analytics accessible to any data worker. To achieve this, it offers several data analytics solutions. Alteryx specializes in self-service analytics with an intuitive UI. Their offerings can be used as Extract, Transform, Load (ETL) Tools within their own framework. Alteryx allows data workers to organize their data pipelines through their custom features and SQL code blocks. As such, they are easily identified as a Low-Code solution.

3. Is Tableau a No-Code Data Modeling Solution?

Tableau is a visual analytics platform and a direct competitor to Power BI. They were recently acquired by Salesforce which is now hoping to ‘transform the way we use data to solve problems—empowering people and organizations to make the most of their data.’ It is also a pretty obvious No-Code platform that is supposed to appeal to all types of end-users. As of now, it offers fewer tools for data modeling than Power BI, but that is likely to change in the future.

4. Looker is a No-Code Alternative to SQL

Looker is a business intelligence software and big data analytics platform that promises to help you explore, analyze, and share real-time business analytics easily. Very much in line with Tableau and Power BI, it aims to make non-technical end-users proficient in a variety of data tasks such as transformation, modeling, and visualization.

You might be wondering why I am including so many BI/Visualization platforms when talking about potential alternatives to SQL. After all, these tools are only set up to address an organization’s reporting needs, which constitute only one of the use cases for data queries and SQL. This is certainly a valid point, so allow me to clarify my reasoning a bit more.

While it is true that reporting is only one of many potential uses for SQL, it is nevertheless an extremely important one. There is a good reason why there are so many No-Code BI tools in the market—to address heightening demand from enterprises around the world — and therefore, it is worth taking a closer look at their almost inevitable shortcomings.

Source de l’article sur DZONE

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.

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

Les nouvelles technologies peuvent changer la donne dans le milieu des logiciels d’entreprise. Pourtant, c’est à l’amélioration de l’expérience utilisateur que l’on attribue une véritable valeur. De la même façon, quand on parle de conversion au numérique, il ne s’agit pas de continuer à faire les mêmes choses avec de nouvelles technologies, mais de transformer les méthodes de gestion des entreprises. Les technologies innovantes fournissent de nouvelles fonctionnalités rimant avec nouvelles opportunités pour les entreprises et les particuliers.

SAP HANA est l’une de ces technologies qui changent la donne pour les logiciels d’entreprise. Bien plus qu’une simple base de données, il s’agit de la base sur laquelle repose SAP S/4HANA. Grâce à SAP HANA, les données sont utilisées autrement, c’est-à-dire d’une manière plus intelligente et prédictive.

SAP S/4HANA s’accompagne de cas d’apprentissage automatique intégrés (par exemple, automatisation intelligente pour la conformité fiscale, réapprovisionnement piloté par la demande, prévision des livraisons fournisseurs, affectation intelligente du personnel et des ressources, et prévision des performances de vente), grâce au socle d’Intelligence Artificielle (IA) qui sous-tend SAP HANA.

Tels sont les ingrédients qui forment une nouvelle expérience utilisateur caractérisé par le passage « de l’information à l’action », car les utilisateurs peuvent obtenir des informations pertinentes qui facilitent la prise de décision. Cette fonctionnalité est l’une des clés d’un progiciel de gestion intégré (ERP) moderne, optimisé par SAP HANA. Cette visibilité sur les informations permet d’obtenir une vue d’ensemble complète et en temps réel sur une entreprise, notamment sur les informations concernant les liquidités, les statistiques de commandes, les actifs et la satisfaction des clients. Même si les systèmes ERP hérités offraient également cette possibilité dans une certaine mesure, les informations étaient issues d’instantanés de données statiques et obsolètes, basés sur des agrégats précalculés dans les bases de données. Ces limites technologiques étaient source d’incertitudes et nous empêchaient de prendre des décisions parfaitement éclairées, notamment en raison de notre incapacité à réagir en temps réel à des événements imprévus.

Le modèle de données unifié dans SAP S/4HANA permet aux entreprises de s’appuyer sur une source d’informations unique, une autre fonctionnalité clé d’un ERP moderne. Le modèle de données unifié calcule des indicateurs de performance clés (KPI) à la volée, en s’appuyant sur des postes individuels réels au lieu d’agrégats sans horodatage, ce qui permet de refléter la réalité à l’instant t. Les clients peuvent voir leur stock en temps réel. Cependant, le modèle de données lui-même n’est que la base d’un nouveau niveau de visibilité. Afin que ces informations soient exploitées concrètement, des fonctionnalités d’analyse intégrées préviennent les utilisateurs des événements de gestion dès qu’ils se produisent. Par ailleurs, elles guident les utilisateurs pour les aider à éviter les problèmes et les exceptions.

Il en va de même pour la finance, où le journal universel rassemble des tables et des livres auxiliaires qui auparavant étaient séparés. Cette fonctionnalité permet une clôture en douceur et une consolidation à la demande qui donne aux dirigeants une vue complète sur toutes les données pertinentes, ce qui les aide à prendre des décisions avisées et rend l’entreprise plus agile. Elle enregistre également toutes les données financières au même endroit et permet ainsi un traitement parallèle cohérent entre tous les livres auxiliaires et les flux de valeurs. De plus, le journal universel s’intègre parfaitement à SAP HANA de par sa structure simple, sans agrégat ni hiérarchie. Grâce à la technologie in-memory, il est facile et rapide d’établir des rapports à partir des données du journal universel. Les ledgers représentent un volet essentiel dans le journal universel. En extrayant les données d’une table à une autre, ils permettent un reporting prompt et efficace des données financières en vertu des différentes normes comptables et attributs.

En ce qui concerne l’agilité, selon une étude réalisée par l’Economist Intelligence Unit Ltd. auprès de 800 directeurs et dirigeants financiers, la gestion des changements inattendus par rapport aux prévisions financières et l’adaptation des processus financiers à la rapide évolution des modèles d’affaires font partie des principaux défis que les dirigeants financiers doivent relever dans l’exécution de leurs activités quotidiennes. En outre, 90 % des dirigeants financiers pensent que le service financier doit simplifier la planification d’entreprise collaborative pour veiller à ce que les plans opérationnels soient alignés sur les plans financiers et stratégiques.

La possibilité d’exécuter la planification, l’analyse du compte de résultat et le reporting du groupe en se basant sur le même ensemble de données bouleversera la finance à jamais. Cela étant, nous nous dirigeons vers une vision plus tournée vers l’avenir. Pour parvenir à cette fin, il convient de combiner intelligemment les données en temps réel (de même que les données de planification, de prévision et de simulation), afin de détecter les risques et les opportunités pour y réagir sans tarder. Cela rend les processus encore plus efficaces et intelligents, tout en offrant de nouvelles opportunités pour la finance à l’avenir. Lors de périodes de pandémie comme celle que nous connaissons aujourd’hui, cela a donné à nombre de nos clients la force de traverser la tourmente et l’agilité nécessaire pour évoluer dans des environnements en constante évolution.

Mais la visibilité seule ne suffit pas pour combler le fossé entre les systèmes analytiques et transactionnels, fossé qui s’observe chez les systèmes ECC hérités. L’automatisation, l’aide à la décision et l’IA ne peuvent pas être pleinement exploités en raison de cette fracture technologique. C’est là que la partie « action » entre en jeu : les utilisateurs professionnels reçoivent alors les conseils dont ils ont besoin pour prendre des décisions et réaliser des opérations dans les workflows et les processus intelligents hautement automatisés.

Il existe de nombreux exemples d’utilisations innovantes de SAP S/4HANA sur SAP HANA dans divers domaines : MRP (planification des besoins en composants) Live, MRP piloté par la demande, gestion des stocks, finance, disponibilité à la vente, traitement des reliquats et nouvelle configuration des produits à variantes.

Prenons, à titre d’illustration, MRP Live, l’Application MRP et les fonctions prédictives de MRP. Avec MRP Live, les clients peuvent planifier et évaluer de très gros volumes de données en temps réel. Par rapport aux anciens cycles MRP et évaluations, MRP Live et l’Application MRP peuvent être exécutés plus fréquemment ; aussi, le gestionnaire peut améliorer de manière significative les KPI tels que les niveaux de stock et les accords sur le niveau de service proposés aux clients. En outre, avec les fonctions prédictives de MRP, il est possible d’exécuter des simulations de l’usine. Cette approche MRP nouvelle génération dans SAP S/4HANA convertit automatiquement les exceptions en propositions de solution.

Nos clients qui utilisent MRP Live sont des entreprises de toutes tailles, qui opèrent dans toutes les régions et tous les secteurs (notamment, machines et composants industriels ou encore biens de consommation). Thermo Cables, une entreprise de taille moyenne basée en Inde, utilise SAP S/4HANA et ce faisant, elle a fait croître son chiffre d’affaires grâce à une visibilité accrue, couplée à des processus de gestion clés (cycles MRP exécutés sur des données en temps réel, par exemple) et un accès instantané aux rapports couvrant toutes les fonctions de l’entreprise. Nous pouvons également citer ANTA, un fabricant de vêtements de sport, qui a pu améliorer le mécanisme de calcul MRP et réduire de 80 % le temps nécessaire pour modifier les nomenclatures grâce à la modification des données par lots. Avec SAP S/4HANA, ANTA a également réussi à rehausser l’efficacité en matière de consommation des stocks de 90 % grâce aux mises à jour automatiques reçues pour un grand nombre de commandes.

Le MRP piloté par la demande, une composante de SAP S/4HANA, vérifie régulièrement la situation de la demande et du réapprovisionnement, puis propose des niveaux optimaux de marge et de stock dont la mise en œuvre est à portée de clic. La demande et le réapprovisionnement peuvent désormais être ajustés plus souvent et plus régulièrement, ce qui se traduit par un pilotage plus efficace des processus adjacents. Auparavant, les entreprises menaient une fois par an un projet d’optimisation des stocks dans une feuille Excel. À présent, cette tâche est remplacée par un processus de routine automatisé qui assure la meilleure capacité de livraison, tout en optimisant les actifs et les liquidités de l’entreprise en question.

La pandémie de COVID-19 nous a montré à quel point les chaînes logistiques mondiales sont fragiles et peuvent être perturbées rapidement. Mais les logiciels d’entreprise ont aidé les organisations à rester agiles pour réduire les incertitudes et l’impact financier sur leurs activités.

Comme je l’ai décrit au début, quand on parle de conversion au numérique, il ne s’agit pas d’exécuter les mêmes activités en exploitant les nouvelles technologies, mais de transformer les méthodes de gestion des entreprises. C’est ce à quoi les entreprises doivent se préparer si elles veulent surmonter les défis d’aujourd’hui.


Thomas Saueressig est membre du Conseil de direction Ingénierie de produits de SAP SE
Cet article est initialement paru sur LinkedIn.

The post Fonctionnalités clés d’un ERP moderne : quelques exemples remarquables appeared first on SAP France News.

Source de l’article sur sap.com

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

Un an après l’annonce de la pandémie par l’Organisation mondiale de la santé, la COVID-19 fait toujours la une de l’actualité dans le monde. Fermeture des écoles, des universités et des jardins d’enfants, report ou annulation d’événements, interdictions de voyage, confinement de villes et de régions entières, chute des marchés mondiaux… Le coronavirus bouleverse notre quotidien et nous rappelle à quel point notre monde est volatil.

Parallèlement, les effets positifs de la pandémie sur l’environnement nous ont montré qu’il était possible d’agir rapidement. Les avions cloués au sol, la baisse de fréquentation sur les routes et la fermeture des usines ont fait chuter les émissions mondiales de dioxyde de carbone à des niveaux jamais atteints depuis 2006 lors du confinement d’avril 2020. Sept grandes villes internationales, dont New Delhi, São Paulo et New York, ont connu une réduction de 25 à 60 % des particules fines pendant cette période de confinement, selon IQAir. En Chine, la COVID-19 a fait chuter les émissions de CO2 de 200 millions de tonnes depuis le début de l’épidémie, ce qui équivaut à plus de 10 % des émissions mondiales.

Cela n’atténue en rien le coût humain de l’épidémie. Les décès, les mesures de quarantaine, les difficultés financières des entreprises et des ménages n’en sont que quelques-unes des conséquences. Dans le même temps, cette crise a mis en évidence le fait que nous pouvions agir massivement et rapidement en faveur du climat.

Nous sommes à un tournant. Selon les prévisions de l’Organisation météorologique mondiale, il y a 20 % de probabilité que les températures mondiales soient de 1,5 °C supérieures à la moyenne enregistrée à l’époque préindustrielle entre 2020 et 2024 au minimum pendant un an. Ce seuil de 1,5°C est le niveau de réchauffement climatique que les pays se sont engagés à contenir lors de l’Accord de Paris de 2015. Même si un nouveau pic annuel peut être suivi de plusieurs années de températures en moyenne plus douces, le non-respect de ce seuil serait une preuve supplémentaire que les mesures internationales de lutte contre le changement climatique ne fonctionnent pas.

Nous ne pouvons ni ignorer la pandémie et son impact, ni continuer à ignorer le changement climatique et la contribution de nos entreprises. Quatre-vingt-cinq pour cent des entreprises qui émettent le plus de CO2 utilisent SAP pour gérer leurs processus, ce qui représente une formidable opportunité. Les technologies numériques peuvent contribuer à réduire massivement les émissions de CO2 dans des secteurs majeurs tels que les services publics, l’agriculture et les transports. Ces réductions d’émissions pourraient potentiellement équivaloir à planter 500 milliards d’arbres. Imaginez l’impact si tous les secteurs agissaient ensemble !

Le développement durable combine la vision de l’entreprise intelligente et l’objectif de SAP de créer un monde meilleur et d’améliorer la vie des individus de la manière la plus naturelle qui soit. Il nous offre également une occasion unique de créer un impact durable et positif pour les générations futures. En 2009, SAP s’était engagée à ramener ses émissions de gaz à effet de serre à leurs niveaux de 2000 à l’horizon 2020. Nous avons atteint cet objectif deux ans plus tôt, tout en multipliant par quatre nos effectifs. Nous prenons l’engagement d’atteindre la carboneutralité d’ici 2025 et, malgré une forte croissance, nous sommes parvenus à réduire notre empreinte carbone nette au cours des cinq dernières années. Nous avons récemment été classés leader du secteur des logiciels dans les indices de durabilité du Dow Jones pour la 14ème année consécutive.

Nous poursuivons non seulement nos propres objectifs climatiques, mais nous voulons aider nos clients à repenser leur stratégie pour atteindre leurs objectifs de durabilité. Dans le cadre de la transition vers de nouveaux modèles de gestion durables, SAP dispose d’une équipe d’experts en solutions et services d’innovation qui aide les clients à surmonter les perturbations et à transformer leurs activités par le biais de l’innovation, grâce à des technologies intelligentes telles que l’Internet des Objets (IoT), l’apprentissage automatique, l’intelligence artificielle (IA), la technologie blockchain et l’analyse étendue des données.  Nous aidons les entreprises à suivre leurs émissions de CO2, des chaînes logistiques en amont jusqu’à la logistique en aval, y compris l’approvisionnement, les opérations et la fabrication.

Aujourd’hui, nous allons encore plus loin en développant des solutions qui permettent à nos clients de mesurer et de réduire leurs émissions dans l’intégralité de leur chaîne de valeur. Nous voulons intégrer la durabilité comme nouvelle dimension de réussite dans les applications analytiques et transactionnelles. Ou, comme le dit si justement mon collègue Thomas Saueressig : nous ajoutons une « ligne verte » au chiffre d’affaires et au résultat net pour mesurer la performance d’une entreprise.

En ce début d’année, nous procédons à des essais auprès de clients issus de secteurs tels que l’automobile, l’industrie des produits chimiques, l’industrie alimentaire et l’ingénierie. SAP Product Carbon Footprint Analytics est la première solution disponible sur le marché et notre client Doehler est le premier à l’adopter. D’autres solutions seront bientôt disponibles. Restez à l’écoute pour en savoir plus !

Nous voulons aider nos clients à repenser leur stratégie en matière de développement durable. Nous créons de la valeur en les aidant à atteindre leurs objectifs en matière d’émissions, et nous les aidons à prendre des décisions commerciales responsables tout en tenant compte de la durabilité. Nos clients pourront simuler les effets d’options d’investissement durable, de décisions opérationnelles et de la gestion des ressources naturelles et sociales, comme n’importe quelle autre ressource d’entreprise.

Avec ces mesures, SAP franchit un nouveau cap dans la transformation de ses clients en entreprises intelligentes durables, en prouvant que l’entreprise intelligente peut rendre la durabilité rentable et la rentabilité durable.

Christian Klein est le PDG de SAP.
Cet article est initialement paru sur LinkedIn.

The post Changement climatique : il est temps d’agir ! appeared first on SAP France News.

Source de l’article sur sap.com

Levallois – 8 mars 2021 – SAP annonce son intention de parvenir à la neutralité carbone de ses activités d’ici la fin 2023, soit deux ans plus tôt que prévu. Cette annonce coïncide avec la publication du rapport intégré 2020 de SAP. L’année dernière, l’entreprise a plus qu’atteint son objectif de réduction d’émissions de gaz à effet de serre (GES) avec la mise en place de nouvelles façons de travailler et de voyager des 100 000 collaborateurs SAP, engendrées par la pandémie de la COVID-19.

La forte diminution des vols d’affaires a contribué de manière significative à la réduction de l’empreinte carbone de SAP en 2020. Les employés travaillant principalement à domicile, les émissions de carbone causées par les trajets quotidiens et l’exploitation des immeubles de bureaux ont diminué. En conséquence, SAP a pu dépasser de 43% son objectif de réduction des émissions nettes de carbone sur l’année 2020, en générant 135 kilotonnes (kt) au lieu des 238 kt prévues. À titre de comparaison, les émissions de SAP en 2019 étaient de 300 kt. En accélérant la mise en place d’opérations neutres en carbone, SAP anticipe l’évolution actuelle et confirme son rôle de pionnier dans la protection du climat.

En s’efforçant de devenir neutre en carbone, SAP prend en compte toutes ses émissions directes et indirectes, ainsi que certaines émissions provenant de la chaîne d’approvisionnement, notamment celles liées aux vols d’affaires, aux voyages d’affaires en voiture de location et aux datacenters de sociétés partenaires. L’entreprise utilise l’approche consistant à éviter, réduire et compenser les émissions. Dans la mesure du possible, SAP cherche à éviter la création de GES par diverses pratiques commerciales, telles que l’utilisation des technologies de télécommunication plutôt que les déplacements. Si les émissions ne peuvent être évitées, SAP exploite des innovations, telles que l’éclairage à faible consommation d’énergie dans les bureaux, les systèmes de refroidissement efficaces dans les datacenters et les solutions de mobilité alternatives. Enfin, SAP compense les émissions inévitables en soutenant des projets climatiques et en travaillant avec des partenaires qui respectent la norme de qualité avancée par la Fondation Gold Standard ou des normes de qualité équivalentes. En outre, SAP mène continuellement de nouvelles initiatives d’entreprise, comme l’application d’un tarif interne carbone sur les vols d’affaires.

Depuis 2017, SAP poursuit également un objectif climatique certifié par l’initiative Science Based Targets (SBTi) pour apporter sa propre contribution à la limitation du réchauffement climatique à 1,5°C au-dessus des niveaux préindustriels. Si son objectif « zéro carbone » s’applique principalement à ses propres activités, l’objectif climatique de SAP englobe également la chaîne de valeur en amont et en aval. Depuis 2014, SAP utilise 100% d’énergie renouvelable pour alimenter tous ses data centers. Grâce à son cloud vert, SAP peut proposer à ses clients des solutions de cloud computing neutres en carbone.

SAP apporte son soutien aux objectifs de développement durable fixés en 2015 par les Etats membres des Nations unies, en se concentrant particulièrement sur l’objectif 13, Action pour le climat. Ici, la plus grande force de SAP réside dans sa capacité à aider ses plus de 400 000 clients dans le monde à mettre en œuvre des mesures de protection du climat grâce à des offres telles que le programme Climate 21. Avec ses clients et partenaires, SAP fournira plus d’informations sur les solutions dans ce contexte ainsi que sur l’économie circulaire, le pilotage holistique et le reporting lors du SAP Sustainability Summit qui se tiendra virtuellement les 28 et 29 avril 2021.

The post SAP accélère ses efforts pour la protection du climat et vise la neutralité carbone d’ici 2023 appeared first on SAP France News.

Source de l’article sur sap.com

La Direction Nationale du Conseil et du Contrôle de Gestion des Clubs Professionnels (DNCCGCP) de la Ligue Nationale de Basket (LNB) s’appuie avec succès sur la solution SAP Analytics Cloud pour répondre à 4 grands principes : assurer la pérennité des clubs, favoriser le respect de l’équité sportive, contribuer à la régulation économique des comptes et évaluer la santé financière des clubs. Le besoin initial : mettre en place un outil fiable et performant pour consolider les données financières et analyser ces dernières facilement. Cette collaboration s’inscrit dans la continuité de la stratégie de digitalisation de la LNB.

La Ligue Nationale de Basketball organise et gère les championnats professionnels masculins par délégation de la Fédération Française de Basketball.

Centraliser sur le cloud les données financières des 18 clubs français

Les données financières de chaque club sont réparties sur des postes produits et des postes charges. Les postes produits, principales sources de recettes, sont liés aux matchs (billetterie, buvette et merchandising), aux subventions des collectivités territoriales, au sponsoring privé et aux droits TV. Les postes charges sont quant à eux liés aux salaires des joueurs et des entraîneurs. Pour créer un socle commun et centraliser toutes ces données, la LNB a fait le choix de SAP Analytics Cloud pour ses capacités de stockage et de transmission des données, son aspect collaboratif mais aussi pour ses états de restitution simplifiés. Toutes les données sont désormais stockées sur le cloud SAP pour plus de simplicité, d’accessibilité et de gain financier.

« La Ligue Nationale de Basket a engagé une stratégie tournée vers le numérique il y a plusieurs années. Elle a même créé cette année sa propre chaine OTT. En choisissant SAP Analytics Cloud, nous avons fait le choix d’avoir un socle commun qui permet de veiller à la santé financière des clubs, d’évaluer les zones de risques et d’identifier les irrégularités. Le Cloud était important car n’engendrait pas de coût pour les clubs et apportait beaucoup de simplicité d’usage », explique Paul Lafont, Référent de la Commission de Contrôle de Gestion et du Conseil Supérieur de Gestion Contrôleur de Gestion.

Réduire les temps de traitement et accélérer la prise de décision

En 2017, la LNB et SAP créent une architecture commune visant à imposer un plan comptable à tous les clubs pour faciliter le contrôle de leurs données, comparer leurs santés financières et mieux évaluer les zones de risques. Etendue ensuite aux clubs en septembre 2018, la solution SAP apporte de nombreux bénéfices métiers aux clubs et à la LNB comme :

  • Un stockage de données et la création d’un historique instantané et accessible à tous.
  • L’importation directe des balances comptables dans l’outil : gain de temps, limite du risque d’erreur, pas de ressaisie des données de l’échéance précédente…
  • Le développement de la capacité d’analyses des clubs à travers des états de restitution.
  • L’optimisation des flux liés à la collecte instantanée des infos financières.

Désormais, la LNB possède une vue instantanée des comptes des clubs. Les gains de temps sont également très importants. Pour les clubs, la soumission des données financières est désormais 8 fois plus rapide, passant de deux jours ouvrables à deux heures chaque cycle budgétaire. La LNB a également gagné 1,5 jours de saisie manuelle des données pour chaque cycle budgétaire grâce à l’importation automatisée des données.

«Les capacités de planification de SAP Analytics Cloud nous permettent de collecter, stocker et analyser plus efficacement les informations financières de toutes nos équipes. Cela nous fournit des informations financières fiables et approfondies qui nous aident à remplir notre mission et contribuent à assurer la viabilité économique des clubs. La solution nous a permis de prendre des décisions rapides pendant la pandémie COVID-19, avec des simulations montrant les impacts financiers de l’interruption de la saison », conclut Paul Lafont.

Consultez le SAP News Center. Suivez SAP sur Twitter : @SAPNews.

The post La Ligue Nationale de Basket suit la pérennité des clubs avec SAP appeared first on SAP France News.

Source de l’article sur sap.com

L’upskilling des effectifs est depuis longtemps une priorité pour les organisations. Aujourd’hui, alors que les dirigeants réagissent aux perturbations mondiales, avec pour beaucoup un personnel en télétravail, ils s’appuient plus que jamais sur les technologies et les systèmes de gestion de la formation (LMS).

La crise mondiale du COVID-19 et l’instabilité économique obligent de nombreuses entreprises à « faire plus avec moins » en matière de reskilling et d’upskilling. Heureusement, les technologies de formation sont suffisamment matures pour que les entreprises puissent choisir parmi une gamme de fonctionnalités adaptées à leurs besoins et à leur budget.

Lorsque Discovery, compagnie d’assurance multinationale est passée au travail à distance, les RH ont identifié qu’environ 500 de ses collaborateurs n’étaient pas productifs. Plutôt que de chercher des solutions de court terme pour améliorer la productivité, la compagnie s’est focalisée sur la préparation du personnel aux métiers de l’avenir, par le reskilling. La priorité de l’entreprise reste ses salariés – et cela inclut de les équiper pour demain.

En période de croissance comme de crise les dirigeants s’efforcent de trouver les meilleures solutions pour leurs collaborateurs. Par exemple, les hôpitaux, les instituts de recherche et les organismes de santé répondent aux besoins du personnel de première ligne en créant des technologies de formation et des ressources éducatives visant à prévenir et limiter l’exposition au COVID-19.

Bien que les dernières avancées changent la donne pour les LMS, tous les investissements technologiques ne conviennent pas nécessairement à toutes les entreprises. Voici les éléments que les entreprises peuvent considérer lorsqu’elles investissent dans une nouvelle solution.

1. Des fonctionnalités liées à vos objectifs

Lorsqu’on choisit parmi toutes les options proposées par les technologies de formation, la première chose à vérifier est que les fonctionnalités répondent aux besoins, aux objectifs et à la stratégie des effectifs de l’entreprise. Pour beaucoup d’organisations, des plates-formes flexibles et ouvertes peuvent être nécessaires pour prendre en charge les nombreux éléments critiques.

Par exemple, une entreprise énergétique pourrait limiter l’accès à une zone particulière d’une installation nucléaire aux employés ayant complété une formation obligatoire et certifiante. L’entreprise aurait alors besoin d’un système de gestion de la formation (LMS) capable d’intégrer la certification des employés à ses formations et opérations sensibles.

De même, une entreprise pharmaceutique pourrait avoir besoin de valider l’apprentissage pour se conformer aux réglementations nationales sur les médicaments. Une solution qui offre de l’innovation au niveau de l’écosystème, y compris des applications partenaires, peut fournir des fonctionnalités supplémentaires et flexibles tout au long du cycle de vie des collaborateurs (y compris lors du recrutement, de l’onboarding, du développement et de la gestion de la succession). Si certaines grandes entreprises peuvent avoir besoin de solutions ouvertes qui prennent en charge divers cas d’utilisation, d’autres peuvent vouloir une solution adaptée à un secteur spécifique, comme l’éducation ou la santé. Quoi qu’il en soit, les entreprises devrait prendre le temps de rechercher la technologie pouvant soutenir au mieux leurs objectifs.

2. Flexibilité

De nombreuses entreprises ayant des sites multiples ou un important personnel auront besoin d’un LMS orienté entreprise si elles s’engagent dans le reskilling de centaines voire de centaines de milliers d’employés.

Avec la généralisation du télétravail, les PME/ETI peuvent également avoir besoin d’un LMS qui puisse être étendu au domicile de leurs employés de manière sûre et efficace. Les technologies d’apprentissage mobiles accessibles en déplacement, y compris sur smartphones, pourraient améliorer l’adoption par les télétravailleurs et les employés qui manquent de temps de formation dédié, comme les commerciaux terrain.

Si les outils qui intègrent des formations en réalité virtuelle (VR) ou en réalité augmentée (AR) ne sont peut-être pas adaptés à toutes les situations, ils peuvent être utiles pour préparer les collaborateurs à des situations d’urgence ou à des scénarios uniques. Ces technologies émergentes sont un excellent exemple de la manière dont les outils de formation modernes peuvent aider les entreprises à relever de nouveaux défis et aider les collaborateurs à se perfectionner et se requalifier.

Walmart, par exemple, a formé plus d’un million d’employés en 2019 à la réalité virtuelle afin de proposer un apprentissage immersif. L’entreprise a également envoyé des casques VR dans les magasins pour entraîner les employés à la mise en place d’une machine qui récupère les commandes passées en ligne. Se libérant ainsi de la nécessité d’envoyer plusieurs personnes pour l’assembler, l’entretenir et dispenser une formation.

Qu’ils travaillent dans le retail, sur des plateformes pétrolières ou dans des exploitations agricoles, de nombreux employés pourraient atteindre de nouveaux niveaux de productivité et d’engagement grâce à des solutions personnalisables et flexibles.

3. Collaboration entre les employés – et les employeurs

Dans de nombreux cas, permettre aux collaborateurs de piloter leur apprentissage peut améliorer l’adoption des programmes, l’engagement et la culture de l’apprentissage. De nombreux employés réagiront positivement à l’upskilling itératif. Lequel leur apporte un sentiment d’appartenance et de fierté. Cet upskilling itératif peut par exemple prendre la forme de vidéos produites par les collaborateurs et partagées avec leurs collègues.

L’apprentissage social peut apporter des avantages à un personnel en télétravail. En atténuant l’isolement, l’anxiété et le manque de motivation auxquels les équipes peuvent être confrontées. Les social boards, chats et « missions » gamifiées sont quelques-unes des caractéristiques des LMS qui peuvent améliorer la collaboration tout en maintenant la distanciation physique. Les managers peuvent également utiliser ces fonctionnalités pour cibler les compétences qui correspondent aux nouvelles priorités et encourager les équipes à atteindre leurs objectifs.

4. La gestion du changement en support  

Intégrer un programme d’upskilling dans toute l’entreprise est une initiative majeure qui relève de la gestion du changement. L’alignement des valeurs, des personnes et de la culture d’entreprise pour atteindre un résultat souhaité ne viendra pas uniquement de l’adoption d’une nouvelle technologie. La gestion du changement occupe une place essentielle dans les discussions relatives à l’expérience de formation. Et ce pour au moins trois raisons.

  • Premièrement, s’assurer que la technologie est adaptée à l’organisation et au personnel permet d’augmenter son taux d’adoption et d’en tirer meilleur parti.
  • Deuxièmement, une gestion du changement réactive et basée sur les données permet de prolonger la durée de vie de la technologie.
  • Troisièmement, l’intégration d’une technologie de formation dans une organisation requiert une gouvernance. Elle nécessite notamment d’affecter la responsabilité sur les rôles et les données segmentées que vous pouvez collecter. De nombreux experts du reskilling vous diront que la gouvernance est toute aussi importante, si ce n’est plus, que la technologie de formation elle-même.

Les RH ne sont pas les seuls à investir dans ces solutions. La majorité des utilisateurs sont rattachés à la sécurité, conformité et formation à la vente. Alors que les budgets restent serrés et que des tensions peuvent surgir entre les services pour savoir qui doit avoir le contrôle des priorités en matière de reskilling et d’upskilling, les fonctionnalités des LMS devraient fournir un vrai retour sur investissement (ROI). Les bénéfices peuvent inclure le gain de temps lié à la recherche et au partage d’informations ; ou l’augmentation des revenus (ou réduction des coûts) résultant de la normalisation des technologies et du soutien à la formation. Par exemple, une étude indépendante sur SAP Jam, réalisée par Forrester Consulting, a révélé que le ROI moyen a augmenté de 18,5 % entre 2016 et 2018, les clients ayant trouvé davantage de façons d’utiliser la plateforme de collaboration.

Pour soutenir la gestion du changement qui accompagne l’introduction d’une nouvelle technologie, les entreprises doivent chercher des solutions qui offrent la possibilité de bêta-tester, d’itérer et d’adapter cette technologie aux besoins des collaborateurs. Les logiciels d’entreprise doivent offrir un support client aux dirigeants et aux employés pour une expérience d’apprentissage sans faille.

« De nombreux experts du reskilling vous diront que la gouvernance est toute aussi importante, si ce n’est plus, que la technologie de formation elle-même »

5. Méfiez-vous des mots à la mode et restez concentré sur vos collaborateurs

Les LMS d’aujourd’hui peuvent utiliser des technologies de pointe comme l’intelligence artificielle (IA) et le machine learning pour fournir tout ce qui est nécessaire, du coaching aux plans de développement des collaborateurs. Et ce à une échelle jamais atteinte auparavant. Mais alors que les dirigeants évaluent les options de LMS qui offrent ces nouvelles technologies et ces mots à la mode, il est important qu’ils restent d’abord engagés dans une stratégie des effectifs axée sur les objectifs de l’entreprise.

Si des fonctions comme la gamification et l’apprentissage social peuvent avoir un impact majeur pour certaines organisations, elles peuvent manquer de pertinence pour d’autres. Pour de nombreuses organisations, l’apprentissage classique en salle avec un formateur pourrait encore avoir toute sa place à l’avenir. L’écoute continue des collaborateurs fournira des informations utiles pour répondre à leurs besoins et concevoir une expérience d’apprentissage efficace.

De nombreux experts de l’upskilling conviendront que la formation et l’upskilling est un défi pour les employés et les employeurs. Alors que les entreprises investissent massivement dans les nouvelles technologies, l’objectif premier est d’investir efficacement dans le personnel.

La stratégie à long terme d’une entreprise en matière d’effectifs ne se limite pas au système de gestion de la formation (LMS) qu’elle a choisi. La gestion de l’expérience de formation inclut les nouvelles compétences et connaissances que les personnes vont acquérir ainsi qu’une méthode de travail efficace et agile. Un excellent programme d’upskilling aidera les collaborateurs à pivoter vers les nouveaux rôles qu’ils devront occuper demain et à soutenir l’innovation de rupture dans toute l’entreprise.

Publié en anglais sur insights.sap.com

The post Comment les technologies de formation et les LMS supportent l’upskilling appeared first on SAP France News.

Source de l’article sur sap.com