Ankaa Pmo®

Articles

Qu’est-ce que le data mining ?

Le data mining est le processus d’extraction d’informations utiles à partir d’une accumulation de données, souvent à partir d’un data warehouse (entrepôt de données) ou d’une collection d’ensembles de données liés. Les outils de data mining incluent de puissantes fonctionnalités statistiques, mathématiques et analytiques dont l’objectif principal est de passer au crible de vastes ensembles de données pour identifier les tendances, les modèles et les relations, pour des prises de décisions et une planification éclairées.

Souvent associé aux demandes du service marketing, le data mining est considéré par de nombreux dirigeants comme un moyen de mieux comprendre la demande et de voir l’impact des modifications apportées aux produits, des prix ou des promotions sur les ventes. Mais le data mining présente également des avantages considérables pour d’autres domaines d’activité. Les ingénieurs et les concepteurs peuvent analyser l’efficacité des modifications de produit et rechercher les causes possibles de la réussite ou de l’échec d’un produit en fonction de la manière, du moment et du lieu d’utilisation des produits. Le MRO (entretien, réparation et fonctionnement) est en mesure de mieux planifier le stock de pièces et l’affectation du personnel. Les entreprises de services professionnels peuvent utiliser le data mining pour identifier les nouvelles opportunités liées à l’évolution des tendances économiques et aux changements démographiques.

Le data mining s’avère davantage utile et précieux maintenant que l’on se retrouve avec des ensembles de données plus volumineux et une expérience utilisateur accrue. Logiquement, plus il y a de données, plus elles cachent d’informations et de renseignements. Par ailleurs, plus les utilisateurs se familiarisent avec les outils et comprennent la base de données, plus ils deviennent créatifs vis-à-vis des explorations et des analyses.

Pourquoi utiliser le data mining ?

Le principal avantage du data mining est sa capacité à repérer des modèles et des relations dans de grands volumes de données provenant de plusieurs sources. Avec de plus en plus de données disponibles, provenant de sources aussi variées que les réseaux sociaux, les capteurs à distance et les rapports de plus en plus détaillés sur les mouvements de produits et l’activité du marché, le data mining offre les outils nécessaires pour exploiter pleinement le Big Data et le transformer en renseignements exploitables. De plus, il peut aider à « sortir des sentiers battus ».

Le processus de data mining peut détecter des relations et des modèles surprenants et intrigants dans des fragments d’informations apparemment non liées. Comme les informations tendent à être compartimentées, il a toujours été difficile, voire impossible, de les analyser dans leur ensemble. Toutefois, il peut exister une relation entre les facteurs externes (démographiques ou économiques, par exemple) et la performance des produits d’une entreprise. Les dirigeants, qui examinent régulièrement les chiffres des ventes par territoire, ligne de produits, canal de distribution et région, manquent souvent de contexte externe pour ces informations. Leur analyse souligne « ce qui s’est passé », mais ne détaille pas vraiment « pourquoi cela s’est passé de cette manière ». Le data mining peut apporter une solution.

Le data mining peut rechercher des corrélations avec des facteurs externes. Si la corrélation n’indique pas toujours la causalité, ces tendances peuvent être des indicateurs précieux pour guider les décisions relatives aux produits, aux canaux et à la production. La même analyse peut être bénéfique pour d’autres domaines de l’activité, de la conception de produit à l’efficacité opérationnelle, en passant par la prestation de services.

Historique du data mining

Nous collectons et analysons des données depuis des milliers d’années et, à bien des égards, le processus est resté le même : identifier les informations nécessaires, trouver des sources de données de qualité, collecter et combiner les données, utiliser les outils les plus efficaces pour analyser les données, et tirer parti des enseignements appris. À mesure que l’informatique et les systèmes basés sur les données se sont développés, il en a été de même pour les outils de gestion et d’analyse des données. Le véritable point d’inflexion est venu dans les années 1960 avec le développement de la technologie de base de données relationnelle et des outils de requête en langage naturel orienté utilisateur, tels que Structured Query Language (SQL). Les données n’étaient plus disponibles uniquement via des programmes codés personnalisés. Grâce à cette avancée, les utilisateurs pouvaient explorer leurs données de manière interactive et en extraire les « joyaux cachés ».

Le data mining est traditionnellement un ensemble de compétences spécialisées dans la science des données. Cependant, chaque nouvelle génération d’outils analytiques nécessite dans un premier temps des compétences techniques avancées, mais évolue rapidement pour devenir accessible aux utilisateurs. L’interactivité, c’est-à-dire la possibilité de laisser les données vous parler, est la principale avancée. Posez une question et visualisez la réponse. En fonction de ce que vous apprenez, posez une autre question. Ce type d’itinérance non structurée à travers les données permet à l’utilisateur d’aller au-delà des limites de la conception de bases de données spécifiques à une application et permet de découvrir des relations qui dépassent les limites fonctionnelles et organisationnelles.

Le data mining est une composante clé de la Business Intelligence. Les outils d’exploration de données sont créés dans les tableaux de bord décisionnels, en extrayant des informations du Big Data, y compris les données des réseaux sociaux, des flux de capteurs IoT, des appareils de localisation, du texte non structuré, des vidéos, etc. Le data mining moderne s’appuie sur le Cloud, l’informatique virtuel et les bases de données in-memory pour gérer les données de diverses sources de manière rentable et s’adapter à la demande.

Comment cela fonctionne ?

Il y a environ autant d’approches du data mining qu’il y a d’explorateurs de données. L’approche dépend du type de questions posées, du contenu et de l’organisation de la base de données ou des ensembles de données fournissant la matière première pour la recherche et l’analyse. Cela dit, certaines étapes organisationnelles et préparatoires doivent être accomplies pour préparer les données, les outils et les utilisateurs :

Comprendre le problème, ou du moins le domaine d’enquête.Le décideur, qui doit prendre les commandes de cette grande aventure de data mining, a besoin d’une compréhension générale du domaine dans lequel il travaillera, à savoir les types de données internes et externes qui doivent faire partie de cette exploration. On suppose qu’il a une connaissance approfondie de l’entreprise et des domaines fonctionnels impliqués.
Collecte de données. Commencez par vos systèmes et bases de données internes. Liez-les à l’aide de leurs modèles de données et de divers outils relationnels, ou rassemblez les données dans un entrepôt de données (data warehouse). Cela inclut toutes les données provenant de sources externes qui font partie de vos opérations, telles que les données de force de vente et/ou de service, les données IoT ou des réseaux sociaux. Recherchez et acquérez auprès des associations professionnelles et des gouvernements les droits sur les données externes, notamment les données démographiques, économiques et relatives au marché, telles que les tendances du secteur et les indices financiers. Intégrez-les dans le périmètre du kit d’outils (intégrez-les dans votre data warehouse ou reliez-les à l’environnement de data mining).
Préparation et compréhension des données.Faites appel aux experts en la matière pour définir, catégoriser et organiser les données. Cette partie du processus est parfois appelée « remaniement des données ». Certaines données peuvent nécessiter un nettoyage pour supprimer les doublons, les incohérences, les enregistrements incomplets ou les formats obsolètes. La préparation et le nettoyage des données peuvent se poursuivre à mesure que de nouveaux projets ou des données provenant de nouveaux champs d’enquête deviennent intéressants.
Formation des utilisateurs.Vous ne donneriez pas à votre adolescent les clés de la Ferrari sans qu’il n’ait appris à conduire ou qu’il n’ait pratiqué la conduite sur route avec un moniteur. Par conséquent, veillez à dispenser une formation formelle à vos futurs explorateurs de données et à les familiariser avec ces outils puissants. La formation continue est également bienvenue une fois qu’ils maîtrisent les bases et qu’ils peuvent passer à des techniques plus avancées.

Techniques de data mining

Gardez à l’esprit que l’exploration de données est basée sur un kit d’outils plutôt que sur une routine ou un processus fixe. Les techniques spécifiques de data mining citées ici ne sont que des exemples d’utilisation des outils par les organisations afin d’explorer leurs données et rechercher des tendances, des corrélations et des renseignements.

D’une manière générale, les approches de data mining peuvent être catégorisées comme étant orientées (vers un résultat spécifique souhaité) ou non orientées, comme un simple processus de découverte. D’autres explorations peuvent être destinées au tri ou à la classification des données, telles que le regroupement des clients potentiels en fonction d’attributs commerciaux comme le secteur, les produits, la taille et le lieu géographique. De même, la détection de cas particuliers ou d’anomalies est une méthode automatisée de reconnaissance des anomalies réelles (plutôt que simple variabilité) dans un ensemble de données qui affiche des modèles identifiables.

Association

Un autre objectif intéressant est l’association, qui relie deux événements ou activités apparemment non liés. Il existe un récit bien connu des débuts de l’analyse et du data mining, peut-être fictif, selon lequel une chaîne de magasins découvrait une corrélation entre les ventes de bière et de couches. Il avait été supposé que les nouveaux papas stressés qui sortaient tard le soir pour acheter des couches pouvaient aussi prendre un pack de 6 bières dans la foulée. Les magasins ont alors placé la bière et les couches à proximité, ce qui a augmenté les ventes de bière.

Clustering

Cette approche vise à regrouper les données par similitudes plutôt que par hypothèses prédéfinies. Par exemple, lorsque vous explorez vos informations commerciales clients combinées à des données externes démographiques et de crédit à la consommation, vous pourriez découvrir que vos clients les plus rentables vivent dans des villes de taille moyenne.

La majorité du temps, le data mining est exécuté en soutien à la prévision. Plus vous comprenez les modèles et les comportements, mieux vous pouvez prévoir les actions futures liées aux causes ou aux corrélations.

Régression

L’une des techniques mathématiques proposées dans les kits d’outils de data mining est l’analyse de régression, qui prédit un nombre en fonction de modèles historiques projetés dans le futur. Divers autres algorithmes de détection et de suivi des modèles fournissent des outils flexibles pour aider les utilisateurs à mieux comprendre les données et le comportement qu’elles représentent.

Ce ne sont là que quelques-uns des outils et des techniques disponibles dans les kits d’outils de data mining. Le choix de l’outil ou de la technique est en quelque sorte automatisé en ce sens que les techniques seront appliquées en fonction de la manière dont la question est posée. Auparavant, l’exploration de données revenait à « découper en tranches » la base de données, mais la pratique est aujourd’hui plus sophistiquée et les termes comme association, clustering et régression sont monnaie courante.

Exemples de cas d’utilisation

Le data mining est essentiel à l’analyse des sentiments, à l’optimisation des prix, au marketing de bases de données, à la gestion des risques de crédit, à la formation et à l’assistance, à la détection des fraudes, aux diagnostics médicaux, à l’évaluation des risques, aux systèmes de recommandation (à savoir, « les clients qui ont acheté ceci ont également aimé… »), et bien plus encore. Elle peut être un outil efficace dans pratiquement n’importe quel secteur, y compris la distribution de détail, la distribution de gros, les services, la fabrication, les télécommunications, les communications, les assurances, l’éducation, la santé, la banque, la science, l’ingénierie et le marketing en ligne ou les réseaux sociaux.

Développement de produit	Les entreprises qui conçoivent, fabriquent ou distribuent des produits physiques peuvent identifier des opportunités pour mieux cibler leurs produits en analysant les habitudes d’achat conjuguées aux données économiques et démographiques. Leurs concepteurs et ingénieurs peuvent également recouper les commentaires des clients et des utilisateurs, les données de réparation et d’autres données pour identifier les opportunités d’amélioration des produits.
Production	Les fabricants peuvent suivre les tendances de qualité, les données de réparation, les taux de production et les données de performance des produits sur le terrain pour identifier les problèmes de production. Ils peuvent également détecter les améliorations pouvant être apportées aux processus afin d’accroître la qualité, gagner du temps, réduire les coûts, améliorer la performance des produits et/ou repérer tout besoin de renouvellement d’équipements.
Industries des services	Dans le secteur des services, les utilisateurs peuvent trouver des opportunités similaires d’amélioration des produits en comparant les commentaires des clients (directs ou publiés sur les réseaux sociaux ou d’autres sources) et les données relatives aux services, canaux, performance des pairs, régions, tarifs, ou encore les données démographiques ou économiques.

Enfin, toutes ces découvertes doivent être transposées dans les prévisions et la planification afin que l’ensemble de l’entreprise soit en phase avec les changements de la demande anticipés grâce à une connaissance plus approfondie du client, et soit ainsi mieux positionnée pour exploiter les opportunités venant d’être identifiées.

Défis liés au data mining

Big Data : la génération de données est de plus en plus rapide, ce qui offre de plus en plus d’opportunités pour le data mining. Cependant, des outils d’exploration de données modernes sont nécessaires pour extraire une signification du Big Data, compte tenu du volume élevé, de la grande rapidité et de la grande variété des structures de données, ainsi que du volume croissant de données non structurées. De nombreux systèmes existants ont du mal à gérer, à stocker et à utiliser ce grand flux d’intrants.
Compétence de l’utilisateur : les outils d’exploration et d’analyses des données sont conçus pour aider les utilisateurs et les décideurs à comprendre et à obtenir des informations à partir de grands volumes de données. Bien que hautement techniques, ces outils puissants offrent désormais une excellente expérience utilisateur, de sorte que pratiquement tous les utilisateurs sont en mesure d’utiliser ces outils avec un minimum de formation. Toutefois, pour tirer pleinement profit des avantages, l’utilisateur doit comprendre les données disponibles et le contexte commercial des informations qu’il recherche. Il doit également savoir, au moins de manière générale, comment fonctionnent les outils et ce qu’ils peuvent faire. Ces outils ne sont pas hors de portée du responsable ou dirigeant moyen, mais nécessitent un apprentissage, raison pour laquelle les utilisateurs doivent consacrer du temps au développement de cette nouvelle compétence.
Qualité et disponibilité des données : avec ces énormes quantités de nouvelles données, il existe également des masses de données incomplètes, incorrectes, trompeuses, frauduleuses, endommagées ou simplement inutiles. Les outils peuvent contribuer à résoudre ce problème, mais les utilisateurs doivent constamment tenir compte de la source des données et de sa crédibilité et fiabilité. Les préoccupations en matière de confidentialité sont également importantes, tant en ce qui concerne l’acquisition des données que la prise en charge et la gestion une fois qu’elles sont en votre possession.

Renforcez votre expertise en matière de gestion des données

Comprenez le processus de gestion des données et les avantages qu’il peut apporter à votre organisation.

FAQ sur le data mining

Quelle est la différence entre le machine learning et le data mining ?

Le data mining consiste à utiliser des outils analytiques avancés pour extraire des informations utiles d’une accumulation de données. Le machine learning est un type d’intelligence artificielle (IA) qui permet aux systèmes d’apprendre par l’expérience. L’exploration de données peut utiliser le machine learning lorsque les programmes analytiques ont la possibilité d’adapter leurs fonctionnalités en fonction de l’analyse de données qu’ils effectuent.

Existe-t-il une différence entre le data mining et l’analyse de données ?

L’analyse des données est un terme général pour le large éventail de pratiques visant à identifier les informations utiles, à les évaluer et à fournir des réponses spécifiques. Le data mining est un type d’analyse des données qui se concentre sur l’exploration de grands ensembles de données combinés pour découvrir des modèles, des tendances et des relations susceptibles de générer des informations et des prévisions.

Le data mining est-il identique à la science des données ?

La science des données est un terme qui inclut de nombreuses technologies de l’information, y compris les statistiques, les mathématiques et les techniques de calcul sophistiquées appliquées aux données. Le data mining est un cas d’utilisation de la science des données centré sur l’analyse de grands ensembles de données provenant d’un large éventail de sources.

Le data mining est-il identique au data warehouse ?

Un data warehouse est un ensemble de données, généralement provenant de sources multiples (ERP, CRM, par exemple) qu’une entreprise rassemblera dans l’entrepôt à des fins d’archivage et d’analyse à grande échelle, comme le data mining.

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

Source de l’article sur sap.com

17 mai 2021/par Service comm.

Qu’est-ce que la modélisation des données ?

Actualités, ERP & Applications, SAP

La modélisation des données correspond au processus de création de diagrammes de flux de données. Lors de la création d’une structure de base de données, qu’elle soit nouvelle ou non, le concepteur commence par élaborer un diagramme illustrant la façon dont les données entreront et sortiront de la base de données. Ce diagramme est utilisé pour définir les caractéristiques des formats et structures de données, ainsi que des fonctions de gestion de base de données, afin de répondre efficacement aux exigences des flux de données. Une fois la base de données créée et déployée, le modèle de données servira de documentation expliquant les motifs de création de la base de données ainsi que la manière dont les flux de données ont été conçus.

Le modèle de données résultant de ce processus établit une structure de relations entre les éléments de données dans une base de données et sert de guide d’utilisation des données. Les modèles de données sont un élément fondamental du développement et de l’analyse de logiciels. Ils fournissent une méthode standardisée pour définir et mettre en forme les contenus de base de données de manière cohérente dans les systèmes, ce qui permet à diverses applications de partager les mêmes données.

Pourquoi la modélisation des données est-elle importante ?

Un modèle de données complet et optimisé permet de créer une base de données logique et simplifiée qui élimine la redondance, réduit les besoins en stockage et permet une récupération efficace. Elle dote également tous les systèmes de ce que l’on appelle une « source unique de la vérité », ce qui est essentiel pour assurer des opérations efficaces et garantir une conformité vérifiable aux réglementations et exigences réglementaires. La modélisation des données est une étape clé dans deux fonctions vitales d’une entreprise numérique.

Projets de développement logiciel (nouveaux ou personnalisations) mis en place par le service informatique

Avant de concevoir et de créer un projet logiciel, il doit exister une vision documentée de ce à quoi ressemblera le produit final et de son comportement. Une grande partie de cette vision concerne l’ensemble de règles de gestion qui régissent les fonctionnalités souhaitées. L’autre partie est la description des données : les flux de données (ou le modèle de données) et la conception de la base de données qui les prendra en charge.

La modélisation des données est une trace de cette vision et fournit une feuille de route pour les concepteurs de logiciels. Grâce à la définition et à la documentation complètes des flux de données et de la base de données, ainsi qu’au développement des systèmes conformément à ces spécifications, les systèmes devraient être en mesure de fournir les fonctionnalités attendues requises pour garantir l’exactitude des données (en supposant que les procédures ont été correctement suivies).

Analyses et visualisation (ou Business Intelligence) : un outil de prise de décision clé pour les utilisateurs

Avec l’augmentation des volumes de données et le nombre croissant d’utilisateurs, les entreprises ont besoin de transformer les données brutes en informations exploitables pour prendre des décisions. Sans surprise, la demande en analyse des données a augmenté de façon spectaculaire. La visualisation des données rend les données encore plus accessibles aux utilisateurs en les présentant sous forme graphique.

Les modèles de données actuels transforment les données brutes en informations utiles qui peuvent être transposées dans des visualisations dynamiques. La modélisation des données prépare les données pour l’analyse : nettoyage des données, définition des mesures et des dimensions, amélioration des données par l’établissement de hiérarchies, la définition d’unités et de devises et l’ajout de formules.

Quels sont les types de modélisation des données ?

Les trois types de modèles de données clés sont le modèle relationnel, le modèle dimensionnel et le modèle entité-association. Il en existe d’autres qui ne sont pas communément utilisés, notamment les types hiérarchique, réseau, orienté objet et à plusieurs valeurs. Le type de modèle définit la structure logique, à savoir comment les données sont stockées, organisées et extraites.

Type relationnel : bien qu’« ancien » dans son approche, le modèle de base de données le plus couramment utilisé aujourd’hui est le relationnel, qui stocke les données dans des enregistrements au format fixe et organise les données dans des tables avec des lignes et des colonnes. Le type de modèle de données le plus basique comporte deux éléments : des mesures et des dimensions. Les mesures sont des valeurs numériques, telles que les quantités et le chiffre d’affaires, utilisées dans les calculs mathématiques comme la somme ou la moyenne. Les dimensions peuvent correspondre à des valeurs numériques ou textuelles. Elles ne sont pas utilisées dans les calculs et incluent des descriptions ou des emplacements. Les données brutes sont définies comme une mesure ou une dimension. Autres termes utilisés dans la conception de base de données relationnelle : « relations » (la table comportant des lignes et des colonnes), « attributs » (colonnes), « nuplets » (lignes) et « domaine » (ensemble de valeurs autorisées dans une colonne). Bien qu’il existe d’autres termes et exigences structurelles qui définissent une base de données relationnelle, le facteur essentiel concerne les relations définies dans cette structure. Les éléments de données communs (ou clés) relient les tables et les ensembles de données. Les tables peuvent également être explicitement liées, comme une relation parent/enfant, y compris les relations dites un-à-un (one-to-one), un-à-plusieurs (one-to-many) ou plusieurs-à-plusieurs (many-to-many).
Type dimensionnel : moins rigide et structurée, l’approche dimensionnelle privilégie une structure de données contextuelle davantage liée à l’utilisation professionnelle ou au contexte. Cette structure de base de données est optimisée pour les requêtes en ligne et les outils d’entreposage de données. Les éléments de données critiques, comme une quantité de transaction par exemple, sont appelés « faits » et sont accompagnés d’informations de référence appelées « dimensions », telles que l’ID de produit, le prix unitaire ou la date de la transaction. Une table de faits est une table primaire dans un modèle dimensionnel. La récupération peut être rapide et efficace (avec des données pour un type d’activité spécifique stockées ensemble), mais l’absence de relations peut compliquer l’extraction analytique et l’utilisation des données. Étant donné que la structure des données est liée à la fonction qui produit et utilise les données, la combinaison de données produites par divers systèmes (dans un entrepôt de données, par exemple) peut poser des problèmes.
Modèle entité-association (modèle E-R) : un modèle E-R représente une structure de données métier sous forme graphique contenant d’une part des boîtes de différentes formes pour représenter des activités, des fonctions ou des « entités », et d’autre part des lignes qui représentent des dépendances, des relations ou des « associations ». Le modèle E-R est ensuite utilisé pour créer une base de données relationnelle dans laquelle chaque ligne représente une entité et comporte des zones qui contiennent des attributs. Comme dans toutes les bases de données relationnelles, les éléments de données « clés » sont utilisés pour relier les tables entre elles.

Quels sont les trois niveaux d’abstraction des données ?

Il existe de nombreux types de modèles de données, avec différents types de mises en forme possibles. La communauté du traitement des données identifie trois types de modélisation permettant de représenter les niveaux de pensée au fur et à mesure que les modèles sont développés.

Modèle de données conceptuel

Ce modèle constitue une « vue d’ensemble » et représente la structure globale et le contenu, mais pas le détail du plan de données. Il s’agit du point de départ standard de la modélisation des données qui permet d’identifier les différents ensembles de données et flux de données dans l’organisation. Le modèle conceptuel dessine les grandes lignes pour le développement des modèles logiques et physiques, et constitue une part importante de la documentation relative à l’architecture des données.

Modèle de données logique

Le deuxième niveau de détail est le modèle de données logique. Il est étroitement lié à la définition générale du « modèle de données » en ce sens qu’il décrit le flux de données et le contenu de la base de données. Le modèle logique ajoute des détails à la structure globale du modèle conceptuel, mais n’inclut pas de spécifications pour la base de données en elle-même, car le modèle peut être appliqué à diverses technologies et divers produits de base de données. (Notez qu’il peut ne pas exister de modèle conceptuel si le projet est lié à une application unique ou à un autre système limité).

Modèle de données physique

Le modèle de base de données physique décrit comment le modèle logique sera réalisé. Il doit contenir suffisamment de détails pour permettre aux techniciens de créer la structure de base de données dans les matériels et les logiciels pour prendre en charge les applications qui l’utiliseront. Il va sans dire que le modèle physique est spécifique à un système logiciel de base de données en particulier. Il peut exister plusieurs modèles physiques dérivés d’un seul et même modèle logique si plusieurs systèmes de base de données seront utilisés.

Processus et techniques de modélisation des données

La modélisation des données est par essence un processus descendant qui débute par l’élaboration du modèle conceptuel pour établir la vision globale, puis se poursuit avec le modèle logique pour s’achever par la conception détaillée contenue dans le modèle physique.

L’élaboration du modèle conceptuel consiste principalement à mettre des idées sous la forme d’un graphique qui ressemble au diagramme des flux de données conçu par un développeur.

Les outils de modélisation des données modernes peuvent vous aider à définir et à créer vos modèles de données logiques et physiques et vos bases de données. Voici quelques techniques et étapes classiques de modélisation des données :

Déterminez les entités et créez un diagramme entité-association. Les entités sont considérées comme des « éléments de données qui intéressent votre entreprise ». Par exemple, « client » serait une entité. « Vente » en serait une autre. Dans un diagramme entité-association, vous documentez la manière dont ces différentes entités sont liées les unes aux autres dans votre entreprise, et les connexions qui existent entre elles.
Définissez vos faits, mesures et dimensions. Un fait est la partie de vos données qui indique une occurrence ou une transaction spécifique, comme la vente d’un produit. Vos mesures sont quantitatives, comme la quantité, le chiffre d’affaires, les coûts, etc. Vos dimensions sont des mesures qualitatives, telles que les descriptions, les lieux et les dates.
Créez un lien de vue de données à l’aide d’un outil graphique ou via des requêtes SQL. Si vous ne maîtrisez pas SQL, l’option la plus intuitive sera l’outil graphique : il vous permet de faire glisser des éléments dans votre modèle et de créer visuellement vos connexions. Lors de la création d’une vue, vous avez la possibilité de combiner des tables et d’autres vues dans une sortie unique. Lorsque vous sélectionnez une source dans la vue graphique et que vous la faites glisser dans une source déjà associée à la sortie, vous pouvez soit la joindre, soit créer une union de ces tables.

Les solutions analytiques modernes peuvent également vous aider à sélectionner, filtrer et connecter des sources de données à l’aide d’un affichage graphique de type glisser-déposer. Des outils avancés sont disponibles pour les experts en données qui travaillent généralement au sein des équipes informatiques. Toutefois, les utilisateurs peuvent également créer leurs propres présentations en créant visuellement un modèle de données et en organisant des tables, des graphiques, des cartes et d’autres objets pour élaborer une présentation basée sur des analyses de données.

Exemples de modélisation des données

Pour toute application, qu’elle soit professionnelle, de divertissement, personnelle ou autre, la modélisation des données est une étape préalable nécessaire à la conception du système et à la définition de l’infrastructure nécessaire à sa mise en œuvre. Cela concerne tout type de système transactionnel, de suite d’applications de traitement des données, ou tout autre système qui collecte, crée ou utilise des données.

La modélisation des données est essentielle pour l’entreposage de données car un entrepôt de données est un référentiel de données provenant de plusieurs sources, qui contiennent probablement des données similaires ou liées, mais disponibles sous des formats différents. Il est nécessaire de mapper en premier lieu les formats et la structure de l’entrepôt afin de déterminer comment manipuler chaque ensemble de données entrant pour répondre aux besoins de la conception de l’entrepôt, afin que les données soient utiles pour l’analyse et l’exploration de données. Le modèle de données est alors un catalyseur important pour les outils analytiques, les systèmes d’information pour dirigeants (tableaux de bord), l’exploration de données et l’intégration à tous les systèmes et applications de données.

Dans les premières étapes de conception de n’importe quel système, la modélisation des données est une condition préalable essentielle dont dépendent toutes les autres étapes pour établir la base sur laquelle reposent tous les programmes, fonctions et outils. Le modèle de données est comparable à un langage commun permettant aux systèmes de communiquer selon leur compréhension et leur acceptation des données, comme décrit dans le modèle. Dans le monde actuel de Big Data, d’apprentissage automatique, d’intelligence artificielle, de connectivité Cloud, d’IdO et de systèmes distribués, dont l’informatique en périphérie, la modélisation des données s’avère plus importante que jamais.

Évolution de la modélisation des données

De façon très concrète, la modélisation des données est apparue en même temps que le traitement des données, le stockage de données et la programmation informatique, bien que le terme lui-même n’ait probablement été utilisé qu’au moment où les systèmes de gestion de base de données ont commencé à évoluer dans les années 1960. Il n’y a rien de nouveau ou d’innovant dans le concept de planification et d’architecture d’une nouvelle structure. La modélisation des données elle-même est devenue plus structurée et formalisée au fur et à mesure que davantage de données, de bases de données et de variétés de données sont apparues.

Aujourd’hui, la modélisation des données est plus essentielle que jamais, étant donné que les techniciens se retrouvent face à de nouvelles sources de données (capteurs IdO, appareils de localisation, flux de clics, réseaux sociaux) et à une montée des données non structurées (texte, audio, vidéo, sorties de capteurs brutes), à des volumes et à une vitesse qui dépassent les capacités des systèmes traditionnels. Il existe désormais une demande constante de nouveaux systèmes, de nouvelles structures et techniques innovantes de bases de données, et de nouveaux modèles de données pour rassembler ces nouveaux efforts de développement.

Quelle est la prochaine étape de la modélisation des données ?

La connectivité des informations et les grandes quantités de données provenant de nombreuses sources disparates (capteurs, voix, vidéo, emails, etc.) étendent le champ d’application des projets de modélisation pour les professionnels de l’informatique. Internet est, bien sûr, l’un des moteurs de cette évolution. Le Cloud est en grand partie la solution car il s’agit de la seule infrastructure informatique suffisamment grande, évolutive et agile pour répondre aux exigences actuelles et futures dans un monde hyperconnecté.

Les options de conception de base de données évoluent également. Il y a dix ans, la structure dominante de la base de données était relationnelle, orientée lignes et utilisait la technologie traditionnelle de l’espace disque. Les données du grand livre ou de la gestion des stocks d’un système ERP standard étaient stockées dans des dizaines de tables différentes qui doivent être mises à jour et modélisées. Aujourd’hui, les solutions ERP modernes stockent des données actives dans la mémoire à l’aide d’une conception en colonnes, ce qui réduit considérablement le nombre de tables et accroît la vitesse et l’efficacité.

Pour les professionnels du secteur, les nouveaux outils en libre-service disponibles aujourd’hui continueront à s’améliorer. De nouveaux outils seront également introduits pour rendre la modélisation et la visualisation des données encore plus simples et plus collaboratives.

Synthèse

Un modèle de données bien pensé et complet est la clé du développement d’une base de données véritablement fonctionnelle, utile, sécurisée et exacte. Commencez par le modèle conceptuel pour présenter tous les composants et fonctions du modèle de données. Affinez ensuite ces plans dans un modèle de données logique qui décrit les flux de données et définit clairement les données nécessaires et la manière dont elles seront acquises, traitées, stockées et distribuées. Le modèle de données logique donne lieu au modèle de données physique spécifique à un produit de base de données et constitue le document de conception détaillé qui guide la création de la base de données et du logiciel d’application.

Une bonne modélisation des données et une bonne conception de base de données sont essentielles au développement de bases de données et de systèmes d’application fonctionnels, fiables et sécurisés, qui fonctionnent bien avec les entrepôts de données et les outils analytiques, et facilitent l’échange de données entre les partenaires et entre les suites d’application. Des modèles de données bien pensés aident à garantir l’intégrité des données, ce qui rend les données de votre entreprise encore plus précieuses et fiables.

Découvrez les outils modernes de modélisation des données de SAP Data Warehouse Cloud

The post Qu’est-ce que la modélisation des données ? appeared first on SAP France News.

Source de l’article sur sap.com

6 mai 2021/par Service comm.

Qu’est-ce qu’un Data Warehouse ?

Actualités, ERP & Applications, SAP

Un data warehouse (entrepôt de données) est un système de stockage numérique qui connecte et harmonise de grandes quantités de données provenant de nombreuses sources différentes. Il a pour but d’alimenter la Business Intelligence (BI), le reporting et l’analyse, ainsi que soutenir la conformité aux exigences réglementaires afin que les entreprises puissent exploiter leurs données et prendre des décisions intelligentes fondées sur les données. Les data warehouse stockent les données actuelles et historiques dans un seul et même endroit et constituent ainsi une source unique de vérité pour une organisation.

Les données sont envoyées vers un data warehouse à partir de systèmes opérationnels (tels qu’un système ERP ou CRM), de bases de données et de sources externes comme les systèmes partenaires, les appareils IoT, les applications météo ou les réseaux sociaux, généralement de manière régulière. L’émergence du cloud computing a changé la donne. Ces dernières années, le stockage des données a été déplacé de l’infrastructure sur site traditionnelle vers de multiples emplacements, y compris sur site, dans le Cloud privé et dans le Cloud public.

Les data warehouse modernes sont conçus pour gérer à la fois les données structurées et les données non structurées, comme les vidéos, les fichiers image et les données de capteurs. Certains utilisent les outils analytiques intégrés et la technologie de base de données in-memory (qui conserve l’ensemble de données dans la mémoire de l’ordinateur plutôt que dans l’espace disque) pour fournir un accès en temps réel à des données fiables et favoriser une prise de décision en toute confiance. Sans entreposage de données, il est très difficile de combiner des données provenant de sources hétérogènes, de s’assurer qu’elles sont au bon format pour les analyses et d’obtenir une vue des données sur le court terme et sur le long terme.

Schéma qui montre ce qu'est un data warehouse

Avantages de l’entreposage de données

Un data warehouse bien conçu constitue la base de tout programme de BI ou d’analyse réussi. Son principal objectif est d’alimenter les rapports, les tableaux de bord et les outils analytiques devenus indispensables aux entreprises d’aujourd’hui. Un entrepôt de données fournit les informations dont vous avez besoin pour prendre des décisions basées sur les données et vous aide à faire les bons choix, que ce soit pour le développement de nouveaux produits ou la gestion des niveaux de stock. Un data warehouse présente de nombreux avantages. En voici quelques-uns :

Un meilleur reporting analytique : grâce à l’entreposage de données, les décideurs ont accès à des données provenant de plusieurs sources et n’ont plus besoin de prendre des décisions basées sur des informations incomplètes.
Des requêtes plus rapides : les data warehouse sont spécialement conçus pour permettre l’extraction et l’analyse rapides des données. Avec un entrepôt de données, vous pouvez très rapidement demander de grandes quantités de données consolidées avec peu ou pas d’aide du service informatique.
Une amélioration de la qualité des données : avant de charger les données dans l’entrepôt de données le système met en place des nettoyages de données afin de garantir que les données sont converties dans un seul et même format dans le but de faciliter les analyses (et les décisions), qui reposent alors sur des données précises et de haute qualité.
Une visibilité sur les données historiques : en stockant de nombreuses données historiques, un data warehouse permet aux décideurs d’analyser les tendances et les défis passés, de faire des prévisions et d’améliorer l’organisation au quotidien.

Capture d'écran de la solution SAP Data Warehouse Cloud

Que peut stocker un data warehouse ?

Lorsque les data warehouse sont devenus populaires à la fin des années 1980, ils étaient conçus pour stocker des informations sur les personnes, les produits et les transactions. Ces données, appelées données structurées, étaient bien organisées et mises en forme pour en favoriser l’accès. Cependant, les entreprises ont rapidement voulu stocker, récupérer et analyser des données non structurées, comme des documents, des images, des vidéos, des e-mails, des publications sur les réseaux sociaux et des données brutes issues de capteurs.

Un entrepôt de données moderne peut contenir des données structurées et des données non structurées. En fusionnant ces types de données et en éliminant les silos qui les séparent, les entreprises peuvent obtenir une vue complète et globale sur les informations les plus précieuses.

Termes clés

Il est essentiel de bien comprendre un certain nombre de termes en lien avec les data warehouse. Les plus importants ont été définis ci-dessous. Découvrez d’autres termes et notre FAQ dans notre glossaire.

Data warehouse et base de données

Les bases de données et les data warehouse sont tous deux des systèmes de stockage de données, mais diffèrent de par leurs objectifs. Une base de données stocke généralement des données relatives à un domaine d’activité particulier. Un entrepôt de données stocke les données actuelles et historiques de l’ensemble de l’entreprise et alimente la BI et les outils analytiques. Les data warehouse utilisent un serveur de base de données pour extraire les données présentes dans les bases de données d’une organisation et disposent de fonctionnalités supplémentaires pour la modélisation des données, la gestion du cycle de vie des données, l’intégration des sources de données, etc.

Data warehouse et lac de données

Les data warehouse et les lacs de données sont utilisés pour stocker le Big Data, mais sont des systèmes de stockage très différents. Un data warehouse stocke des données qui ont été formatées dans un but spécifique, tandis qu’un lac de données stocke les données dans leur état brut, non traité, dont l’objectif n’a pas encore été défini. Les entrepôts de données et les lacs de données se complètent souvent. Par exemple, lorsque des données brutes stockées dans un lac s’avèrent utiles pour répondre à une question, elles peuvent être extraites, nettoyées, transformées et utilisées dans un data warehouse à des fins d’analyse. Le volume de données, les performances de la base de données et les coûts du stockage jouent un rôle important dans le choix de la solution de stockage adaptée.

Diagramme qui montre la différence entre un data warehouse et un lac de données

Data warehouse et datamart

Un datamart est une sous-section d’un data warehouse, partitionné spécifiquement pour un service ou un secteur d’activité, comme les ventes, le marketing ou la finance. Certains datamarts sont également créés à des fins opérationnelles autonomes. Alors qu’un data warehouse sert de magasin de données central pour l’ensemble de l’entreprise, un datamart utilise des données pertinentes à un groupe d’utilisateurs désigné. Ces utilisateurs peuvent alors accéder plus facilement aux données, accélérer leurs analyses et contrôler leurs propres données. Plusieurs datamarts sont souvent déployés dans un data warehouse.

Diagramme d'un data mart et de son fonctionnement

Quels sont les composants clés d’un data warehouse ?

Un data warehouse classique comporte quatre composants principaux : une base de données centrale, des outils ETL (extraction, transformation, chargement), des métadonnées et des outils d’accès. Tous ces composants sont conçus pour être rapides afin de vous assurer d’obtenir rapidement des résultats et vous permettre d’analyser les données à la volée.

Diagramme montrant les composants d'un data warehouse

Base de données centrale : une base de données sert de fondement à votre data warehouse. Depuis le départ, on utilisait essentiellement des bases de données relationnelles standard exécutées sur site ou dans le Cloud. Mais en raison du Big Data, du besoin d’une véritable performance en temps réel et d’une réduction drastique des coûts de la RAM, les bases de données in-memory sont en train de monter en puissance.
Intégration des données : les données sont extraites des systèmes source et modifiées pour aligner les informations afin qu’elles puissent être rapidement utilisées à des fins analytiques à l’aide de différentes approches d’intégration des données telles que l’ETL (extraction, transformation, chargement) et les services de réplication de données en temps réel, de traitement en masse, de transformation des données et de qualité et d’enrichissement des données.
Métadonnées : les métadonnées sont des données relatives à vos données. Elles indiquent la source, l’utilisation, les valeurs et d’autres fonctionnalités des ensembles de données présents dans votre data warehouse. Il existe des métadonnées de gestion, qui ajoutent du contexte à vos données, et des métadonnées techniques, qui décrivent comment accéder aux données, définissent leur emplacement ainsi que leur structure.
Outils d’accès du data warehouse : les outils d’accès permettent aux utilisateurs d’interagir avec les données de votre data warehouse. Exemples d’outils d’accès : outils de requête et de reporting, outils de développement d’applications, outils d’exploration de données et outils OLAP.

Architecture de data warehouse

Auparavant, les data warehouse fonctionnaient par couches, lesquelles correspondaient au flux des données de gestion.

Diagramme de l'architecture d'un data warehouse

Couche de données	Les données sont extraites de vos sources, puis transformées et chargées dans le niveau inférieur à l’aide des outils ETL. Le niveau inférieur comprend votre serveur de base de données, les datamarts et les lacs de données. Les métadonnées sont créées à ce niveau et les outils d’intégration des données, tels que la virtualisation des données, sont utilisés pour combiner et agréger les données en toute transparence.
Couche sémantique	Au niveau intermédiaire, les serveurs OLAP (Online Analytical Processing) et OLTP (Online Transaction Processing) restructurent les données pour favoriser des requêtes et des analyses rapides et complexes.
Couche analytique	Le niveau supérieur est la couche du client frontend. Il contient les outils d’accès du data warehouse qui permettent aux utilisateurs d’interagir avec les données, de créer des tableaux de bord et des rapports, de suivre les KPI, d’explorer et d’analyser les données, de créer des applications, etc. Ce niveau inclut souvent un workbench ou une zone de test pour l’exploration des données et le développement de nouveaux modèles de données.

Un data warehouse standard comprend les trois couches définies ci-dessus. Aujourd’hui, les entrepôts de données modernes combinent OLTP et OLAP dans un seul système.

Les data warehouse, conçus pour faciliter la prise de décision, ont été essentiellement créés et gérés par les équipes informatiques. Néanmoins, ces dernières années, ils ont évolué pour renforcer l’autonomie des utilisateurs fonctionnels, réduisant ainsi leur dépendance aux équipes informatiques pour accéder aux données et obtenir des informations exploitables. Parmi les fonctionnalités clés d’entreposage de données qui ont permis de renforcer l’autonomie des utilisateurs fonctionnels, on retrouve les suivantes :

La couche sémantique ou de gestion fournit des expressions en langage naturel et permet à tout le monde de comprendre instantanément les données, de définir des relations entre les éléments dans le modèle de données et d’enrichir les zones de données avec de nouvelles informations.
Les espaces de travail virtuels permettent aux équipes de regrouper les connexions et modèles de données dans un lieu sécurisé et géré, afin de mieux collaborer au sein d’un espace commun, avec un ensemble de données commun.
Le Cloud a encore amélioré la prise de décision en permettant aux employés de disposer d’un large éventail d’outils et de fonctionnalités pour effectuer facilement des tâches d’analyse des données. Ils peuvent connecter de nouvelles applications et de nouvelles sources de données sans avoir besoin de faire appel aux équipes informatiques.

The Future of Analytics Has Arrived

Click the button below to load the content from YouTube.

Always allow YouTube

Kate Wright, responsable de la Business Intelligence augmentée chez SAP, évoque la valeur d’un data warehouse Cloud moderne.

Les 7 principaux avantages d’un data warehouse Cloud

Les data warehouse Cloud gagnent en popularité, à juste titre. Ces entrepôts modernes offrent plusieurs avantages par rapport aux versions sur site traditionnelles. Voici les sept principaux avantages d’un data warehouse Cloud :

Déploiement rapide : grâce à l’entreposage de données Cloud, vous pouvez acquérir une puissance de calcul et un stockage de données presque illimités en quelques clics seulement, et créer votre propre data warehouse, datamarts et systèmes de test en quelques minutes.
Faible coût total de possession (TCO) : les modèles de tarification du data warehouse en tant que service (DWaaS) sont établis de sorte que vous payez uniquement les ressources dont vous avez besoin, lorsque vous en avez besoin. Vous n’avez pas besoin de prévoir vos besoins à long terme ou de payer pour d’autres traitements tout au long de l’année. Vous pouvez également éviter les coûts initiaux tels que le matériel coûteux, les salles de serveurs et le personnel de maintenance. Séparer les coûts du stockage des coûts informatiques vous permet également de réduire les dépenses.
Élasticité : un data warehouse Cloud vous permet d’ajuster vos capacités à la hausse ou à la baisse selon vos besoins. Le Cloud offre un environnement virtualisé et hautement distribué capable de gérer d’immenses volumes de données qui peuvent diminuer ou augmenter.
Sécurité et restauration après sinistre : dans de nombreux cas, les data warehouse Cloud apportent une sécurité des données et un chiffrage plus forts que les entrepôts sur site. Les données sont également automatiquement dupliquées et sauvegardées, ce qui vous permet de minimiser le risque de perte de données.
Technologies en temps réel : les data warehouse Cloud basés sur la technologie de base de données in-memory présentent des vitesses de traitement des données extrêmement rapides, offrant ainsi des données en temps réel et une connaissance instantanée de la situation.
Nouvelles technologies : les data warehouse Cloud vous permettent d’intégrer facilement de nouvelles technologies telles que l’apprentissage automatique, qui peuvent fournir une expérience guidée aux utilisateurs fonctionnels et une aide décisionnelle sous la forme de suggestions de questions à poser, par exemple.
Plus grande autonomie des utilisateurs fonctionnels : les data warehouse Cloud offrent aux employés, de manière globale et uniforme, une vue unique sur les données issues de nombreuses sources et un vaste ensemble d’outils et de fonctionnalités pour effectuer facilement des tâches d’analyse des données. Ils peuvent connecter de nouvelles applications et de nouvelles sources de données sans avoir besoin de faire appel aux équipes informatiques.

Capture d'écran de la solution SAP Data Warehouse Cloud — *L’entreposage de données prend en charge l’analyse complète des dépenses de l’entreprise par service, fournisseur, région et statut, pour n’en citer que quelques-unes.*

Meilleures pratiques concernant l’entreposage des données

Pour atteindre vos objectifs et économiser du temps et de l’argent, il est recommandé de suivre certaines étapes éprouvées lors de la création d’un data warehouse ou l’ajout de nouvelles applications à un entrepôt existant. Certaines sont axées sur votre activité tandis que d’autres s’inscrivent dans le cadre de votre programme informatique global. Vous pouvez commencer avec la liste de meilleures pratiques ci-dessous, mais vous en découvrirez d’autres au fil de vos collaborations avec vos partenaires technologiques et de services.

Meilleures pratiques métier	Meilleures pratiques informatiques
Définir les informations dont vous avez besoin. Une fois que vous aurez cerné vos besoins initiaux, vous serez en mesure de trouver les sources de données qui vous aideront à les combler. La plupart du temps, les groupes commerciaux, les clients et les fournisseurs auront des recommandations à vous faire.	Surveiller la performance et la sécurité. Les informations de votre data warehouse sont certes précieuses, mais elles doivent quand même être facilement accessibles pour apporter de la valeur à l’entreprise. Surveillez attentivement l’utilisation du système pour vous assurer que les niveaux de performance sont élevés.
Documenter l’emplacement, la structure et la qualité de vos données actuelles. Vous pouvez ensuite identifier les lacunes en matière de données et les règles de gestion pour transformer les données afin de répondre aux exigences de votre entrepôt.	Gérer les normes de qualité des données, les métadonnées, la structure et la gouvernance. De nouvelles sources de données précieuses sont régulièrement disponibles, mais nécessitent une gestion cohérente au sein d’un data warehouse. Suivez les procédures de nettoyage des données, de définition des métadonnées et de respect des normes de gouvernance.
Former une équipe. Cette équipe doit comprendre les dirigeants, les responsables et le personnel qui utiliseront et fourniront les informations. Par exemple, identifiez le reporting standard et les KPI dont ils ont besoin pour effectuer leurs tâches.	Fournir une architecture agile. Plus vos unités d’affaires et d’entreprise utiliseront les données, plus vos besoins en matière de datamarts et d’entrepôts augmenteront. Une plate-forme flexible s’avérera bien plus utile qu’un produit limité et restrictif.
Hiérarchiser vos applications de data warehouse. Sélectionnez un ou deux projets pilotes présentant des exigences raisonnables et une bonne valeur commerciale.	Automatiser les processus tels que la maintenance. Outre la valeur ajoutée apportée à la Business Intelligence, l’apprentissage automatique peut automatiser les fonctions de gestion technique du data warehouse pour maintenir la vitesse et réduire les coûts d’exploitation.
Choisir un partenaire technologique compétent pour l’entrepôt de données. Ce dernier doit offrir les services d’implémentation et l’expérience dont vous avez besoin pour la réalisation de vos projets. Assurez-vous qu’il puisse répondre à vos besoins en déploiement, y compris les services Cloud et les options sur site.	Utiliser le Cloud de manière stratégique. Les unités d’affaires et les services ont des besoins en déploiement différents. Utilisez des systèmes sur site si nécessaire et misez sur des data warehouse Cloud pour bénéficier d’une évolutivité, d’une réduction des coûts et d’un accès sur téléphone et tablette.
Développer un bon plan de projet. Travaillez avec votre équipe sur un plan et un calendrier réalistes qui rendent possible les communications et le reporting de statut.

En résumé

Les data warehouse modernes, et, de plus en plus, les data warehouse Cloud, constitueront un élément clé de toute initiative de transformation numérique pour les entreprises mères et leurs unités d’affaires. Les data warehouse exploitent les systèmes de gestion actuels, en particulier lorsque vous combinez des données issues de plusieurs systèmes internes avec de nouvelles informations importantes provenant d’organisations externes.

Les tableaux de bord, les indicateurs de performance clés, les alertes et le reporting répondent aux exigences des cadres dirigeants, de la direction et du personnel, ainsi qu’aux besoins des clients et des fournisseurs importants. Les data warehouse fournissent également des outils d’exploration et d’analyse de données rapides et complexes, et n’ont pas d’impact sur les performances des autres systèmes de gestion.

Découvrez la solution SAP Data Warehouse Cloud

Unifiez vos données et analyses pour prendre des décisions avisées et obtenir la flexibilité nécessaire pour un contrôle efficace des coûts, notamment grâce à un paiement selon l’utilisation.

Publié en anglais sur insights.sap.com

The post Qu’est-ce qu’un Data Warehouse ? appeared first on SAP France News.

Source de l’article sur sap.com

22 avril 2021/par Service comm.

La planification financière en 2021 : trois petits mots

Actualités, ERP & Applications, SAP

La plupart de mes conversations et pensées de ces derniers mois ont tourné autour de trois petits mots. Non, ce ne sont pas les trois petits mots auxquels vous pensez peut-être immédiatement, mais plutôt trois mots particulièrement chers au cœur des professionnels de la planification et de l’analyse financières en ce moment : l’agilité, la réactivité et la résilience.

Ce sont presque devenus des mots d’ordre pour le secteur ces neuf derniers mois, à mesure que les professionnels ont pris conscience de la nécessité de fournir à leur entreprise les informations requises pour prendre des décisions immédiates, de planifier et planifier encore, de générer des prévisions et de simuler de multiples résultats potentiels en fonction de variables en constante évolution. Et il apparaît clairement que certains y étaient bien mieux préparés que d’autres.

Notre enquête 2020 consacrée aux professionnels de la planification et de l’analyse financières, effectuée en collaboration avec FP&A Trends, a mis clairement en évidence une différence dans la réussite des pratiques de planification et d’analyse financières entre notre groupe entier d’entreprises interrogées et celles considérées comme ayant les « bonnes pratiques » en matière de planification et d’analyse financières. Parmi les défis cités par les entreprises interrogées, on retrouve le besoin de meilleurs systèmes de budgétisation et de prévision (cité par 30 % des entreprises interrogées), mais, d’un autre côté, de nombreuses entreprises déclarent utiliser des feuilles de calcul (73 %) dans le cadre de leurs processus de planification et de prévision. Bien sûr, même si nous avons tous utilisé et adoré les feuilles de calcul pour leur abondance et leur disponibilité, nous devons aussi reconnaître qu’elles ont certaines limites : elles nécessitent des interventions manuelles, sont propices aux erreurs de données et de calculs, peuvent devenir compliquées et peu pratiques, et ne pas offrir la flexibilité et l’agilité requises pour des recalculs et simulations rapides. Donc, à l’heure où les équipes de planification et d’analyse financières doivent se montrer particulièrement agiles, réactives et résilientes, les jours sont certainement comptés pour les anciens systèmes de planification, budgétisation et prévision basés sur feuilles de calcul. En fait, il est sans doute temps pour les entreprises d’examiner attentivement l’importance stratégique de la planification et de l’analyse financières pour leur activité, en réfléchissant aux défis identifiés en 2020, pour mieux cerner les opportunités d’améliorations pour 2021 et au-delà.

Et si les entreprises pouvaient…

Planifier et prévoir avec une facilité, une agilité et une flexibilité accrues.
Simuler de multiples scénarios de gestion en temps réel en réponse aux évolutions du marché.
Renforcer la résilience des plans stratégiques, mais aussi des processus et systèmes sur lesquels la planification et l’analyse financières reposent.

Comment de telles capacités permettraient-elles de transformer votre approche en matière d’analyse et de planification financières ?

Et, face à l’actuel besoin d’agilité, de réactivité et de résilience accrues dans le domaine de la planification et de l’analyse financières, quel est votre plan ?

Rejoignez mes collègues Pras Chatterjee et Chris Chan pour notre présentation consacrée à la planification et à l’analyse financières, proposée dans le cadre du SAP Finance and Risk Virtual Summit. Ils échangeront avec des invités spéciaux pour approfondir certaines des problématiques induisant des changements dans les pratiques de planification et d’analyse financières, et identifieront pour les professionnels de la finance des opportunités de transformer leur approche en matière de planification et d’analyse financières. Il s’agira de 45 minutes particulièrement riches et intenses, axées sur la planification et l’analyse financières, et la présentation de multiples fonctionnalités incontournables : ne manquez pas cet événement exceptionnel !

Merci de votre attention, nous espérons vous retrouver bientôt !

Publié en anglais sur blogs.sap.com

The post La planification financière en 2021 : trois petits mots appeared first on SAP France News.

Source de l’article sur sap.com

22 avril 2021/par Service comm.

Conseils pour bien choisir votre (nouveau) système ERP

Actualités, ERP & Applications, SAP

Il existe des centaines de systèmes ERP parmi lesquels choisir, avec un large panel de fonctionnalités, de points forts, de points faibles, d’applicabilité et de tarifs. Si cela peut sembler intimidant, un processus méthodique de comparaison des ERP peut guider votre équipe vers la bonne décision dans un délai raisonnable.

La méthodologie décrite ici, éprouvée, peut vous aider à trouver la solution qui répond le mieux aux besoins de votre entreprise. Elle peut sembler basique mais les entreprises qui se mettent en quête d’un fournisseur ERP sans suivre ces étapes logiques sont souvent confrontées à des retards, coûts supplémentaires et à une personnalisation inutile. Au contraire, les entreprises qui appliquent les meilleures pratiques gagnent généralement en fluidité dans le processus de sélection et dans les implémentations subséquentes. Elles peuvent ainsi profiter plus rapidement des avantages d’un système ERP moderne et être plus compétitives à l’ère du numérique.

Une méthodologie en 5 étapes pour évaluer les systèmes ERP

Une fois la décision prise de remplacer un ancien système ERP, la première étape consiste à monter une équipe pour piloter le processus de comparaison, de sélection et d’implémentation du logiciel ERP. L’équipe commence son travail par l’élaboration d’un plan initial, qui est plutôt à ce stade une stratégie générale.

Le processus de sélection d’un fournisseur ERP se déroule en cinq étapes :

Définition des besoins en matière d’ERP
Appel d’offres
Evaluation de pré-sélection
Comparaison des ERP et évaluation détaillée
Décision finale et contrat

Diagramme illustrant les 5 principales étapes du processus d'évaluation d'un ERP

1. Définition des besoins en matière d’ERP

Vous devrez transmettre des informations concernant votre entreprise et ses besoins à vos fournisseurs ERP potentiels afin qu’ils puissent configurer, packager et tarifer correctement la solution appropriée. Commencez par identifier les principales ressources en ligne, telles que les démonstrations de produits et les blogs, qui racontent l’histoire de votre entreprise.

Décrivez votre entreprise et ses processus de manière générale plutôt que de créer de longues listes de besoins et processus spécifiques. Informez les fournisseurs de la taille de votre entreprise, de son volume d’activité et de transactions, de la complexité des différents processus et de toute caractéristique ou facteur spécifique. Concentrez-vous sur les critères et processus qui donnent à votre entreprise son avantage concurrentiel. Ce sont ces éléments qui différencieront les systèmes et qui vous permettront d’examiner de près la façon dont chacun peut être configuré pour les prendre en charge.

Indiquez les éléments que vous aimez dans votre système actuel. En effet, vous voudrez que votre nouveau système les gère au moins aussi bien. De même, indiquez les choses que votre système actuel ne fait pas (ou mal). Signalez les applications, fonctions ou modifications personnalisées qui doivent être prises en charge par des fonctionnalités standard ou une personnalisation simple du nouveau système (et non une modification). En d’autres termes, concentrez-vous sur les éléments qui sont uniques à votre entreprise et partez du principe que les éléments de base se feront d’eux-mêmes (vous vérifierez cette hypothèse lors des démonstrations et des évaluations finales).

« Concentrez-vous sur les éléments qui sont uniques à votre entreprise et partez du principe que les éléments de base se feront d’eux-mêmes. »

Principaux points à retenir et conseils

Ne vous fiez pas aux listes de contrôle / vérification des ERP. Ces check-lists, une vieille pratique courante dans le secteur, ne permettent pas de départager les solutions et ne vous aident pas vraiment à faire un bon choix. La majorité des éléments figurant sur ces listes sont des fonctions et caractéristiques proposées par tous les systèmes, au moins dans une certaine mesure. Et les fournisseurs en compétition sont susceptibles de cocher « oui » dans l’interprétation la plus large de la fonctionnalité.

Choisissez les bonnes personnes pour votre équipe projet. La spécification des besoins est une tâche difficile. Elle nécessite des collaborateurs engagés, qui connaissent bien l’entreprise et qui ont du temps à consacrer au projet. Refreinez la tentation de constituer une équipe de personnes enthousiastes mais inexpérimentées.

Assurez-vous que votre appel d’offres contient les informations suivantes :

Présentation de votre entreprise et de ses processus
Ce que votre système actuel fait bien
Ce qu’il ne fait pas aussi bien que vous le souhaiteriez
Ce que vous voulez que le nouveau système fasse d’autre (classé par ordre d’importance)

2. Appel d’offres ERP

L’étape suivante consiste à envoyer un appel d’offres à un groupe sélectionné de fournisseurs. Leur nombre peut varier, mais n’oubliez pas que vous devrez procéder à un examen détaillé pour chaque réponse. L’expérience a montré que plus le nombre de fournisseurs est réduit, plus les informations fournies sont détaillées et meilleures sont les réponses. Il est donc préférable d’identifier une douzaine (ou moins) des meilleurs candidats pour votre short list.

« L’expérience a montré que plus le nombre de fournisseurs est réduit, plus les informations fournies sont détaillées et meilleures sont les réponses. »

En réponse, les fournisseurs d’ERP doivent proposer un système qui offre les fonctionnalités et les caractéristiques requises pour répondre aux besoins que vous avez identifiés. Les propositions contiendront également des informations sur leurs sociétés, leurs produits, leur expérience dans le domaine, les ressources qu’ils consacreront à l’implémentation, ainsi que d’autres informations destinées à gagner votre confiance.

Alors comment identifier la douzaine (ou moins) de candidats sur lesquels concentrer vos efforts de sélection ? Comment réduire la liste des centaines de fournisseurs d’ERP pour n’en retenir que quelques-uns ? Commencez par consulter les publications spécialisées qui présentent des « success stories ERP » (gardez à l’esprit que ces publications ne vous parleront probablement pas des difficultés rencontrées ou des échecs, mettez donc ces informations en perspective). Utilisez vos contacts – par exemple associations et groupes d’entreprises – pour identifier d’autres professionnels qui ont pu avoir une expérience récente de la sélection et de l’implémentation d’un ERP.

Il existe également de nombreux annuaires en ligne, outils de sélection et services de sélection de systèmes qui peuvent vous aider à identifier les logiciels qui possèdent les fonctionnalités dont vous avez besoin et/ou les fournisseurs qui ont de l’expérience dans votre secteur.

Pour obtenir des conseils personnalisés, vous pouvez passer un contrat avec la branche conseil de votre cabinet comptable ou trouver une ressource conseil indépendante dans votre région et/ou dans votre secteur d’activité. Veillez à vérifier leurs antécédents et leurs affiliations pour vous assurer qu’ils sont réellement indépendants et pas associés à un ou plusieurs fournisseurs de systèmes ERP.

Vous pouvez choisir d’inclure certains fournisseurs de systèmes ERP qui présentent un intérêt pour d’autres raisons. Peut-être qu’un ou plusieurs de vos clients les plus importants utilisent un système ERP et vous ont encouragé à utiliser le même système. Ou peut-être que votre société fait partie d’une grande entreprise ou d’un groupe qui a opté pour une plateforme ERP donnée. Demandez une proposition au fournisseur recommandé puis évaluez toutes les propositions de manière équitable et impartiale avant de prendre votre décision.

Principaux points à retenir et conseils

Veillez à ce que toutes les parties prenantes définissent leurs besoins. Votre appel d’offres doit inclure les contributions de toutes les parties prenantes. Dans le cas contraire, vous risquez de choisir un système ERP qui ne sert que certaines fonctions de votre entreprise, obligeant les autres départements à investir dans des systèmes autonomes. Évaluez les systèmes qui fonctionnent pour l’ensemble de l’entreprise et utilisez le calendrier de déploiement pour livrer les modules prioritaires en premier.

Faites attention au classement des besoins. Souvent, l’appel d’offres est divisé en domaines fonctionnels avec des sections à remplir par chaque service. Chaque département – qu’il s’agisse des RH ou des opérations – fait généralement un excellent travail de classement des fonctionnalités pour son unité opérationnelle, mais ses priorités peuvent ne pas correspondre aux objectifs globaux de l’entreprise. C’est à votre équipe projet d’ajuster les priorités dans une perspective plus large. Quelles sont les fonctionnalités vitales, importantes ou simplement souhaitables ?

Vérifiez la disponibilité effective des fonctionnalités. Les sociétés de logiciels ont d’excellents départements marketing ; certaines vendent des produits qui n’ont pas été entièrement développés et testés. Faites des recherches sur les fonctionnalités « à venir dans une prochaine version » par rapport à celles qui sont utilisées dans les références actuelles. Il est tout à fait envisageable de prendre en compte les fonctionnalités en cours de développement – mais ne pariez pas tout votre projet sur des fonctionnalités à venir si elles sont essentielles.

Évaluez vos processus. Les processus intégrés dans les ERP packagés sont considérés comme étant conformes aux « meilleures pratiques ». Les consultants et les experts de l’implémentation d’ERP vous diront qu’il est presque toujours préférable de modifier la procédure pour l’adapter au logiciel (en tenant compte de la dimension « meilleure pratique ») que de modifier le logiciel pour l’adapter à la procédure existante. Toutefois, c’est à vous de prendre cette décision. Mais n’oubliez pas que les nouveaux processus peuvent être à l’origine des progrès et des avantages que vous tirez d’un nouveau système. N’oubliez pas non plus que tous les logiciels ERP modernes sont personnalisables. Vous disposez donc d’une grande souplesse pour modifier l’affichage, les procédures, les caractéristiques des données et leur traitement, et bien d’autres choses encore – sans modifier le code.

Tenez compte du retour sur investissement de votre ERP. La plupart des entreprises exigent une analyse du retour sur investissement (ROI) comme condition préalable à l’autorisation et au financement de tout projet majeur. Comme son nom l’indique, il s’agit de la somme des coûts liés à l’achat et au déploiement du nouveau système, plus la différence des coûts d’exploitation par rapport à ceux du système existant. Le ROI tient également compte des avantages qui s’ajoutent aux économies directes, notamment l’amélioration du rendement, du service à la clientèle et de la productivité au travail.

3. Evaluation de pré-sélection

L’évaluation se déroule en deux phases. Au cours de la première phase, toutes les propositions sont évaluées pour voir dans quelle mesure elles correspondent à votre environnement et aux exigences décrites dans votre appel d’offres (cette phase ne comprend pas la comparaison des fournisseurs, qui relève de la deuxième phase d’évaluation).

L’objectif à ce stade est d’écarter les offres qui ne remplissent pas vos critères et de classer celles qui semblent convenir. Il en résulte une short list des meilleures propositions. Celles-ci, et seulement celles-ci, seront soumises à une évaluation détaillée jusqu’à la sélection finale.

Si vous devez examiner de nombreuses réponses, les détails auront tendance à se brouiller et il vous sera difficile de vous souvenir des réponses particulièrement solides (ou celles insuffisantes) et dans quels domaines. Une échelle de notation numérique peut vous aider à ne pas perdre le fil et à documenter votre processus de décision. Voici quelques conseils supplémentaires pour vous aider lors de cette étape de documentation :

Mettez en place un formulaire ou une feuille de calcul agencée de manière à ce que les évaluateurs puissent noter chaque proposition en fonction des principaux critères que vous avez spécifiés. Demandez à chaque examinateur d’attribuer une note à chaque critère d’évaluation (l’échelle peut être de un à dix, de un à cinq, de un à trois, ou tout autre niveau de granularité que vous jugez approprié). Vous pouvez avoir autant ou aussi peu d’examinateurs que vous le souhaitez.
Laissez de la place pour des notes et des questions, pour le suivi. Vous pouvez demander des éclaircissements à ce stade ou attendre l’évaluation détaillée des propositions présélectionnées. Attribuez un coefficient à chaque critère en fonction de l’importance de la fonction ou du processus pour votre entreprise.
Multipliez la note donnée par chaque évaluateur par le coefficient de chaque critère et calculez une note globale pour chaque fournisseur. Le plus souvent, plusieurs d’entre eux se classeront en haut de l’échelle, plusieurs autres un peu plus loin dans le classement, et quelques-uns ne seront pas retenus. Vous devriez maintenant avoir votre short list de finalistes – idéalement trois à cinq candidats – pour l’évaluation finale.
Il y a de bonnes chances que vous puissiez identifier les meilleurs candidats, mais si ce n’est pas aussi clair, revenez aux évaluations individuelles et discutez-en avec l’équipe.

Principaux points à retenir et conseils

Traitez chaque fournisseur potentiel de la même manière. N’acceptez pas de démonstrations en direct, de réunions spéciales en présentiel ou de visites sur place, à moins que vous ne soyez prêt à offrir la même possibilité à tous les fournisseurs. Il est important de maintenir des règles du jeu équitables. Une technique courante consiste à organiser une « conférence des candidats » dans vos locaux pour faire visiter les lieux à tous les fournisseurs potentiels et répondre à leurs questions (devant tout le monde).

N’oubliez pas qu’une proposition est un document de vente. Les réponses contiendront les informations que vous avez demandées et bien plus. Partez du principe que toutes les affirmations sont véridiques ; vous pourrez vérifier la plupart, sinon toutes, au cours du processus d’évaluation. Mais sachez que les auteurs de la proposition répondront à vos questions de manière à présenter leurs produits sous le jour le plus favorable.

Recherchez les valeurs aberrantes. Accordez une attention particulière aux critères pour lesquels les notes varient considérablement. Si un évaluateur donne une note très élevée à une proposition pour un critère et qu’un autre évaluateur lui donne une note très basse, cela vaut la peine d’en discuter. Interrogez les deux évaluateurs de manière constructive pour savoir ce que chacun pensait. Il est probable que l’un ou l’autre ait remarqué quelque chose que les autres n’ont pas vu ou n’ont pas considéré comme important. À la suite de ces discussions, vous souhaiterez peut-être ajuster les notes pour un critère spécifique, ce qui pourrait modifier le classement général.

4. Comparaison des ERP et évaluation détaillée

Une fois que vous avez identifié trois à cinq finalistes, il est temps de vous mettre au travail pour vérifier leurs affirmations et valider leurs références.

Comment commencer votre évaluation

Prenez contact avec chacun des fournisseurs potentiels et annoncez-leur la bonne nouvelle : ils ont été retenus dans la short list ! (Il n’y a pas de mal à leur dire combien il y a d’autres finalistes et même à leur faire savoir avec quelles entreprises ils sont en concurrence, si vous êtes à l’aise pour le faire).
Dans certains cas, vous pouvez également leur demander d’affiner leurs propositions.
Discutez avec les utilisateurs actuels du système (ou rendez-leur visite), de préférence ceux de votre industrie (ou d’un marché comparable) et de la taille de votre entreprise.
Obtenez des références si les éditeurs ne les ont pas déjà fournies (les fournisseurs peuvent hésiter à fournir des références pour des raisons de concurrence. Mais vous devez insister. Rassurez-les sur le fait que vous signerez et respecterez les accords de non-divulgation).

Comment gérer les démonstrations

C’est également le moment d’inviter les candidats présélectionnés à effectuer des démonstrations détaillées de leurs systèmes – mais vous devez contrôler ces démonstrations.

Fournissez à chaque candidat un script ou une liste des fonctionnalités que vous souhaitez voir bien avant la démonstration prévue. Tous les fournisseurs potentiels devraient recevoir la même liste.
Permettez-leur de montrer les fonctions spéciales qu’ils souhaitent mettre en avant uniquement après vous avoir montré les fonctions et les processus décrits dans l’appel d’offres.
Assurez-vous que votre script ou votre liste inclut les exigences spécifiques identifiées à l’étape 1. Les systèmes ERP traitent les processus courants de la même manière ; ce sont les exceptions qui posent problème (par exemple, la possibilité d’entrer des commandes pour des articles qui ne sont pas en stock, de vendre des articles dans des packages, des kits ou des ensembles, ou encore la prise en charge d’un processus spécifique de rapprochement des factures).
Pendant la démonstration, vous voudrez voir comment le logiciel peut être configuré et adapté pour prendre en charge vos processus et procédures uniques. Cela dit, restez ouvert d’esprit dans la mesure où vous pourriez découvrir certaines meilleures pratiques dans ces fonctions standard qui amélioreraient les opérations et les résultats de votre entreprise.
Dans l’idéal, le démonstrateur sera en mesure de montrer le fonctionnement du système en utilisant vos propres données. Ce n’est pas toujours possible, mais lorsque c’est le cas, cela vous donnera une bien meilleure idée de la façon dont le système fonctionnerait dans votre environnement.

Principaux points à retenir et conseils

Ne vous laissez pas éblouir par les démonstrations. Les professionnels qui font la démonstration des logiciels sont généralement très expérimentés et ont une forte personnalité. Leur objectif est de vous convaincre et de vendre leur logiciel. Ne vous laissez pas distraire par la personne ou le discours de vente, aussi captivant soit-il. Concentrez-vous sur le fond.

Tirez le meilleur parti des visites de référence. Sélectionnez avec soin les visites que vous souhaitez faire. Passez un bref appel à votre interlocuteur pour vous assurer qu’il a bien déployé le logiciel et qu’il a obtenu les avantages promis. Convenez de ce qu’il vous montrera et des personnes que vous rencontrerez au cours de la visite. Une fois sur place, jugez soigneusement si leur succès est reproductible dans votre environnement. Posez également les questions difficiles : « Quelles ont été vos plus grandes surprises ? » et « Si c’était à refaire, que feriez-vous différemment ? ».

Continuez à poser des questions. Encouragez votre équipe à poser des questions, ne serait-ce que pour clarifier les réponses. Faites-le lors de l’examen de l’appel d’offres et pendant les démonstrations ; cela réduira considérablement les risques de mauvaises surprises. C’est le moment de découvrir les réponses qui ne vous plaisent pas – avant que les négociations ne commencent. N’oubliez pas non plus que vous obtenez vos réponses gratuitement à ce stade, alors apprenez-en le plus possible. Lorsque vous commencerez à implémenter le produit, il se peut que vous deviez attendre une assistance ou même payer des frais.

5. Décision finale et contrat

Une fois les évaluations détaillées terminées, vous constaterez probablement que deux ou trois fournisseurs répondent à vos critères. Sélectionnez celui qui, selon vous, répond le mieux à vos besoins actuels et futurs, mais n’écartez pas les autres. Faites-leur plutôt savoir qu’ils vous conviennent mais qu’ils ne sont pas votre premier choix ; cela laisse la porte ouverte au cas où vos négociations avec le meilleur candidat ne se déroulent pas comme prévu.

Vous pouvez maintenant commencer à négocier les détails du contrat avec le meilleur candidat. La plupart des entreprises savent comment cette étape est « censée fonctionner ». Mais comme pour toutes les autres étapes du processus d’évaluation et de sélection d’un ERP, vous risquez d’avoir des surprises.

Le pouvoir est de votre côté dans les négociations. Cependant, il est préférable de considérer le fournisseur comme un futur partenaire, et non comme un adversaire dans les négociations. Visez un accord équitable qui incite les deux parties à déployer le système de manière efficace et à en assurer le bon fonctionnement.

Chaque aspect de l’implémentation du système et du maintien de l’assistance doit être discuté et documenté – en détaillant le prix, la personne responsable et, dans certains cas, le temps nécessaire. Le contrat comporte de nombreux aspects, dont notamment (mais pas exclusivement) :

L’achat initial, la location ou la licence du matériel et des logiciels.
L’implémentation du matériel et des logiciels (en précisant ce qu’englobe le mot ‘ »implémentation »).
Coût et calendrier de la simulation d’implémentation (avant ou après le paiement du logiciel).
Coûts de formation initiale et continue
Maintenance continue du matériel et des logiciels (et à quel niveau).
Conversion des données et intégration à d’autres systèmes
Mise en réseau et sécurité
Personnalisations (initiales et avec les versions futures)

Principaux points à retenir et conseils

N’annoncez pas votre sélection finale avant les négociations. À la fin de la phase d’évaluation détaillée, l’équipe peut vouloir déclarer un « gagnant ». Cependant, informer le candidat principal qu’il est « l’élu » n’est pas dans l’intérêt de votre entreprise. Il n’est pas rare d’avoir des surprises au cours du processus de négociation et vous devrez peut-être revoir votre choix.

Planifiez à long terme. Lors du démarrage, veillez à examiner attentivement les coûts à long terme afin que vos estimations soient correctes et que vous ne faussiez pas les chiffres du retour sur investissement de l’ERP. Certains fournisseurs offrent davantage de services gratuits pendant une période plus longue et d’autres peuvent confier leur assistance à long terme à une entreprise qui facture à l’appel. Certains fournisseurs fixent un plafond pour l’augmentation des tarifs annuels de maintenance ou d’abonnement, mais beaucoup ne le font pas. D’autres vendent un abonnement SaaS (Software-as-a-Service) à bas prix, qu’ils augmentent considérablement après quelques années. Certains fournisseurs proposent une mise à jour annuelle, mais ne fournissent aucune assistance réelle lors du processus de mise à jour. Posez des questions et obtenez des réponses écrites pour être sûr de bien appréhender vos coûts à long terme.

L’importance de l’équipe projet

Le facteur le plus important pour le succès du processus d’évaluation du système ERP est l’équipe projet. Cette équipe doit être constituée très tôt et doit être le moteur de l’élaboration, de la diffusion et de l’évaluation de l’appel d’offres et de la sélection du nouveau système ERP.

D’après notre expérience, lorsque les équipes sont au milieu d’une investigation et d’une évaluation détaillées, elles prennent souvent des raccourcis. Mais si votre équipe projet suit ces cinq étapes et prête attention aux enseignements tirés, elle sera en mesure de trouver la solution optimale pour répondre aux exigences de votre entreprise, maintenant et pour l’avenir.

Publié en anglais sur insights.sap.com

The post Conseils pour bien choisir votre (nouveau) système ERP appeared first on SAP France News.

Source de l’article sur sap.com

20 avril 2021/par Service comm.

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

Actualités, ERP & Applications, SAP

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

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

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

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

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

Innovations dans la reddition parallèle des comptes universelle

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

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

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

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

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

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

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

La finance à l’ère du numérique

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

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

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

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

Source de l’article sur sap.com

19 avril 2021/par Service comm.

SAP.iO Foundry Paris dévoile les 8 startups AgTech de son sixième programme d’accélération

Actualités, ERP & Applications, Innovation, SAP

8 startups françaises et internationales, spécialisées dans l’innovation autour de l’agriculture et de l’agroalimentaire, rejoignent cette sixième édition. Leur but ? Aider ces deux secteurs à se transformer, via des nouvelles technologies, pour avoir un impact positif et durable.

SAP.iO Foundry Paris annonce aujourd’hui le lancement de son nouveau programme d’accélération autour de l’Agribusiness. Suite à son appel à candidature en janvier dernier, le jury de SAP.iO composé de collaborateurs SAP, de partenaires (Deloitte, Accenture), et de fonds d’investissements (CapAgro et Astanor Venture) et de nombreux clients a retenu 8 startups spécialisées en procurement, supply chain, en plateformes de suivi de production et en outils d’aide à la décision. Pendant 10 semaines, SAP.iO va accompagner ces jeunes pousses dans leur croissance autant sur l’aspect business que technologique.

SAP.iO Foundry Paris ouvre ses portes à des startups du monde entier

Cette sixième promotion dépasse les frontières habituelles de SAP.iO Foundry Paris avec 3 startups françaises, 2 américaines 1 israélienne, 1 allemande et 1 canadienne.

Partant du constat que la France est l’une des plus grandes puissances agricoles, SAP.iO Foundry Paris lance le 1^er programme d’accélération startups de SAP entièrement dédié à cette industrie. Les 8 jeunes pousses ont été retenues pour leurs technologies et leurs approches innovantes en matière de transition écologique. Grâce à l’expertise de SAP sur le sujet, notamment en Europe et aux Etats-Unis, l’accélérateur de startups offre à ces jeunes pousses l’opportunité de se positionner sur l’ensemble du globe.

Ce nouveau programme d’accélération sera articulé autour de 3 problématiques :

Digital Farming & Data-Driven Agriculture : comment intégrer dans l’Agribusiness de la donnée, de l’intelligence artificielle, de l’analytique, de la plateforme d’aide à la décision ?
Next-gen Agricultural Origination Processes : comment combiner conformité et traçabilité dans l’ensemble du processus de production et de transformation ?
Sustainable AgriBusiness Supply Chains : comment faire de l’agriculture plus responsable et respectueuse de l’environnement tout au long de la chaine de valeur ?

8 startups à forte valeur ajoutée orientées AgTech sélectionnées

Agrora permet aux transformateurs et aux négociants de produits agricoles de gagner du temps sur les processus d’approvisionnement et de distribution en offrant un logiciel d’approvisionnement pour les produits agricoles.
Clarifruit est une startup israélienne spécialisée dans le contrôle qualité des produits frais et notamment des fruits, qui grâce à l’intelligence artificielle et à des caméras, permet d’identifier si les fruits sont de bonne qualité et propres à la consommation.
Connecting Food est la première plateforme collaborative française utilisant la technologie blockchain et des modules intelligents pour apporter de la transparence, une traçabilité de bout en bout et un audit numérique complet des produits alimentaires avant de les mettre dans les mains des consommateurs.
Grain Chain Inc, startup américaine, a développé une plateforme révolutionnaire qui uniformise les règles du jeu pour les producteurs, les acheteurs, les opérateurs de stockage, les prêteurs et tous les autres participants de la chaîne d’approvisionnement agricole mondiale. Sa solution combine la blockchain et la technologie axée sur l’IoT pour vérifier et exécuter automatiquement les contrats intelligents, créant ainsi des flux de travail entièrement automatisés et numérisés à chaque étape.
Heavy Connect est une plateforme mobile américaine spécialisée dans le respect de réglementations, répondant aux difficultés que peuvent rencontrer les agriculteurs, souvent confrontés à de nombreux contrôles sanitaires et réglementaires.
Milk Moovement est une startup canadienne déjà bien établie et qui se développe sur toute la chaîne d’approvisionnement du lait, de la récolte à la livraison. Milk Moovement agit comme un outil de communication entre toutes les entreprises impliquées dans la chaîne d’approvisionnement des produits laitiers.
Procsea France SAS – En dotant l’industrie des produits de la mer des dernières technologies, en structurant et en standardisant les données, et en améliorant la traçabilité et la durabilité de la filière, ProcSea, startup française basée à Rennes, apporte de la valeur à chacun de ces acteurs et transforme également le commerce des produits de la mer dans son ensemble.
Sencrop est une plateforme française d’aide à la décision avec la particularité de pouvoir gérer et animer une communauté autour de sa plateforme pouvant connecter ensemble des capteurs IoT et différentes sources d’informations qui vont permettre d’aider l’agriculteur à prendre la bonne décision.

« L’industrie agroalimentaire est un secteur d’activité majeur pour la France. Au niveau européen, elle se situe au deuxième rang derrière l’Allemagne et on compte aujourd’hui beaucoup de grands groupes français d’envergure internationale. L’innovation est un facteur clé de la compétitivité du secteur, c’est également un moyen de réduire les inégalités et problématiques alimentaires mondiales. C’est dans ce contexte que nous avons décidé d’accompagner des startups dans le domaine Agtech. C’est avec beaucoup d’enthousiasme, que nous lançons notre 1er programme d’accélération startups de SAP entièrement dédié à l’agriculture et à l’agroalimentaire. D’envergure internationale, cette nouvelle promotion vise à apporter au secteur de l’agribusiness différents axes d’améliorations : plus d’efficacité, de transparence et de sécurité. C’est dans ce sens que nous avons sélectionné ces huit jeunes pousses françaises et étrangères dont la mission est de créer des solutions innovantes et complémentaires à celles de SAP pour apporter ensemble plus de valeur à nos clients », explique Sébastien Gibier, directeur de l’accélérateur SAP.iO Foundry Paris.

Avec ce programme et celui de ses autres accélérateurs dans le monde, SAP.iO confirme son ambition d’aller plus loin en 2021 et de vouloir devenir le One Stop Shop de SAP pour les startups à l’échelle mondiale grâce à ses différents programmes complémentaires.

Retrouvez tous les programmes startups proposés par SAP.iO sur leur site internet

Plus d’informations sur SAP.iO Foundry Paris, Agribusiness Industry Accelerator

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

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 SAP.iO Foundry Paris dévoile les 8 startups AgTech de son sixième programme d’accélération appeared first on SAP France News.

Source de l’article sur sap.com

14 avril 2021/par Service comm.

Index de l’égalité femmes-hommes en 2021 au titre de l’année 2020

Actualités, ERP & Applications, Ressources Humaines, SAP

SAP France affiche un Index de 76/100 en 2021 au titre de l’année 2020.

Cet Index a été calculé sur la base de 5 indicateurs :

Les écarts de rémunération femmes-hommes sur 40 points
Les écarts de répartition des augmentations individuelles sur 20 points
Les écarts de répartition des promotions sur 15 points
Le pourcentage de salariées augmentées à leur retour de congé de maternité sur 15 points
Mixité des dix plus hauts salaires sur 10 points

L’index SAP France publié en 2021 met en lumière une amélioration sur l’aspect écarts de rémunération femmes-hommes et un maintien de la note maximale sur l’aspect promotions avec, cette année, un écart en faveur des femmes. La note maximale est également obtenue sur l’aspect des augmentations salariales pour les femmes au retour de congé maternité.

La répartition des augmentations individuelles ne tient pas compte des collaborateurs ayant bénéficié d’une promotion durant la période de référence qui ne sont pas intégrés dans le calcul de cet indicateur et à ce titre impacte négativement le score de cet indicateur.

La parité et la mixité est une priorité pour SAP France, qui est engagé dans une politique à long terme dans ces domaines. SAP France entend poursuivre ses efforts et ses engagements dans le domaine de l’égalité professionnelle.

The post Index de l’égalité femmes-hommes en 2021 au titre de l’année 2020 appeared first on SAP France News.

Source de l’article sur sap.com

1 mars 2021/par Service comm.

SAP acquiert AppGyver, le pionnier du développement no-code

Actualités, ERP & Applications, SAP

SAP SE (NYSE : SAP) a annoncé aujourd’hui l’acquisition d’AppGyver Oy, un pionnier des plateformes de développement no-code (sans code) qui permettent aux utilisateurs sans compétences de codage de créer des applications pour des usages web et mobile.

Grâce à cette acquisition, SAP est mieux à même d’aider ses clients et partenaires à adapter efficacement leurs systèmes informatiques à leurs besoins spécifiques et à optimiser la convivialité de leurs applications. Les solutions d’AppGyver feront partie de la SAP Business Technology Platform. Elles élargiront l’offre de SAP dans le domaine de l’intelligence des business process et viendront compléter l’offre low-code de SAP fournie par le partenaire Mendix Tech BV, qui fait partie de Siemens AG.

« AppGyver nous aide à étendre nos capacités no-code et à établir une offre complète dans ce domaine », a déclaré Michael Weingartner, président de SAP Business Technology Platform Core, SAP. « À l’avenir, nous pouvons proposer une gamme complète d’outils de développement d’applications simples et intégrés qui permettent aux clients, aux partenaires et à nos propres équipes d’améliorer l’automatisation des processus et de renforcer l’expérience utilisateur des applications SAP. En ajoutant les solutions d’AppGyver à nos propres capacités no-code, nous facilitons la création de workflows, de formulaires, l’automatisation des processus robotisés et la gestion des cas légers. »

Cette acquisition élargit la nouvelle offre de SAP, RISE with SAP, dont la SAP Business Technology Platform et l’intelligence des business process sont des éléments clés. RISE with SAP aide les entreprises à réaliser des transformations business globales qui les rendent résilientes, agiles et intelligentes.

SAP et AppGyver ont convenu de ne pas divulguer le prix d’achat ou d’autres détails financiers de la transaction.

Visitez le SAP News Center. Suivez SAP sur Twitter @SAPNews.

The post SAP acquiert AppGyver, le pionnier du développement no-code appeared first on SAP France News.

Source de l’article sur sap.com

16 février 2021/par Service comm.

Planification stratégique des effectifs : un guide pour combler les déficits de compétences

Actualités, ERP & Applications, Ressources Humaines, SAP

Pour quiconque ne fait pas partie du monde des RH, le terme « stratégie des effectifs » ressemble probablement à un euphémisme pour désigner une embauche frénétique ou une réduction agressive du personnel. Ce n’est bien sûr ni l’un ni l’autre. Et l’importance de comprendre la stratégie des effectifs n’a fait que croître avec la pandémie de Covid-19.

Il est maintenant crucial que les professionnels RH et les collaborateurs comprennent que les entreprises n’ont d’autre choix que de continuellement réfléchir à leur structure organisationnelle pour répondre rapidement, et avec précision, à l’évolution des forces et conditions du marché. La compétitivité de l’organisation en dépend.

Cela peut vouloir dire recruter, former les salariés aux compétences numériques ou adopter une nouvelle approche de la gestion des talents. Et plus probablement une combinaison des trois, ou bien plus. Mais ce ne sont là que les déclinaisons tactiques d’une stratégie et d’une planification « smart » et efficaces, définies de préférence au niveau du comité de direction.

Comme dans les échecs et autres jeux de stratégie, il n’y a pas une série d’étapes ou une solution unique permettant la victoire d’un joueur. Un mix de tactiques sont échangées et modifiées en cours de jeu. Dans le domaine des RH, cela peut être un mix d’évaluations des compétences, d’internalisation, d’externalisation et de développement du leadership. Le tout au service d’un objectif stratégique majeur.

Le défi consiste à savoir par où commencer et quels facteurs prendre en compte. La technologie peut-elle aider ? Des postes temporaires peuvent-ils être créés pour combler les déficits de compétences et de ressources ? La diversité doit-elle être prise en compte ? Quel est le bon moment pour commencer à élaborer une stratégie des effectifs ?

5 conseils pour réussir sa planification stratégique des effectifs

Selon leur taille et leur structure, les entreprises adoptent différentes stratégies des effectifs. Mais l’objectif général est toujours le même : être « smart », stratégique et agile. De façon à répondre aux problèmes et objectifs de court et moyen termes rapidement et facilement. Les solutions tactiques varient selon les scénarios, qu’il s’agisse de réorganisations, de recrutements, de reskilling (requalification des collaborateurs), de réduction des effectifs ou d’une combinaison de ces différents cas. La finalité est toujours d’être prêt à repositionner l’entreprise pour qu’elle réussisse en toutes circonstances. Les cinq conseils ci-dessous sont un point de départ pour développer votre stratégie des effectifs.

1. Partez des objectifs de l’entreprise et planifiez à l’avance.

Même dans des conditions normales et non pandémiques, les RH doivent d’abord avoir une vision claire des objectifs de l’entreprise et des domaines où elles peuvent contribuer. Commencez par identifier les personnes qui possèdent les compétences pouvant aider l’entreprise à atteindre ses objectifs stratégiques actuels. Puis évaluez si ces compétences existent en quantité suffisante et si elles peuvent être facilement redéployées à l’avenir. Si les objectifs de l’entreprise changent (et ils changeront très probablement), et s’il s’accompagnent de l’intégration de l’automatisation ou d’autres solutions de réduction des coûts (et c’est également très probable), vous aurez alors une stratégie pour recruter, former ou réorganiser en fonction de ces objectifs . Revoyez régulièrement votre stratégie pour vous assurer qu’elle est toujours tournée vers l’avenir.

2. Ne faites pas cavalier seul, équipez-vous !

Planifier une stratégie des effectifs (et les contingences pour les différents scénarios d’entreprise) était déjà un travail à plein temps. Même avant la pandémie de Covid-19, les entreprises étaient confrontées à une pression concurrentielle accrue, à la nécessité de digitaliser leurs opérations et à la difficulté de combler les déficits de compétences. Les entreprises doivent, plus que jamais, pivoter rapidement. Sous peine de se retrouver en concurrence pour des talents rares possédant des compétences nouvellement demandées, ou à l’inverse soudainement confrontées à un surplus de talents.

Les conditions économiques et de marché continuent d’évoluer de jour en jour. Plus rapidement que ce que toute organisation RH avait anticipé. Il est donc préférable de tirer parti d’une technologie permettant aux responsables RH de manipuler la structure complexe des organigrammes avec souplesse et facilité, tout en évaluant l’impact financier immédiat et à long terme, avec une visibilité en temps réel sur les données relatives aux compétences. Alors que ces fonctionnalités étaient autrefois réparties dans différents logiciels d’entreprise, elles peuvent désormais être intégrées facilement. Quel que soit l’outil technologique que vous utilisez, assurez-vous d’avoir celui qui vous permet de consacrer votre énergie à définir la stratégie et la vision, et non de vous embourber dans la recherche d’informations.

3. Gardez la diversité à l’esprit

Au moment de planifier une ou plusieurs stratégies des effectifs, gardez la diversité à l’esprit. Même lorsque la pression des autres priorités menace de la pousser à la marge. Sa contribution à la culture d’entreprise et aux résultats financiers à long terme sont trop importants pour être ignorés. Comme toute entreprise cherche à réaffecter ses ressources, les compétences ne sont pas la seule considération déterminante pour l’entreprise. Les données sont concluantes depuis longtemps : les entreprises qui s’efforcent de fidéliser des effectifs diversifiés obtiennent de meilleurs résultats.

Les entreprises qui s’efforcent de fidéliser des effectifs diversifiés obtiennent de meilleurs résultats

4. Regardez en interne : développement des collaborateurs et planification de la succession

On sait depuis longtemps que la fidélisation est moins coûteuse que le recrutement. Mais c’est une simplification excessive. Pour combler un déficit de compétences, l’embauche est parfois la meilleure et seule option. Avec l’essor de l’économie à la tâche (emplois flexibles, temporaires ou indépendants), elle est même plus économique que par le passé. En particulier pour les besoins immédiats. Pour les objectifs à long terme, pensez plutôt à la planification de la succession par le développement des collaborateurs et du leadership. Dans un marché du travail et un vivier de talents particulièrement serrés, la plupart des salariés souhaiteront avoir la possibilité de développer leurs compétences et d’aider l’entreprise à traverser les périodes de turbulences.

Les responsables RH devraient, lors de l’élaboration d’une stratégie des effectifs, défendre les collaborateurs en tant que principaux moteurs – et parties prenantes – de la mise en œuvre de cette stratégie. Ne négligez pas non plus le rôle de la fidélisation et du reskilling des collaborateurs dans le maintien de la culture d’entreprise. Une tâche devenue particulièrement difficile avec la généralisation du travail à distance.

5. Créez une culture de l’apprentissage et laissez les collaborateurs la conduire : upskilling et reskilling

Si les RH détiennent les clés des recrutements, licenciements et du reskilling, les collaborateurs qui pilotent l’entreprise au quotidien sont plus proches des succès et échecs du terrain. Ils savent donc mieux quelles nouvelles compétences sont nécessaires. Et qui en interne est capable de relever de nouveaux défis. Lorsque des déficits de compétences sont identifiés, il faut donc laisser les collaborateurs s’exprimer. Favoriser un environnement d’apprentissage n’est pas toujours une démarche descendante. Les RH doivent créer la culture d’apprentissage puis laisser les collaborateurs identifier les compétences qu’ils veulent et doivent développer. Cela permet de s’assurer que la formation n’est pas quelque chose de superflu ou de routinier mais bien un élément actif et ancré dans la culture d’entreprise. A long terme, cela permet de réduire les déficits de compétences les plus flagrants. Et vous tirez meilleur parti de votre investissement lorsque donnez aux collaborateurs la possibilité de piloter leurs parcours de formation en utilisant des outils RH qui facilitent la formation en continu et qui offrent un accès adapté à leurs horaires et styles d’apprentissage.

Dans un précédent article, nous avions parlé de l’importance de l’upskilling et du reskilling de vos effectifs. Ces initiatives sont moins efficaces si elles ne sont pas accompagnées d’une stratégie globale de gestion RH. De même, il est inutile d’élaborer une stratégie des effectifs si elle ne sert qu’à faire entrer et sortir des personnes, sans tenir compte des objectifs de l’entreprise à court et à long terme.

Si tout cela ressemble à une refonte ou reformulation de la fonction RH, c’est parce que c’est le cas. Et c’est nécessaire, maintenant plus que jamais. Les professionnels RH qui s’engagent dans le développement d’une stratégie des effectifs sont ceux qui assureront la stabilité et la croissance à long terme de leur organisation. Et plus les RH auront le courage de remodeler leur profession de cette manière, plus les cadres et tous les salariés seront enclins à les suivre.

Publié en anglais sur insights.sap.com

The post Planification stratégique des effectifs : un guide pour combler les déficits de compétences appeared first on SAP France News.

Source de l’article sur sap.com

28 janvier 2021/par Service comm.