Articles

La philosophie DevOps, la plateforme la pratique.

La philosophie DevOps est une pratique qui vise à améliorer la collaboration entre les développeurs et les opérateurs afin de fournir des plateformes plus efficaces.

« DevOps est mort. »

Mais pas exactement. Mais la méthodologie DevOps de « vous le construisez, vous le gérez » a échoué aux équipes de développement depuis des années.

The problem is that DevOps was never meant to be a long-term solution. It was designed to help teams quickly move from idea to production. But as teams grow and become more complex, the DevOps model becomes increasingly difficult to maintain.

In its place, a new approach is emerging: architecture-driven development. This approach focuses on creating a well-defined architecture for the system before development begins. This architecture defines the components of the system, how they interact, and how they should be deployed. It also provides a framework for making changes to the system over time.

Avec l’émergence de nouvelles technologies et de nouveaux modèles de développement, le concept de DevOps est en train de s’estomper. La méthodologie DevOps « tu construis, tu gères » a été un échec pour les équipes de développement depuis des années. Le problème est que DevOps n’a jamais été conçu comme une solution à long terme. Il était destiné à aider les équipes à passer rapidement de l’idée à la production. Mais à mesure que les équipes grandissent et deviennent plus complexes, le modèle DevOps devient de plus en plus difficile à maintenir.

En remplacement, une nouvelle approche est en train d’émerger : le développement guidé par l’architecture. Cette approche se concentre sur la création d’une architecture bien définie pour le système avant le début du développement. Cette architecture définit les composants du système, comment ils interagissent et comment ils doivent être déployés. Elle fournit également un cadre pour apporter des modifications au système au fil du temps.

L’avantage de cette approche est qu’elle permet aux équipes de développement de se concentrer sur la construction d’un produit robuste et extensible plutôt que sur la gestion des opérations. En définissant une architecture claire et cohérente, les équipes peuvent se concentrer sur la création d’un produit qui répond aux besoins des utilisateurs et qui peut évoluer avec le temps. Cela permet aux équipes de se concentrer sur la qualité et la stabilité du produit plutôt que sur le temps de mise en production.

En fin de compte, l’architecture-driven development offre aux équipes de développement une meilleure façon de travailler et une meilleure façon de construire des produits robustes et extensibles. Il permet aux équipes de se concentrer sur la qualité et la stabilité du produit plutôt que sur le temps de mise en production. En outre, il permet aux équipes de mieux gérer les changements et les mises à jour du produit au fil du temps.

Source de l’article sur DZONE

En triant de vieux cartons dans mon garage, mon fils est tombé sur ma collection de films des années 1980 et 1990. Tandis que je le regardais exhumer les cassettes VHS, les DVD et quelques LaserDiscs de cette capsule temporelle de ma jeunesse, j’ai réalisé à quel point nous avons rapidement cessé de stocker nos films sur des étagères pour nous tourner vers le visionnage en streaming à la demande, sur un seul et même terminal qui tient dans une poche.

Plus frappantes encore sont les leçons tirées de chaque évolution de la livraison à domicile. Certaines entreprises ont conservé des modèles économiques classiques, convaincues que toute nouveauté n’est qu’une passade. D’autres se sont adaptées à chaque fois qu’elles se sont senties réellement menacées par la concurrence.

Mais les entreprises qui ont réellement tiré leur épingle du jeu sont celles qui ont mis en place et pérennisé de vraies innovations transformationnelles, avec la volonté assumée de toucher de nouveaux marchés, d’attirer de nouveaux clients et de répondre aux demandes et aux attentes.

Malheureusement, la plupart des entreprises de taille moyenne n’ont pas encore assimilé cette leçon en matière d’innovation. D’après un Info Snapshot IDC sponsorisé par SAP, seules 18 % des entreprises interrogées jugent que la transformation de leur modèle économique est une priorité – ce qui suggère que la plupart d’entre elles comptent seulement réagir aux bouleversements du secteur.

« Globalement, les entreprises de taille moyenne n’accordent pas la priorité à l’innovation, même si la rapidité d’adaptation et l’évolutivité stratégique sont inscrites dans leur ADN », explique Jeremy Rader, directeur général Stratégie et solutions d’entreprise (ESS) des groupes Data Platforms (DPG) et Cloud & Enterprise Solutions (CESG) d’Intel. « Soyons réalistes : le temps, l’argent et les ressources sont déjà comptés. Mais la technologie cloud peut permettre de rendre l’innovation plus abordable et plus facile à gérer pour celles qui explorent de nouvelles opportunités de transformation, moins coûteuses, moins risquées, et découvrent ainsi de meilleures manières de rester compétitives. »

 

Une étape essentielle pour assurer la prospérité d’une entreprise

Les défis de gestion et les demandes du marché sont chaque jour plus complexes, substantiels, et de plus grande envergure. Mais plutôt que de suivre chaque nouvelle tendance en matière de produits, chaque évolution des clients ou chaque innovation de la concurrence, les entreprises doivent concevoir les produits et services dont leur clientèle a réellement besoin. Cela implique d’établir une passerelle entre le cycle de vie des produits et des données de qualité, prises en charge par une plateforme interconnectée dotée des fonctions de gestion, d’analytique et d’intelligence artificielle nécessaires pour les collecter, les intégrer et les contextualiser en temps réel.

EN SAVOIR PLUS AVEC FORBES – SAP BrandVoice : Tendances 2022 en matière de biens de consommation : votre marque peut-elle offrir une satisfaction et un confort instantanés ? – Par Susan Galer

« Le plus grand obstacle à l’innovation est la crainte du changement et de l’échec », rappelle M. Rader. « Quand les gens sont capables de gérer, de protéger, de contextualiser et d’analyser des volumes considérables de données en toute confiance, ils ont toutes les clés pour obtenir des résultats plus significatifs, quoi qu’ils fassent. Tout cela commence par la mise en place d’une plateforme cloud interconnectée et fiable. »

Lorsque les données de différents services et fonctions (marketing, ventes, services, opérations et finances) sont intégrées, consolidées et recoupées avec la veille concurrentielle, les entreprises de taille moyenne sont mieux à même de justifier leurs investissements dans l’innovation produit. Elles peuvent alors établir le calendrier, les étapes, l’expertise et les technologies nécessaires pour concrétiser ces innovations d’une manière qui favorise la croissance.

Lorsqu’une entreprise obtient les bonnes données et sait comment en tirer les insights stratégiques dont elle a besoin, une culture de l’innovation commence à se mettre en place. Par exemple, les collaborateurs se mettent à surveiller étroitement les indicateurs de performance clés qui évaluent la demande de produits, la satisfaction client et les inquiétudes des services au regard des performances financières, de manière à pouvoir réagir plus rapidement et efficacement aux bouleversements.

 

Une innovation alimentée par les données pour garder une longueur d’avance

Les entreprises de taille moyenne ne peuvent pas se permettre de perdre du temps, ni de réaliser un projet d’innovation en se contentant d’espérer qu’il fonctionne. Mais ne pas innover est un risque encore plus grand dans un marché en constante évolution, rempli de clients qui en attendent chaque jour davantage.

EN SAVOIR PLUS AVEC FORBES – SAP BrandVoice : Comment les entreprises de taille moyenne peuvent relancer leur activité, se développer et s’étendre grâce aux technologies avancées – Par un invité SAP

Et lorsque les entreprises accordent davantage d’attention à la qualité et à l’impact de ces données, l’innovation n’est plus reléguée au second plan, comme une activité dont chacun sait qu’elle est nécessaire sans pouvoir s’y consacrer. Il devient possible d’allouer les ressources adéquates à explorer les opportunités, expérimenter de nouvelles idées et renforcer son avantage concurrentiel.

Si vous souhaitez approfondir la question, regardez la rediffusion du webinaire sponsorisé par Intel sur la manière dont les entreprises de taille moyenne peuvent favoriser une culture de l’innovation, dans le cadre de notre série #ConnectGrowWin.

 

Par Richard Howells, vice-président Gestion des solutions pour la Supply Chain numérique, SAP

The post L’innovation continue : le véritable levier de compétitivité des entreprises de taille moyenne appeared first on SAP France News.

Source de l’article sur sap.com

80% des français considèrent que l’action internationale face au réchauffement climatique est un échec selon un baromètre ODOXA/SAP

Paris, le 29 octobre 2021 – À l’occasion du lancement de la COP26 qui se tiendra du 31 octobre au 12 novembre à Glasgow, ODOXA et SAP révèlent les résultats de leur Baromètre du développement durable. Ce baromètre est basé sur une enquête d’octobre 2021 issue de questions posées à un échantillon de 3 010 Français âgés de plus de 18 ans.

Le constat est sans équivoque. La perception des Français en ce qui concerne la lutte contre le réchauffement climatique est très claire : de nombreux efforts restent à fournir, la mission est loin d’être accomplie et les citoyens attendent des dirigeants à la COP26 des actions fortes et immédiates.

Parmi les résultats les plus importants de ce baromètre du développement durable, nous pouvons notamment y trouver :

  • Pour 8 Français sur 10, jusqu’à présent l’action de la communauté internationale pour lutter contre le réchauffement climatique est perçue comme un échec. En effet, seulement 20 % des interrogés considèrent que les efforts consentis depuis l’accord de Paris sont une réussite. Parmi les personnes interrogées, la majorité des convaincus a entre 18 et 24 ans (33%), alors que les employés représentent les plus sceptiques face à ce résultat avec seulement 20%. De plus, on remarque un régionalisme de ce constat : en Nouvelle Aquitaine, 86% des interrogés soulignent ce constat d’échec, alors que la Normandie atteint 75%, le taux le plus bas en France métropole.

 

  • La politique environnementale est l’un des enjeux décisifs dans les intentions de vote à l’élection présidentielle. Le baromètre souligne que 69% Français ont à cœur de considérer les politiques environnementales parmi les sujets clés qui aiguilleront leurs intentions de vote. Cette perspective est partagée par 78% des étudiants et 74% des cadres. Notons que la Bretagne ressort avec 77% alors que le Centre Val de Loire partage cet intérêt à 67%.

 

  • La confiance en la COP26 pour prendre de grandes décisions est hétérogène au sein des populations interrogées. Parmi les plus optimistes, les 18-24 ans pensent à hauteur de 64% que la COP26 sera bénéfique. De l’autre côté du panel, les 50-64 ans sont les plus sceptiques avec 66% de l’échantillon. Si la moyenne nationale est à 59%, 6 régions sont en dessous, les Hauts-de-France au plus bas avec 53%. La Nouvelle Aquitaine est encore une fois en haut du classement avec 68%.

 

À la veille de la COP26, nous voulions comprendre davantage la perception des français autour du réchauffement climatique. Cette étude démontre plus que jamais l’intérêt grandissant de tous autour des problématiques environnementales. Chez SAP, nous sommes persuadés que les entreprises ont également un rôle à jouer dans la lutte contre le réchauffement climatique, que ce soit dans la gestion de leurs activités, les efforts nécessaires pour réduire l’empreinte carbone de leurs produits et des services qu’elles proposent, mais aussi pour apporter plus de transparence envers les consommateurs.”, déclare Pascal Le Nahédic, Head of Green Line SAP France.

 

Gaël Sliman, président d’Odoxa, affirme que : « Pour 6 Français sur 10, les questions d’environnement et de développement durable sont insuffisamment évoquées dans la campagne présidentielle. C’est bien dommage car l’environnement est l’une des trois priorités majeures des Français, après le pouvoir d’achat, mais devant l’emploi ! Or, les Français n’opposent plus la fin du monde et la fin du mois. Pour eux, il faut poursuivre les politiques environnementales audacieuses car pour 6 Français sur 10 les politiques environnementales ne sont pas incompatibles avec la croissance et l’emploi. Une leçon à méditer pour nous gouvernants et les candidats. »

À propos de SAP

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

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

Contacts presse SAP :

Mathilde Thireau : mathilde.thireau@publicisconsultants.com

Robin Legros : robin.legros@publicisconsultants.com

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

Veuillez tenir compte de notre politique de confidentialité. Si vous avez reçu cette alerte de presse dans votre courriel et que vous souhaitez vous désabonner de notre liste d’envoi, veuillez communiquer avec presse-sap@publicisconsultants.com et écrire Désabonnement dans la ligne Objet.

The post 80% des français considèrent que l’action internationale face au réchauffement climatique est un échec selon un baromètre ODOXA/SAP   appeared first on SAP France News.

Source de l’article sur sap.com

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 :

  1. 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.
  2. 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).
  3. 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.
  4. 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.

Pictogramme qui représente un entrepôt de données

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.

En savoir plus

 


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 (ERPCRM, 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

SAP, société du logiciel la plus durable et partenaire des organisations pour atteindre leurs objectifs climatiques, dévoile les résultats du Baromètre* du développement durable SAP/Odoxa. Un nouvel indicateur visant à mesurer l’intérêt des Français pour l’environnement et l’avenir de la planète. Cinq ans après l’adoption des accords de Paris pour le climat, les résultats révèlent que l’action environnementale est au cœur des préoccupations des Français, qu’elle agit sur leurs comportements de consommation mais aussi sur leurs perceptions des entreprises. Le Baromètre SAP/Odoxa décode l’état d’esprit des Français vis-à-vis des progrès réalisés en matière d’environnement par les gouvernements, les entreprises ou encore par eux-mêmes dans leurs quotidiens.

L’action environnementale est au centre des préoccupations des Français depuis la COP21.

Cinq ans après la COP21, l’action environnementale apparaît plus centrale pour les Français. En effet, 60% des Français ont le sentiment que l’action environnementale n’est pas incompatible avec la croissance et l’emploi. Ils ont cependant le sentiment, depuis 2015, que l’action menée contre le réchauffement climatique par la communauté internationale est un échec (78%) et attendent beaucoup de l’engagement de Joe Biden sur ce sujet. En effet, 77% d’entre eux pensent que le retour des Etats-Unis dans l’accord de Paris permettra à la communauté internationale de lutter plus efficacement contre le réchauffement climatique.

Les Français sont de plus en plus vigilants sur leur mode de consommation pour limiter leur impact environnemental au quotidien.

Les Français sont préoccupés par l’avenir de la planète puisque 9 répondants sur 10 (87%) se disent concernés par l’avenir de la planète. Cependant, 66% d’entre eux sont pessimistes sur le sujet et l’inquiétude domine. Dans la pratique, les Français sont assez vigilants au quotidien pour limiter l’impact de leur mode de vie puisqu’ils sont 86% à limiter leur impact environnemental ou sociétal de leur mode de vie au quotidien mais seuls 21% le font systématiquement.

Bien ancré dans les mentalités, 8 Français sur 10 (82%) pratiquent le tri sélectif systématique. Ils confirment leur intérêt pour la question des déchets, puisque 51% des répondants disent acheter des produits sans emballage ou avec moins d’emballages, et 35% disent vouloir adopter ce comportement. Le deuxième éco-comportement familier des Français est la consommation de produits de saison, adopté par 77% des répondants. Par ailleurs, 51% des répondants disent déjà privilégier les petits distributeurs et les circuits courts, et 35% disent avoir l’intention de le faire. Les investissements énergétiques restent quant à eux en retrait puisque 65% des Français ne semblent pas prêts à installer des panneaux solaires ou une éolienne chez eux, et 61% ne souhaitent pas remplacer leur voiture à essence par une voiture électrique.

Le baromètre révèle également que les Français sont très critiques à l’égard de leurs concitoyens : seuls 47% estiment que les habitants de leur région ont cette préoccupation, les habitants de PACA se montrant les plus critiques sur ce point (35%). Pour agir en faveur de la protection de la planète, si les Français ont fortement confiance dans les associations (77%), leurs communes (67%) et leurs régions (67%), ils sont plus réservés envers les citoyens (56%)et les entreprises (53%) et ont très peu confiance dans l’Etat (40%) et le Gouvernement (37%).

Les Français plébiscitent davantage les entreprises engagées en faveur du développement durable et cela se reflète sur leurs achats.

Les Français sont de plus en plus sensibles à l’engagement des entreprises pour le développement durable. Ainsi, 6 salariés sur 10 considèrent que leur entreprise investit pour protéger la planète et 8 Français sur 10 peuvent être séduits par les entreprises engagées en faveur du développement durable, cet engagement leur donnant envie d’acheter leurs produits (83%) ou d’y travailler (80%).

Les Français sont également de plus en plus attentifs aux actions des entreprises sur l’environnement lors de leurs achats. 72% des répondants privilégient les entreprises engagées en matière de réduction des emballages et 58% celles qui veillent à limiter les déplacements pour les livraisons d’achats en ligne. 62% des salariés estiment que leur entreprise veille à limiter l’impact environnemental ou sociétal de son activité, un sentiment encore plus présent dans les secteurs les plus exposés que sont les transports (70%) et l’industrie (62%). L’énergie (45%), l’agroalimentaire (37%) et les transports (23%) sont les secteurs d’activité considérés comme les plus engagés en faveur du développement durable. Quelle que soit leur taille et leur statut, les Français souhaitent voir l’ensemble des organisations (collectivités, administrations publiques) et des entreprises (PME, grands groupes, startups…) se mobiliser en faveur du développement durable.

SAP est un acteur exemplaire de la transition écologique et moteur de la transformation des organisations pour lutter contre le changement climatique.

SAP entend montrer l’exemple en se fixant pour objectif d’atteindre la neutralité climatique d’ici 2025 et s’engage à atteindre des objectifs de réduction des émissions de 1,5 °C fondés sur des données scientifiques en adéquation avec l’objectif à long terme de neutralité carbone. 100% d’énergies renouvelables alimentent le cloud de SAP et 94 % des employés de l’entreprise sont engagés en faveur du développement durable. L’entreprise est également signataire du Pacte mondial de l’ONU et membre d’associations partageant des valeurs communes, dont le CDP, la Value Balancing Alliance et la Fondation Ellen MacArthur. Par ailleurs, SAP est le premier éditeur de logiciels figurant en tête des indices Durabilité Dow Jones (DJSI).

SAP accompagne les organisations à atteindre leurs objectifs climatiques notamment via le programme Climate 21 et l’application SAP Product Carbon Footprint Analytics qui permet à aux entreprises utilisatrices d’analyser leurs émissions de gaz à effet de serre afin de réduire leur empreinte carbone et de contribuer au 13ème objectif des Nations Unies pour le développement durable : la lutte contre le changement climatique.

Retrouvez l’intégralité de l’étude :

.

*Baromètre réalisé par Odoxa sur un échantillon de 3 003 personnes représentatif de la population française âgée de 18 ans et plus entre le 13 et le 19 novembre 2020.

The post 5 ans après la COP21 : 87% des Français se disent concernés par l’avenir de la planète appeared first on SAP France News.

Source de l’article sur sap.com