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 :

  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 (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

/par

SAP et Amadeus pilotent le conseil industriel pour la recherche en intelligence artificielle

, , ,

 

“Cette initiative est née de notre profonde conviction que les entreprises, quelle que soit l’industrie, peuvent tirer parti du partage d’experiences.”

 

Il est ingénieur de formation, issu de Polytech’Nice-Sophia. Elle est diplômée en mathématiques appliquées et a validé une thèse en théorie de l’optimisation. Ils mènent leur carrière dans de grandes entreprises technologiques internationales. Et dirigent le Industrial Council of Artificial Intelligence Research (ICAIR). Olena Kushakovska (SAP) et Jean-Michel Sauvage (Amadeus) pilotent ensemble ICAIR depuis 2020. Ils ont une ambition claire pour l’organisation : accélérer le travail sur l’IA en mettant l’accent sur le développement durable. A l’occasion du 1er SAP Sustainability Summit, la directrice générale de SAP Labs France et le directeur R&D pour les solutions Revenue Management d’Amadeus se sont prêtés au jeu de l’interview croisée pour nous donner leur vision de l’IA durable.

  1. Quels sont les principaux avantages de l’IA dans votre secteur ?

Olena Kushakovska : Chez SAP, nous permettons à nos clients de devenir des entreprises intelligentes, d’utiliser les données pour bâtir des entreprises plus performantes, plus résilientes, plus rentables, plus agiles et plus durables. Nous mettons tout en œuvre pour que la réalité de l’entreprise intelligente soit pleinement intégrée avec les fonctionnalités d’Intelligence Artificielle.

Jean-Michel Sauvage : L’IA est une technologie majeure qui offre la meilleure utilisation possible des données et fournit un service plus performant, plus efficace, prévisible, personnalisé et à plus forte valeur ajoutée sur l’ensemble de la chaîne.

  1. Quand, pourquoi et comment vous êtes-vous engagé avec ICAIR ?

Olena : Amadeus et SAP sont membres fondateurs de ICAIR. La décision d’aller de l’avant a été prise entre Gilles Floyrac et moi il y a environ 2 ans. Gilles était le président d’Amadeus Nice à l’époque et la région Côte d’Azur venait de décrocher le label 3IA. Son idée était que les entreprises conduisent l’agenda industriel parallèlement au monde universitaire. Plus de 60 entreprises de la zone ont soutenu le projet 3IA. Nous avons contacté les entreprises que nous pensions intéressées (ex. IBM, ARM, NXP, Thales Alenia Space, Orange) et le “Club” est né. La réunion de mise en place entre les responsables de site pour sceller le club s’est tenue chez Amadeus puis la 1ère session de travail a eu lieu chez SAP en juin 2019.

Jean-Michel : Les techniques d’IA n’étant pas spécifiques à la résolution d’un problème, cette initiative est motivée par la forte conviction que les entreprises, même lorsqu’elles travaillent dans différents secteurs, peuvent bénéficier de l’apprentissage et du partage d’expériences sur les défis auxquels elles sont confrontées sur des problèmes techniques similaires.

« Nous nous efforçons d’utiliser l’IA de manière durable et d’atteindre les objectifs de durabilité de l’ONU au sein du secteur. » Olena KUSHAKOVSKA

  1. Qu’est-ce qui est spécial avec ICAIR ?

Jean-Michel : ICAIR se concentre sur la recherche appliquée, et à ce titre, est un moyen de lier la recherche fondamentale et les résultats académiques à leur application dans un environnement industriel.

Olena : ICAIR est à taille humaine, agile, diversifié, industriel, pratico-pratique, avec des cas d’utilisation réels. Des entreprises leaders dans le monde composent le conseil. Pour autant, il y a un faible niveau d’administration, une faible bureaucratie, mais beaucoup de bonne volonté et un grand écosystème. La bienveillance et le soutien sont sans faille, et l’implication continue !

  1. Pourquoi avoir choisi l’IA durable comme thème du programme ICAIR ? 

Jean-Michel : L’IA s’accompagne de défis, tant en termes de technologie, de puissance de calcul, que de biais d’apprentissage, ou de décisions humainement explicables. Nous pensons que l’IA peut être conçue et utilisée de manière durable et apporter de la valeur d’une manière qui respecte la planète et les communautés.

Olena : On questionne souvent l’IA en termes écologique ou éthique. Nous voulons envisager la durabilité dans un contexte beaucoup plus large, celui des objectifs de durabilité des Nations Unies. La durabilité s’entend comme la capacité de notre génération à atteindre ses objectifs, sans compromettre la capacité de la génération future à atteindre les leurs. Et ce, par rapport à toutes les ressources : naturelles, humaines, économiques. Nos efforts se concentrent sur l’IA durable pour atteindre les objectifs des Nations Unies au sein de l’industrie.

  1. Quel est le champ d’application d’ICAIR ?

Jean-Michel : ICAIR a été pensé de telle sorte que des chercheurs d’entreprises de Sophia Antipolis hébergeant des laboratoires de recherche travaillant dans différents contextes industriels, et sur différents sujets, puissent discuter et échanger leurs points de vue sur des questions communes liées à l’utilisation de l’IA dans leurs industries respectives.

Olena : Notre objectif est de travailler sur des projets communs et d’échanger sur les meilleures pratiques en matière d’apprentissage automatique et d’intelligence artificielle. Cela permettra de faire progresser les recherches en matière d’IA. Enfin, nous comptons utiliser notre puissance commune pour promouvoir la Côte d’Azur en tant que berceau de l’IA durable.

  1. Qu’est-ce qui vous motive personnellement ?

Olena : Ma volonté est de promouvoir notre grande collaboration, dans l’écosystème incroyablement riche sur le plan technologique et intellectuel de la Côte d’Azur, en montrant à nos maisons-mères que cet endroit est vraiment exceptionnel, et y développer une véritable communauté autour de l’IA. Je veux aussi que la France et l’Europe obtiennent la place qu’elles méritent dans le monde en ce qui concerne l’IA, en veillant à ce que l’IA soit utilisée à bon escient, que la Côte d’Azur soit identifiée comme l’endroit idéal pour l’IA durable, et enfin que les gens ne craignent plus l’IA.

Jean-Michel : Je suis un passionné d’aviation et d’informatique. Heureusement pour moi, les voyages et l’aviation en particulier sont des domaines pleins de défis combinatoires, très complexes à résoudre et à optimiser. Chez Amadeus, nous sommes déjà pleinement engagés dans le déploiement de l’IA. Nous sommes également engagés depuis de nombreuses années dans le développement de systèmes ouverts et interopérables, car nous pensons que c’est en combinant les meilleurs services « atomiques » que nous apporterons une plus grande valeur ajoutée à nos clients, à l’industrie du voyage et aux voyageurs. Mais nous savons aussi que, comme toute évolution de ce genre, elle a besoin de temps, d’expérience, de tests et d’apprentissage. L’IA s’accompagne de nombreuses questions et défis sans réponse. Avec ICAIR, nous faisons partie de l’apprentissage, de l’enseignement, et nous voulons y répondre de la bonne manière.

 

 

 

Les membres sont des entreprises internationales avec des sites sur la Côte d’Azur et menant des recherches en IA :

  • Accenture,
  • ACRI-ST,
  • AIRFRANCE KLM,
  • Amadeus,
  • ARM,
  • Hewlett Packard Enterprise,
  • IBM,
  • NXP Semiconductors,
  • Orange,
  • Renault Software Labs,
  • SAP Labs France,
  • STMicroelectronics,
  • Thales Alenia Space.

Le programme touche l’ensemble de l’écosystème du label 3IA de la Côte d’Azur :

  • Académiques : Institut 3IA, UCA (Université Côte d’Azur), Ecoles, Centres de Recherche
  • Secteurs d’activité : ICAIR, ClusterIA
  • Institutions : MIA, OTESIA, EuropIA
  • Associations : Telecom Valley, Pôle SCS

Des initiatives liées à l’IA lancées par ces acteurs soutiennent la dynamique territoriale de la Côte d’Azur. Elles se rapportent aux objectifs de développement durable des Nations unies et constituent le champ d’application du programme « IA durable ».

En savoir plus : ICAIR – Industrial Council of Artificial Intelligence Research

The post SAP et Amadeus pilotent le conseil industriel pour la recherche en intelligence artificielle appeared first on SAP France News.

Source de l’article sur sap.com

/par

Conseils pour bien choisir votre (nouveau) système ERP

, ,

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 :

  1. Définition des besoins en matière d’ERP
  2. Appel d’offres
  3. Evaluation de pré-sélection
  4. Comparaison des ERP et évaluation détaillée
  5. 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

/par

L’ERP Intelligent : la clé pour renforcer la résilience financière aujourd’hui et demain

, ,

L’argent est roi, certes mais pas que. C’est également l’un des éléments clés pour assurer la résilience et la continuité de l’activité sur le long terme. Il joue un rôle dans les challenges qui touchent l’entreprise, comme par exemple l’expérience collaborateur et client, le partenariat avec les fournisseurs ou mêmes les résultats financiers. Avec SAP S/4HANA, les entreprises peuvent répondre à tous ces enjeux en optimisant leur bilan.

Selon les partenaires de McKinsey, Kevin Laczkowski et Mihir Mysore, il est essentiel de combiner les compétences centrales avec des leviers financiers (tels que l’optimisation du bilan) pour renforcer la résilience, en prévision d’une récession ou d’une reprise.

Pour obtenir un tel avantage concurrentiel, il faut disposer d’informations intelligentes issues d’une infrastructure technologique axée sur l’intégration. En intégrant étroitement les systèmes et les données communes, les entreprises peuvent tirer parti de la rapidité et de l’agilité des outils in-memory pour dégager des modèles et perspectives cachés. Ce faisant, les entreprises peuvent consolider leurs opérations, maintenir des relations étroites avec leurs clients, développer l’agilité des chaînes logistiques dynamiques et gérer les ressources de manière plus synchronisée.

Une résilience optimisée grâce à des données ERP en temps réel et une connectivité intelligente

Bien que les systèmes hérités puissent automatiser différentes parties des opérations de gestion, ils ne peuvent pas fournir les informations en temps réel nécessaires pour régler le problème des surstocks ou offrir un service client à l’instant t. Trop souvent, les décisions sont basées sur des modèles transactionnels historiques peu centrés sur le client et trop rigides pour laisser place aux idées novatrices qui nécessiteraient d’être distribuées et adaptées dans toute l’entreprise.

Dès que l’entreprise passe à un progiciel de gestion intégré (ERP) intelligent, c’est une plateforme pour la reprise, la croissance et la résilience qui prend vie. Et en cette ère criblée d’incertitudes, il est grand temps de prendre conscience de cette force. Mais les dirigeants doivent d’abord sélectionner et implémenter une solution ERP qui offre des avantages quantifiables à l’échelle de l’entreprise : depuis le service client, les ventes et les stocks, jusqu’à la gestion du fonds de roulement, du coût des articles, de la main-d’œuvre et des frais généraux.

Envisagez de passer à SAP S/4HANA. Ses retombées n’ont pas tant affaire avec la taille de l’entreprise et le secteur d’activité. Il s’agit surtout de mettre en place un système informatique complet et unifié que tous les employés peuvent adopter et comprendre de façon intuitive. La solution relie directement les processus externes et tiers aux processus internes et aux structures de données, de manière suffisamment cohérente et flexible pour rendre des informations intelligentes rapidement accessibles, visibles et exploitables. 

Grâce à une visibilité accrue, des outils de prévision précis et des données pertinentes générées en temps réel sur les partenaires internes et externes, les entreprises peuvent, par exemple, abaisser considérablement leurs coûts de stock et améliorer leur taux de rotation de plus de 20 %. Nous ne parlons pas ici d’une réduction ponctuelle des dépenses, mais d’une vaste baisse continue des frais généraux dans les domaines du transport, de l’entreposage et de la manutention, avec en outre moins d’obsolescence, de frais d’assurance, de taxes, de dommages et de pertes au niveau des stocks. Même en ces temps où les taux d’intérêt diminuent, les entreprises peuvent réduire leurs coûts de stockage.

Voici les autres avantages à tirer de l’utilisation de SAP S/4HANA pour optimiser votre bilan :

1. Opérations hautes performances

Avec les fonctionnalités des solutions ERP intelligentes, les entreprises peuvent fabriquer et acheter les produits ou services dont elles ont besoin, et les livrer en temps voulu et à l’endroit convenu. Et tout s’opère avec l’agilité nécessaire pour ajuster les plans opérationnels et les pratiques, afin de répondre aux attentes des clients.

Les fonctionnalités prédictives de SAP S/4HANA permettent de revoir rapidement la planification des besoins en composants en tenant compte des données en temps réel. Elles permettent d’éliminer les décisions hypothétiques lors de la gestion des opérations internes, et de minimiser les en-cours de fabrication et les stocks de produits finis de manière optimale et précise.

2. Plus grande collaboration au sein du réseau de fournisseurs

L’amélioration des pratiques d’approvisionnement donne souvent lieu à des négociations plus poussées avec les fournisseurs, ce qui se traduit par des réductions de coûts et une hausse de 30 %d’efficacité dans les achats de matières premières (intrants). L’intégration et la collaboration étroites entre les fournisseurs renforcent la capacité de l’entreprise à planifier les changements, à négocier et à fournir une meilleure assurance qualité, avec plus de répercussions positives sur l’expérience finale du client.

SAP S/4HANA peut aider les entreprises à identifier et à éliminer les goulots d’étranglement dans les processus des chaînes logistiques, ainsi qu’à répondre à l’évolution de la demande. Les responsables opérationnels utilisent ces informations pour ajuster les quantités de produits et les délais de livraison. Leurs fournisseurs qui bénéficient d’une visibilité sur les besoins des consommateurs peuvent alors mieux remplir leurs obligations et répercuter les économies qui en résultent sur le prix de vente.

3. Optimisation de la main-d’œuvre

Avec des possibilités de prévision et d’organisation plus étendues, les cas de ruptures de stock et d’interruptions sont moins fréquents. Ces bons résultats offrent d’autres avantages : la gestion plus avisée des ressources, une meilleure qualité et une formation revalorisée ; moins de temps consacré aux commandes urgentes et reprises précipitées et moins d’heures supplémentaires effectuées par les collaborateurs ; et une contraction des travaux effectués dans des conditions stressantes et ne répondant pas aux attentes.

Avec SAP S/4HANA, les entreprises bénéficient d’une visibilité accrue sur l’évolution des priorités. Elles peuvent automatiser la communication avec les clients et fournisseurs, et fixer des dates de livraison judicieuses, ce qui est essentiel pour fidéliser les clients.

4. Opérations financières maîtrisées

Grâce à une expérience de livraison et de réception plus automatisée ainsi qu’à des contrats clients et fournisseurs bien négociés, les organisations peuvent optimiser leur solidité financière de manière à augmenter leur fonds de roulement.

SAP S/4HANA sert de base pour automatiser la gestion du recouvrement et des liquidités grâce à l’apprentissage automatique et à l’intelligence artificielle (IA). Cela peut conduire, en retour, à une baisse du nombre de jours de retard des créances et à des délais de facturation réduits de plus de 50 %, tout en limitant la fraude et en augmentant les liquidités disponibles. De plus, le processus de vérification automatisée passant par la mise en correspondance de trois facteurs favorise les remises fournisseurs, la planification de la trésorerie et les prévisions financières afin d’optimiser le capital à portée de main.

5. Cohérence et rentabilité du service client et des ventes

À l’aide des données expérientielles et opérationnelles qu’elles exploitent pour comprendre leurs clients, les entreprises peuvent exécuter des modèles de gestion ciblés et différenciés. Par exemple, les modèles de tarification qui répondent de manière créative aux besoins des clients peuvent prendre en charge le stock géré par le fournisseur, la facturation basée sur l’utilisation, les configurations de produits uniques et d’autres stratégies d’intégration à long terme.

En connectant étroitement les besoins des clients aux services de ventes et production, SAP S/4HANA donne aux entreprises les moyens d’offrir un service client plus prévisible et différencié, contribuant au chiffre d’affaires et à la fidélité des clients. Les améliorations apportées dans la gestion de la relation client donnent lieu à des livraisons dans les délais, avec moins de retours et de reprises, quelle que soit l’unicité du produit.

Gagner en force grâce à un bilan optimisé

Dans la dimension économique, nous arrivons à un point où les priorités des directeurs financiers dépassent le cadre de la finance. En plus de gérer les flux de trésorerie, les délais de recouvrement des créances ainsi que la comptabilité clients et fournisseurs en vue d’optimiser les flux de trésorerie, ceux-ci guident les tâches organisationnelles pour améliorer les processus de gestion et l’intelligence à l’échelle de l’entreprise. Plus important encore, après examen de leurs bilans et comptes de résultat, ils élaborent de nouvelles stratégies pour faire face aux incertitudes du marché actuel.

Avec une telle approche de la direction financière, les entreprises sont plus à même de se différencier et de pénétrer le marché de façon organique, tout en réduisant les créances et les stocks, en optimisant le nombre d’articles gérés en stock et la main-d’œuvre, et en accroissant le volume des ventes. Et plus les entreprises font preuve de résilience grâce à SAP S/4HANA, plus leur situation financière s’améliore : les cours des actions affichent une tendance à la hausse, les bénéfices augmentent et le chiffre d’affaires est plus prévisible.

Découvrez comment SAP S/4HANA peut vous aider à obtenir un bilan consolidant la résilience de votre entreprise, pour surmonter les difficultés d’aujourd’hui et se préparer au monde de demain. Consultez l’article « What Companies Should Do to Prepare for a Recession » (Ce que les entreprises doivent faire pour se préparer à la récession) de la Harvard Business Review et découvrez l’ERP intelligent d’aujourd’hui, SAP S/4HANA.

The post L’ERP Intelligent : la clé pour renforcer la résilience financière aujourd’hui et demain appeared first on SAP France News.

Source de l’article sur sap.com

/par

Qu’est-ce que le Big Data ?

, ,

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

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

L’importance de l’analyse du Big Data

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

How does Big Data and Analytics work? Simply Explained

Click the button below to load the content from YouTube.

Always allow YouTube

How does Big Data and Analytics work? Simply Explained

L’évolution du Big Data

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

44 zettaoctets de données numériques aujourd’hui, IDC

163 zettaoctets de données numériques en 2025, IDC

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

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

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

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

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

Les sources du Big Data

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

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

Données sociales

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

Données machine

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

Données altérables

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

Les cinq V du Big Data

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

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

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

Avantages du Big Data

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

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

IA et Big Data

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

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

Brandon Purcell, analyste, Forrester Research

Machine learning et Big Data

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

Technologies du Big Data

Architecture du Big Data

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

‍Analyse du Big Data

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

Big Data et Apache Hadoop

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

Lacs de données, entrepôts de données et NoSQL

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

Bases de données in-memory

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

Fonctionnement du Big Data

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

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

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

Applications du Big Data

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

Finance

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

Hygiène et santé
publique

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

Transport et logistique

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

Éducation

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

Énergie et services publics

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

Publié en anglais sur insights.sap.com

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

Source de l’article sur sap.com

/par

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

, ,

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

Le système ERP parfait existe-t-il ?

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

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

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

Votre logiciel ERP vous laisse-t-il tomber ?

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

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

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

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

Combien dépensez-vous pour votre ERP ?

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

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

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

Quel serait le coût d’un nouveau système ?

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

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

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

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

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

Comment justifier financièrement un nouveau système ERP ?

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

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

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

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

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

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

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

Source de l’article sur sap.com

/par

Faurecia choisit SAP SuccessFactors pour développer une nouvelle expérience collaborateur

, , ,

SAP annonce ce jour que l’équipementier automobile Faurecia a choisi SAP et SuccessFactors pour l’accompagner dans la digitalisation de ses processus RH afin de valoriser le potentiel de ses employés tout en leur permettant d’évoluer dans leur carrière de manière proactive.

Avec ses 266 sites industriels, 39 centres de R&D et ses 114 000 employés présents dans 35 pays, Faurecia est l’un des dix premiers équipementiers automobiles mondiaux proposant des solutions pour la Mobilité Durable et le Cockpit du Futur.

Simplifier les processus RH et développer les talents

Le SIRH de Faurecia s’est construit sur la base du développement de l’entreprise et des acquisitions externes, comptant jusqu’à 65 systèmes de paie différents.

Pour offrir un nouvelle expérience collaborateur, Faurecia a décidé de centraliser toutes ses données RH et la gestion de la paie en un unique endroit et une seule interface. L’objectif : promouvoir le développement individuel et profiter d’un panorama complet des processus RH qu’il s’agisse de la formation, la définition des objectifs et l’évaluation des performances des collaborateurs, la gestion des salaires et du personnel.

En choisissant SAP SuccessFactors, Faurecia a fait le choix d’un système collaboratif et accessible qui accompagne le développement du potentiel des collaborateurs par la formation, le management direct et les ressources humaines.

Des collaborateurs acteurs de leur carrière

Grâce à l’implémentation de la solution SAP SuccessFactors, Faurecia dispose d’un accès aux évaluations de performance et aux modèles de compétences de ses employés dans le monde entier, afin de leur proposer des formations adaptées à leurs objectifs et parcours professionnel. Cela offre aux managers la possibilité de mieux accompagner les salariés dans leur développement et leurs évolutions de carrière.

La mise en place de SAP SuccessFactors a permis à l’entreprise de profiter d’une source de donnée unique et d’une solution de paie intégrée facilitant de suivi des processus RH et la gestion de l’architecture du SIRH. Les informations RH sont dorénavant centralisées en un même endroit et accessibles en temps réel. Avec SAP SuccessFactors Mobile App, les managers peuvent organiser des entretiens à tout moment, depuis leur téléphone, avec tous les renseignements nécessaires sur le candidat. Grâce à l’intégration de SAP On-Prem Payroll et de Employees Central, le Groupe bénéficie de données de meilleure qualité et de l’enregistrement automatisé des informations RH.

Très bien accueillie par l’ensemble des collaborateurs grâce à une communication régulière, la solution est aujourd’hui pleinement adoptée par l’ensemble des acteurs de l’entreprise.

« SAP SuccessFactors a complètement changé la manière de promouvoir la formation en interne. Aujourd’hui, les employés peuvent d’eux-mêmes avoir accès au catalogue de formations et être pleinement acteur de leur développement professionnel. Nous profitons également de données plus qualitatives grâce à un système unique pour la paie et pour tous les processus RH facilitant ainsi notre visibilité sur le parcours des collaborateurs », explique Laurent Villemagne, Vice President, Group HR Information Systems & Controlling.

À propos de Faurecia

Fondé en 1997, Faurecia est devenu un acteur majeur de l’industrie automobile mondiale. Avec 266 sites industriels, 39 centres de R&D et 114 000 collaborateurs répartis dans 35 pays, Faurecia est un leader mondial dans ses quatre domaines d’activités : Seating, Interiors, Clarion Electronics et Clean Mobility. Son offre technologique forte fournit aux constructeurs automobiles des solutions pour le Cockpit du futur et la Mobilité durable. En 2020, le Groupe a réalisé un chiffre d’affaires de 14,7 milliards d’euros.

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 Faurecia choisit SAP SuccessFactors pour développer une nouvelle expérience collaborateur appeared first on SAP France News.

Source de l’article sur sap.com

/par

Qu’est-ce que le data management ?

, ,

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

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

Petite infographie qui illustre les principaux éléments du data management

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

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

Pourquoi le data management est-il important ?

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

Transformer le Big Data en actif à forte valeur ajoutée

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

163 zettaoctets de données en 2025 (IDC)

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

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

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

Créer une infrastructure de données qui favorise la transformation numérique

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

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

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

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

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

Donald Feinberg, vice-président de Gartner

Garantir la conformité aux lois en matière de confidentialité des données

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

Systèmes et composants du data management

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

Systèmes de gestion de base de données (SGBD)

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

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

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

Entrepôts et lacs de données

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

Gestion des données de base (MDM)

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

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

Définition de la gestion des données de base par Gartner

Gestion du Big Data

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

Intégration des données

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

Gouvernance, sécurité et conformité des données

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

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

Business Intelligence et analyses

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

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

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

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

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

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

Évolution du data management

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

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

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

– Gartner

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

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

Synthèse

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

Pictogramme qui représente un entrepôt de données

Solutions de data management et de bases de données

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

En savoir plus

Publié en anglais sur insights.sap.com

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

Source de l’article sur sap.com

/par

Mener la belle vie avec la conscience tranquille : c’est possible !

, ,

Auparavant, « mener la belle vie » signifiait jouir du confort et du luxe, loin des problèmes financiers et des préoccupations environnementales. Ce n’est plus le cas aujourd’hui.

Selon une récente étude Harris/Ketchum commandée par Sustainable Brands, une communauté mondiale d’innovateurs de marque, la définition d’une belle vie a changé. Plutôt que l’argent, le statut et les réalisations personnelles, aujourd’hui, « la base d’une vie bien vécue repose sur l’équilibre, la simplicité et des liens plus étroits avec la famille, la communauté et l’environnement ».

Selon les sources, la recherche indique qu’environ 65 à 95 % des personnes veulent désormais vivre une vie plus durable et acheter des produits qui soutiennent un avenir plus durable. Cela a un impact considérable sur les sociétés qui souhaitent rester compétitives dans ce nouveau contexte.

Comment les marques évoluent-elles alors pour répondre aux besoins et aux aspirations des consommateurs qui apprécient la simplicité, la transparence, l’authenticité et la durabilité plutôt que les biens personnels et l’apparence ?

Appliquer la théorie

Les objectifs et la vision des marques durables sont clairs. Elles créent des feuilles de route pour développer en permanence des pratiques commerciales plus durables. Elles excellent dans le leadership éclairé, l’innovation et les meilleures pratiques pour façonner une culture où la vie durable constitue la base de la belle vie de demain.

En voici quelques exemples sympathiques.

Procter & Gamble, géant des produits de consommation courante, a augmenté d’un cran ses initiatives en termes d’économie circulaire en fabriquant des bouteilles à partir du plastique ramassé sur les plages et repêché dans les océans. La société s’est également engagée à recycler et à récupérer 5 milliards de litres d’eau par an de ses processus de fabrication. Elle s’attaque même à un problème que personne d’autre ne semble savoir résoudre : la société a inventé une technologie capable de redonner de la valeur aux déchets, comme la cellulose plastique des couches jetables sales.

À Haïti, une des conséquences involontaires des opérations de secours après le séisme dévastateur de 2010 a été l’accumulation de montagnes de bouteilles plastique sur toute l’île. Des bouteilles d’eau vides et les emballages des fournitures expédiées pour aider les Haïtiens se sont retrouvés dans les canaux, sur les plages et dans les rues. Le système de collecte des déchets du pays s’est alors effondré. Aujourd’hui, ces bouteilles trouvent une seconde vie sous la forme de cartouches d’imprimante. À travers un projet de recyclage radical, HP, une société qui voit la circularité comme une approche liée au cycle de vie des produits, collabore avec divers partenaires pour créer de nouveaux emplois, offrir une formation en matière de santé et de sécurité et instruire des centaines d’enfants qui collectaient auparavant des déchets pour venir en aide à leur famille.

Parvenir à la belle vie

En mai 2019, plus de 2 500 représentants de la communauté Sustainable Brands se sont rassemblés à Détroit afin de faire part de leurs efforts et de s’inspirer de ce que font les autres pour agir et avoir la conscience tranquille, tout en fournissant des produits et des services qui répondent aux besoins et aux visions des clients et des consommateurs.

Cette conférence de quatre jours attire des leaders éclairés, des innovateurs, des experts du développement durable et des stratèges de marque du monde entier. L’événement principal est l’exposition Innovation Expo. Les participants peuvent s’inscrire à des ateliers, à des laboratoires d’innovation et à des activités de programmation centrés sur l’amélioration du monde.

L’exposition est divisée en pavillons « Belle vie » dédié aux différents secteurs du marché tels que la chimie, l’énergie et la finance, ainsi qu’à des sujets tels que la circularité et la gestion des ressources. Une section est même consacrée aux revues qui sont capables d’inspirer des changements comportementaux, comme le National Geographic.

En tant que sponsor « Good Life Lounge » pour l’économie circulaire, SAP organise plusieurs dialogues interactifs sur des sujets stratégiques. La question de la pollution plastique des océans est un des sujets de la conférence auquel les dirigeants de SAP sont très attachés.

Notre génération a fait la différence

The Knowledge That our Generation Has Made a Difference

Click the button below to load the content from YouTube.

Always allow YouTube

The Knowledge That our Generation Has Made a Difference

Vidéo d’Angela Klose

Une direction qui a du sens

En 2018, Stephen Jamieson, responsable de SAP Leonardo au Royaume-Uni et en Irlande, a participé à la création de « Plastics Cloud », une plateforme pour s’attaquer au problème du plastique à usage unique. L’initiative compile des informations et utilise l’apprentissage automatique pour identifier les matériaux et les tendances prévisionnelles en matière d’achat et de recyclage de matières plastiques, ce qui permet aux services de répondre à la demande. Elle partage également des données avec les consommateurs pour les aider à comprendre l’impact qu’ils ont au sujet des matières plastiques.

Entre-temps, Padmini Ranganathan, vice-présidente globale Produits et innovation chez SAP, a inclus Plastics for Change dans Ariba Network, de façon à intégrer l’économie informelle des collecteurs de déchets dans un système d’offre et de demande de matériaux secondaires plus formalisé.

L’initiative de Stephen Jamieson et le travail de Padmini Ranganathan avec les collecteurs de matières plastiques ont été deux des principaux facteurs qui ont poussé SAP à parrainer le sommet Ocean Plastic Leadership Summit dirigé par Jim Sullivan, responsable de l’Innovation durable chez SAP, et Alexandra van der Ploeg, responsable de la Responsabilité sociale d’entreprise chez SAP.

Comme l’a dit Mohammed Ali « l’impossible est temporaire ». Ce paradigme a été répété à maintes reprises par les 170 producteurs, scientifiques, chercheurs et innovateurs participant au sommet océanique. Bien que la pollution plastique des océans soit un immense défi, Jim Sullivan estime que si les gouvernements, les organisations non gouvernementales (ONG), les consommateurs et les leaders industriels s’associaient, il serait possible de le relever en dix ans. La plupart du plastique est rejeté dans l’océan par cinq cours d’eau en Asie. Les experts estiment qu’en réduisant la quantité des matières plastiques déversées dans les cours d’eau de seulement 20 % au cours des sept prochaines années, les océans reviendraient aux niveaux de pollution plastique des années 1990.

La technologie pour y parvenir existe déjà. C’est l’investissement nécessaire au développement de cette infrastructure essentielle qui fait défaut, et ce manque s’accentue encore plus du fait de l’échec du système d’offre et de demande de matériaux recyclés.

Les entreprises durables jouent un rôle majeur dans la solution. Elles transforment leurs activités avec des modèles circulaires qui permettent aux consommateurs et aux producteurs de refuser, de réduire, de réutiliser et de recycler. Ensemble, ils créent une assise durable pour mener la belle vie, selon la nouvelle définition qu’on lui prête.

Publié en anglais sur news.sap.com. 

The post Mener la belle vie avec la conscience tranquille : c’est possible ! appeared first on SAP France News.

Source de l’article sur sap.com

/par

SAP France accompagne La Ruche pour aider à réduire les inégalités femmes / hommes dans l’entrepreneuriat tech

, , ,

SAP France poursuit son engagement en faveur d’une Tech au service de l’impact en accompagnant le programme, Les Ambitieuses Tech For Good, du réseau d’incubateurs La Ruche. Parce qu’en France, les femmes ne représentent que 9% des entrepreneurs dans le secteur des nouvelles technologies, La Ruche, avec l’aide de SAP, souhaite relever un défi de taille : réduire les inégalités femmes / hommes dans les nouvelles technologies.

Ce programme d’accélération à destination de startup à impact dirigées par des femmes, est soutenu par des mentors SAP qui les accompagnent et apportent leurs expertises pour les aider à se développer.

Au programme : parité, impact social et nouvelles technologies.

Via cette nouvelle collaboration aux côtés de La Ruche, SAP poursuit ses engagements en faveur de la parité Femmes/Hommes dans la Tech et compte sur ses collaborateurs volontaires pour accompagner pendant 9 mois une partie des 10 femmes entrepreneures retenues par La Ruche. L’objectif : les aider à développer leur startup sociale tant sur le plan opérationnel que stratégique grâce aux nouvelles technologies.

Les nombreux avantages du programme Les Ambitieuses Tech For Good :

  • Le programme se déroule à La Ruche, espace de travail collaboratif et spécialisé dans l’entrepreneuriat responsable.
  • Le programme d’accélération est sur mesure et assuré par La Ruche avec : 9 sessions de mentorat, 6 jours de workshop, des mises en relation avec des experts et une préparation intensive pour passer du business plan à la levée de fonds.
  • Un prix coup de pouce est décerné à la fin de l’accélération.

SAP France : un partenaire engagé et de longue date en faveur de l’entrepreneuriat tech au féminin.

Pour SAP, les technologies sont un facteur d’intégration et de développement au-delà de toute discrimination. Ainsi, le Groupe tire parti de son expertise et de ses talents comme effet de levier pour contribuer à résoudre des enjeux sociaux de premier plan et engage des partenariats diversifiés avec diverses structures associatives en impliquant ses collaborateurs. Sa participation au précédent programme Les Ambitieuses Tech For Good est une des nombreuses illustrations de l’engagement de SAP sur ces enjeux. Elle  a permis le développement de plusieurs beaux projets comme celui de Ewen Life en 2019 qui vise à soutenir la valorisation et la formation auprès de personnes atteintes de maladies rares dans la gestion de la maladie de manière émotionnelle et sociale. En 2020, le projet Aaliatech a mis en place un chatbot de traduction de langues des dialectes du milieu médical pour faciliter les échanges entre les médecins et les patients étrangers.

« Le mentorat mis en place par les équipes de SAP autour de nos entrepreneures Tech for Good, est un vrai outil d’accélération pour nos startups sociales ! L’écoute, la bienveillance et la pertinence des mentors mobilisés ont permis à Samah fondatrice de Aaliatech de bénéficier de retours concrets et motivants lui permettant de structurer efficacement sa stratégie commerciale. À La Ruche, nous sommes convaincus que la valeur d’un bon accompagnement réside dans la mobilisation des bonnes ressources au bon moment et les équipes de SAP ont su être ces ressources précieuses pour nos Ambitieuses Tech for Good lors de la précédente édition. » Gaspard Lefèvre, Responsable de programme incubation, La Ruche Paris

« Ce que l’accompagnement SAP4Good m’a apporté est une grande dose de soutien et d’encouragement dans la poursuite de mon projet. J’ai pu recevoir de précieux conseils d’experts avisés pour mieux appréhender les enjeux et défis liés à l’entreprenariat. C’est toujours un plaisir d’échanger avec les mentors : après nos sessions je repars avec un boost d’énergie et de bonne humeur ! » Samah Ghalloussi, CEO AALIA.tech

A qui s’adresse ce programme et comment postuler ?

Toute femme entrepreneure à impact, utilisant le numérique ou la Tech pour avoir un impact positif, ayant une première preuve de concept ou une solution aboutie et souhaitant accélérer le développement de sa startup peut postuler à la nouvelle édition Les Ambitieuses Tech for Good.

Les candidates peuvent déposer leurs dossiers de candidature ici jusqu’au 23 mars 2021 minuit. Les dossiers pré-sélectionnés pourront participer à des formations gratuites dédiées à booster la stratégie de développement, les 6 et 7 avril 2021, à Paris. Après des sessions de pitch en régions, les 10 startups sélectionnées commenceront leur programme d’accélération le 12 avril jusqu’au 31 décembre 2021.

The post SAP France accompagne La Ruche pour aider à réduire les inégalités femmes / hommes dans l’entrepreneuriat tech appeared first on SAP France News.

Source de l’article sur sap.com

/par