La création d’un code de transaction de compensation pour les participants à Saga est une étape importante pour assurer une expérience de jeu équitable et sécurisée.
La saga Pattern est utilisée pour fournir une intégrité des données entre plusieurs services et le faire pour des transactions potentiellement à long terme. Il existe de nombreux blogs, superficiels car ils tendent à l’être, sur les sagas et les transactions à long terme. Dans cet article, je ne rentrerai pas dans les détails en comparant les avantages et les inconvénients des sagas avec le protocole XA deux phases (2PC), le verrouillage distribué, etc., et je dirai simplement que XA et 2PC nécessitent des verrous distribués (inconvénient) qui gèrent les propriétés ACID de sorte que l’utilisateur puisse simplement exécuter un rollback ou un commit (avantage) alors que les sagas n’utilisent que des transactions locales et n’ont donc pas besoin de verrous distribués (avantage) mais nécessitent que l’utilisateur implémente la logique de compensation, etc. (inconvénient). Comme l’a dit Teddy Roosevelt, «Rien de bon ne vient facilement».
Ce que je ferai, c’est montrer un exemple de code complet d’une application microservices impliquant une saga, y compris la logique de compensation des participants, qui peut être trouvée dans ce dépôt.
La saga pattern est utilisée pour assurer l’intégrité des données entre plusieurs services et pour effectuer des transactions de longue durée. Il existe de nombreux blogs, superficiels, sur les sagas et les transactions de longue durée. Dans cet article, je ne vais pas entrer dans les détails en comparant les avantages et les inconvénients des sagas avec le protocole XA à deux phases (2PC), le verrouillage distribué, etc., et je dirai simplement que XA et 2PC nécessitent des verrous distribués (inconvénient) qui gèrent les propriétés ACID de sorte que l’utilisateur puisse simplement exécuter un rollback ou un commit (avantage), alors que les sagas n’utilisent que des transactions locales et ne nécessitent donc pas de verrous distribués (avantage) mais nécessitent que l’utilisateur implémente la logique de compensation, etc. (inconvénient). Comme l’a dit Teddy Roosevelt : «Rien de bien ne vient facilement».
Ce que je vais faire, c’est montrer un exemple de code complet d’une application microservices impliquant une saga, y compris la logique de compensation des participants, qui peut être trouvée dans ce dépôt.
L’utilisation des sagas pour gérer les transactions de longue durée est une pratique courante dans le développement d’applications microservices. Les sagas sont un moyen efficace de garantir l’intégrité des données entre plusieurs services et de gérer les transactions à long terme. Les sagas sont une bonne alternative aux protocoles XA à deux phases (2PC) et au verrouillage distribué car elles n’utilisent que des transactions locales et ne nécessitent pas de verrous distribués. Cependant, elles nécessitent que l’utilisateur implémente la logique de compensation, etc., ce qui peut être complexe et prendre du temps.
Les sagas sont une excellente solution pour gérer les transactions à long terme car elles offrent une grande flexibilité et une bonne gestion des données. Les sagas sont particulièrement utiles pour les applications qui impliquent plusieurs services car elles peuvent garantir la cohérence des données entre ces services. De plus, les sagas peuvent être facilement mises en œuvre dans un environnement microservices car elles peuvent être facilement intégrées aux services existants. Enfin, les sagas peuvent être facilement mises à jour pour prendre en charge les changements dans le système et ainsi garantir la cohérence des données.
Les sagas sont un outil puissant pour garantir l’intégrité des données entre plusieurs services et pour gérer les transactions à long terme. Bien qu’elles nécessitent une implémentation complexe et prennent du temps, elles offrent une grande flexibilité et une bonne gestion des données. Elles peuvent également être facilement intégrées aux services existants et mises à jour pour prendre en charge les changements dans le système. Les sagas sont donc un excellent outil pour garantir la cohérence des données entre plusieurs services et pour gérer les transactions à long terme.
https://ankaa-pmo.com/wp-content/uploads/2023/04/creation-de-code-de-transaction-de-compensation-pour-saga-participant.jpg375600Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2023-04-03 03:35:522023-04-03 03:35:52Création de code de transaction de compensation pour Saga Participant
Découvrez comment analyser et classer le sentiment des textes en Java grâce à cet article ! Nous allons vous guider pas à pas pour vous aider à maîtriser cette technique.
L’empathie mutuelle joue un rôle clé dans la définition du succès de la relation entre une entreprise et ses clients
De la même manière que l’empathie mutuelle définit le développement de relations à long terme avec nos amis, elle joue également un rôle clé dans la définition du succès de la relation de notre entreprise avec ses clients. Lorsque les clients prennent le temps de taper leurs pensées et leurs sentiments dans une critique d’un produit ou d’un service, partager leurs sentiments via une plate-forme de médias sociaux ou fournir des commentaires via un médium similaire, il est de notre devoir d’éprouver de l’empathie pour eux en tant qu’êtres humains et de déterminer collectivement comment ils se sentent par rapport à ce qu’ils ont vécu. En utilisant des solutions programmatiques, nous pouvons rapidement analyser et ensuite ajuster (ou maintenir) l’expérience que nous offrons à nos clients à grande échelle, améliorant efficacement les relations des clients avec notre marque.
Bien sûr, contrairement au cerveau humain, les ordinateurs ne sont pas élevés et socialisés pour tirer des conclusions émotionnelles spécifiques d’une langue humaine en évolution. Ils doivent être formés pour le faire – et c’est là que le domaine de l’analyse et de la classification des sentiments entre en jeu. En utilisant des techniques de traitement du langage naturel (NLP), nous pouvons former des algorithmes d’apprentissage automatique pour analyser et classer des sentiments uniques dans le texte. Ces algorithmes peuvent être entraînés sur des jeux de données étiquetés qui contiennent des exemples de phrases et de leurs sentiments associés. Une fois entraînés, ces algorithmes peuvent être appliqués à des données non étiquetées pour prédire le sentiment associé à chaque phrase.
Les algorithmes d’analyse et de classification des sentiments peuvent être utilisés pour comprendre les sentiments des clients à l’égard de votre marque, produit ou service. Les données collectées peuvent être analysées pour déterminer si les clients sont satisfaits ou insatisfaits, et pourquoi. Les données peuvent également être utilisées pour identifier les points forts et les points faibles du produit ou du service, ainsi que pour comprendre les tendances et les préférences des clients. Les données peuvent également être utilisées pour améliorer l’expérience client en répondant aux besoins et aux préférences des clients. Enfin, les données peuvent être utilisées pour aider à développer des stratégies marketing plus efficaces et plus ciblées.
https://ankaa-pmo.com/wp-content/uploads/2023/04/analyser-et-classer-le-sentiment-des-textes-en-java.jpg375600Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2023-04-01 12:41:062023-04-01 12:41:06Analyser et Classer le Sentiment des Textes en Java
En triant de vieux cartons dans mon garage, mon fils est tombé sur ma collection de films des années 1980 et 1990. Tandis que je le regardais exhumer les cassettes VHS, les DVD et quelques LaserDiscs de cette capsule temporelle de ma jeunesse, j’ai réalisé à quel point nous avons rapidement cessé de stocker nos films sur des étagères pour nous tourner vers le visionnage en streaming à la demande, sur un seul et même terminal qui tient dans une poche.
Plus frappantes encore sont les leçons tirées de chaque évolution de la livraison à domicile. Certaines entreprises ont conservé des modèles économiques classiques, convaincues que toute nouveauté n’est qu’une passade. D’autres se sont adaptées à chaque fois qu’elles se sont senties réellement menacées par la concurrence.
Mais les entreprises qui ont réellement tiré leur épingle du jeu sont celles qui ont mis en place et pérennisé de vraies innovations transformationnelles, avec la volonté assumée de toucher de nouveaux marchés, d’attirer de nouveaux clients et de répondre aux demandes et aux attentes.
Malheureusement, la plupart des entreprises de taille moyenne n’ont pas encore assimilé cette leçon en matière d’innovation. D’après un Info Snapshot IDC sponsorisé par SAP, seules 18 % des entreprises interrogées jugent que la transformation de leur modèle économique est une priorité – ce qui suggère que la plupart d’entre elles comptent seulement réagir aux bouleversements du secteur.
« Globalement, les entreprises de taille moyenne n’accordent pas la priorité à l’innovation, même si la rapidité d’adaptation et l’évolutivité stratégique sont inscrites dans leur ADN », explique Jeremy Rader, directeur général Stratégie et solutions d’entreprise (ESS) des groupes Data Platforms (DPG) et Cloud & Enterprise Solutions (CESG) d’Intel. « Soyons réalistes : le temps, l’argent et les ressources sont déjà comptés. Mais la technologie cloud peut permettre de rendre l’innovation plus abordable et plus facile à gérer pour celles qui explorent de nouvelles opportunités de transformation, moins coûteuses, moins risquées, et découvrent ainsi de meilleures manières de rester compétitives. »
Une étape essentielle pour assurer la prospérité d’une entreprise
Les défis de gestion et les demandes du marché sont chaque jour plus complexes, substantiels, et de plus grande envergure. Mais plutôt que de suivre chaque nouvelle tendance en matière de produits, chaque évolution des clients ou chaque innovation de la concurrence, les entreprises doivent concevoir les produits et services dont leur clientèle a réellement besoin. Cela implique d’établir une passerelle entre le cycle de vie des produits et des données de qualité, prises en charge par une plateforme interconnectée dotée des fonctions de gestion, d’analytique et d’intelligence artificielle nécessaires pour les collecter, les intégrer et les contextualiser en temps réel.
« Le plus grand obstacle à l’innovation est la crainte du changement et de l’échec », rappelle M. Rader. « Quand les gens sont capables de gérer, de protéger, de contextualiser et d’analyser des volumes considérables de données en toute confiance, ils ont toutes les clés pour obtenir des résultats plus significatifs, quoi qu’ils fassent. Tout cela commence par la mise en place d’une plateforme cloud interconnectée et fiable. »
Lorsque les données de différents services et fonctions (marketing, ventes, services, opérations et finances) sont intégrées, consolidées et recoupées avec la veille concurrentielle, les entreprises de taille moyenne sont mieux à même de justifier leurs investissements dans l’innovation produit. Elles peuvent alors établir le calendrier, les étapes, l’expertise et les technologies nécessaires pour concrétiser ces innovations d’une manière qui favorise la croissance.
Lorsqu’une entreprise obtient les bonnes données et sait comment en tirer les insights stratégiques dont elle a besoin, une culture de l’innovation commence à se mettre en place. Par exemple, les collaborateurs se mettent à surveiller étroitement les indicateurs de performance clés qui évaluent la demande de produits, la satisfaction client et les inquiétudes des services au regard des performances financières, de manière à pouvoir réagir plus rapidement et efficacement aux bouleversements.
Une innovation alimentée par les données pour garder une longueur d’avance
Les entreprises de taille moyenne ne peuvent pas se permettre de perdre du temps, ni de réaliser un projet d’innovation en se contentant d’espérer qu’il fonctionne. Mais ne pas innover est un risque encore plus grand dans un marché en constante évolution, rempli de clients qui en attendent chaque jour davantage.
Et lorsque les entreprises accordent davantage d’attention à la qualité et à l’impact de ces données, l’innovation n’est plus reléguée au second plan, comme une activité dont chacun sait qu’elle est nécessaire sans pouvoir s’y consacrer. Il devient possible d’allouer les ressources adéquates à explorer les opportunités, expérimenter de nouvelles idées et renforcer son avantage concurrentiel.
Si vous souhaitez approfondir la question, regardez la rediffusion du webinaire sponsorisé par Intel sur la manière dont les entreprises de taille moyenne peuvent favoriser une culture de l’innovation, dans le cadre de notre série #ConnectGrowWin.
– Par Richard Howells, vice-président Gestion des solutions pour la Supply Chain numérique, SAP
https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.png00Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2023-02-01 17:22:562023-02-01 17:22:56L’innovation continue : le véritable levier de compétitivité des entreprises de taille moyenne
SAP NEWSBYTE – 24 octobre 2022 – SAP SE (NYSE : SAP) a annoncé la réalisation d’une nouvelle enquête qui révèle que les principaux décisionnaires s’attendent à ce que les problèmes et les perturbations sans précédent de la chaîne d’approvisionnement, auxquels les entreprises américaines sont confrontées depuis des années, ne soient pas encore terminés.
Plus de la moitié (52 %) des personnes interrogées pense que leur chaîne d’approvisionnement doit encore être améliorée et près de la moitié (49 %) s’attend à ce que les problèmes actuels de la chaîne d’approvisionnement durent jusqu’à la fin de 2022. Une personne sur trois affirme qu’ils dureront jusqu’à la fin de l’été 2023. Voici pourquoi :
L’agitation politique mondiale est le principal facteur à l’origine des problèmes actuels de la chaîne d’approvisionnement. Les chefs d’entreprise déclarent que les problèmes rencontrés actuellement sur leur chaîne d’approvisionnement sont principalement dus à l’instabilité politique mondiale (58 %), au manque de matières premières (44 %) et à la hausse des coûts du carburant et de l’énergie (40 %). Seuls 31 % ont cité l’inflation comme un facteur important.
Le coût reste un problème alors que les entreprises rattrapent les pertes de revenus dues à la pandémie. Les entreprises n’étaient pas préparées à ce changement radical du comportement d’achat des consommateurs pendant la pandémie et en ont subi les conséquences financières. Environ la moitié des chefs d’entreprise ont constaté un impact financier dû aux problèmes de chaîne d’approvisionnement depuis le début de la pandémie, notamment :
Une diminution des revenus (58%)
Obligation de prendre de nouvelles mesures de financement, comme des prêts commerciaux (54 %)
Impossibilité de payer les employés (50 %)
Des loyers impayés (42%)
Afin de couvrir les coûts supplémentaires liés aux problèmes de chaîne d’approvisionnement, les chefs d’entreprise sont plus nombreux à déclarer qu’ils ont dû recourir au gel des salaires et des recrutements (61%) et à la suppression de postes (50%). Seuls 41% ont choisi d’augmenter le prix de leurs produits/services.
L’impact des problèmes de chaîne d’approvisionnement sur la période des fêtes en 2022
La saison des achats pour les fêtes en 2021 a été tout sauf normale, les chaînes d’approvisionnement ayant été sur-sollicitées. Bien que de nombreuses entreprises aient commencé à se préparer, des questions subsistent quant à la manière dont cette année se déroulera.
Commençons par les consommateurs. Une étude réalisée par SAP auprès de 1 000 consommateurs américains a révélé que près de la moitié d’entre eux (45 %) déclare que le prix est le principal facteur qu’ils prennent en compte dans leur décision d’achat et que 73 % considère qu’il s’agit du troisième facteur le plus important. Avec l’inflation qui fait grimper les coûts et une récession potentielle qui inquiète les consommateurs, il n’est pas surprenant que 65 % prévoit de réduire le budget de dépenses pour les fêtes et que 54 % s’attend à ce que l’inflation ait un impact sur la façon dont ils achèteront leurs cadeaux de Noël, 39 % faisant davantage d’achats en ligne.
Les chefs d’entreprise anticipent la tendance des achats en ligne, 73 % d’entre eux prévoyant une augmentation du volume du commerce électronique cette saison par rapport à l’année dernière. Pour vendre leurs propres produits, les chefs d’entreprise prévoient de miser sur ces points de différenciation :
– La rapidité de la livraison (64%)
– Excellent service client (57%)
– Disponibilité des produits (52%)
– Références en matière de durabilité (47%)
– Réductions de prix (42%)
– Fabrication aux États-Unis (38%)
Les entreprises fortifient leurs chaînes d’approvisionnement pour l’avenir
Toutes les entreprises ont déclaré que leur chaîne d’approvisionnement devait être améliorée dans une certaine mesure, et elles procèdent à des changements importants pour se préparer aux perturbations futures et fortifier leurs chaînes d’approvisionnement. Les chefs d’entreprise prévoient :
– d’adopter de nouvelles technologies pour surmonter les difficultés (74 %)
– de mettre en œuvre de nouvelles mesures d’urgence (67 %)
– de donner la priorité aux solutions de chaîne d’approvisionnement basées aux États-Unis (60 %)
– de trouver de nouvelles solutions de chaîne d’approvisionnement qui soient respectueuses de l’environnement (58 %).
Près de deux entreprises sur trois (64 %) passent d’une chaîne d’approvisionnement “juste à temps” à une chaîne d’approvisionnement “juste au cas où”, en augmentant la quantité de stocks qu’elles entreposent. En fait, 63 % pensent que les États-Unis devraient adopter cette approche pour surmonter les crises potentielles de la chaîne d’approvisionnement.
« Le passage au “juste au cas où” signifie que les entreprises vont entreposer davantage de stocks pour répondre à la demande des clients, mais cela signifie également une augmentation des coûts », selon Scott Russell, Membre du Conseil Exécutif de SAP, Customer Success. « La gestion de la chaîne d’approvisionnement est un exercice d’équilibre constant. Au cours des deux dernières décennies, l’approche “juste à temps” a troqué la résilience contre l’efficacité et la réduction des coûts, ce qui a fragilisé la chaîne logistique. La pandémie et l’effet boule de neige des perturbations connexes ont révélé cette fragilité, ce qui a amené les organisations à se recentrer sur la résilience. Pourtant, le coût reste un facteur, surtout dans le contexte économique actuel. La technologie peut aider les entreprises à trouver le bon équilibre en permettant une collaboration en temps réel entre les partenaires commerciaux. »
SAP aide les entreprises à répondre à la demande grâce à une meilleure visibilité sur des opérations réparties dans le monde entier, à une meilleure collaboration avec les partenaires commerciaux et à une meilleure connaissance des risques, tout en opérant de manière plus durable.
C’est là que les réseaux d’entreprise entrent en jeu. Pour plus d’informations sur la façon dont SAP peut aider à renforcer la résilience de la chaîne d’approvisionnement avec SAP Business Network, visitez le site sap.com/businessnetwork.
Les résultats sont basés sur une enquête menée fin août et début septembre 2022 auprès de 400 hauts responsables de la logistique et de la stratégie de la chaîne d’approvisionnement de petites, moyennes et grandes entreprises basées aux États-Unis.
https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.png00Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2022-10-27 09:47:012022-10-27 09:47:01Une nouvelle étude prévoit l’état des chaînes d’approvisionnement aux États-Unis en 2023
New Zealand Rugby (NZR) a annoncé la signature d’un partenariat majeur pluriannuel avec SAP afin d’accélérer la transformation numérique de l’Union de Rugby. SAP, tout premier grand partenaire technologique de NZR, devient à la fois un Partenaire Officiel Mondial Premium, un Partenaire Technologique Officiel, et le Partenaire Officiel des Logiciels Cloud des « équipes en noir »*, notamment les All Blacks et les Black Ferns.
Leader du marché des logiciels d’application d’entreprise, SAP possède l’expertise, les solutions et l’envergure nécessaire pour créer une infrastructure technologique plus efficace, connectée et innovante pour NZR. Les deux organisations collaboreront pour identifier et mettre en œuvre des solutions Cloud novatrices, et connecter les données dans des domaines clés, afin de fournir un avantage concurrentiel sur et en dehors du terrain aux équipes, et plus largement à tout l’écosystème de NZR.
Ce partenariat permettra à NZR d’exploiter les solutions SAP et d’innover dans quatre domaines clés : créer un système de gestion intégré pour diriger et améliorer ses opérations, parfaire l’expérience des supporters, réaliser des objectifs de développement durable pour l’organisation et explorer la manière dont l’utilisation des données et des solutions peut favoriser la performance des équipes.
Opérations organisationnelles : l’utilisation d’un hub digital de solutions SAP pour créer des systèmes interconnectés permettant à NZR de tirer le meilleur parti de la puissance de ses systèmes et des données hors terrain, afin de mieux soutenir leurs équipes en place.
Performance de l’équipe : en implémentant SAP SuccessFactors et en se dotant d’une source unique de données RH, NZR compte améliorer l’expérience de ses membres et leur permettre ainsi d’atteindre leur plein potentiel.
Expérience des fans : créer de nouvelles façons de se connecter et de dialoguer avec la base de supporters locaux et mondiaux de NZR, tout en exploitant les nouvelles technologies et plateformes, afin qu’ils se rapprochent de leurs équipes et joueurs préférés.
Impact environnemental : exploiter les solutions et les capacités numériques permettant à NZR de gérer de manière holistique ses performances en matière de durabilité, tout en soutenant la stratégie plus large de NZR en matière de responsabilité sociale et d’environnementale (RSE).
Angela Nash, Chief Information & Technology Officer de NZR, a déclaré : “La NZR entreprend une transformation numérique de grande ampleur qui nécessite le soutien et l’expertise d’une organisation technologique internationale, pour nous aider à réaliser notre objectif : devenir l’Union de Rugby la plus avancée sur le plan technologique dans le monde. SAP est à l’avant-garde de la transformation numérique au niveau mondial et dispose des outils nécessaires pour nous aider à mettre en place une équipe d’experts qui, non seulement partage notre vision, mais dont les compétences et les capacités sont de renommée internationale. Nous sommes ravis qu’ils soient notre premier partenaire technologique et qu’ils travaillent avec NZR sur toutes les plates-formes clés afin d’examiner, d’améliorer et de nous permettre de fournir des systèmes technologiques qui garantissent que nous sommes les meilleurs sur le terrain et en dehors.”
Scott Russell, Executive Board Member & Customer Success, commente :
“New Zealand Rugby s’est fixé un objectif ambitieux : devenir le collectif de Rugby le plus avancé technologiquement au monde. En tant que tout premier partenaire technologique de l’organisation, SAP peut aider NZR à atteindre cet objectif en favorisant la transformation numérique dans tous ses domaines d’activités et en introduisant des technologies révolutionnaires qui aideront les équipes de NZR à donner le meilleur d’elles-mêmes – et à gagner. ”
SAP et NZR mettront également l’accent sur le développement de programmes et d’initiatives supplémentaires visant à promouvoir et à célébrer la diversité et l’inclusion.
Grâce à ce partenariat, SAP bénéficiera de divers droits et avantages, notamment le marquage et la signalisation dans les stades et sur le terrain pour les matchs gérés par NZR, le marquage sur toutes les plateformes numériques, les interventions des joueurs et des rencontres exclusives avec les équipes et les joueurs.
*Les « équipes en noir » de la NZR – les All Blacks, les Black Ferns, les All Blacks Sevens, les Black Ferns Sevens, les Māori All Blacks, les All Blacks XV et les All Blacks moins de 20.
À PROPOS DE NEW-ZEALAND RUGBY Fondé en 1892, New Zealand Rugby s’efforce d’inspirer et d’unifier les Néo-Zélandais à travers le rugby. Notre objectif est de diriger, soutenir, développer et promouvoir le jeu national de la Nouvelle-Zélande, en mettant le rugby au cœur de chaque communauté. Le système de haute performance de NZR s’efforce de promouvoir les compétitions que nos fans aiment, d’encourager les talents qui peuvent représenter nos équipes en noir et d’être leader mondial sur et en dehors du terrain.
À PROPOS DE SAP La stratégie de SAP est d’aider chaque entreprise à fonctionner comme une entreprise intelligente et durable. En tant que leader du marché des logiciels d’application d’entreprise, nous aidons les entreprises de toutes tailles et de tous secteurs à fonctionner au mieux : Les clients de SAP génèrent 87 % du commerce mondial total. Nos technologies d’apprentissage automatique, d’Internet des objets (IoT) et d’analyse avancée permettent de transformer les activités des clients en entreprises intelligentes. SAP aide à donner aux personnes et aux organisations une connaissance approfondie de l’entreprise et favorise la collaboration qui leur permet de garder une longueur d’avance sur leurs concurrents. Nous simplifions la technologie pour les entreprises afin qu’elles puissent utiliser nos logiciels comme elles le souhaitent, sans interruption. Notre suite d’applications et de services de bout en bout permet aux entreprises et aux organismes publics de 25 secteurs d’activité dans le monde entier de fonctionner de manière rentable, de s’adapter en permanence et de faire la différence. Grâce à un réseau mondial de clients, de partenaires, d’employés et de leaders d’opinion, SAP aide le monde à mieux fonctionner et à améliorer la vie des gens. Pour plus d’informations, visitez le site www.sap.com.
https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.png00Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2022-05-30 15:26:282022-05-30 15:26:28SAP et New Zealand Rugby unissent leurs forces pour dynamiser la transformation numérique avec un partenariat mondial
La définition la plus simple de l’analytique augmentée ? C’est une analytique qui est « améliorée » par des technologies d’intelligence artificielle (IA), notamment par le machine learning et le traitement du langage naturel (NLP).
Le machine learning automatise les processus analytiques complexes, comme la préparation des données et la génération d’informations. Le traitement par le langage naturel permet à tout utilisateur, même non formé, de poser des questions sur ses données et d’obtenir des réponses de manière simple sous forme de phrases.
Le terme « Augmented Analytics » a été inventé par Gartner en 2017 et est désormais largement considéré comme l’avenir de la business intelligence (BI) et de l’analyse de données – y compris l’analyse prédictive.
Pourquoi l’analytique augmentée est-elle importante ?
Exploiter les possibilités offertes par le Big Data
Les données représentent la plus grande opportunité de l’économie moderne. Grâce à elles, les entreprises peuvent savoir quoi produire et quand, à qui s’adresser, comment évoluer, et bien plus encore. Mais le volume de données est aujourd’hui trop important pour que les collaborateurs puissent les interpréter seuls – ou sans parti pris – et l’exigence de réponses immédiates est tout simplement impossible à satisfaire. Des technologies comme l’IA et l’apprentissage automatique sont nécessaires pour découvrir des informations significatives dans un océan de Big Data. C’est l’une des raisons pour lesquelles les analyses augmentées sont si importantes : elles combinent la datascience et l’intelligence artificielle pour aider les entreprises à analyser des ensembles de données massifs en temps réel.
Réduire la dépendance à l’égard des data scientists
Le processus d’analyse est une série d’étapes manuelles et chronophages, si compliquées qu’en général seuls les data scientists peuvent les réaliser. Ces analystes professionnels doivent :
Collecter des données à partir de sources multiples
Les préparer pour l’analyse
Effectuer l’analyse
Trouver des insights utiles
Visualiser les résultats
Partager les résultats d’une manière convaincante
Créer un plan d’action
Le problème, c’est qu’il y a une grande pénurie de data scientists dans le monde – et les embaucher coûte cher. Si l’analytique augmentée ne remplace pas ces professionnels, elle peut réduire votre dépendance à leur égard en automatisant des processus tels que la collecte, la préparation, le nettoyage et l’analyse des données.
En plus de libérer le temps des data scientists pour des tâches plus importantes, comme l’interprétation des résultats, l’analytique augmentée peut améliorer la valeur que ces analystes apportent à votre organisation. Les analyses optimisées par l’IA et l’apprentissage automatique les aident à établir des liens qu’ils auraient autrement manqués – et à trouver des informations pertinentes en moins de temps. Ces technologies peuvent également aider des collaborateurs qui occupent d’autres fonctions analytiques – des analystes commerciaux aux analystes métier – en améliorant leurs connaissances et en les aidant à faire le travail qui était auparavant réservé aux data scientists experts.
D’ici 2025, la rareté des data scientists ne sera plus un frein à l’adoption de la science des données et du machine learning dans les organisations.
Démocratiser l’analytique pour les utilisateurs non formés
Une autre raison pour laquelle l’analytique augmentée est si importante est qu’elle permet aux « explorateurs de données » non formés d’entrer en jeu. En automatisant les processus analytiques complexes et en permettant aux utilisateurs d’interroger les données simplement en posant des questions, les collaborateurs qui n’ont pas de compétences en datascience peuvent quand même tirer parti des analyses avancées. L’apprentissage automatique peut guider ces explorateurs de données en leur proposant des questions/réponses pré remplies – et en leur suggérant où creuser davantage.
Avec l’analytique augmentée, les réponses aux requêtes se présentent sous la forme de visuels prêts à l’emploi, comme des diagrammes, des graphiques et des cartes, de sorte que les utilisateurs n’ont pas à les créer eux-mêmes. Ces visualisations peuvent être analysées à l’aide de commandes simples, rassemblées dans des récits de données et facilement partagées avec d’autres équipes et la direction.
L’évolution de l’analytique
L’Analytique et la Business Intelligence ont beaucoup évolué ces dernières années, passant d’outils sophistiqués destinés aux professionnels des données et de l’analyse à des outils optimisés par le machine learning que tout le monde peut utiliser.
1. Analytique traditionnelle
Impulsée par l’IT
Autonomie de l’utilisateur limitée
Des outils sophistiqués pour les professionnels des données et de l’analyse
Se focalise sur le reporting à grande échelle
2. Analytique en libre-service
Impulsée par les métiers
Plus d’autonomie pour les utilisateurs
Interface conviviale
Se focalise sur la découverte par les utilisateurs
3. Analytique augmentée
Impulsée par l’IA et le machine learning
Une véritable autonomie des utilisateurs
Outils d’IA et processus guidés
Se focalise sur des informations rapides, profondes et précédemment cachées.
Avantages de l’analytique augmentée
L’analytique augmentée offre de nombreux avantages similaires à ceux de la business intelligence, comme l’amélioration du reporting et de la prise de décision, mais elle offre également un niveau de rapidité et de précision impossible à atteindre sans intelligence artificielle et apprentissage automatique. Voici quelques avantages spécifiques à l’analytique augmentée :
Préparation plus rapide des données : Les analystes passent environ 80 % de leur temps à préparer les données pour l’analyse. Ils exportent de grands ensembles de données et les combinent, les nettoient et les structurent avant que l’analyse ne puisse commencer. L’apprentissage automatique de l’analytique augmentée automatise ce processus, libérant les analystes pour des activités plus utiles et réduisant les erreurs par la même occasion.
Analyse automatisée : Les modèles d’apprentissage automatique peuvent automatiser des analyses complexes qui, autrement, prendraient des semaines aux data scientists. Les réponses et les visualisations de données sont immédiatement générées et disponibles pour les utilisateurs, qui peuvent ainsi passer moins de temps à creuser dans les données et plus de temps à interpréter les informations, à raconter des histoires de données aux dirigeants et à provoquer le changement.
Découvrez comment l’analytique augmentée fournit automatiquement des réponses aux requêtes, afin que les utilisateurs passent moins de temps à explorer les données et plus de temps à agir.
Des insights profonds : Les machines peuvent examiner les données d’une manière qui serait impossible pour les humains. Elles peuvent examiner des ensembles de données beaucoup plus vastes sous plus d’angles et trouver des corrélations, des relations -via des modèles statistiques- invisibles à l’œil humain. Les machines peuvent comprendre les données rapidement et à grande échelle, renforcer l’intelligence humaine par des informations impartiales et indiquer aux utilisateurs où porter leur attention.
L’analyse conversationnelle : Le traitement du langage naturel – la même technologie d’IA conversationnelle qui équipe des assistants numériques comme Siri et Alexa – permet aux utilisateurs professionnels n’ayant aucune connaissance des langages de requête ou du code de poser des questions de manière conversationnelle. Et la génération de langage naturel (NLG) leur donne des réponses sous forme de phrases complètes, écrites ou orales, qui résument ou expliquent les résultats.
Contexte instantané : Les informations sans contexte n’ont aucun sens. En tenant compte de l’intention et des comportements des utilisateurs, les algorithmes d’apprentissage automatique peuvent fournir des informations contextuelles prêtes à être utilisées. En outre, en démocratisant l’analytique, les cadres et les employés expérimentés peuvent enrichir les informations grâce à leurs connaissances et à leur compréhension approfondie des business models et des opérations.
Hyoun Park, PDG et analyste principal chez Amalgam Insights, explique comment l’analytique augmentée fournit un contexte, afin que vous sachiez réellement ce que vos données contiennent.
Cas d’utilisation de l’analytique augmentée
L’analytique augmentée a le pouvoir de révolutionner les processus d’entreprise, mais à quoi cela ressemble-t-il dans le monde réel ? Voici quelques exemples de cas d’utilisation de l’analytique augmentée dans les domaines de la finance, des ventes et du marketing, de la production, des ressources humaines et du recouvrement.
L’analytique augmentée pour la finance
Un Analyste peut utiliser l’analytique augmentée pour prévoir et contrôler facilement les frais de voyage et de représentation (T&E) dans différents départements.
L’analytique augmentée pour le recouvrement
Les responsables du recouvrement peuvent utiliser l’apprentissage automatique dans l’analytique augmentée pour anticiper les retards de paiement, déterminer la bonne stratégie de recouvrement et maîtriser les flux de trésorerie.
L’analytique augmentée pour les ventes et le marketing
Les équipes de vente et de marketing disposent d’une meilleure connaissance des clients – et d’une identification rapide des opportunités de ventes croisées et incitatives – grâce à l’analytique augmentée.
L’analytique augmentée pour les RH
Les responsables RH peuvent prédire le turn-over des collaborateurs, en comprendre les raisons et prendre des mesures correctives pour conserver les meilleurs éléments – tout cela grâce à l’analyse de l’IA.
Découvrez SAP Analytics Cloud
Exploitez la Business Intelligence, l’analytique augmentée et la planification pilotées par l’IA dans une solution unique et facile à utiliser.
Chaque jour, les organisations, les individus et les objets génèrent des quantités massives de données. En 24 heures, nous envoyons collectivement 294 milliards d’e-mails et 500 millions de tweets. Nous effectuons 3,5 milliards de recherches sur Google. Nos voitures connectées génèrent un volume impressionnant de quatre pétaoctets de données. Même nos montres, nos réfrigérateurs et nos téléviseurs créent et partagent constamment des données.
Toutes ces données cachent des informations qui pourraient permettre une explosion de la croissance de l’entreprise. Le défi consiste à les trouver, et c’est là que l’analytique entre en jeu.
Une définition simple de l’analytique
L’analytique est un domaine de l’informatique qui utilise les mathématiques, les statistiques et le machine learning pour trouver des tendances significatives dans les données. L’analytique – ou l’analyse des données – implique de passer au crible des ensembles de données massives pour découvrir, interpréter et partager de nouvelles informations et connaissances.
Qu’est-ce que le reporting analytique ?
En termes très simples, le reporting analytique est l’analytique appliquée aux données d’entreprise. Il se concentre sur les implications business des données, ainsi que sur les décisions et les actions qui doivent être prises en conséquence.
L’importance du reporting analytique
Aujourd’hui, l’utilisation d’une solution analytique est souvent le facteur décisif qui, dans un secteur, départage les gagnants et les perdants. Les entreprises leaders utilisent l’analytique pour contrôler et optimiser chaque aspect de leurs opérations – du marketing à la chaîne d’approvisionnement – en temps réel. Elles s’appuient sur l’analytique pour prendre des décisions rapides et fondées sur les données, accroître leur chiffre d’affaires, établir de nouveaux business models, offrir une expérience client exceptionnelle, aider leurs collaborateurs, acquérir un avantage concurrentiel, et bien plus encore. Les entreprises qui ne disposent pas d’outils analytiques – ou qui n’en ont pas de qualité – doivent prendre des décisions et gérer leurs activités en se fiant uniquement à leur instinct et à leur expérience.
« Dans tous les secteurs, les entreprises leaders brandissent les données et l’analytique comme des armes concurrentielles. » –Gartner
Les principaux avantages de l’analytique sont les suivants :
L’amélioration de l’efficacité et de la productivité
Une prise de décision plus rapide et efficace
Une meilleure performance financière
L’identification et la création de nouvelles sources de revenus
L’amélioration de l’acquisition et de la fidélisation des clients
Dans le domaine des logiciels d’entreprise, l’analytique est l’un des marchés qui connaît la croissance la plus rapide. Récemment, cette croissance s’est encore accélérée en raison de la pandémie de COVID-19, qui a forcé de nombreuses entreprises à trouver de nouveaux moyens de réaliser des profits, de réduire les coûts et de naviguer dans la turbulente « nouvelle normalité ». Selon Gartner, l’analytique, la Business Intelligence (BI) et la science des données sont les cas d’utilisation les plus courants accélérés en raison de la pandémie – surpassant l’Internet des objets (IoT) et les applications cloud. Les capacités de résolution de problèmes et de prédiction de l’analytique aident les entreprises à relever les défis urgents liés à la pandémie, comme la prévision précise de la demande, la protection des employés à risque et l’identification des perturbations potentielles de la chaîne d’approvisionnement.
94% des entreprises déclarent que l’analytique est importante pour leur croissance et leur transformation numérique (1)
59% des organisations utilisent actuellement des outils d’analyse avancée et prédictive (1)
65% des entreprises mondiales prévoient d’augmenter leurs dépenses en analytique en 2021 (1)
Quatre types d’analytiques
Il existe quatre types d’analytiques différents : descriptive, de diagnostic, prédictive et prescriptive. Utilisés conjointement, ils permettent aux décideurs de comprendre parfaitement ce qui se passe, pourquoi cela se passe, ce qui va se passer et ce qu’il faut faire, quel que soit le scénario.
1. L’analyse descriptive
L’analyse descriptive répond à la question « Que s’est-il passé ? ». Cette forme simple d’analyse utilise les mathématiques de base, comme les moyennes et les pourcentages de variation, pour montrer ce qui s’est déjà passé dans une entreprise. L’analyse descriptive, également appelée Business Intelligence (BI) traditionnelle, est la première étape du processus d’analyse, créant un point de départ pour une enquête plus approfondie.
2. L’analyse de diagnostic
L’analyse de diagnostic répond à la question « Pourquoi cela s’est produit ? ». Elle va plus loin que l’analyse descriptive, en utilisant des techniques telles que la découverte de données, l’exploration et les corrélations pour plonger plus profondément dans les données et identifier les causes profondes des événements et des comportements.
3. L’analyse prédictive
L’analyse prédictive répond à la question « Que va-t-il se passer à l’avenir ? ». Cette branche de l’analyse avancée utilise les résultats de l’analyse descriptive et de diagnostic – ainsi que des techniques sophistiquées de modélisation prédictive, de machine learning et de deep learning – pour prédire ce qui va se passer.
4. L’analyse prescriptive
L’analyse prescriptive répond à la question « Quelles actions devrions-nous mener ? ». Ce type d’analyse de pointe s’appuie sur les résultats de l’analyse descriptive, de diagnostic et prédictive et utilise des outils et techniques très avancés pour évaluer les conséquences des décisions possibles et déterminer le meilleur plan d’action dans un scénario.
Composants communs de l’analytique
L’analytique d’entreprise est un vaste domaine qui comporte de nombreux composants et outils différents. Voici quelques-uns des plus courants :
L’agrégation des données : Avant de pouvoir être analysées, les données doivent être collectées à partir de nombreuses sources différentes, organisées et nettoyées. Une solide stratégie de gestion des données et un entrepôt de données moderne sont essentiels pour l’analytique.
Le data mining : Le data mining utilise l’analyse statistique et les algorithmes de machine learning pour passer au crible de grandes bases de données, analyser les données sous plusieurs angles et identifier des tendances, des modèles et des relations inconnus jusqu’alors.
L’analyse du Big Data : L’analyse du Big Data utilise des techniques avancées – notamment le data mining, l’analyse prédictive et le machine learning – pour analyser des ensembles massifs de données structurées et non structurées dans des bases de données, des entrepôts de données et des systèmes Hadoop.
Text mining : L’exploration de texte explore des ensembles de données textuelles non structurées telles que des documents, des courriels, des messages sur les médias sociaux, des commentaires de blog, des scripts de centre d’appels et d’autres sources textuelles à des fins d’analyse qualitative et quantitative.
Prévision et analyse prédictive : La prévision utilise des données historiques pour faire des estimations sur les résultats futurs, et l’analyse prédictive utilise des techniques avancées pour déterminer la probabilité que ces résultats se produisent.
Simulation et analyse des hypothèses : Une fois les prévisions et les projections créées, la simulation et l’analyse des hypothèses permettent de tester différents scénarios et d’optimiser les décisions potentielles avant qu’elles ne soient prises.
Visualisation des données et storytelling : Les visualisations de données – comme les diagrammes et les graphiques – offrent un moyen facile de comprendre et de communiquer les tendances, les valeurs atypiques et les modèles dans les données. Ces visualisations peuvent être reliées entre elles pour raconter une histoire de données plus importante et guider la prise de décision.
Exemples d’analytique
L’analytique est utilisée par des entreprises de toutes tailles, dans tous les secteurs d’activité – du commerce de détail à la santé en passant par le sport. De nombreuses solutions analytiques sont adaptées à un secteur d’activité, à un objectif spécifique ou à une branche d’activité. Voici quelques exemples de l’analytique aujourd’hui :
L’analyse financière
Traditionnellement, l’analyse financière était utilisée pour générer un ensemble standard de rapports. Mais maintenant que la finance joue un rôle plus stratégique dans l’entreprise, l’analyse financière a évolué – combinant des données financières et opérationnelles avec des sources de données externes pour répondre à un large éventail de questions. Ces questions vont de « Sommes-nous en train d’investir dans les bonnes opportunités ? » à « Comment nos marges futures seront-elles affectées par les décisions que nous prenons aujourd’hui ? ».
L’analyse marketing
L’analyse marketing relie les données de plusieurs canaux – médias sociaux, Web, e-mail, mobile, etc. – pour donner aux responsables marketing une vision complète des performances de leurs programmes. Les utilisateurs peuvent exploiter des millions de lignes de données pour améliorer l’efficacité des campagnes, personnaliser les messages marketing, analyser les sentiments sur les médias sociaux, cibler les clients potentiels au bon moment, et bien plus encore.
L’analyse supply chain
L’explosion du e-commerce, la volatilité accrue des marchés, la mondialisation et d’autres forces ont rendu les chaînes logistiques incroyablement complexes. L’analyse de la chaîne logistique aide les entreprises à éviter les perturbations, à maintenir la circulation des marchandises et à améliorer la résilience et l’agilité. Elles utilisent des données en temps réel provenant d’une grande variété de sources – y compris les capteurs de l’Internet des objets – pour tout optimiser : l’approvisionnement, la production et l’inventaire, le transport et la logistique.
Technologies analytiques modernes
Aujourd’hui, le stockage quasi illimité des données et les vitesses de traitement fulgurantes ont inauguré l’ère de l’Intelligence Artificielle (IA) et du machine learning. Ces technologies « augmentent » les analyses, les rendant plus puissantes que jamais.
L’IA et le machine learning permettent de détecter des modèles, de trouver des valeurs anormales et d’établir des liens dans le Big Data beaucoup plus rapidement et avec une précision bien supérieure à ce qui était possible auparavant. Grâce au cloud, ils peuvent exploiter davantage de données provenant de plus de sources – y compris les médias sociaux et les capteurs de l’Internet des objets – et faire apparaître des insights, des opportunités et des risques qui resteraient autrement cachés.
Les algorithmes de machine learning peuvent également automatiser certaines des étapes les plus complexes du processus d’analyse, ce qui signifie que des utilisateurs métier relativement peu formés – et plus seulement les data scientists – peuvent manier des analyses avancées et prédictives. Le traitement du langage naturel (NLP), un type d’intelligence artificielle, fait progresser le libre-service d’un cran et permet aux utilisateurs de poser des questions sur leurs données (et d’obtenir des réponses) de manière simple et conversationnelle, comme s’ils tapaient une requête dans Google ou posaient une question à Siri.
Et bien sûr, tout cela est disponible sur les appareils mobiles – les utilisateurs peuvent donc obtenir des réponses à des requêtes ad hoc d’où qu’ils soient.
Découvrez SAP Analytics Cloud
Exploitez la Business Intelligence, l’analytique augmentée et la planification optimisées par l’IA dans une solution unique et facile à utiliser.
Lindt & Sprüngli France a été l’un des premiers industriels hexagonaux à basculer vers SAP IBP pour moderniser sa supply chain. Un pari pour le chocolatier, qui a été accompagné dans sa démarche par TeamWork. Lindt France compte sur ce socle modernisé pour refondre ses processus de prévision et accélérer sur le terrain de l’analytique.
Célèbre chocolatier suisse fondé en 1845, Lindt est classé dans le top 10 mondial des fabricants de confiseries. L’industriel a enregistré un chiffre d’affaires 2020 de 4 milliards de francs suisses. Il compte environ 14 500 collaborateurs dans le monde. Par ailleurs, le chocolatier est très présent en France. En effet, Lindt dispose d’une usine à Oloron-Sainte-Marie et d’un réseau composé d’entrepôts et de 26 magasins.
Lindt France utilisait la solution SAP Advanced Planning and Optimization (SAP APO) pour assurer la planification de la demande. Cet outil arrivant en fin de vie, Lindt lui a cherché un successeur au travers d’un appel d’offres, avec un regard particulier porté sur SAP Integrated Business Planning for Supply Chain (SAP IBP).
« Dans le même temps, nous avons mené une réflexion autour du métier de prévisionniste et sur la mise en place d’un processus S&OP, chargé de faire le lien entre les équipes commerciales et celles travaillant sur notre site de production, explique Jean-Pascal Auge, Chef de projet fonctionnel IT chez Lindt & Sprüngli France. L’enjeu informatique était donc aussi doublé d’un enjeu métier. »
Le choix s’est rapidement porté sur SAP IBP et TeamWork, un spécialiste de la supply chain. Ce dernier est venu présenter la solution SAP IBP au travers de son préconfiguré, Step In for SAP IBP by TeamWork. Lindt a apprécié d’entrée de jeu l’intégration avec Microsoft Excel. Un outil bien connu des planificateurs : « L’interface Excel est un atout pour gagner en efficacité lors du déploiement de la solution », confirme Jean-Pascal Auge.
Un accompagnement permanent assuré par les équipes TeamWork
Lindt a été un des premiers acteurs à implémenter SAP IBP en France pour moderniser sa supply chain. Un risque d’autant plus grand que l’industriel disposait déjà d’une solution fonctionnelle, quoique manquant d’agilité. L’expertise de TeamWork a été cruciale afin de déterminer quelles parties d’IBP utiliser, complétées par son préconfiguré. TeamWork a su également enrichir SAP Cloud Platform Integration (CPI), afin de créer des interfaces stables, robustes et adaptées aux besoins de Lindt.
Le projet a démarré en octobre 2019 et s’est déroulé sur 8 mois. La mise en route fut réalisée avant l’été 2020. Le tout dans un contexte difficile lié à la crise sanitaire. TeamWork s’est appuyé sur les conclusions de l’audit fonctionnel pour bâtir une solution SAP IBP, en se concentrant sur le Demand Planning. Un travail facilité par la proximité des processus gérés par les deux solutions.
Durant la première année d’exploitation, Lindt et les équipes de TeamWork se sont concentrés sur l’optimisation de la solution déployée. « La montée en régime s’est très bien passée et les métiers se sont approprié SAP IBP très rapidement, explique Jean-Pascal Auge. Dès la première utilisation, les résultats étaient déjà supérieurs à ceux de SAP APO en termes de temps de traitement du cycle mensuel et de fiabilité de la prévision. Les équipes de TeamWork ont su nous accompagner tout au long du projet et nous aider à franchir chaque étape. »
Améliorer le travail des prévisionnistes
La solution SAP IBP mise en place se veut plus flexible. Elle apporte plus d’agilité aux équipes métiers que SAP APO, tout en offrant de nouvelles fonctionnalités. Elle est également capable d’interagir avec les autres solutions de planification de Lindt & Sprüngli France. « Le résultat est concluant, résume Jean-Pascal Auge. TeamWork continue à nous accompagner sur le support de deuxième niveau, le premier étant assuré en interne. Il prend ainsi le relai de notre DSI sur les questions nécessitant une expertise avancée. »
La phase de stabilisation de la solution a permis aux équipes supply chain de souffler après ce long travail de 8 mois. Mais d’autres projets sont déjà sur la table. Des évolutions régulières de la solution sont ainsi programmées, afin d’accompagner la transformation de l’activité des prévisionnistes. Les nouvelles fonctionnalités apportées par SAP IBP permettent de faciliter le reporting opérationnel. Mais, Lindt France souhaite aller plus loin en termes de consolidation de données et de reporting.
https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.png00Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2021-09-07 12:59:202021-09-07 12:59:20Lindt modernise sa supply chain avec SAP IBP
SAP propose des outils et méthodes pour toutes les étapes de la migration vers l’ERP intelligent SAP S/4HANA. Des solutions qui pourront être complétées par la méthodologie et les outils de SOA People, afin d’accélérer et de sécuriser encore plus ce processus.
L’approche Move to SAP S/4HANA, complétée par les méthodologies et outils de SOA People, offre de mieux préparer, mener et réussir son projet de migration vers l’ERP intelligent SAP S/4HANA. Un outillage qui permet aux entreprises d’envisager sereinement leur projet de migration.
Premier temps : la préparation
« Le premier temps est celui de la réflexion, celui du quand, du comment… et du combien », résume Christian Charvin, Head of Program Move to SAP S/4HANA chez SAP. SAP fournit un ensemble d’outils qui permettent de mener la réflexion de bout en bout, en mesurant précisément quel effort devra être fourni et quels gains attendre.
SOA People ajoute à ceci un outil spécifiquement dédié à la construction du business case, Performer. « Performer va se brancher sur l’ERP du client, en extraire les données de façon anonyme et évaluer le niveau de performance de l’entreprise par rapport à son utilisation de l’ERP, explique Pierre-Edouard Hamon, Presales Director, SOA People. À cet effet, le client va être comparé à un panel d’entreprises représentatives. Ceci permet d’évaluer son niveau de maturité en vue de la migration vers SAP S/4HANA, puis de proposer des plans d’action adaptés, comprenant les améliorations recommandées. Ce plan d’action permet d’évaluer les coûts de mise en œuvre du projet, mais aussi les gains potentiels attendus, qu’ils soient uniques ou récurrents. »
Techniquement, les outils proposés par SAP sont capables de proposer une approche similaire : SAP Process Dicovery crée une image de l’utilisation de l’ERP. SAP Transformation Navigator définit le paysage applicatif et fonctionnel, suivant le périmètre et les améliorations choisis. Enfin, SAP Value LifeCycle Manager construit le business case. Performer présente toutefois plusieurs atouts : une couverture plus large en matière de domaines fonctionnels ; plus d’indicateurs mesurés (2600, contre 1380 chez SAP) : une meilleure automatisation du processus.
Second temps : la migration
Les conversion factories ont le vent en poupe. Les conversion factories assurent une migration technique, sans modification massive des processus. Elles permettent de basculer de SAP ECC vers SAP S/4HANA dans des délais courts, avec un minimum de changements fonctionnels. Une fois cette étape réalisée, les processus peuvent être revus avec les métiers, de façon progressive et suivant les priorités fixées par l’entreprise. Une approche à privilégier lorsque le saut technologique est important : passage de SAP ECC à SAP S/4HANA ou passage d’un environnement sur site à une solution en mode cloud, comme RISE with SAP.
« L’emploi d’une conversion factory permet d’industrialiser toutes les étapes de la migration, à périmètre constant, avec parfois la modification de quelques processus clés. Cette méthode permet de capitaliser sur les investissements réalisés précédemment, en reprenant les paramétrages de l’ERP et en convertissant les spécifiques existants. Quant à la conduite du changement, elle peut être ajustée, en ne déployant pas d’entrée de jeu l’intégralité des nouveautés de SAP S/4HANA », explique Christian Charvin.
« Nous sommes tellement fans de l’approche conversion factory que nous proposons un outil de conversion automatisée capable d’assurer automatiquement certaines tâches (finance, gestion des immobilisations, business partners…), ainsi que la conversion de 93% à 95% des spécifiques, ajoute Pierre-Edouard Hamon. La conversion des spécifiques est réalisée à l’aide d’un moteur d’intelligence artificielle autoapprenant très efficace. À un point tel que nous avons réussi à assurer la migration technique d’un industriel en seulement trois mois ! »
Troisième temps : les travaux post-migration
Une conversion réussie nécessite l’alignement des bonnes personnes, des bonnes méthodes et des bons outils. Toutefois, deux aspects sont à considérer après la conversion, et tout au long du cycle de vie de l’ERP : l’amélioration continue et les tests.
Une solution comme Signavio permet d’analyser les processus utilisés à un instant T et de les comparer aux bonnes pratiques du secteur. Un outil précieux qui réalignera les processus avec ces bonnes pratiques. « Nous recommandons à nos clients de réaliser régulièrement cette analyse, dans le cadre d’une stratégie d’amélioration continue de leurs processus », poursuit Pierre-Edouard Hamon. Mais également pour s’assurer que leurs processus restent dans un état optimal.
Lorsque l’ERP est déployé dans le cloud, il va évoluer au rythme des évolutions proposées par SAP. Mais même lorsqu’il est déployé sur site, il est recommandé d’assurer des montées de versions régulières pour profiter de l’innovation SAP. Que ce soit lors de la refonte de processus existants ou lors d’une montée de version, les tests – de bon fonctionnement ou de non-régression – sont essentiels. « Des outils comme Tricentis (distribué par SAP) permettent d’industrialiser ce que les clients font encore trop souvent à la main. Cette solution permet pourtant d’accélérer sensiblement la phase de test lors d’une conversion ou d’une montée de version », explique Christian Charvin. « Tricentis permet de réduire la phase de test et de libérer du temps pour se concentrer sur la formation des utilisateurs finaux. C’est un outil qui participe lui aussi à l’adoption de SAP S/4HANA », confirme Pierre-Edouard Hamon.
https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.png00Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2021-07-20 11:34:032021-07-20 11:34:03Quels outils pour faciliter la migration vers l’ERP SAP S/4HANA ?
Cette nouvelle série vidéo en trois parties explore l’impact des « passionnés » – un groupe croissant de consommateurs qui soutiennent activement les entreprises reflétant leurs valeurs personnelles sur les questions environnementales et sociales.
En 2020, le centre de recherche SAP Insights a lancé une étude conseillant les chefs d’entreprise sur les compétences et attributs dont ils auront besoin dans l’économie de l’expérience guidée par les émotions. Avec plus de 10 000 réponses de consommateurs du Canada et des États-Unis, le rapport a révélé que ce qui différencie les entreprises aujourd’hui, c’est la capacité d’un leader à s’exprimer et à mobiliser l’action sur les enjeux mondiaux. « Cet état d’esprit est alimenté par les passionnés, un groupe croissant de consommateurs qui croient qu’il faut agir pour améliorer le monde et qui attendent des chefs d’entreprise qu’ils fassent de même « , a déclaré Siddharth Taparia, vice-président principal et responsable de la stratégie, de la marque et du marketing de l’expérience chez SAP.
« Nous voulions attirer l’attention sur les problèmes environnementaux et sociétaux et montrer ce que les grandes entreprises, les clients et les partenaires de SAP font pour relever ces défis et susciter le changement et la prise de conscience dans leurs propres secteurs « , a ajouté M. Taparia.
La série est animée par Baratunde Thurston, auteur à succès du New York Times et conteur nommé aux Emmy Awards. Chaque épisode se concentre sur un vaste sujet et explore les angles avec du contenu basé sur des données, des témoignages de clients et des points de vue d’experts.
Le premier épisode explore comment les acteurs de l’industrie de la fast fashion opèrent des changements environnementaux positifs suite à la pression de consommateurs passionnés qui demandent du changement. Le deuxième épisode montre comment des fans passionnés ont fait pression sur les ligues sportives professionnelles et les athlètes pour qu’ils mettent en place des initiatives et des messages de justice sociale sur et en dehors du terrain de jeu. Le troisième épisode examine comment les entreprises du secteur de l’alimentation et des boissons font face aux défis environnementaux majeurs que sont l’approvisionnement en eau, le gaspillage alimentaire et l’utilisation de plastique, et comment des consommateurs passionnés sont à l’origine des changements.
La série comprend des conversations avec le mannequin, entrepreneur et philanthrope Karlie Kloss et le golfeur professionnel Cameron Champ. Les épisodes présentent également des segments sur la façon dont des organisations telles que la NBA et le Fonds mondial pour la nature (WWF) s’efforcent de susciter des changements à l’échelle mondiale.
https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.png00Service comm.https://ankaa-pmo.com/wp-content/uploads/2017/04/Logo-Ankaa-engineering.pngService comm.2021-06-28 10:15:592021-06-28 10:15:59Découvrez Blank Canvas, une série originale de SAP
Paramètres des cookies et politique de confidentialité
Comment nous utilisons les cookies
Nous utilisons les cookies pour nous faire savoir quand vous visitez nos sites Web, comment vous interagissez avec nous, pour enrichir votre expérience utilisateur et pour personnaliser votre relation avec notre site Web.
Cliquez sur les différents titres de catégories pour en savoir plus. Vous pouvez également modifier certaines de vos préférences. Notez que le blocage de certains types de cookies peut avoir un impact sur votre expérience sur nos sites Web et les services que nous sommes en mesure d'offrir.
Cookies essentiels sur ce site
These cookies are strictly necessary to provide you with services available through our website and to use some of its features.
Because these cookies are strictly necessary to deliver the website, you cannot refuse them without impacting how our site functions. You can block or delete them by changing your browser settings and force blocking all cookies on this website.
Cookies Google Analytics
Ces cookies recueillent des renseignements qui sont utilisés sous forme agrégée pour nous aider à comprendre comment notre site Web est utilisé ou l'efficacité de nos campagnes de marketing, ou pour nous aider à personnaliser notre site Web et notre application pour vous afin d'améliorer votre expérience.
Si vous ne voulez pas que nous suivions votre visite sur notre site, vous pouvez désactiver le suivi dans votre navigateur ici :
Autres services
Nous utilisons également différents services externes comme Google Webfonts, Google Maps et les fournisseurs externes de vidéo. Comme ces fournisseurs peuvent collecter des données personnelles comme votre adresse IP, nous vous permettons de les bloquer ici. Veuillez noter que cela pourrait réduire considérablement la fonctionnalité et l'apparence de notre site. Les changements prendront effet une fois que vous aurez rechargé la page.
.
Paramètres de Google Webfont Settings :
Google Map :
Vimeo et Youtube :
Politique de confidentialité
Vous pouvez lire nos cookies et nos paramètres de confidentialité en détail sur la page suivante