Articles

Designing UI for the Voice Era

,

The world of web design is incredibly dynamic. Every year, new trends and opportunities emerge, primarily driven by the arrival of modern technology. 

In recent years, we’ve seen various updates to the web design landscape, such as the arrival of AR and VR solutions for making mixed media. Video content has increased in quality, while the demand for inclusivity and usability has transformed the way that we build everything from websites to apps. 

Yet, for the most part, web design trends have continued to focus on the visual. 

When we hear the word “interface,” we often think of the graphical user interface – the ultimate way to connect users with sites. However, now we have a new, more natural way for customers to interact with their digital tools… The era of voice is here. 

Designing for the Age of Voice

The technology sector has made incredible progress in the development of things like Automated Speech Recognition and Natural Language Understanding. 

Thanks to updates in the way that machines process and understand human language, voice recognition accuracy is now at 90% and above. More than ever before, users can speak to a smart assistant, speaker, or phone-based application, and get the results that they’re looking for without error. 

The simplicity of communicating with technology via voice means that users have adopted this technology at an incredible pace. Half of all searches will be made with voice by the end of this year.

We’re standing on the edge of a fundamental shift in the way that we interact with computers and critical tools. As designers and developers, we need to be ready to embrace this new medium. 

With that in mind, here’s what designers need to think about when designing for voice UI. 

1. Decide How to Experiment with Voice

There are various steps involved in making a website more “conversational.” One of the first steps for any designer or developer is to think about the kind of voice-based interactions they’re going to enable for an app or website. 

For instance, rather than embedding voice technology into a website, you might decide to create a separate Amazon Alexa “Skill” for devices like the Echo. Companies like Capital One have already invested in this technology so that users can ask their smart speaker about their balance, rather than opening a laptop and logging into the site. 

To determine what kind of voice experiences you should be creating for your client, work with them on a customer journey map. Using this map of interactions that the customer has with your client on a regular basis, you can highlight areas where voice interactions might fit into the user flow. 

For instance, if customers are constantly asking questions about a brand or its service, an FAQ page that’s equipped with a bot that can respond to voice queries could be an excellent choice. 

UI design should always solve problems. Examining the frictions and frustrations that your client’s end-users encounter during their journey will help you to decide which direction to take with your voice UI experience. 

2. Examine the Anatomy of Voice Commands

Before designers can create a dialog flow for their voice UI, they need to understand how voice commands work. The key to success in a successful design for voice is understanding the objective of the interaction. A voice consists of three crucial factors for designers to consider:

  • Intent: Intent represents the subject and context of the voice command. A high utility interaction involves a request for a specific task. For instance, your users might request that your app gives them a list of five-star hotels in a specific area. Designing for these requests is often straightforward because what the voice algorithm needs to do is clear. However, low-utility requests can be harder to decipher, such as “hotels near me,” because there’s less specificity for the bot to work with. 
  • Utterance: Utterance refers to how a user phrases a command. For instance, in the case of looking for five-star hotels in Amsterdam, the customer might say “show me hotels,” or they might ask for “places to stay”. Designers must consider every variation of an utterance for their voice command UI. 
  • Optional variables: This refers to the extra filters that your voice UI needs to be aware of. In the case of five-star hotels in Amsterdam, the descriptor “five stars” is optional. The optional input needs to overwrite default values and bring more detail to the search. 

SideChef, for instance, is a voice-activated recipe app that offers narrated guidance to users and allows customers to search for recipes based on their specific needs. The app comes with a wide range of variables built-in, allowing users to customize their searches according to descriptors like “vegetarian” or “quick” meals. 

3. Learn How to Prototype with Dialog Flows

Learning how to leverage a complex UI strategy like VUI takes time and practice. Prototyping designers will often have to think like scriptwriters, designing various dialog flows to suit the different needs of customers, and the numerous interactions they might face. 

Dialog flows will outline:

  • Keywords that lead to the interaction
  • Branches that represent where the conversation might lead
  • Example dialogs for the user and the voice assistant. 

Practicing your dialog flows with scripts that illustrate the back-and-forth between the voice assistant and user will help designers and developers to understand the various nuances that can appear in a customer to robot interaction. 

Remember, while a crucial part of good voice UI design is keeping the communication conversational and straightforward, you will need to ensure that there is a dialog flow in place for every discussion that may occur between end-users and their apps, website, or digital tools. Users don’t want to feel overloaded and overwhelmed, but they need to ensure that they can complete their tasks too.

Consider the voice-based game RuneScape: One Piercing Note, for instance. 

The developers behind this app allowed players to speak with other in-game characters and use commands like “pull the lever” or “open the chest.” In designing the playable components of the game, the designers needed to think about every possible interaction that a player might have with different parts of the story while ensuring that users didn’t stray off track. 

A Few Tips for Voice UI Design 

Voice UI design can be very complex, mainly if you’ve never created something using voice as your only input before. However, once you get used to creating dialog flows, the whole process starts to feel a lot easier. 

As you’re designing, remember to:

  • Always confirm when a task is complete: When designing a checkout flow for an eCommerce page, one of the most crucial screens for a designer is the confirmation page. It shows the customer that the transaction has successfully been completed and stops them from worrying whether they’ve done the right thing. The same concept applies to Voice UI design. If your client’s end-user asks a voice-activated app to book an appointment with their therapist, for instance, they want to know that the appointment has been successfully booked and added to their calendar. Determine how you’re going to deliver the peace of mind your customers need. 
  • Create a strong strategy for errors: Designers and developers are still in the very early stages of experimentation with voice UI. This means that there’s a good chance that something could go wrong with your applications and tools from time to time. Having a strong error strategy in place is crucial. Always design a dialog flow scenario that allows the assistant to respond if they don’t understand a request, or don’t hear anything at all. You can also implement analytics into these situations to identify misinterpretations and improve usability in the future.  
  • Add extra layers of security: Various Voice UI solutions like Google Assistant and Alexa can now recognize individual voices. This is a kind of biometric security that’s similar to face or touch ID. As voice recognition continues to improve, it’s essential to ensure that you’re adhering to the latest guidelines in security. Additional authentication may be required for some companies. For instance, passwords, face recognition, or fingerprints might be needed for things that require payments and transactions. For instance, the Duer voice assistant uses face recognition to both approve payments, and make meal recommendations based on previous purchases. 

Are You Ready for the Voice UI Revolution?

Voice-based user interfaces are here to stay.

In the years to come, the chances are that developers and designers will need to learn how to use voice more consistently as part of their interface strategies. 

The good news is that although voice takes some getting used to as a design tool, it’s easy enough to make sure that your projects are moving in the right direction. Just like any other kind of design, implementing voice means thinking about whether the interactions and experiences that you’re delivering to end-users are seamless, effective, and valuable. 

Succeeding in voice UI isn’t just about adding the capacity for voice into your designs. It’s a matter of learning how to make user’s lives easier with the power of voice.

 

Featured image via Unsplash.

Source

The post Designing UI for the Voice Era first appeared on Webdesigner Depot.


Source de l’article sur Webdesignerdepot

/par

Gestion de production : améliorez l’efficacité des opérations avec une solution pour PME/ETI

, , , ,

Autrefois réservés aux très grandes entreprises, les logiciels de gestion de production sont désormais accessibles et parfaitement adaptés aux PME/ETI. En effet, les solutions ERP & CRM intègrent un module de supply chain management, ou gestion de la chaîne logistique. Il permet à toute entreprise, quel que soit son domaine d’activité, sa taille ou sa localisation, de suivre efficacement le cycle de vie d’un produit, de sa conception jusqu’à l’achat par le consommateur, et même au-delà. Voyons dans le détail tous les avantages que vous avez à tirer d’une solution de gestion de production pour votre PME/ETI.

Rappel : qu’est-ce qu’une solution ERP & CRM ?

Une solution ERP est un portefeuille de logiciels modulables et personnalisables. Elle permet de centraliser en un seul lieu toute la gestion d’une entreprise. En effet, ERP, pour Enterprise Resource Planning, signifie en français « Progiciel de Gestion Intégré ». CRM, pour Customer Relationship Management, signifie « Gestion de la Relation Client ». Il peut être hébergé en interne sur les propres serveurs de l’entreprise. Mais également sur le cloud afin d’être accessible via Internet de partout dans le monde. Ou bien encore, en hybride selon le niveau de confidentialité recherché.

Ce type de solution est particulièrement adapté aux petites et moyennes entreprises. Mais aussi aux entreprises de taille intermédiaire, qui possèdent de nombreux salariés et collaborateurs. Ceux-ci peuvent ainsi collaborer, même à distance, à partir d’informations et de données mises à jour en temps réel.

Parmi les modules les plus communément intégrés à une solution ERP & CRM, on trouve :

  • un système dédié à tout ce qui concerne l’aspect financier de l’entreprise (comptabilité, trésorerie, facturation, bilan…) ;
  • un logiciel pour la gestion de la relation client et l’expérience utilisateur (le CRM regroupant la base de données clients, le marketing, les espaces de commerce, les ventes et le service en amont, pendant et après une vente) ;
  • un module consacré au réseau et à la gestion des dépenses (relation avec les fournisseurs, gestion des sources d’approvisionnement, services et main-d’œuvre externes, ventes, déplacements…) ;
  • un logiciel permettant de gérer l’ensemble de la chaîne logistique (conception, planification, production, transport et vente) ;
  • un système RH ;
  • un outil d’analyse afin d’étudier chacune des données de l’entreprise et optimiser son développement.

Quelles sont les fonctionnalités d’un module de gestion de la chaîne logistique ?

Regardons plus particulièrement ce que peut apporter un logiciel de gestion de production à une PME/ETI.

Dans le monde d’aujourd’hui, tout est connecté et tout va très vite. Votre société doit être en capacité de s’adapter quasiment en temps réel à l’offre et la demande du marché. D’un côté, vous êtes tributaire de vos fournisseurs, de l’autre des exigences des consommateurs. Afin d’être réactif, quels que soient les aléas auxquels vous pouvez être confronté, munissez-vous d’un outil numérique. Il vous permettra d’avoir une vue d’ensemble de votre chaîne d’approvisionnement.

Qu’importe votre secteur d’activité, il existe une solution ERP adaptée (ERP agroalimentaire, ERP industrie mécanique, ERP banque et assurance, ERP mode et ERP bien de consommation, etc.). Fort d’un tel outil, vous maîtrisez la conception, la planification, la production, la maintenance et l’approvisionnement final de vos produits.

Pour votre gestion de production, le logiciel vous permet de suivre tout le cycle de vie de vos produits. Vos équipes vont ainsi pouvoir plus facilement :

  • Concevoir : vous avez imaginé un nouveau produit. Votre logiciel de supply chain management vous permet de le dessiner, de le décrire, d’en établir les plans. Mais également, d’échanger entre les différents acteurs, d’apporter des modifications, etc. avant de fournir le cahier des charges à l’équipe de production.
  • Planifier : sur le tableau de bord de votre logiciel, vous indiquez l’avancement de chaque étape de votre projet. Vous visualisez les différents délais de réalisation de chaque équipe. Vous avez une vue d’ensemble de ce qui avance normalement et ce qui peut bloquer. Ainsi, vous ajustez au fur et à mesure votre planning. Vous renforcez les équipes si besoin, redéployez les forces vives à un autre poste, etc.
  • Produire : tout est prêt pour démarrer la fabrication du produit. Sur votre logiciel, vous centralisez la liste de vos fournisseurs, les matières premières nécessaires. Ainsi que la main-d’œuvre interne et externe, la disponibilité des machines, etc.
  • Entretenir : vos outils de production doivent être entretenus, pour leur bon état de marche et la sécurité de vos employés. Grâce à votre logiciel, vous planifiez leur maintenance. Vous notez les pannes et donc l’indisponibilité de certaines machines. Vous prévoyez leur remplacement, etc.
  • Fournir : enfin, vos produits doivent parvenir à vos clients, les consommateurs. Avec votre logiciel logistique, vous gérez les stocks, le transport, la mise en rayon, la vente, le retour client, etc.

Comment améliorer l’efficacité de sa gestion de production avec un logiciel GPAO ?

En tant que PME/ETI, un logiciel de gestion de production assistée par ordinateur (GPAO) vous fait gagner un temps précieux. Il contribue ainsi à l’augmentation de votre chiffre d’affaires. En effet, pour rester compétitif, vous devez investir pour accélérer l’innovation. Mais aussi pour réduire vos délais de mise sur le marché et optimiser la production, tout en réduisant les coûts. La solution SAP Digital Supply Chain & Industry 4.0 vous offre la possibilité de rendre plus efficace la gestion de votre production.

Être résilient face à un imprévu

La crise liée au Covid-19 nous a appris qu’il était indispensable d’être en capacité de revoir son positionnement vis-à-vis du travail. Quasiment du jour au lendemain, des millions de salariés, et certainement les vôtres, ont dû s’adapter et se mettre au télétravail. Les études montrent que ce sont les entreprises qui utilisaient déjà des solutions ERP incluant une solution de gestion de production qui ont su le mieux réagir. Toutes les données étant présentes sur le cloud, les équipes de développement de projet ont pu continuer à innover depuis chez elles. De la même manière que si elles étaient dans les locaux de leur entreprise.

De même, la fermeture des frontières, les confinements dans les différents pays et, au-delà de cet événement particulier, un conflit, une catastrophe naturelle, etc. peuvent avoir un impact sur votre approvisionnement en matières premières ou pièces détachées. Connaître en temps réel l’état de vos stocks est un atout. Cela vous permet d’anticiper un éventuel changement de fournisseur, sans avoir à effectuer un long et fastidieux inventaire.

Vous comprenez donc qu’investir en amont dans du matériel connecté et des logiciels de solution globale vous permet de ne jamais être pris au dépourvu, quel que soit l’imprévu qui se présente à vous.  

Être agile et réactif

Même en temps normal, si cela est encore une réalité, et en dehors de toute catastrophe, il est important d’être réactif et de s’adapter avec agilité à la nouveauté. Grâce aux retours des informations et données fournies par votre CRM, vous êtes à l’écoute de vos clients. Vous pouvez, par conséquent, leur proposer des produits correspondant à leurs attentes, voire personnalisables.

Avec votre solution de supply chain management et son intelligence artificielle, il vous est possible de tester vos idées avant la diffusion du produit. Mais aussi d’analyser sa rentabilité et rationaliser les processus. Vous économisez ainsi grandement sur les coûts de production, les matières premières, la gestion des stocks, etc.  

Être écoresponsable

Être innovant et hyperconnecté peut sembler aller à l’encontre des valeurs d’éco-responsabilité que vous souhaitez véhiculer. Il faut toutefois avoir une vision globale de votre système de production. Certes, le stockage de l’ensemble de vos données sur le  cloud et les serveurs qui l’hébergent entraîne une forte consommation d’énergie. Cependant, en contrepartie, vous économisez sur les déplacements. De plus, vous réduisez votre empreinte carbone. En effet, la majorité du travail de recherche, des réunions, des rendez-vous client, etc. peut se faire à distance. De même, avec une maîtrise parfaite de la gestion de vos stocks, vous évitez tout gaspillage inutile.

Au niveau de la fabrication et de la distribution de vos produits, votre logiciel GPAO vous permet une traçabilité de bout en bout de la chaîne de production. Il vous indique comment optimiser le conditionnement, les circuits de distribution, la récupération et le recyclage le cas échéant. Vous avez une vision très précise des produits dangereux et toxiques. Ceux dont l’étiquetage est automatisé, et comment les éliminer sans risque pour la nature ou, mieux, les recycler.

Concernant la maintenance de vos appareils de production, il est plus écoresponsable de les entretenir régulièrement. Vous éviterez ainsi la panne. Plutôt qu’être obligé d’arrêter la chaîne de production, de se débarrasser des machines défectueuses et non réparables, et d’en racheter de nouvelles. Votre logiciel GPAO répertorie chacun de vos moyens de production et vous alerte dès qu’une intervention est nécessaire.

Vous souhaitez simplifier la gestion de production de votre PME/ETI ? Vous souhaitez être en capacité de faire face aux imprévus et d’innover efficacement ? « Préparez demain dès maintenant » et contactez SAP, votre solution ERP & CRM globale.

The post Gestion de production : améliorez l’efficacité des opérations avec une solution pour PME/ETI appeared first on SAP France News.

Source de l’article sur sap.com

/par

Poll: Are You Excited by Windows 11?

,

It’s only been a few days since Microsoft officially followed Apple past the $2 Trillion valuation mark, and having done so it appears to be mimicking more of its long-term rival’s approach with hardware cut-offs and a macOS-style GUI refresh.

Hardware Shock

The first surprise for fans of Windows is that there is a Windows 11; the push for Windows 10 adoption was widely expected to all but eliminate numbered versions; creating a landscape in which there were numerous, regular minor updates. The arrival of Windows 11 later in 2021 kills off that idea.

Once Windows users come to terms with the fact that their (for the most part) reluctant upgrade to Windows 10 was short-lived, they’re going to have to come to terms with the fact that their hardware is probably about to be bricked by Microsoft.

Okay, so “bricked” is an exaggeration. But if you’re one of the many Mac users who were tempted over to the other side by the lure of the very desirable — and very expensive — Surface Studio 2, you’ll be understandably put out to discover that it is deemed too out-of-date to be supported by Windows 11.

The only hardware that Microsoft will officially support are those machines with AMD Ryzen 2000 processors, or better; you’ll also need at least a 2nd generation EPYC chipset. For those who cannot afford, or cannot stomach, purchasing new hardware this year, there is some respite to be found in the fact that you may be able to run Windows 11, you just won’t be officially supported and you’ll have to put up with regular compatibility warnings. You can check your hardware’s compatibility here.

It’s an unexpected departure for Microsoft, whose USP has until now been that — unlike macOS — Windows is hardware-agnostic, and the box you run Windows on is a personal preference.

macOS Style GUI

If however, you’re one of the lucky few who can download Windows 11, you’ll be confronted with a very macOS-style GUI. The whole environment has had a subtle refresh, with rounding happening throughout the design, resulting in a visually smoother, more Mac-like user experience.

The most obvious change is that the start button has been relocated to the center of the screen, making the process of using it considerably closer to macOS’ dock.

Windows 11 also includes a redesigned set of icons, which thankfully retain much of Windows’ current aesthetic.

Tablet mode has been removed in favor of a fullscreen option which indicates that Microsoft expects a greater blurring of the lines between traditional desktop machines, and touchscreen devices in future.

Source

The post Poll: Are You Excited by Windows 11? first appeared on Webdesigner Depot.


Source de l’article sur Webdesignerdepot

/par

SAP inaugure le plus grand réseau d’entreprises au monde

, ,

Ce réseau profitera de nouvelles solutions imaginées pour SAP pour des performances commerciales plus durables

 

WALLDORF, Allemagne — 2 juin, 2021 — Lors de sa conférence globale SAPPHIRE NOW®, SAP SE (NYSE : SAP) a annoncé une stratégie audacieuse visant à créer de nouvelles communautés d’entreprises capables d’améliorer les résultats commerciaux, de mieux gérer l’évolution des conditions économiques et géopolitiques et de renforcer les contributions au développement durable. SAP a dévoilé la première étape de la création du plus grand réseau d’entreprise au monde avec SAP® Business Network, qui regroupera Ariba® Network, SAP Logistics Business Network et SAP Asset Intelligence Network. Plus de 5,5 millions d’organisations bénéficieront de l’appartenance à cette communauté connectée.

Pour compléter cette annonce centrale, SAP annonce également de nouvelles innovations conçues pour aider les entreprises à moderniser et à numériser leurs processus de gestion pour devenir des entreprises intelligentes. Ainsi, les clients peuvent bénéficier d’un nouveau portefeuille d’applications de gestion spécifiques au développement durable qui offrent une transparence et une capacité unique de mesure  tout au long de la chaîne d’approvisionnement.

« Au cours de cette année sans précédent, l’importance des communautés dont nous faisons partie n’a jamais été aussi claire« , a déclaré Christian Klein, PDG et membre du conseil exécutif de SAP SE. « Notre nouvelle ambition est de construire la plus grande communauté d’affaires au monde, permettant aux clients de nouer facilement des liens avec des entreprises à travers les chaînes d’approvisionnement et créant des économies en réseau dans tous les secteurs. »

Alors que nous avons tous constaté la puissance des réseaux dans nos vies personnelles, cet écosystème en réseau pour les entreprises qui font des affaires ensemble est un projet sans précédent. Les membres du nouveau SAP Business Network pourront accéder à un portail unique et unifié pour obtenir une vue d’ensemble sur l’écosystème de leur chaîne d’approvisionnement, la logistique et la traçabilité, ainsi que la gestion et la maintenance des équipements. Pour en savoir plus : »SAP présente SAP Business Network« .

Pendant la pandémie, les entreprises les plus résilientes sont celles qui ont fait appel à la technologie pour transformer leurs processus opérationnels. Celles qui se sont contentées de tirer parti de l’infrastructure du cloud et qui n’ont pas réellement numérisé leurs processus de gestion fondamentaux n’ont pas eu la même chance. Pour permettre à chaque entreprise de devenir une entreprise intelligente, SAP a annoncé les packs de transformation RISE with SAP, adaptés pour des secteurs spécifiques. S’appuyant sur l’introduction réussie de l’offre RISE with SAP en janvier, les packages RISE with SAP pour des secteurs spécifiques offrent une transformation de l’entreprise sous forme de service avec cinq solutions de cloud computing sectorielles initiales pour le commerce de détail, les produits de consommation, l’automobile, les services publics et les machines et composants industriels. Pour en savoir plus : »Start Your Digital Transformation Journey : RISE avec SAP pour les industries« .

Malgré une brève baisse des émissions de carbone l’année dernière, cette année est en passe de devenir la deuxième plus forte augmentation des émissions de l’histoire. Le développement durable est aussi important pour la réussite des entreprises que le chiffre d’affaires et les bénéfices. C’est au cours de cette décennie que les entreprises doivent agir. L’objectif déclaré de SAP est de rendre la protection du climat mesurable, la diversité et l’inclusion visibles et les responsabilités éthiques transparentes.

Pour atteindre cet objectif et faire de la durabilité un processus de gestion essentiel, SAP a annoncé un portefeuille de nouveaux produits spécifiques à la durabilité. Il s’agit notamment de la solution SAP Responsible Design and Production, qui permet aux concepteurs de produits de faire des choix durables, de la conception initiale du produit à sa production, de la solution SAP Product Footprint Management, qui permet de suivre le développement durable tout au long du cycle de vie du produit, et de la solution SAP Sustainability Control Tower, qui offre une visibilité de bout en bout. Pour en savoir plus, lisez « Sustainability Management by SAP : Enabling Tomorrow Starts Today« .

À propos de SAP

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

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

Contacts presse SAP
Daniel Margato, Directeur Communication : 06 64 25 38 08 – daniel.margato@sap.com
Mateo Moreau : 06.31.80.86.93 – presse-sap@publicisconsultants.com
SAP News Center. Suivez SAP sur Twitter : @SAPNews.

 

The post SAP inaugure le plus grand réseau d’entreprises au monde appeared first on SAP France News.

Source de l’article sur sap.com

/par

Deploying CockroachDB on Kubernetes using OpenEBS LocalPV

,

CockroachDB is a cloud-native SQL database that features both scalability and consistency. The database is designed to withstand data center failures by deploying multiple instances of symmetric nodes in a cluster consisting of several machines, disks, and data centers. Kubernetes’ built-in capabilities to scale and survive node failures make it well suited to orchestrate CockroachDB’s databases. This is particularly for the reason that Kubernetes simplifies cluster management and helps maintain high-availability by replicating data across independent nodes. 

This guide focuses on how OpenEBS LocalPV devices can be used to persist storage for Kubernetes-Hosted CockroachDB clusters. 

Source de l’article sur DZONE

/par

Automobile : SAP ME assure le pilotage et la traçabilité du site Hitachi Astemo d’Angers

, ,

+2 points, c’est le gain en productivité attendu suite au déploiement de SAP ME sur une ligne de production du site Hitachi Astemo d’Angers. Autres bénéfices : une meilleure traçabilité, un contrôle qualité plus poussé et une visibilité accrue sur la production.

Hitachi Astemo est l’un des principaux équipementiers automobiles mondiaux. Son usine d’Angers, spécialisée dans les systèmes de freinage, a lancé un ambitieux projet de système d’information (SI) global, aujourd’hui passé en phase pilote. « Nous voulions nous doter d’un système de pilotage de la performance permettant d’assurer une traçabilité avancée, afin de répondre au cahier des charges des constructeurs automobiles premiums » précise Guillaume Neveu, Digital Manufacturing, MES – Un « core » model global, déployable sur l’ensemble des usines de la Business Unit. »

Les objectifs du projet étaient multiples : proposer une solution commune à tous les sites de production, permettant d’harmoniser les SI et tout en réduisant les coûts ; booster la productivité en accélérant les cycles de décision et les lignes de production ; améliorer la qualité des produits, leur traçabilité et le processus de contrôle ; avoir une meilleure visibilité sur la production des usines ; et, enfin, disposer d’un socle capable d’assurer la mise en œuvre d’une stratégie d’industrie 4.0.

Un MES comme pièce centrale du SI

« Il nous est rapidement apparu que le SI devait se concentrer sur un outil de pilotage de la production, ou MES (Manufacturing Execution System) » explique Guillaume Neveu. SAP Manufacturing Execution (SAP ME)  a été choisi pour assurer la collecte des données et le pilotage de la production. Avec l’appui de SAP MII (Manufacturing Intelligence Integration) pour l’intégration avec l’ERP et les fonctionnalités avancées de management visuel.

Suite à une première tentative non aboutie, le projet a été redémarré en juillet 2020. « Après avoir mené l’audit de la solution existante, nous avons demandé à Wynsys de reprendre le projet et de construire une nouvelle offre. » précise Guillaume Neveu. Les attentes et fonctionnalités ayant bien été identifiées en amont, quatre mois ont été suffisants pour mettre en place la solution. Il faudra attendre toutefois fin mars 2021 pour que SAP ME soit déployé sur un premier site, celui d’Angers.

« Nous avons pris le temps de valider la solution de façon très poussée, afin de nous assurer que tout se passerait bien, explique Cedric Mauresa, Business Relationship Manager au sein de la SI. Aujourd’hui, SAP ME tourne parfaitement sur une des lignes de production de notre site d’Angers. Les simulations réalisées avec Wynsys nous montrent que la solution pourra prendre en charge l’ensemble des dix lignes de production de l’usine, dès que nous aurons la validation de la Direction de l’usine. »

De multiples bénéfices

Guillaume Neveu nous détaille ci-dessous les objectifs atteints et les points restant à développer :

  1. Traçabilité : « L’outil de traçabilité de SAP ME répond à nos attentes. Près de 100 paramètres sont récupérés par frein, sachant qu’un frein est produit en moins de 10 secondes et qu’une trentaine de machines envoient des données simultanément. Le système arrive à collecter et traiter l’ensemble de ces informations. »
  2. Performance : « les retours des chefs d’équipes sont très positifs : les remontées en temps réel sur l’état de la ligne de production permettent de réagir rapidement en cas de problème ou d’imprévu. Et des rapports sont automatiquement générés chaque matin. »
  3. Contrôle : « Nous traçons ce qui sort des lignes, ainsi que ce qui a été fait ou refait. Il nous faudra toutefois aller plus loin dans le domaine du contrôle qualité, avec une analyse plus poussée de la production. »
  4. Socle IT : « Notre solution « core » est définie. Mais il nous faudra affiner la partie budgétaire, afin de proposer une offre meilleure marché pour les petits sites. Nous pourrions ainsi imaginer une plaque de déploiement commune à plusieurs usines, afin de mutualiser les coûts. »

Les superviseurs sont aujourd’hui en demande de ce type de solution. Ils gagnent en effet près d’une heure trente chaque matin grâce à la mise à disposition automatique de rapports détaillés, prêts à être analysés. Quant à l’OEE (Overall Equipment Effectiveness), il devrait croître : « Nous nous attendons à +2 points d’OEE, en plus des gains de productivité déjà programmés. » Mieux mesuré, l’OEE devient par ailleurs un indicateur plus fiable de la performance réelle des différents sites de production. Un argument clé pour améliorer la visibilité et la transparence des opérations.

 

En savoir plus

The post Automobile : SAP ME assure le pilotage et la traçabilité du site Hitachi Astemo d’Angers appeared first on SAP France News.

Source de l’article sur sap.com

/par

An Analysis of Near-Field Communication

,

Introduction

From telegraphs to online video calls and from fax machines to emails, the communication means have evolved exceptionally. Now the world has shifted from wired networks to wireless transmission, the internet being the most significant model. 

Nowadays people do not want to wait for replies; messages are sent and received in milliseconds. Modern messaging apps are an example of it. Transferring large files was a problem for businesses in the past, as it could take hours to load. Currently, centralized cloud storage is giving easy access to data anywhere in no time. 

Source de l’article sur DZONE

/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

Fonctionnalités clés d’un ERP moderne : quelques exemples remarquables

, ,

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Source de l’article sur sap.com

/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