Articles

Logiciel RH : quelle solution choisir pour ma PME/ETI ?

, , ,

Vous aimeriez vous concentrer sur le cœur de votre activité, mais votre temps de travail est envahi par les questions de gestion des ressources humaines ? Et si vous choisissiez un logiciel RH pour votre PME/ETI ? Plutôt que d’être préoccupé par les questions relatives aux dates des congés de vos collaborateurs, ou de vous préoccuper de leur dernière augmentation de salaire, laissez une solution RH prendre le relais. Vous remplacerez vos tableaux excel contraignants et obsolètes. Un logiciel de ressources humaines vous simplifie la vie et surtout, la gestion de votre personnel. Mais au juste : quelles fonctionnalités pouvez-vous attendre de ce type de solutions informatiques destinées aux PME/ETI ?

La gestion du personnel à l’aide d’un logiciel RH pour PME/ETI

La mise en œuvre d’une solution RH informatisée au sein de votre PME vous permet d’optimiser et de simplifier la gestion du personnel. Cette dernière est clairement chronophage si on s’y lance avec des outils inappropriés. Cette tâche est complexe, plus qu’on ne le pense souvent. Elle comprend à la fois des aspects administratifs, qualitatifs et stratégiques. L’objectif visé doit être une meilleure qualité de travail de votre personnel, grâce à l’automatisation des tâches.

Les solutions RH de SAP permettent tout d’abord de structurer les données relatives à votre personnel. Ces données sont regroupées dans une même interface, d’où elles sont directement accessibles. Les responsables et managers ont accès aux informations de manière centralisée, sur une plateforme intuitive et conviviale. L’actualisation des données s’effectue en temps réel. Elle est disponible rapidement à toutes les personnes autorisées.

Un logiciel de gestion RH peut être entièrement personnalisé. Il répond aux besoins spécifiques de chaque entreprise. L’interface de base rassemble des données sur le salaire, les formations, les congés, les compétences. D’autres fonctionnalités peuvent venir s’ajouter. Ainsi, il est possible d’intégrer à la base du logiciel le résultat des évaluations et des entretiens, les questions liées à la retraite, et bien d’autres informations encore.

Ces solutions informatiques RH peuvent assister les managers lors du recrutement de nouveaux collaborateurs. Elles facilitent la publication des annonces et le suivi des candidatures. 

Les avantages d’un logiciel SIRH pour PME/ETI

Outre les logiciels RH courants, des solutions spécifiques aux fonctionnalités pointues ont vu le jour. On les appelle couramment SIRH, pour Système d’Information sur les Ressources Humaines. Un logiciel SIRH se compose généralement de plusieurs modules d’application. Ils permettent d’optimiser la gestion du personnel. Cette solution modulaire présente des avantages. En effet, elle est personnalisable en fonction des besoins des PME/ETI. Le logiciel permet une meilleure structuration des données et des processus. Il contribue aussi à sécuriser les données, ainsi que la gestion des salaires. En effet, les solutions SIRH intègrent le plus souvent un logiciel de paie. Elles aident également l’entreprise à respecter les normes légales relatives à la saisie des données personnelles de leurs collaborateurs.

Les fonctionnalités d’un outil SIRH comprennent ainsi la gestion administrative des données du personnel, les temps de travail, les congés et absences, les notes de frais, la formation professionnelle, les salaires, un outil de gestion des diplômes et compétences, les résultats des entretiens d’évaluation et les bilans sociaux, avec reporting RH.

Les PME/ETI n’ont souvent pas les moyens d’engager des employés pour se charger exclusivement des tâches de gestion. C’est pourquoi disposer d’un outil SIRH performant et soigneusement paramétré pour prendre en compte les besoins de l’entreprise constitue un véritable avantage concurrentiel. Vous pouvez dégager un temps considérable en automatisant la plupart des tâches que nous venons de citer. Vous pourrez ainsi, vous et vos collaborateurs, être plus efficaces. De plus, les logiciels SIRH permettent le plus souvent l’intégration d’un module de gestion de projet.

La gestion optimisée des salaires avec un logiciel de paie intégré à votre solution SIRH

Une bonne gestion des salaires prend du temps. Les PME/ETI peinent souvent à remplir pleinement cette mission, ce qui entraîne des erreurs et des conflits avec les collaborateurs. Pourtant, les outils SIRH offrent des solutions conviviales et simples pour automatiser cette tâche administrative et comptable. Le premier avantage est de vous éviter de rassembler les données relatives à la paie à partir de plusieurs systèmes différents. Avec un logiciel SIRH et son module dédié à la paie, il suffit de quelques clics pour préparer efficacement le versement des salaires, puis pour le valider. 

Les solutions SAP vous permettent de consulter les données personnelles relatives à la rémunération par le biais d’une seule interface. Les données pertinentes du dossier du salarié peuvent être extraites rapidement. De même, vous avez accès à la rémunération passée de vos employés et à son historique. Lors du changement de données personnelles, la mise à jour se fait automatiquement, à partir de la base générale. N’oubliez pas qu’il est essentiel que les informations figurant sur les fiches de paie soient correctes. 

Votre logiciel paie vous donne accès à ces données en temps voulu et met en évidence les changements intervenus. Il vous permet aussi de vérifier toutes les fiches avant de les valider et d’effectuer le versement des salaires. Exportez facilement les données salariales de tous les employés et partagez-les avec les comptables. Les employés peuvent également télécharger leur fiche de paie directement depuis leur portail individuel. L’ensemble de la procédure gagne donc en transparence. Les documents sont toujours disponibles en ligne, évitant un classement fastidieux de fiches papier.

Le talent management avec un logiciel RH pour PME/ETI

Votre logiciel de gestion des ressources humaines vous permet également un meilleur management des talents et compétences. Ainsi, les contrats d’objectifs et les évaluations régulières constituent un instrument de gestion RH efficace, qui facilite le talent management et permet aux collaborateurs de développer leur motivation et leurs compétences. Ils contribuent à garantir l’engagement des employés dans leur travail et à déterminer les besoins en qualifications. Grâce aux solutions RH, les entreprises peuvent mettre en place un processus systématique. Ce processus garantit une compréhension commune des exigences et des objectifs.

Les contrats d’objectifs aident les managers à formuler des tâches complexes et à les traduire en résultats concrets et mesurables. Un logiciel RH dédié au management des compétences des salariés contribue à automatiser ce processus et permet une planification efficace. Il assure la transparence nécessaire en attribuant les exigences requises aux différentes fonctions. Le logiciel effectue une comparaison entre l’objectif visé et les compétences des collaborateurs. Il conçoit clairement des déroulements pour les différents projets et processus. Le logiciel RH permet aussi de faciliter l’évaluation. 

Grâce à un concepteur de listes et de statistiques, les bilans sont réalisés de manière flexible et rapide. De cette manière, les responsables de l’entreprise identifient les collaborateurs les plus performants et ceux qui le sont moins. Il nécessitera donc de motiver ou former ces derniers.

La tendance actuelle est au travail agile. Ainsi, les réunions ou entretiens d’évaluation traditionnels sont peu adaptés à ces formes modernes d’activité. De plus en plus d’entreprises ont abandonné les évaluations annuelles et les contrats d’objectifs sur 12 mois, au profit de bilans plus rapprochés, par période de 4 ou 6 mois.  Cela permet aux managers de donner un feedback à leurs employés à des intervalles plus courts. Les managers et les employés discutent ensemble de ce qui s’est bien passé au cours des derniers mois, des points à améliorer et du soutien dont l’employé a besoin. 

Pour éviter que ces entretiens indispensables au talent management ne soient trop chronophages, l’utilisation d’un logiciel RH est recommandée. 

Recruter de nouveaux talents avec un logiciel RH pour PME/ETI

Le recrutement de vos collaborateurs est un facteur essentiel de succès. Vous devez pouvoir effectuer une sélection soigneuse, sans perdre du temps. Affichage du poste, sélection des candidats, contrat de travail : autant d’étapes incontournables que les PME/ETI peuvent gérer plus facilement à l’aide d’un logiciel RH. Ce type de solutions, comme nous l’avons vu, contribue à un talent management efficace. Elles trouvent un domaine d’application idéal dans le recrutement de nouveaux collaborateurs. 

Les logiciels de gestion des ressources humaines présentent l’avantage de permettre un aperçu clair et précis des candidatures. Vous pouvez vous en servir pour publier vos offres d’emploi, mais aussi pour stocker et classer, voire analyser les lettres de motivation, les courriels et les candidatures en ligne. Les données récoltées sont partagées avec les managers responsables. Ils peuvent participer utilement à la décision d’embauche. Le logiciel RH pour PME/ETI vous aide aussi à optimiser les communications avec les candidats, à expédier les invitations à un entretien ou à l’inverse, les refus. Vous pouvez les automatiser tout en conservant leur caractère individualisé. 

Votre solution SIRH veille à ce que rien ne soit oublié. Elle traite toutes les étapes, de manière chronologique, et détermine automatiquement, à chaque demande, l’état du processus. Vous évitez ainsi les retards, par exemple lors de l’envoi des accusés de réception. Vous risquez bien moins de négliger les candidatures les plus intéressantes ou de les perdre. Le logiciel RH peut être programmé pour effectuer une présélection des candidats. Il garantit un gain de temps appréciable pour le service. 

Vous obtenez un aperçu synthétique et transparent de l’ensemble du processus de gestion des candidats. Qu’il s’agisse de déterminer des quotas, de générer une correspondance automatique, de sélectionner des profils ou d’effectuer un premier classement des candidatures, le logiciel RH garantit un accès rapide à toutes les données nécessaires. Il détecte aussi les doublons et peut générer un historique des requêtes ou des candidatures.

A retenir

Comme nous avons pu le voir, le choix d’un outil SIRH contribue à optimiser de nombreux processus de gestion au sein des entreprises. Cette optimisation dégage du temps pour les responsables et leurs collaborateurs. Cela est essentiel pour les PME et ETI, qui ne peuvent disposer d’un service de ressources humaines dédié. L’outil SIRH participe au succès de l’entreprise. Il facilite la mise en œuvre de ses projets.

Facteur d’innovation et de progression de l’activité, les logiciels RH SAP facilitent la gestion de la paie, la gestion des talents et la gestion plus classique du personnel. Différents modules peuvent venir répondre à des besoins spécifiques de l’entreprise.

SAP SuccessFactors vous aide à repenser la gestion des ressources humaines. L’outil modernise le fonctionnement de votre PME ou ETI. Vous centralisez la gestion des documents et des dossiers et rationalisez vos services. Vous gagnez en efficacité et en agilité, grâce à des solutions informatiques taillées sur mesure pour l’entreprise d’aujourd’hui. 

The post Logiciel RH : quelle solution choisir pour ma PME/ETI ? appeared first on SAP France News.

Source de l’article sur sap.com

/par

Quels outils pour faciliter la migration vers l’ERP SAP S/4HANA ?

, ,

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.

The post Quels outils pour faciliter la migration vers l’ERP SAP S/4HANA ? appeared first on SAP France News.

Source de l’article sur sap.com

/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

Qu’est-ce que le data mining ?

, ,

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

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

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

Pourquoi utiliser le data mining ?

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

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

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

Historique du data mining

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

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

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

Comment cela fonctionne ?

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

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

Techniques de data mining

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

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

Association

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

Clustering

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

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

Régression

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

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

Exemples de cas d’utilisation

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

Développement de produit

Les entreprises qui conçoivent, fabriquent ou distribuent des produits physiques peuvent identifier des opportunités pour mieux cibler leurs produits en analysant les habitudes d’achat conjuguées aux données économiques et démographiques. Leurs concepteurs et ingénieurs peuvent également recouper les commentaires des clients et des utilisateurs, les données de réparation et d’autres données pour identifier les opportunités d’amélioration des produits.

Production

Les fabricants peuvent suivre les tendances de qualité, les données de réparation, les taux de production et les données de performance des produits sur le terrain pour identifier les problèmes de production. Ils peuvent également détecter les améliorations pouvant être apportées aux processus afin d’accroître la qualité, gagner du temps, réduire les coûts, améliorer la performance des produits et/ou repérer tout besoin de renouvellement d’équipements.

Industries
des services

Dans le secteur des services, les utilisateurs peuvent trouver des opportunités similaires d’amélioration des produits en comparant les commentaires des clients (directs ou publiés sur les réseaux sociaux ou d’autres sources) et les données relatives aux services, canaux, performance des pairs, régions, tarifs, ou encore les données démographiques ou économiques.

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

Défis liés au data mining

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

Pictogramme qui représente un entrepôt de données

Renforcez votre expertise en matière de gestion des données

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

En savoir plus

 

FAQ sur le data mining

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

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

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

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

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

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

Le data mining est-il identique au data warehouse ?

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

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

Source de l’article sur sap.com

/par

Qu’est-ce que la modélisation des données ?

, ,

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

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

Pourquoi la modélisation des données est-elle importante ?

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

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

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

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

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

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

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

Quels sont les types de modélisation des données ?

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

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

Quels sont les trois niveaux d’abstraction des données ?

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

Modèle de données conceptuel

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

Modèle de données logique

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

Modèle de données physique

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

Processus et techniques de modélisation des données

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

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

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

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

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

Exemples de modélisation des données

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

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

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

Évolution de la modélisation des données

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

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

Quelle est la prochaine étape de la modélisation des données ?

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

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

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

Synthèse

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

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

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

En savoir plus

 

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

Source de l’article sur sap.com

/par

Intermarché choisit les solutions SAP Ariba pour optimiser sa chaîne de valeur et répondre aux attentes des consommateurs

, ,

Intermarché, enseigne alimentaire du Groupement Les Mousquetaires s’appuie sur les solutions de procurement Ariba de SAP pour assurer la fluidité et l’efficacité de sa chaine d’approvisionnement et de distribution, afin de répondre au mieux aux enjeux contemporains et aux attentes toujours grandissantes des consommateurs. Grâce à un outil intégré, les différents corps de métiers peuvent collaborer via une seule interface et selon des processus communs, ce qui permet une vision globale sur l’ensemble des flux et un suivi de tous les indicateurs de performance, favorisant la prise de décision et une réponse rapide et fiable aux besoins de l’entreprise et de ses clients.

Le contexte de crise sanitaire et les différentes formes de restrictions de mobilité qui ont traversé le territoire cette dernière année ont montré combien il était important pour une entreprise d’assurer la solidité et la fiabilité de sa chaîne d’approvisionnement.

L’épidémie de la Covid-19 a également accéléré les évolutions des comportements des consommateurs, et il tient à cœur à Intermarché de répondre présent face à ces nouveaux enjeux, c’est pourquoi le groupe a opéré sa transformation. La digitalisation de la vie professionnelle s’accompagne aussi de la digitalisation des modes de consommation, avec un recours plus fréquent au e-commerce. Les enjeux sociétaux et environnementaux font désormais partie intégrante de l’équation lors des choix de consommation des clients. L’hygiène et les impératifs sanitaires ont été exacerbés par la crise. Suite à la crise économique qui résulte de l’épidémie, les consommateurs sont plus que jamais à la recherche de prix très attractifs.

Une solution pour assurer la bonne traçabilité des produits marques de distributeurs et répondre mieux aux attentes des consommateurs.

La stratégie d’Intermarché repose sur six piliers. Le relai « Producteurs & Commerçants », qui est l’ADN d’Intermarché, implique de disposer d’un outil industriel efficient et réactif. Le retravail constant et l’optimisation des recettes, afin de répondre aux attentes des consommateurs désireux de manger mieux. Communiquer sur les avantages des produits Intermarché pour les consommateurs, et leur apporter toutes les informations qu’ils recherchent. Des activations promotionnelles pour répondre aux attentes des clients sur les prix des produits. Des prix bas toute l’année et une forte compétitivité prix, surtout au regard de la crise économique que nous traversons. Une transformation pour plus d’agilité, afin de s’adapter au monde en constante évolution.

La qualité de l’alimentation est plus que jamais au cœur des préoccupations des consommateurs, notamment via les gammes de produits bio. Les solutions Procurement SAP Ariba permettent à Intermarché d’assurer la bonne traçabilité de ses produits, et de répondre aux attentes des clients désireux d’en savoir plus sur la qualité et l’origine des produits qu’ils consomment. Pour assurer cette traçabilité, Intermarché peut s’appuyer sur la méthode et l’efficacité de l’outil Ariba. Celui-ci permet de suivre et analyser les données, afin de piloter et optimiser la chaine d’approvisionnement en fonction des demandes des consommateurs. Enfin, la fluidité des informations entre les collaborateurs et les fournisseurs de production est assurée par l’intégration à cet outil unique.

Une transformation engagée grâce à un outil unique adapté à l’ensemble des profils et corps de métier.

Pour faire face à la croissance du nombre d’appels d’offre et du nombre de fournisseurs, la complexité grandissante des références et l’impératif de toujours réduire le time to market pour répondre aux attentes des consommateurs, il était crucial pour Intermarché de pouvoir s’appuyer sur un outil intégré de pilotage, c’est pourquoi le groupe a choisi les solutions Achats SAP Ariba.

Le programme de transformation d’Intermarché se base sur cinq objectifs :

  1. Améliorer la qualité et l’échange de l’information entre les services et avec le fournisseur.
  2. Disposer de l’agilité nécessaire pour anticiper les événements et problématiques, tels que les renouvellements d’appels d’offres etc.
  3. Homogénéiser les processus d’approvisionnement.
  4. Piloter tous les services et processus, et mettre en place des KPIs.
  5. Améliorer le time to market; les distributeurs producteurs se doivent d’être rapides pour répondre immédiatement aux demandes des consommateurs.

Proposant une vaste variété de produits en marques de distributeurs (frais, épicerie, alimentaire hors import), les 59 usines intégrées au Groupement Les Mousquetaires et les 600 fournisseurs d’Intermarché collaborent au travers d’un outil unique, pour gérer les achats, identifier et anticiper les besoins, suivre l’historique, simplifier les appels d’offre, piloter l’entreprise via des processus homogènes et des indicateurs de performance communs.

Aujourd’hui, les collaborateurs Intermarché se sont approprié l’outil, et l’implantation d’Ariba est une réussite. La collaboration est facilitée par l’intégration sur un outil unique des différents profils et corps de métier qui interviennent tout au long de la chaine de valeurs. Le time to market a été multiplié par 2,25, avec un time to market moyen passé de 18 mois à 8 mois pour les marques de distributeurs. Le groupe ne cache pas ses ambitions de l’abaisser à 6 voire 3 mois en profitant pleinement des capacités proposées par les solutions SAP Ariba.

« La réussite de notre programme de transformation repose sur trois facteurs majeurs. D’abord, mettre les équipes au cœur du projet, les questionner sur les besoins et défis, pour les intégrer à la mise en place de la solution. Ensuite, rester simples et pragmatiques, et ne pas perdre de vue les objectifs de départ. Enfin, anticiper et accompagner le changement, en parallèle de l’élaboration de l’outil, est une clé de réussite. Les collaborateurs et les fournisseurs ont pris en main cet outil, ce qui est un très bon indicateur du succès du projet. Il y a énormément de positif dans ce qui est en train de se passer. » témoignent Matthieu Bidan, chef d’entreprise Intermarché à Gratentour (31) et  Guillaume Delpech, en charge de la direction des Achats Marques Propres Intermarché – Netto.

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
Pauline Barriere : 06.13.73.93.11 – presse-sap@publicisconsultants.com
SAP News Center. Suivez SAP sur Twitter : @SAPNews.

 

The post Intermarché choisit les solutions SAP Ariba pour optimiser sa chaîne de valeur et répondre aux attentes des consommateurs appeared first on SAP France News.

Source de l’article sur sap.com

/par

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

, , ,

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

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

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

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

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

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

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

8 startups à forte valeur ajoutée orientées AgTech sélectionnées

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

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

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

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

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

À propos de SAP

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

Contacts presse

Daniel Margato, Directeur Communication : 06 64 25 38 08 – daniel.margato@sap.com
Pauline Barriere : 06.13.73.93.11– presse-sap@publicisconsultants.com
SAP News Center. Suivez SAP sur Twitter : @SAPNews.

 

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

Source de l’article sur sap.com

/par

JTEKT accélère sa planification avec SAP IBP et TeamWork

, ,

L’équipementier japonais JTEKT cherchait un outil de planification flexible et rapide pour améliorer son processus S&OP. La solution SAP IBP et l’intégrateur TeamWork ont été choisis pour ce projet d’envergure.

JTEKT est un équipementier proposant des systèmes de direction automobile, mais aussi des roulements et des machines-outils. L’industriel japonais regroupe 137 filiales de par le monde. La branche Europe division automobile compte plus de 4600 collaborateurs, ainsi que 7 usines réparties dans 6 pays, pour un chiffre d’affaires annuel de 1,7 milliard d’euros.

L’Europe est stratégique, car c’est elle qui concentre le plus de constructeurs automobiles premium. Notez d’ailleurs que PSA et Renault font partie des clients de l’équipementier. Le siège européen de JTEKT est situé en France, à Irigny, près de Lyon.

La volonté de gagner en flexibilité et réactivité

Les équipementiers automobiles travaillent dans un secteur procurant une grande visibilité, la mise au point de nouveaux véhicules se faisant très en amont et les projections sur le volume d’activité étant particulièrement précises. Fort de cette visibilité, JTEKT a pris l’habitude d’investir sur le moyen et long termes. « Nous avons vraiment une culture du business plan dans le groupe, confirme Blandine Simon, Purchasing Performance Project Leader chez JTEKT. À ce titre, nous avions déjà une vision S&OP, mais à visée plus stratégique qu’opérationnelle. »

Pour la planification, JTEKT s’appuie – comme de nombreuses entreprises – sur Microsoft Excel. Une solution perfectible : non intégration dans l’ERP ; planification longue et fastidieuse ; manque de flexibilité et de réactivité.

L’équipementier s’est tourné vers SAP IBP, car l’interaction qu’il propose avec Microsoft Excel en fait un outil familier pour les utilisateurs. « Excel n’est toutefois que la partie émergé de la solution, les données étant concentrées dans une base de données SAP HANA en mode cloud », précise Daniel Lellouche, Directeur et Consultant Architecte SAP SCM, Dowap by TeamWork. SAP IBP propose d’autres atouts, comme la capacité à intégrer des données venant de sources hétérogènes et le partage du processus S&OP avec l’ensemble de la supply chain.

Une phase de POC essentielle

Partenaire de longue date de JTEKT, TeamWork a été tout naturellement choisi pour ce projet, avec des objectifs répartis selon quatre thématiques : Demand Plan (business plan S&OP, projections de chiffre d’affaires et estimations du gap par rapport au budget) ; Supply Plan (plans d’achats, plans de production des usines et inter-usines) ; Scenario (impacts des fluctuations de marché, capacité à répondre rapidement à des demandes client) ; Capacity (suivi des taux de charge des usines et machines, prise en compte des alertes fournisseurs).

Le projet a débuté par la mise au point d’un démonstrateur, sur une durée d’environ deux mois. Un POC s’appuyant sur les données de l’entreprise et proposant des scénarios réalistes. Par exemple la simulation d’un problème capacitaire chez un client.

« Le POC est très important, explique Blandine Simon. Il faut prendre le temps de le construire avec le prestataire, afin de comprendre l’outil, sa philosophie et les enjeux par rapport à votre business. Le passage à SAP IBP représente un changement notable dans la façon d’aborder la supply chain, poursuit Daniel Lellouche. Le POC permet d’illustrer ces changements et de visualiser les processus. C’est clairement un bon exercice. » Le POC est également décisif pour engager les métiers dans le projet… et convaincre la direction de la justesse de l’investissement.

Plusieurs vagues de déploiement programmées

Huit mois se sont écoulés entre le démarrage effectif du projet et la finalisation de la première étape, la planification budgétaire sur cinq ans. Les gains en réactivité sont impressionnants : « ce processus demande aujourd’hui quelques minutes de calcul, alors qu’il fallait compter en heures auparavant, témoigne Blandine Simon. Et nous ne nous arrachons plus les cheveux lorsqu’un client arrive avec une notification de dernière minute, car nous pouvons la prendre en compte rapidement. »

La seconde vague du projet, toujours en cours, consiste à intégrer le processus S&OP dans SAP IBP. « L’objectif est de prendre en compte les fluctuations de volume mensuellement et de les cascader dans la supply chain plus régulièrement qu’auparavant ». Il sera ainsi possible de déterminer chaque mois les écarts entre l’activité réelle et le budget.

D’autres étapes sont programmées : le suivi des projets potentiels ou en cours de réalisation, pour repousser encore la vision à long terme ; la gestion de la problématique capacitaire ; l’adoption de SAP IBP par d’autres divisions du groupe.

Aller plus vite et mieux anticiper

L’adoption de SAP IBP permet de gagner en temps sur la planification et en réactivité, pour la planification budgétaire annuelle, le suivi mensuel des activités, mais aussi lors de demandes ponctuelles. Par exemple lorsqu’un client sollicite les équipes pour des enquêtes capacitaires.

Ceci permet en bout de chaîne d’améliorer la satisfaction client. « La performance de SAP IBP est mise à la disposition des métiers, mais le premier acteur qui en profite c’est le client, qui obtient plus rapidement des réponses à ses questions », confirme Daniel Lellouche.

Le second bénéfice est l’anticipation, qui permet d’éviter certaines pertes financières. Que ce soit lors des hausses d’activité (difficultés d’approvisionnement) ou des baisses d’activité (augmentation des stocks morts).

Blandine Simon conclut sur le déroulé du projet : « nous avons particulièrement apprécié l’expérience de TeamWork dans la supply chain, le bon relationnel avec leurs consultants, toujours à l’écoute et en recherche de solutions. » Et concernant SAP IPB ? « Nous le trouvons rapide, flexible et intuitif. »

Pictogramme d'une chaîne, qui représente la supply chain

En savoir plus sur la planification de la Supply Chain

 

The post JTEKT accélère sa planification avec SAP IBP et TeamWork appeared first on SAP France News.

Source de l’article sur sap.com

/par

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

, , ,

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

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

Au programme : parité, impact social et nouvelles technologies.

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

Les nombreux avantages du programme Les Ambitieuses Tech For Good :

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

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

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

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

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

A qui s’adresse ce programme et comment postuler ?

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

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

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

Source de l’article sur sap.com

/par

SAP signe la charte « Femmes & IA » du Cercle InterElles pour une intelligence artificielle responsable et non-sexiste

, ,

Paris le 2 mars 2021 – SAP France confirme une nouvelle fois son engagement en faveur de la diversité femmes-hommes dans le secteur des nouvelles technologies en signant la charte « Femmes & IA » du Cercle InterElles. Co-construite avec SAP, celle-ci vise à lutter efficacement contre les risques de biais cognitifs discriminants lors de la conception ou lors de l’utilisation de solutions ou de dispositifs à base d’intelligence artificielle. Cette signature s’inscrit plus largement dans la vision de SAP pour un secteur des nouvelles technologies plus paritaire et non-sexiste.

« L’intelligence artificielle est le miroir de nos représentations sociales et culturelles. C’est un outil puissant d’interprétation du réel avec le risque d’en amplifier les dérives. Fort de la connaissance des biais et opportunités de cette technologie, il s’agit d’ouvrir aujourd’hui une ère nouvelle bénéficiant des apports du numérique de façon responsable. », l’équipe « Femmes & IA » du Cercle InterElles

Cette charte sera présentée le jeudi 4 mars 2021 lors du 20e Colloque du Cercle InterElles, en présence d’Élisabeth Moreno, Ministre déléguée auprès du Premier ministre, chargée de l’Égalité entre les femmes et les hommes, de la Diversité et de l’Égalité des chances.

Investie dans le Cercle InterElles depuis juillet 2019 via son réseau SAP Business Women’s Network, SAP décide ainsi de s’engager davantage sur la question de l’intelligence artificielle en signant la charte « Femmes & IA » pour une intelligence artificielle responsable et non-sexiste. Celle-ci repose sur sept principes fondamentaux : le comité IA et la gouvernance, la conformité dès la conception, le choix et le traitement des données, la responsabilité et l’éthique algorithmique, l’évaluation et les points de contrôle, la diversité des équipes IA, la sensibilisation et la responsabilisation.

Prenant ce sujet très au sérieux, c’est au plus haut niveau que SAP s’engage, avec l’appui de de son comité exécutif. Premier signataire de la charte, SAP est rejoint par d’autres entreprises qui seront dévoilées le 4 mars 2021 lors 20eColloque du Cercle InterElles.

« SAP est un acteur clé de l’IA dans le monde mais aussi en France. Sur notre R&D de 1200 personnes dans l’hexagone 150 ingénieurs sont dédiés à cette technologie dans notre centre à Paris. Nos technologies d’IA inclues dans nos solutions RH permettent à nos clients de lutter contre les biais. SAP est également engagé depuis de longues années sur les sujets de la mixité. Nous pilotons ainsi un groupe de travail sur cette thématique à Tech For Good depuis plusieurs années. Il était donc tout naturel d’aller plus loin avec cette charte  », explique Gérald Karsenti, Président de SAP France

« SAP prend ainsi à cœur d’assumer son rôle de leader mondial du logiciel d’entreprise qui lui donne une responsabilité sur des sujets aussi importants que celui-ci : les dernières évolutions de nos logiciels vont vers l’Entreprise Intelligente, ce qui, bien entendu, comprend l’utilisation de l’intelligence artificielle. La problématique la plus importante est la confiance des utilisateurs dans ces technologies avancées, nous travaillons donc par exemple à l’intégration des techniques d’explications dans nos offres analytiques, qui permettent d’expliquer les résultats, y compris donc les biais. De plus nous avons une démarche proactive avec un comité d’éthique IA depuis 3 ans », explique Erik Marcadé, Directeur du SAP Labs Paris.

Distinguée pour la deuxième année consécutive par le Bloomberg Gender-Equality Index, SAP met en place de nombreuses initiatives, telles que les programmes Les Décodeuses et Femmes Entrepreneures, pour promouvoir la parité dans un secteur encore largement dominé par les hommes.

The post SAP signe la charte « Femmes & IA » du Cercle InterElles pour une intelligence artificielle responsable et non-sexiste appeared first on SAP France News.

Source de l’article sur sap.com

/par