Articles

Paris, le 19 septembre 2022 – SAP SE (NYSE : SAP) a lancé l’édition 2023 de son programme d’accélération de start-ups axé sur le futur du Retail and Consumer Products. Pour cette 8ème édition de SAP.iO Foundry Paris, 12 start-ups internationales ont été sélectionnées par un jury composé d’experts SAP, de partenaires, de clients et de fonds d’investissement. Ces start-ups ont été reconnues comme étant précurseur sur ce thème de “Future of Retail and Consumer Products ”, un thème plus que jamais d’actualité avec les bouleversements des usages et du parcours client observé durant la crise sanitaire, et qui résulte de l’accélération de la numérisation de toutes les entreprises.

SAP.iO Foundry Paris, véritable incubateur de SAP en France, a déjà aidé plus de 65 start-ups à développer leur business ou leur solution. En quatre ans, SAP a atteint l’objectif fixé avec le gouvernement français visant à soutenir l’économie des start-ups lors sur sommet #ChooseFrance.

Ce nouveau programme a pour objectif de proposer aux entreprises du Retail et Consumer Products un accompagnement de leur stratégie digitale, grâce aux solutions de ces 12 start-ups, au rythme de l’évolution technologique autour de deux enjeux clés :

  • Proposer à leurs clients une expérience d’achat améliorée et différenciante
  • Assurer la traçabilité et l’authenticité de leurs produits

Odilia von Zitzewitz, Interim Lead SAP.iO Foundry Paris déclare : “SAP.iO est un accélérateur de start-ups formidable et engagé. Pour cette édition, l’accent a été mis sur le Retail laissant place à des innovations de choix, et qui répondent aux enjeux prédominants des acteurs de ce secteur clé. Nous sommes très fiers d’accompagner cette nouvelle promotion de start-ups !”

Au cours des 5 prochains mois, les start-ups auront accès à un mentorat personnalisé de la part des dirigeants de SAP France, à une exposition à la technologie SAP® et aux interfaces de programmation d’applications (API), ainsi qu’à des opportunités de collaboration avec des clients SAP du monde entier.

Les start-ups suivantes participent au programme SAP.iO Foundry Paris :

Sorga Technology

La mission de Sorga Technologie est d’accompagner les marques retail dans leur innovation digitale en proposant une solution à faible consommation d’énergie assurant la transparence et la traçabilité de leurs produits

https://sorga.org/

Arianee

La mission d’Arianee est de fournir aux entreprises des solutions simples pour établir des relations directes avec les consommateurs, respectueuses des données des utilisateurs et indépendantes des grandes plateformes technologiques.

https://www.arianee.org

 

CollectID

CollectID permet de garantir l’authenticité d’un produit, l’amélioration de l’expérience phygitale, ou encore l’établissement d’un canal de communication direct entre les marques . Une solution qui garantit l’authenticité et l’unicité des produits tout en rapprochant les marques de leurs clients.

https://www.collectid.com/

DIAKSE

Diakse développe et commercialise une solution de création de showrooms virtuels dans le métavers avec un objectif : permettre aux marques de mieux communiquer sur leurs produits et ainsi les aider à augmenter leurs ventes.

www.diakse.com

 

Foodetective

Foodetective est une plateforme de gestion et une infrastructure (API) de l’industrie F&B. Les entreprises utilisent Foodetective pour automatiser leurs opérations, simplifier leur administration, augmenter leurs revenus en ligne et accélérer les nouvelles opportunités commerciales. business.foodetective.co

LIVEBUY GmbH

LIVEBUY est une solution d’achat en direct pour les détaillants leaders du marché,

qui fournit à la fois la technologie et les bons créateurs pour construire une plateforme de contenu réussie au sein des boutiques en ligne.

https://www.livebuy.io/

  

Priceloop

Priceloop a développé une IA permettant de faciliter et d’automatiser les processus de tarification, proposant les meilleurs prix en tenant compte de tous les paramètres essentiels.

https://priceloop.ai/

 

Replika Software

Le logiciel Replika est une solution de vente sociale clé en main. Replika permet aux marques d’activer un réseau de vendeurs sociaux avec une entreprise clé en main pour inspirer sur les médias sociaux, vendre en ligne et se connecter avec les clients.

www.replikasoftware.com

  

Shopreme GmbH

Shopreme GmbH Développe notamment une technologie appelée « Scan & Go » qui transpose les avantages des achats en ligne dans les vrais magasins (rapidité, facilité de paiement, recommandations personnalisées, listes de course partagées…).

https://www.shopreme.com/

 

SmartPixels

SmartPixels fournit un outil de configuation et de visualisation de produits en 3D, l’objectif est d’aider les marques de mode et de luxe à créer des expériences personnalisées et interactives en ligne et en magasin.

https://www.smartpixels.fr/

 

SMARTZER LTD

La plateforme de Smartzer est utilisée par les marques pour transformer leurs vidéos et leurs flux en direct en expériences interactives et exploitables, ce qui leur permet d’obtenir un retour sur investissement direct du contenu et de mesurer les données détaillées des interactions vidéo.

www.smartzer.com

 

YZR

YZR automatise et accélère tous les projets de données textuelles de ses clients grâce à une solution puissante basée sur le traitement automatique des langues.

https://www.yzr.ai/en/

The post SAP.iO Foundry Paris lance la nouvelle édition de son programme consacré aux start-ups sur le thème de « Futur of Retail » appeared first on SAP France News.

Source de l’article sur sap.com

Paris, le 11 janvier 2022 – SAP SE (NYSE : SAP) a lancé un programme d’accélération start-ups axé sur le développement durable dans le cadre de la 7ème édition de SAP.iO Foundry Paris. 8 start-ups internationales ont ainsi été sélectionnées par un jury composé d’experts SAP, de partenaires, de clients et de fonds d’investissement pour rejoindre le programme.

SAP.iO Foundry Paris, l’accélérateur de SAP en France a déjà aidé plus de 50 start-ups. En trois ans, SAP a atteint l’objectif fixé, lors sur sommet #ChooseFrance, avec le gouvernement français visant à soutenir l’économie des start-ups.

Ce nouveau programme se concentre sur quatre sujets liés aux différentes questions concernant le développement durable dans les industries de services :

  • Conception et production responsables
  • Approvisionnement responsable
  • Récupération et réutilisation des ressources
  • Consommation responsable

Sébastien Gibier, Directeur SAP.iO Foundry Paris, déclare : « SAP.iO a toujours été un formidable accélérateur de start-ups. Cette année, l’accent mis sur le développement durable permettra à des scale-ups d’amplifier leur impact. SAP France se réjouit de perpétuer ce programme centré sur l’innovation. Nous sommes particulièrement heureux d’avoir tenu nos objectifs fixés avec le gouvernement. »

Au cours des 12 prochaines semaines, les start-ups auront accès à un mentorat personnalisé de la part des dirigeants de SAP, à une exposition à la technologie SAP® et aux interfaces de programmation d’applications (API), ainsi qu’à des opportunités de collaboration avec des clients SAP du monde entier.

Les start-ups suivantes participent au programme SAP.iO Foundry Paris :

ACTRADIS

  • La mission d’Actradis est d’accompagner les entreprises dans la compilation, la vérification et la numérisation de documents sur une plateforme de partage.
  • https://www.actradis.fr/

bloXmove

  • bloXmove résout les difficultés rencontrées par les entreprises pour collaborer dans le cadre de la mobilité urbaine. Il s’agit d’une plateforme blockchain de mobilité décentralisée qui fournit des interfaces simples à intégrer pour vérifier les identités et les accréditations, les contrats intelligents et la distribution des revenus.
  • https://bloxmove.com/

Cozero

  • Cozero propose une plateforme numérique d’action carbone couvrant le processus de gestion du carbone des entreprises de bout en bout. Elle facilite ainsi l’optimisation de l’empreinte environnementale et économique tout au long de la chaîne d’approvisionnement.
  • https://cozero.io/

HESUS

  • HESUS innove afin de fournir les meilleures solutions pour le transport et le traitement des sols et des déchets de chantier, tout en réduisant leur impact environnemental.
  • https://hesus.com/

Leanpath

  • Leanpath fournit une plateforme complète de prévention du gaspillage alimentaire – comprenant des outils de mesure, de découverte et d’automatisation – permettant aux clients partenaires de réduire le gaspillage alimentaire de 50 % ou plus dans plus de 40 pays.
  • http://www.leanpath.com

Liftango

  • Liftango guide les organisations internationales et les villes dans la planification, le lancement et la mise en œuvre de projets de mobilité partagée. Elle résout les problèmes de stationnement, de congestion et de zonage en améliorant l’efficacité des services de transport grâce à une technologie de transport à la demande.
  • https://liftango.com

Madaster

  • Madaster offre une plateforme cloud fournissant un point d’accès unique pour exploiter les données immobilières afin de répondre aux ambitions environnementales, réglementaires, sanitaires et financières tout au long du cycle de vie de l’objet.
  • https://madaster.com/

TotalCtrl

  • TotalCtrl crée des produits numériques en collaboration avec des restaurants, des hôtels, des municipalités et des particuliers afin de supprimer les processus manuels, rationaliser la gestion des stocks alimentaires, générer facilement le coût mensuel des marchandises vendues et les rapports comptables.
  • https://totalctrl.com/

En savoir plus sur le programme SAP.iO Paris

The post SAP.iO Foundry Paris lance son nouveau programme : Développement durable dans les industries de services appeared first on SAP France News.

Source de l’article sur sap.com

Paris, le 11 janvier 2022 – SAP SE (NYSE : SAP) a lancé un programme d’accélération start-ups axé sur le développement durable dans le cadre de la 7ème édition de SAP.iO Foundry Paris. 8 start-ups internationales ont ainsi été sélectionnées par un jury composé d’experts SAP, de partenaires, de clients et de fonds d’investissement pour rejoindre le programme.

SAP.iO Foundry Paris, l’accélérateur de SAP en France a déjà aidé plus de 50 start-ups. En trois ans, SAP a atteint l’objectif fixé, lors sur sommet #ChooseFrance, avec le gouvernement français visant à soutenir l’économie des start-ups.

Ce nouveau programme se concentre sur quatre sujets liés aux différentes questions concernant le développement durable dans les industries de services :

  • Conception et production responsables
  • Approvisionnement responsable
  • Récupération et réutilisation des ressources
  • Consommation responsable

Sébastien Gibier, Directeur SAP.iO Foundry Paris, déclare : « SAP.iO a toujours été un formidable accélérateur de start-ups. Cette année, l’accent mis sur le développement durable permettra à des scale-ups d’amplifier leur impact. SAP France se réjouit de perpétuer ce programme centré sur l’innovation. Nous sommes particulièrement heureux d’avoir tenu nos objectifs fixés avec le gouvernement. »

Au cours des 12 prochaines semaines, les start-ups auront accès à un mentorat personnalisé de la part des dirigeants de SAP, à une exposition à la technologie SAP® et aux interfaces de programmation d’applications (API), ainsi qu’à des opportunités de collaboration avec des clients SAP du monde entier.

Les start-ups suivantes participent au programme SAP.iO Foundry Paris :

ACTRADIS

  • La mission d’Actradis est d’accompagner les entreprises dans la compilation, la vérification et la numérisation de documents sur une plateforme de partage.
  • https://www.actradis.fr/

bloXmove

  • bloXmove résout les difficultés rencontrées par les entreprises pour collaborer dans le cadre de la mobilité urbaine. Il s’agit d’une plateforme blockchain de mobilité décentralisée qui fournit des interfaces simples à intégrer pour vérifier les identités et les accréditations, les contrats intelligents et la distribution des revenus.
  • https://bloxmove.com/

Cozero

  • Cozero propose une plateforme numérique d’action carbone couvrant le processus de gestion du carbone des entreprises de bout en bout. Elle facilite ainsi l’optimisation de l’empreinte environnementale et économique tout au long de la chaîne d’approvisionnement.
  • https://cozero.io/

HESUS

  • HESUS innove afin de fournir les meilleures solutions pour le transport et le traitement des sols et des déchets de chantier, tout en réduisant leur impact environnemental.
  • https://hesus.eu/

Leanpath

  • Leanpath fournit une plateforme complète de prévention du gaspillage alimentaire – comprenant des outils de mesure, de découverte et d’automatisation – permettant aux clients partenaires de réduire le gaspillage alimentaire de 50 % ou plus dans plus de 40 pays.
  • http://www.leanpath.com

Liftango

  • Liftango guide les organisations internationales et les villes dans la planification, le lancement et la mise en œuvre de projets de mobilité partagée. Elle résout les problèmes de stationnement, de congestion et de zonage en améliorant l’efficacité des services de transport grâce à une technologie de transport à la demande.
  • https://liftango.com

Madaster

  • Madaster offre une plateforme cloud fournissant un point d’accès unique pour exploiter les données immobilières afin de répondre aux ambitions environnementales, réglementaires, sanitaires et financières tout au long du cycle de vie de l’objet.
  • https://madaster.com/

TotalCtrl

  • TotalCtrl crée des produits numériques en collaboration avec des restaurants, des hôtels, des municipalités et des particuliers afin de supprimer les processus manuels, rationaliser la gestion des stocks alimentaires, générer facilement le coût mensuel des marchandises vendues et les rapports comptables.
  • https://totalctrl.com/

En savoir plus sur le programme SAP.iO Paris

The post SAP.iO Foundry Paris lance son nouveau programme : Développement durable dans les industries de service appeared first on SAP France News.

Source de l’article sur sap.com

La mise en oeuvre d’un nouveau système ERP offre une occasion majeure de transformer numériquement votre entreprise. Non seulement vous pouvez dépasser les fonctionnalités limitées ou la technologie obsolète de votre ancien système, mais vous pouvez également tirer parti des capacités du système ERP moderne pour vous aider à saisir de nouvelles opportunités commerciales.

Cependant, toutes les mises en place ne se déroulent pas sans heurts. Alors comment préparer votre entreprise à une mise en oeuvre réussie de l’ERP ? Comment éviter les coûts et les risques inutiles ? Ces meilleures pratiques de mise en œuvre d’un ERP peuvent vous aider à éviter les pièges les plus courants et à profiter plus rapidement des avantages de votre nouveau système ERP.

Par où commencer votre projet ERP ?

Lorsque les gens pensent à la mise en oeuvre d’un système, ils commencent souvent par envisager les fonctionnalités souhaitées. Mais les nouvelles fonctionnalités ou technologies ne sont pas le cœur du problème ; ce dont une entreprise a besoin pour se développer, ce sont des processus de gestion modernes. Ce n’est qu’avec des processus efficaces qui vous permettent d’être agile et réactif que vous pourrez stimuler votre compétitivité et mieux servir vos clients internationaux.

Souvent, les processus existants sont rigides et ne répondent pas aux besoins de l’entreprise. Même lorsque des processus éprouvés et rentables sont en place, ils doivent souvent être mis à jour pour répondre à l’évolution des besoins ou être enrichis de nouvelles fonctionnalités, comme l’accès mobile, les alertes et la veille économique. Il est donc important de toujours garder ces processus au cœur de votre plan de mise en œuvre.

Quel est le plus grand facteur de réussite ? Votre équipe de projet.

Toutes les études de cas sur la mise en oeuvre d’un ERP se rejoignent
: le facteur déterminant est l’équipe de mise en œuvre.

Un excellent logiciel n’est excellent que s’il est mis en œuvre par une équipe solide. Si les membres de l’équipe n’ont pas le temps, le soutien ou les compétences nécessaires pour effectuer le travail efficacement, ils ne réussiront pas – et le projet souffrira probablement de retards, de coûts supplémentaires et/ou d’un logiciel qui ne répond pas aux besoins de l’entreprise.

Les entreprises qui ont connu des revers ou des échecs en matière d’ERP ont souvent affecté des employés qui « avaient le temps » de travailler sur le projet. Mais pour réussir, vous devez recruter les personnes dont « vous ne pouvez pas vous passer ». Il s’agit des personnes bien occupées qui connaissent les processus opérationnels, travaillent bien avec les autres membres de l’organisation et ont le respect de la direction. Dédiez ces personnes au projet à plein temps (40 heures de disponibilité), ou autant d’heures que possible par semaine.

N’ajoutez à l’équipe de projet clé aucune personne qui ne peut pas consacrer au moins 25 % de son temps (minimum 10 heures) au projet chaque semaine. Les membres de l’équipe consacrant moins d’un quart de leur temps pourront rattraper les activités du projet mais n’y apporteront aucune valeur ajoutée.

Le soutien de la direction à votre équipe est essentiel. Dans toute mise en œuvre importante, des décisions doivent être prises concernant les priorités et les compromis en matière de ressources. Sans un soutien et un engagement fort, même les équipes qualifiées peuvent échouer.

La mise en oeuvre rapide d’un système ERP moderne est l’une des choses les plus importantes qu’une entreprise puisse réaliser. Cela vaut la peine d’y consacrer vos meilleurs éléments et de poser les bases du succès dès le départ.

Comment planifier la mise en œuvre de votre ERP

Planifiez la séquence de mise en place de façon réaliste. Tenez compte de la disponibilité de votre équipe de direction, des managers et des experts internes qui contribuent à l’effort.

Classez vos besoins par ordre de priorité afin de pouvoir vous concentrer sur les gains importants tout en constituant une base logicielle et technologique de base qui pourra évoluer en fonction des besoins de votre entreprise.

Votre plan détaillé et vos indicateurs clés de performance seront adaptés à vos besoins spécifiques. Toutefois, les activités clés suivantes sont des étapes communes à toutes les mises en place réussies :

Mise en oeuvre d'un ERP

1. Sélectionnez un partenaire intégrateur pour vous aider à la mise en œuvre

Votre équipe de projet n’est probablement pas très expérimentée dans la mise en œuvre d’un logiciel ERP ; elle aura besoin d’aide. Cherchez et sélectionnez un ou plusieurs consultants qualifiés pour la mise en oeuvre de l’ERP, ayant une connaissance approfondie et une expérience de l’application ERP que vous allez installer. Confirmez qu’ils comprennent comment la nouvelle solution logicielle soutient vos processus d’affaires actuels et à venir. Interrogez leurs références pour le vérifier.

Vos partenaires intégrateurs doivent disposer d’un personnel formé à votre secteur d’activité et disponible sur vos sites. Si vous avez des clients et des fournisseurs internationaux, vos partenaires doivent avoir les compétences nécessaires en matière de commerce international, de langues et de devises pour rationaliser votre mise en œuvre.

Enfin, examinez le logiciel de gestion de projet que l’entreprise utilise pour vous assurer qu’il est compatible avec votre système interne de planification, d’ordonnancement et de suivi.

2. Détaillez toutes les tâches du projet

Votre partenaire de mise en place vous aidera à dresser une liste détaillée de toutes les tâches à accomplir. Cette liste sera longue. La formation seule, par exemple, comprend de nombreuses tâches :

  • Formation de l’équipe de projet : Votre équipe doit se familiariser avec le logiciel afin de pouvoir décider comment adapter vos processus d’entreprise.
  • Formation de l’équipe informatique : L’équipe informatique doit être formée afin de comprendre comment installer et maintenir le système de manière optimale.
  • Formation des utilisateurs métiers : Toutes les personnes appelées à utiliser le logiciel doivent apprendre comment il fonctionne.
  • Formation continue : Les nouveaux utilisateurs auront besoin d’être formés au fur et à mesure qu’ils rejoignent votre entreprise, vous devrez donc mettre en place un plan à plus long terme.

La liste des tâches doit être divisée en phases. Il faut prévoir du temps pour le pilote en salle de conférence, la personnalisation de l’application, l’intégration à d’autres applications et sources de données, la mise en œuvre de l’infrastructure, le nettoyage des données, l’acceptation par les utilisateurs, etc.

3. Calculez les heures de travail

Estimez soigneusement le temps nécessaire à chacune des tâches. Pour ce faire, comprenez la tâche et le travail qu’elle implique, puis déterminez le nombre d’ « heures de travail » nécessaires. Il peut s’agir d’une fourchette d’heures, mais elle doit être précise. Additionnez les heures de travail pour chaque phase du projet et désignez la personne chargée de les réaliser.

C’est pourquoi il est important de faire appel à un partenaire intégrateur qui connaît bien la solution logicielle. Si vous effectuez cette étape correctement, vous serez en mesure de calculer avec précision votre calendrier, de déterminer si vous avez besoin d’aide en dehors de votre équipe actuelle et de limiter les dérapages.

4. Créez un calendrier réaliste

Maintenant que vous avez calculé les heures de travail disponibles et nécessaires, vous pouvez créer un calendrier réaliste. Dans de nombreux cas, le premier passage révèle un problème de capacité par rapport au calendrier de mise en œuvre qui avait été présenté à l’origine aux dirigeants.

Voici un exemple de calcul qui illustre les écarts potentiels :

  • Délai de mise en service prévu = 12 mois ou 1 an
  • Nombre total d’heures de travail disponibles sur une période de 12 mois = 540/semaine ou 28 080 heures/an
  • Nombre total d’heures de travail nécessaires à la mise en place = 42 000 heures au total
  • Heures requises divisées par les heures disponibles par an = 1,496 années

Le résultat ? La date de mise en service est manquée avant le début du projet. Voici quelques solutions possibles :

  • Réduire le scope – même si l’équipe a convenu que ces tâches sont essentielles.
  • Repousser la date à une date réaliste
  • Ajouter plus de ressources internes et externes (heures de travail disponibles)
  • Décomposer le projet en phases

C’est ici que l’équipe de direction devra prendre la décision. Ce n’est qu’un exemple des raisons pour lesquelles ils doivent être impliqués dans le processus de sélection et de mise en œuvre du logiciel.

5. Menez un projet pilote

Une fois le projet lancé et avant la mise en service, effectuez un test ou un pilote (dans une salle de conférence) avant le déploiement complet. Ce pilote interne vous permettra de vous assurer que vous avez mis en place les processus opérationnels appropriés pour les besoins actuels et futurs de l’entreprise. Lorsque vous concevez vos nouveaux processus, il est important de comprendre l’éventail des options disponibles dans votre système ERP – et de valider vos processus avec l’équipe de projet et les parties prenantes de la communauté des utilisateurs.

Au cours de cette phase de plusieurs semaines, votre partenaire de mise en place installera un logiciel pilote qui vous permettra de tester tous vos processus et de vous assurer qu’ils fonctionnent comme prévu, sans surprise. Souvent, vous pouvez appliquer les meilleures pratiques pour gagner du temps, en particulier si vous disposez des outils de configuration pour effectuer des ajustements rentables à mesure que vous affinez vos opérations.

6. Nettoyez vos données

Cela semble simple, mais le nettoyage des données est une activité chronophage. Il est préférable de commencer à évaluer l’exactitude de vos données dès que possible, car il faut beaucoup d’efforts pour réaliser cette étape correctement. Au cours du projet, des changements de processus métiers se produiront – soyez donc prêt pour des étapes supplémentaires de gestion des données pendant la mise en œuvre.

7. Tenez tout le monde informé

Chaque semaine, un membre du personnel doit contacter toutes les parties prenantes clés afin qu’elles soient informées des points positifs et moins positifs de l’avancement du projet de mise en œuvre. Le pire scénario est celui où les gens ne sont pas tenus au courant et sont pris par surprise.

La plupart des bons systèmes de gestion de projet comportent des représentations visuelles de l’avancement du projet.

Commencez par les processus les plus importants de votre entreprise

Toutes les entreprises n’ont pas les mêmes problèmes. Il est donc préférable de passer en revue vos processus opérationnels et de classer par ordre de priorité ceux qui doivent être abordés en premier. Voici une liste de domaines à haute valeur ajoutée à prendre en compte :  

  • La veille stratégique, y compris les alertes de gestion et les tableaux de bord : Votre équipe a besoin de mises à jour rapides sur les problèmes de l’entreprise, ainsi que de la possibilité d’approfondir facilement les détails pour résoudre rapidement les problèmes – au bureau, à la maison ou sur la route. Vous avez besoin d’une intelligence d’affaires intégrée et de données qui se trouvent dans une base de données unique.
  • Gestion de la relation client (CRM) : Aujourd’hui, les processus CRM touchent généralement toutes les parties d’une entreprise. Les ventes directes, les distributeurs, les showrooms, le commerce électronique, le service client et les commerciaux partagent tous des informations sur les clients avec la gestion des commandes, les opérations, les achats, l’ingénierie, les comptes clients et l’expédition.
  • Finance et comptabilité : Des transactions financières précises et en temps réel, des indicateurs clés de performance et des analyses sont essentiels à toute entreprise, et ils doivent couvrir tous les sites et départements. Outre la comptabilité, elles doivent être intégrées à l’évaluation des coûts, à la budgétisation, aux prévisions, aux projets, à la gestion des actifs, à la conformité et à la gestion de la trésorerie.
  • Gestion de la chaîne logistique (DSC) et fabrication : Les délais serrés, les faibles marges et les perturbations de la chaîne d’approvisionnement constituent un défi pour toutes les entreprises. Leur gestion nécessite un travail d’équipe – collaboration avec les fournisseurs, les transporteurs, les sociétés d’import/export, les banques et d’autres partenaires – souvent sur des appareils mobiles répartis sur plusieurs sites.
  • Ressources humaines (RH) : La gestion d’une main-d’œuvre diversifiée est plus difficile aujourd’hui que jamais, et votre équipe a besoin d’un accès immédiat et sécurisé aux informations sur les employés pour la paie, les avantages sociaux, la budgétisation, la programmation et les besoins de conformité. De plus, le recrutement, le développement et la fidélisation des employés constituent une part importante de l’évaluation des plans d’affaires actuels et proposés.
  • Langues, devises et sites multinationaux : À mesure que vous développez votre entreprise, en particulier si vous vous implantez dans de nouvelles régions ou de nouveaux pays, vous devez être en mesure d’ouvrir et de développer de nouvelles opérations de manière cohérente et rapide. Cela nécessite des capacités logicielles étendues et avancées, ainsi que des services cohérents de la part de votre fournisseur de logiciels sur chaque site.
  • La mobilité : La capacité d’accéder à l’information et de travailler à distance est désormais vitale – comme l’a démontré la pandémie de COVID-19. Les entreprises qui disposent des outils nécessaires pour s’adapter rapidement peuvent prendre l’avantage en période de perturbation.

Conseils pour atténuer les risques liés à la mise en œuvre d’un ERP

Tous les projets comportent un élément de risque. Vous trouverez ci-dessous cinq conseils précieux pour améliorer vos chances de mener à bien votre projet dans les délais et les budgets impartis.

  1. Choisissez des partenaires expérimentés en matière de logiciels, de processus opérationnels et de mise en oeuvre qui possèdent un savoir-faire sectoriel et local. Interrogez toujours des références dans des entreprises comme la vôtre.
  2. Ne poussez pas une technologie dépassée au-delà de ses limites. Éliminez les anciens systèmes autonomes dépassés et, dans la mesure du possible, consolidez vos données dans une base de données unique (version unique de la vérité) avec une veille économique intégrée pour des performances multinationales.
  3. Dans l’économie numérique, les entreprises doivent souvent intégrer des systèmes entre les unités commerciales ainsi qu’avec les clients et les fournisseurs. Confirmez que vous disposez de capacités d’intégration dans le cloud et d’une expertise en matière de réseaux de fournisseurs.
  4. Évitez les dérives du projet. Il est fréquent de découvrir des besoins et des opportunités au cours de la mise en œuvre d’un ERP. Il est donc important de gérer les ordres de modification pour éviter les retards et les dépassements de coûts.
  5. Confirmez que vous disposez d’une expertise cohérente sur tous vos sites. Vous avez besoin d’une formation, d’une mise en place et d’une assistance, souvent fournies par la direction locale, les distributeurs de logiciels, les sociétés de conseil et votre partenaire logiciel.

Conseils pour éviter les coûts supplémentaires liés à la mise en œuvre d’un ERP

L’investissement dans un nouveau système ERP comprend l’engagement en temps de votre entreprise, le conseil en processus métier et en mise en œuvre, les logiciels et les services cloud, ainsi que l’équipement en ordinateurs, tablettes et téléphones – il est donc important de contrôler le projet et les coûts.

Voici quelques points clés à suivre :

  • Restez concentré sur le coût total de possession (TCO). Gérez vos coûts totaux – et les avantages au fil du temps pour minimiser les dépenses et maximiser le rendement. N’oubliez pas que la mise en œuvre d’un système ERP aura un impact important sur votre entreprise.
  • Respectez l’orientation de l’entreprise et n’imposez pas de changements de processus inutiles. Dans de nombreux cas, les entreprises sont contraintes de modifier leur mode de fonctionnement pour s’adapter à leur logiciel, ce qui augmente les coûts de mise en œuvre et d’exploitation.
  • Concentrez-vous sur les processus de routine qui apportent une valeur significative à l’entreprise.  La gestion des commandes des clients, la mise à jour des prix, l’ajout de nouveaux produits et services, la modification des détails de fabrication et l’intégration des nouveaux employés sont des exemples de ces processus de routine.
  • Évitez les personnalisations et tirez parti d’une interface utilisateur configurable, des tableaux de bord, des alertes, des flux de travail, de la veille économique et des fonctionnalités mobiles. Grâce à ces fonctionnalités, vous pouvez rationaliser le travail de tous vos services ainsi que procéder à des ajustements rapides et rentables si nécessaire.
  • Les piratages de systèmes et les violations de données coûtent cher. Lorsque vous utilisez Internet, utilisez une solution ERP en nuage sécurisée si nécessaire – confirmez que vos fournisseurs de logiciels et de services prennent en charge une gamme d’options de déploiement de logiciels sécurisés.

Quand votre mise en oeuvre ERP sera-t-elle terminée ?

Une fois votre mise en oeuvre initiale terminée, vous aurez toujours besoin de la flexibilité nécessaire pour ajouter des fonctionnalités supplémentaires à votre entreprise. De nombreux changements peuvent être à l’origine de ces opportunités, comme de nouveaux sites, de nouvelles gammes de produits et de services, et des acquisitions.

La transformation numérique offre également des possibilités supplémentaires de faire équipe avec les clients et les fournisseurs pour redéfinir la manière dont les affaires sont menées dans votre secteur. Souvent, ces projets incluent de nouvelles technologies, comme l’apprentissage automatique et l’intelligence artificielle (IA), ainsi que l’intégration avec des équipements et des véhicules utilisant l’Internet des objets (IoT) pour améliorer la vitesse et l’efficacité.

Prêt à passer à l’étape suivante ?

Dans tout projet ERP, il y aura des problèmes inattendus – alors attendez-vous à en rencontrer dans le vôtre. Mais, en suivant les meilleures pratiques pour une mise en oeuvre réussie de l’ERP, vous pouvez les identifier et les traiter dès qu’ils se présentent afin de gérer efficacement vos risques et vos coûts.

Essayez une solution ERP moderne cloud

The post Meilleures pratiques de mise en œuvre d’un ERP pour réduire les risques et les coûts appeared first on SAP France News.

Source de l’article sur sap.com

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 Datad’apprentissage automatiqued’intelligence artificiellede connectivité Cloudd’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

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.

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

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

Le changement climatique est un sujet brûlant. Pour y remédier, tous les pays du monde se doivent d’agir et de mener des actions coordonnées. Depuis plus de 10 ans, SAP s’emploie à agir contre le changement climatique. L’éditeur a fixé ses premiers objectifs de baisse des émissions de CO2 dès 2009. Bien qu’il ait une nouvelle fois été classé numéro 1 des éditeurs de logiciels dans les indices de durabilité du Dow Jones cette année, le plus dur reste à accomplir.

Dans le cadre du mouvement #FridaysForFuture, des milliers d’étudiants descendent dans la rue chaque vendredi pour manifester en faveur de la protection du climat. Le rapport annuel sur l’écart entre les besoins et les perspectives en matière de réduction des émissions qui vient d’être publié a tiré une autre sonnette d’alarme avant la conférence sur le climat de cette semaine. En comparant la tendance des émissions de gaz à effet de serre à leur niveau souhaitable, le rapport souligne que ces émissions doivent baisser de 7,6 % par an sur la prochaine décennie pour que l’humanité parvienne à contenir l’élévation des températures du globe à 1,5 °C. Un réchauffement supérieur à 1,5 degré entraînerait des phénomènes climatiques plus fréquents et plus intenses, à l’image des vagues de chaleur et des tempêtes observées ces dernières années, et ferait planer de graves menaces sur les populations, les pays, l’environnement, mais aussi les entreprises.

Favoriser l’action pour le climat via les solutions SAP

Pour lutter contre les dommages causés par le changement climatique, SAP s’appuie sur la numérisation. Ce faisant, l’éditeur aide ses clients à réduire leurs émissions de CO2 et à contribuer à l’objectif de développement durable numéro 13 des Nations unies, à savoir Mesures relatives à la lutte contre les changements climatiques.

« Le principal levier de SAP se traduit par son portefeuille de produits, qui permet aux clients d’agir de manière positive sur le plan économique, environnemental et social », explique Daniel Schmid, directeur du développement durable de SAP. « Avec plus de 437 000 clients à son actif, notre entreprise dispose d’un énorme potentiel pour changer les choses. »

Une partie de ce potentiel a déjà été réalisée en collaboration avec les clients.

Lors dialogue consacré aux aspects stratégiques du développement durable qui s’est tenu au siège de SAP en septembre, Hanno Schoklitsch, fondateur et PDG de Kaiserwetter, a parlé de la façon dont son entreprise recourt à l’Internet des Objets (IdO) et l’intelligence artificielle (IA) pour accélérer la transition vers les énergies vertes. Il a présenté le dernier bilan d’ARISTOTELES, plateforme IdO optimisée par SAP Cloud Platform, qui s’appuie sur des analyses de données intelligentes et des simulations de données prédictives pour améliorer les investissements et le financement en faveur de l’efficacité énergétique.

Il est essentiel d’amplifier cet impact. En conséquence, les équipes SAP s’activent à faire évoluer les solutions SAP qui aident à transformer la mobilité urbaine et qui soutiennent les réseaux de chaîne logistique pour qu’ils gagnent en transparence, dans l’objectif de passer à une économie circulaire « zéro déchet » et de lutter contre la pollution plastique.

Donner l’exemple : efforts consentis en interne

Cliquez pour agrandir

Tout en cherchant à élaborer des produits et services qui aident les clients à déployer des modèles économiques durables, SAP s’engage à réduire ses propres émissions de gaz à effet de serre. Des mesures ont déjà été mises en place pour atteindre cet objectif.

SAP s’est fixé l’objectif de réduire de 85 % ses émissions de CO2 tout au long de la chaîne de création de valeur d’ici 2050, un objectif qui s’inscrit dans l’initiative « Science Based Targets ». Dans ce cadre-là, l’éditeur a récemment renforcé son engagement en adoptant les objectifs de réduction des émissions de 1,5 ºC dans l’optique d’une future neutralité carbone. Pour atteindre la neutralité carbone dans ses propres activités d’ici 2025, SAP s’appuie sur une stratégie en trois volets : éviterréduirecompenser.

  • Éviter : dans la mesure du possible, SAP s’emploie à éviter les émissions de gaz à effet de serre. Il s’agit d’une priorité absolue, qui passe par exemple par le recours aux télécommunications virtuelles en lieu et place des vols d’affaires.
  • Réduire : au cas où les émissions de gaz à effet de serre ne pourraient pas être évitées, SAP cherche à renforcer l’efficacité et réduire tous les types d’émissions, par exemple avec l’efficacité énergétique des bâtiments, les opérations des centres de données, le covoiturage, l’autopartage et la mobilité connectée.
  • Compenser : SAP a élargi ses modèles de compensation des déplacements professionnels. Dans le cas des vols d’affaires, un prix interne du carbone a été établi pour compenser les émissions de CO2, et SAP a émis des cartes de carburant neutres en carbone pour toutes les voitures de fonction.

En 2009, SAP s’est fixé l’objectif de ramener les émissions de gaz à effet de serre aux niveaux de 2000 d’ici 2020. Ce résultat a été atteint dès la fin 2017 alors que les effectifs de SAP ont été multipliés par quatre au cours de cette période. L’année dernière, SAP a fait tomber ses émissions à 310 kilotonnes, dépassant ainsi son objectif annuel de réduire le nombre de ses émissions de CO2 à moins de 333 kilotonnes. Les chiffres exacts sont disponibles dans le rapport intégré annuel. En outre, un tableau de bord interne de durabilité permet aux employés de découvrir la répartition de ces rejets par pays, par site et par secteur d’activité.

Tous les centres de données et établissements SAP fonctionnent aux énergies vertes depuis 2014. En outre, SAP introduit progressivement un système de management environnemental conforme à la norme ISO 14001 sur les sites SAP du monde entier.  En 2019, 55 sites SAP avaient déjà obtenu la certification ISO 14001.  Un système de management de l’énergie certifié ISO 50001 est intégré aux systèmes de gestion existants de certains sites, tels que le siège de SAP à Walldorf et St. Leon-Rot, pour améliorer en continu la performance énergétique de l’entreprise.

La mobilité joue également un rôle clé dans la lutte contre le changement climatique. C’est la raison pour laquelle le profil des employés qui font la navette entre domicile et lieu de travail est pris en compte dans le calcul des émissions de CO2 de SAP. Avec son large éventail de voitures électriques, à ses systèmes de transport public spéciaux ainsi qu’à son vif soutien du vélo et du covoiturage, SAP propose différents moyens de se déplacer et de voyager de manière durable. Les résultats de l’enquête 2018 sur les trajets domicile-travail ont révélé une tendance positive : en 2018, les émissions quotidiennes de CO2 en lien avec ces trajets ont diminué de 4,7 % par rapport à l’année précédente. L’utilisation de la voiture a baissé de 5 %, celle des transports publics est restée stable et le recours au vélo a augmenté de 15 %. Le travail à domicile a progressé de 11 % d’une année sur l’autre.

Si les émissions de CO2 ne peuvent être évitées ou réduites, auquel cas SAP investit dans des projets de compensation d’émissions et reçoit en retour des crédits carbone des projets sponsorisés. L’accent est mis sur des projets ambitieux, tels que le Fonds Livelihoods qui conjugue reboisement et amélioration des moyens de subsistance des communautés rurales et satisfait aux critères du label GOLD standard du WWF (World Wide Fund for Nature). À ce jour, 2,3 millions d’arbres ont été plantés, dont 1 million entre 2018 et 2019, par exemple, dans le cadre du projet « Réserve de forêt de Kikonda » en Ouganda.

Agir au niveau individuel

Chacun de nous, nous pouvons de bien des façons changer les choses, tant dans notre vie personnelle que professionnelle. Les employés de SAP sont désireux d’apporter une contribution positive. Selon l’enquête annuelle menée auprès du personnel, 93 % des employés conviennent qu’il est important pour SAP de poursuivre sa stratégie de développement durable. Plus de 200 personnes s’engagent comme défenseurs du développement durable au sein d’un réseau mondial pour encourager le changement et inspirer leurs collègues.

Le programme SAP Next-Gen, mis en place en collaboration avec les laboratoires d’innovation technologique de l’ONU, soutient une série de hackathons en faveur de l’action climat, Reboot the Earth, dont la finale aura lieu lors du sommet pour le climat à New York prévu en septembre prochain. De nombreux employés de SAP sur différents sites se sont portés volontaires pour jouer le rôle de juges dans les concours locaux.

Les lignes directrices de la programmation durable compilées par l’équipe Performance and Scalability de SAP ont également valeur d’exemple. Selon Detlef Thom, expert produit SAP en développement : « Pour les développeurs de logiciels et les architectes, appuyer le développement durable et contribuer à l’informatique écoresponsable implique de concevoir des programmes logiciels qui utilisent efficacement les ressources informatiques tout en économisant de l’énergie. Cela devient encore plus impératif si l’on tient compte du grand nombre de transactions commerciales que gère un système SAP à l’échelle mondiale. »

The post SAP, acteur de la lutte contre le changement climatique appeared first on SAP France News.

Source de l’article sur sap.com

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

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

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

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

Appliquer la théorie

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

En voici quelques exemples sympathiques.

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

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

Parvenir à la belle vie

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

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

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

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

Notre génération a fait la différence

The Knowledge That our Generation Has Made a Difference

Click the button below to load the content from YouTube.

The Knowledge That our Generation Has Made a Difference

Vidéo d’Angela Klose

Une direction qui a du sens

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

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

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

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

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

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

Publié en anglais sur news.sap.com

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

Source de l’article sur sap.com

Les risques croissants liés aux cybermenaces, à la protection des données et aux nouvelles lois sur la confidentialité poussent les entreprises leaders à identifier et mettre en place des mesures efficaces de limitation des risques.

Alors que votre entreprise s’engage dans la transformation numérique et transfère toujours plus d’applications vers le cloud, vous avez besoin d’une sécurité plus intelligente, automatisée et intégrée. SAP vous aide à atteindre ces objectifs avec les solutions SAP pour la cybersécurité et la protection des données. Ces solutions uniques considèrent en parallèle les transactions métier et les risques liés à la sécurité, et contribuent à la sécurité des données, propice à une confiance numérique durable.

Nos solutions vous aideront à :

  • Détecter et traiter les activités suspectes dans les environnements logiciels SAP®.
  • Analyser le langage de programmation ABAP® et le code source non-ABAP pour identifier les risques.
  • Effectuer une surveillance des systèmes et applications à gros volumes, avec alertes et outils analytiques, mais aussi intégration à d’autres outils de gestion des événements et des informations de sécurité (SIEM).
  • Assurer le contrôle de vos données et une transparence optimale dans les environnements de type Hyperscale (clouds publics).
  • Gérer et faciliter la sécurisation des données personnelles, en toute conformité, avec notamment des capacités liées au masquage et à la journalisation.

Invitation spéciale :

Rejoignez-moi, ainsi que mes collègues Evelyne Salie, Anne Marie Colombo et Wasif Gilani, pour obtenir des informations de SAP, mais aussi de notre invité spécial, Kevin Heckel de Deloitte, le 23 mars 2021, pour notre présentation intitulée « Cybermenaces, confidentialité et sécurité », proposée dans le cadre du sommet virtuel SAP Finance and Risk.

Nous évoquerons ces sujets et la façon dont les technologies SAP peuvent aider les professionnels de la sécurité, de la protection des données et de la confidentialité à transformer votre approche en matière d’automatisation et de conformité.

Wasif Gilani nous parlera d’une nouvelle solution incontournable : SAP Data Custodian.

Nous évoquerons également deux autres solutions : SAP Enterprise Threat Detection et notre tableau de bord de cybersécurité SAP Analytics Cloud (Arndt Lingscheid et Gabriele Fiata).

En somme, nous vous proposons 45 minutes particulièrement riches et intenses, axées sur la cybersécurité et la protection des données, et la présentation de multiples fonctionnalités absolument incontournables.

Nous sommes impatients de vous retrouver à l’occasion de cet événement virtuel unique !  Rendez-vous à 11 h (UTC-4) ou bien à la demande, une fois l’événement terminé.

Et en attendant, voici quelques suggestions :

Consultez ce document de deux pages consacré à la manière dont Deloitte a utilisé SAP Enterprise Threat Detection pour optimiser la surveillance des menaces de sécurité pour nombre de ses applications.

Accédez à notre dizaine de sessions à la demande pour bénéficier de présentations de produits approfondies et pour découvrir les nombreux cas dans lesquels SAP utilise ses propres solutions pour gérer les risques, automatiser des centaines de contrôles et effectuer ses propres programmes d’audit interne à travers l’entreprise. Inscrivez-vous pour regarder la session de votre choix et approfondir les domaines de la GRC (gouvernance, gestion des risques et conformité), de la gouvernance des accès, de la confidentialité et de la cybersécurité.

The post Adoptez une stratégie gagnante face aux cybermenaces et aux risques liés à la confidentialité et à la sécurité appeared first on SAP France News.

Source de l’article sur sap.com