BigQuery apprentissage automatique


La fin d'ECC 6.0 et de R/3 ainsi que la conversion à Hana et S/4 offrent des opportunités
Une migration de la base de données actuellement utilisée vers Hana et un passage à S/4 sont inévitables à moyen terme sur le plan technique et probablement aussi sur le plan commercial. Il est donc logique de s'occuper rapidement de la transition. En ce qui concerne l'exploitation des systèmes, il semble qu'il n'y ait qu'une seule plate-forme cible à l'avenir : le cloud. Pour les entreprises utilisatrices, les modèles sur site dominent encore actuellement - même si la tendance est à la baisse - ainsi que l'hébergement dans des centres informatiques externes.
Le cloud public de SAP est adapté à des scénarios définis et ne joue qu'un rôle secondaire dans les considérations de la plupart des entreprises. SAP lui-même pousse à la transition vers des produits et services basés sur le cloud avec Rise with SAP. Outre la pression marketing générée par SAP, d'autres hyperscaleurs sont bien entendu intéressés par la prise en charge de charges de travail SAP. Actuellement, sept hyperscalers proposent des plateformes IaaS certifiées pour OLAP et OLTP. Pour le marché germanophone, les fournisseurs pertinents sont Amazon Web Services (AWS), Google Cloud Platform (GCP) et Microsoft Azure.
Modèles d'exploitation SAP
Le choix du modèle d'exploitation se fait sur la base d'une série de critères de décision tels que la sécurité, les conditions réglementaires, la contrôlabilité de l'exploitation, les exigences techniques et le niveau de service. Il arrive souvent qu'au cours du processus de décision, le choix du modèle d'exploitation approprié réserve des surprises. Les avantages et les inconvénients supposés se relativisent lorsqu'on examine de plus près le passage au cloud, notamment en ce qui concerne la sécurité. Les trois hyperscaleurs mentionnés proposent par exemple leurs services en conformité avec le Cloud Computing Compliance Controls Catalog (C5) de l'Office fédéral allemand de la sécurité des technologies de l'information (BSI). Le C5 aide ainsi les entreprises à prouver leur sécurité opérationnelle.
Un aspect qui n'est guère mis en lumière dans l'approche initiale et qui est rarement pris en compte dans les processus d'appel d'offres des entreprises utilisatrices est l'impact d'une réorientation de l'exploitation SAP sur la force d'innovation et la compétitivité de l'entreprise utilisatrice. Il est en tout cas remarquable que l'orientation future d'un système clé de la création de valeur de l'entreprise ne se retrouve que rarement dans le catalogue de critères pour l'attribution d'un marché.
Autorité et agilité
De même, les nouveaux modèles commerciaux, tels que les services de vente directe au consommateur (DTC) et les abonnements, sont de plus en plus populaires. Le système de gestion des marchandises restera à l'avenir l'unité centrale de conservation des données (source d'autorité). Parallèlement, les hyperscaleurs mettent à disposition des systèmes de base de données et des technologies qui permettent aux entreprises de réagir plus efficacement et plus rapidement aux exigences du marché (Source of Agility). La plateforme SAP Business Technology Platform (SAP BTP) permet de faire la transition entre les deux mondes. Pour les hyperscalers mentionnés, SAP BTP est une plateforme établie pour relier des applications d'entreprise intelligentes à des fonctions de base de données et de gestion des données, d'analyse, d'intégration et d'extension.
Quel est le rôle de cette source d'agilité ? Un exemple le montre : Google BigQuery, un entrepôt de données multicloud sans serveur pour les innovations basées sur les données dans les entreprises, est connecté au système ERP SAP via la BTP et sert de système d'agilité à ce dernier. Les données du système SAP sont enrichies en temps réel par des jeux de données externes et des données en continu. BigQuery devient ainsi la solution centrale pour les analystes de données et les data scientists.
Avec Dataplex, une structure de données intelligente, les entreprises bénéficient d'un accès supplémentaire à des données fiables et à des analyses utiles à grande échelle. Elles peuvent collecter, gérer, surveiller et fournir ces données de manière centralisée via des data lakes, des data warehouses et des data marts avec des contrôles unifiés. L'étape suivante consiste à exploiter l'apprentissage automatique (ML) intégré à BigQuery et à utiliser des requêtes SQL standard pour créer et exécuter des modèles d'apprentissage automatique dans BigQuery.
L'apprentissage automatique avec de grands ensembles de données nécessite des connaissances étendues en matière de programmation et de cadres ML. Dans la plupart des entreprises, ces exigences limitent le développement de solutions à un petit groupe de personnes. Les analystes de données n'en font pas partie, car même s'ils comprennent les données, leurs compétences en programmation et leurs connaissances en matière d'apprentissage automatique sont souvent limitées. Avec BigQuery Machine Learning, les analystes de données n'ont pas besoin de nouvelles connaissances et peuvent utiliser les outils SQL existants pour exploiter l'apprentissage automatique. L'équipe d'exploitation SAP peut ainsi se concentrer sur ses tâches, tandis que les unités en contact avec les clients ont accès à des données en temps réel, hautement compactées et visualisées, qui leur permettent de prendre les bonnes décisions.