Pour que le Data-Driven devienne une réalité

Sur fond de "Data-Driven" se déroule un débat riche en mots à la mode : de l'Artificial Intelligence au Natural Language Processing en passant par la Robotic Process Automation. Tout cela ressemble certes rapidement à un battage médiatique. Toutefois, dans ce cas, le battage médiatique a effectivement de la substance. Les entreprises peuvent tirer un énorme profit des données de différentes manières.

Compétences et technologies

Le fait qu'il existe un immense potentiel, mais qu'il n'est pas encore pleinement exploité jusqu'à présent, suggère selon nous que les entreprises doivent rapidement investir dans deux dimensions afin d'utiliser leurs données de manière optimale et de s'assurer ainsi un avantage concurrentiel : les compétences et la technologie.

La compétence d'une part est nécessaire pour analyser les données de manière ciblée. Cela présuppose tout d'abord une profonde compréhension mathématique et une large compréhension du business. Les collaborateurs doivent donc être en mesure, par exemple, de formuler des hypothèses sur la satisfaction des clients et de les vérifier ou de les falsifier à l'aide des données. Ou alors, ils doivent être en mesure de déduire des interprétations cohérentes pour le business à partir des modèles identifiés dans les données.

D'autre part, la technologie est indispensable, car seules les solutions dédiées permettent de traiter les données. Cela ne concerne pas seulement l'analyse pure des données, mais aussi les étapes préalables nécessaires - la saisie, l'harmonisation et le traitement. La technologie fait ainsi le lien avec la compétence, lorsque par exemple Augmented Analytics dans SAP Analytics Cloud met à disposition une préparation des données qui permet aux collaborateurs, grâce à des scénarios de Machine Learning, de prendre rapidement des décisions basées sur les données, sans avoir à les traiter et à les interpréter eux-mêmes de manière longue et subjective.

Démocratisation des données avec l'Analytics Cloud

Ces dernières années, SAP a considérablement actualisé son portefeuille de produits orientés données et propose désormais des solutions innovantes pour toutes les disciplines. L'élément central est SAP Hana. La base de données en mémoire, qui combine OLTP et OLAP, fait désormais partie intégrante des applications SAP.

D'autre part, le SAP Analytics Cloud (SAC) occupe une position dominante. En tant que Software as a Service, il est également basé sur la base de données en mémoire Hana. Avec le SAC, l'accès aux données à analyser peut se faire de deux manières : Dans le cas de l'Import Data Connection, elles sont chargées dans le cloud à partir d'un système source et y sont analysées. Dans le cas de la Live Data Connection, les données ne sont pas répliquées dans le cloud. Au lieu de cela, le SAC travaille sur le système source.

Sur le plan fonctionnel, le SAC couvre les domaines du reporting, de l'analyse, de la planification et de l'analyse prédictive. S'y ajoutent les possibilités du composant Application Design, qui permet de créer des tableaux de bord. Les différents domaines s'intègrent parfaitement, ce qui permet d'éviter les ruptures dans le flux de travail, qui étaient la règle dans le passé lors de l'utilisation de différentes solutions isolées.

Dans l'ensemble, SAP Analytics Cloud se caractérise par un concept d'utilisateur différencié. Ainsi, les analyses ne peuvent pas être effectuées uniquement par des experts du service informatique ou du contrôle de gestion - comme c'était presque toujours le cas jusqu'à présent. Les self-services permettent également aux collaborateurs des services spécialisés ainsi qu'au management (Citizen Data Scientists) d'évaluer et de visualiser les données de manière autonome.

Ce n'est qu'au cours de cette démocratisation des données que les décisions basées sur les données et les connaissances seront fermement ancrées dans le quotidien de l'entreprise. Il s'agit d'une étape importante sur la voie de l'entreprise intelligente, car la science des données trouve ainsi une application out of the box dans les domaines spécialisés, même sans compétence approfondie en matière d'analyse des données.

SAP Analytics Cloud

L'étude "The BI Survey 19" de l'analyste et spécialiste du marché Barc suggère que SAP Analytics Cloud est très bien adapté. Le SAC y a été comparé à une série d'autres outils sur 34 critères - sur la base d'une enquête auprès des utilisateurs - et a obtenu d'excellents résultats.

Par exemple, 97% des participants recommanderaient le SAC. 91 pour cent d'entre eux jugent les fonctions de création de tableaux de bord excellentes ou bonnes. Et 88 pour cent considèrent que les capacités de SAP à comprendre les besoins de l'entreprise sont excellentes ou bonnes.

Nous pouvons tout à fait comprendre cet excellent résultat de SAP Analytics Cloud sur la base de notre expérience des projets clients. Mais les projets chez les clients nous ont aussi montré que quelques points sont critiques pour le succès lors de l'introduction. C'est pourquoi Nagarro ES a développé, en s'inspirant de SAP Activate, une procédure qui garantit la prise en compte de tous les aspects pertinents (voir encadré).

SAP Data Intelligence

SAP positionne l'Analytics Cloud comme une solution centrale. Cependant, il vaut la peine de regarder au-delà de SAP Analytics Cloud pour répondre aux exigences que les data scientists posent à une technologie. En règle générale, le potentiel du SAC ne devrait pas suffire pour leurs projets exigeants. SAP Data Intelligence leur convient mieux.

La solution fonctionne sur la SAP Cloud Platform (SCP), relie le monde commercial un peu plus conservateur au monde open source et est ouverte aux applications correspondantes : par exemple pour les ordinateurs portables Jupyter de Project Jupyter, pour Python et pour les frameworks d'apprentissage automatique basés sur Python comme pandas, scikit-learn ou TensorFlow.

Les modèles de données ainsi créés peuvent être transférés avec SAP Data Intelligence dans l'environnement SAP, y être traités, testés automatiquement et finalement livrés dans un paysage productif hautement disponible et évolutif - y compris la surveillance ultérieure de la performance. Et, chose très importante dans le contexte commercial, les scénarios d'intelligence artificielle peuvent être audités afin de répondre aux exigences d'un audit par exemple.

Introduction de la CAS en quatre phases

Découvrir

Fitting Workshop : discussion des questions fondamentales ; saisie de la situation actuelle ; formulation de la situation souhaitée ; définition de l'architecture SAC Jam (reporting/planification) : Échange sur les processus commerciaux et les exigences ; harmonisation des connaissances et des expériences tirées de projets SAC réussis.

Préparer

Développement d'un premier prototype SAC en tant que preuve de concept (PoC).

Explorez

Conception d'applications ; mise en place d'une connexion en direct au système de test ; orientation de base de certains aspects du SAC - comme la clarification des questions de sécurité et le découpage des accès utilisateurs.

Réaliser

Mise en place de SAP Analytics Cloud ; implémentation des applications et des autorisations ; validation des données, mise en place d'une connexion en direct au système de production.