Grâce aux technologies Big Data, les organisations peuvent désormais apprendre de leurs données. Mais, pour mettre en place un véritable cercle vertueux, la collecte massive de données ne suffit pas. La vraie valeur réside dans les usages, dans la capacité à réinjecter la connaissance issue des données dans les processus métiers.
Pendant des années, les entreprises ont géré des processus métier et des systèmes transactionnels. Les données de ces systèmes transactionnels étaient ensuite déversées dans des entrepôts, afin d’alimenter des outils décisionnels. Au cours des dix dernières années, l’environnement s’est complexifié. De nombreux formats de données sont venus s’ajouter aux données transactionnelles classiques : texte, image, voix ou encore vidéo. De nouvelles sources de données ont également fait leur apparition, comme l’Internet des objets ou les réseaux sociaux.
Ces données peuvent maintenant être exploitées, grâce aux technologies d’intelligence artificielle et aux algorithmes de Machine Learning. Reste à définir pour quelles finalités. Afin de retirer un vrai bénéfice de ces nouvelles sources d’information, cette intelligence doit être intégrée aux processus mêmes de l’entreprise : relation client, supply chain, finance, RH, gestion des dépenses…
Différentes évolutions technologiques ouvrent la voie à cette nouvelle ère, où la connaissance devient actionnable.
Data Hub : unifier et optimiser l’accès aux données
Tout d’abord, les limitations physiques liées au stockage des données sur disque sont en train de tomber, grâce au développement des solutions In-Memory. La plateforme SAP Hana accélère ainsi considérablement l’accès aux données. Monter le décisionnel en mémoire permet d’atteindre des performances sans commune mesure avec ce qui existait auparavant. Chemin faisant, SAP a également décidé de monter le transactionnel en mémoire, ce qui permet le développement de nouveaux usages, comme la visualisation en temps réel de la trésorerie.
Le data hub bâti par SAP couvre l’ensemble des besoins en matière de données, simplifiant considérablement les projets. Hana et les services associés permettent d’effectuer des analyses à chaud, en allant chercher à la source les données les plus récentes. La plateforme de SAP permet également d’intégrer d’autres technologies, comme les datalakes Hadoop, qui conviennent au stockage et à la manipulation de très gros volumes d’information, analysés à froid. Il est ainsi possible de combiner différents types d’analyses, en utilisant à chaque fois la technologie la mieux pertinente.
Innovation : de l’intelligence dans les processus métiers
La capacité à traiter en masse les données ne constitue toutefois qu’une première étape. Aujourd’hui, la perspective porte désormais sur la capacité à apprendre de ces données pour agir, dans une optique prédictive. L’exemple emblématique de cette évolution réside dans la maintenance prédictive, où les données issues de multiples capteurs connectés sont analysées afin de calculer des probabilités de pannes.
Un autre cas d’usage consiste à exploiter l’analyse vidéo pour analyser les déplacements des clients dans un magasin, afin d’optimiser ensuite les processus de vente et de marketing. Les chefs de rayon pourront se baser sur ces analyses pour disposer des offres promotionnelles aux emplacements clefs.
L’outil de Lead Intelligence embarqué dans la solution de CRM de SAP offre un troisième exemple. Il intègre plus de 80 variables différentes pour calculer une probabilité de succès pour chaque lead. Chaque fois qu’une nouvelle vente est signée, le Machine Learning permet au système d’améliorer encore ses estimations. L’outil peut également indiquer les facteurs qui influencent le plus le score, notamment ceux sur lesquels l’entreprise peut travailler afin d’accroître ses chances de conclure ses ventes.
Dans certains cas, les données peuvent servir à optimiser le fonctionnement même des processus, permettant d’atteindre des niveaux de productivité inégalés. Les clients de SAP pourront, par exemple, combiner la technologie de Robotic Process Automation (RPA) de Contextor avec le Machine Learning fourni par la Digital Platform, afin de mettre en place une automatisation des processus véritablement intelligente. Sur un processus comme le remplacement d’un matériel perdu ou cassé, les possibilités offertes par une telle intégration sont nombreuses. Le robot va ainsi être capable de discuter avec l’utilisateur pour identifier son problème, en s’appuyant par exemple sur la technologie de chatbot de Recast.AI. Il peut ensuite lui demander une photo du matériel à remplacer, analyser cette dernière automatiquement pour retrouver le produit correspondant dans le catalogue et vérifier si celui-ci est bien en stock. Enfin, si c’est nécessaire, il pourra passer la commande.
Analytics : de nouvelles façons d’interagir avec les applications
L’analytique et le reporting ont également évolué. L’utilisateur ne sait pas toujours ce qu’il cherche : le système sait maintenant lui proposer des pistes et des suggestions. Des fonctionnalités du type « Le saviez-vous » peuvent être intégrées aux applications. Prenons l’exemple d’une entreprise souhaitant analyser ses retards de livraisons. Plutôt que de passer du temps à construire un rapport, paramètre par paramètre, l’utilisateur, généralement pressé, va pouvoir formuler sa question en langage naturel, en demandant : « Montre-moi quelles sont les catégories de produits en retard ». Le système va ensuite découvrir les données correspondantes et les analyser pour identifier les facteurs à l’origine des retards : dimensions des colis, prestataires logistiques, sites d’expédition… Il pourra aussi fournir une vision prédictive des délais de livraison.
Une autre évolution porte sur la manière d’interroger les données. Car les possibilités d’interaction avec les systèmes se multiplient. Les applications analytiques classiques s’enrichissent ainsi de fonctionnalités d’analyse en temps réel, de moteurs d’analyse conversationnels permettant à l’utilisateur d’utiliser le langage naturel (chatbots) ou la voix pour interroger les systèmes.
Enfin, jusqu’à présent, les entreprises travaillaient surtout à partir de leurs données opérationnelles. Grâce au rachat de Qualtrics, les clients de SAP vont pouvoir intégrer des données de l’expérience clients ou employés dans leurs processus, afin de proposer des produits et des services personnalisés aux attentes de chaque individu.
