La recherche de trésors cachés dans les données de votre entreprise

Technologie inconnue | Épisode 5 | Saison 2

Avec les invités Carla Gentry, Iver van de Zand et Timo Elliott avec l'animatrice Tamara McCleary

Abonnez-vous: Podcasts Apple | Stitcher | Google Play

Votre organisation est assise sur un trésor enfoui. Il existe des informations précieuses à extraire des données organisationnelles et utilisées pour guider votre entreprise vers de nouveaux niveaux de rentabilité. Dans cet épisode de Tech Unknown, nos invités explorent comment vous pouvez trouver le trésor enfoui, l'extraire et le raffiner, et le mettre au service de votre entreprise.

Les entreprises du monde entier créent et stockent d'énormes quantités de données, plus que tout autre point dans l'histoire. Combien de données? D'ici 2025, nous examinons 175 zettaoctets de données. Pour mettre cela en contexte: si vous avez gravé ces fichiers sur des DVD, vous auriez une pile qui atteindrait la lune.

Et inversement.

Douze fois.

Ces données commerciales sont l'un des actifs les plus précieux d'une entreprise moderne. Il contient les informations dont les entreprises ont besoin pour effectuer des investissements intelligents, développer de nouvelles activités, accroître leur efficacité et, en fin de compte, générer plus de revenus.

Si simplement avoir les données suffisaient pour obtenir ces résultats, chaque entreprise irait comme des gangbusters. Mais la valeur ne vient pas du fait d’avoir les données; il s'agit de l'utiliser, de l'analyser, d'en extraire des informations et de les utiliser pour guider l'entreprise.

Si vous comptez toujours sur des feuilles de calcul et des processus manuels pour analyser les données de votre entreprise, vous manquez probablement une grande partie des potentiel. Il y a tout simplement trop de données, dans trop de flux, mises à jour trop rapidement, que les humains peuvent suivre.

C'est là que les analyses intelligentes basées sur le cloud peuvent aider. La puissance de traitement du cloud peut aider à chaque étape du processus: collecte de données, désinfection, agrégation, analyse et création de rapports.

Cet épisode, nous vous emmenons à une chasse au trésor pour trouver les joyaux cachés dans vos montagnes des données commerciales. Nos experts expliquent ce que signifie l'analyse intelligente, partagent comment les entreprises peuvent l'utiliser et proposent des exemples de réussite inspirants d'organisations de premier plan.

Listen to Learn:

• Comment les entreprises peuvent utiliser l'apprentissage automatique et l'IA pour analyser les données
• Les trois questions cruciales auxquelles vous pouvez répondre grâce à l'analyse prédictive
• Comment l'analyse améliore les résultats dans toute l'organisation
• Comment les tableaux de bord personnalisés peuvent rendre la création de rapports rapide et facile

Vous voulez en savoir plus sur SAP Analytics? Connectez-vous avec un expert aujourd'hui.

À propos de nos invités:

Carla Gentry est une data scientist avec plus de deux décennies d'expérience dans les modèles prédictifs, les algorithmes et la structure de données. se rapportent à la conduite des informations commerciales. Elle a été consultante pour des entreprises du Fortune 100 et est actuellement la «Data Nerd» résidente de l'Université de Floride centrale.

«Regardez vos données. N'attendez pas deux, trois ou quatre mois pour examiner ces données, car c'est maintenant du recul. Consultez ces données quotidiennement ou chaque semaine si vous le pouvez. " –Carla Gentry

Iver van de Zand est le vice-président de la gestion des solutions et de la stratégie produit chez SAP. Il est l'auteur de Passionate on Analytics et de blogs sur ivervandezand.com .

«Intégrer l'analytique dans le cloud vous permet d'adapter vos analyses à l'échelle de votre entreprise.» –Iver van de Zand

Timo Elliott est le vice-président, évangéliste de l'innovation mondiale chez SAP. Il a passé plus de 30 ans à présenter à des publics professionnels et informatiques dans plus de 58 pays différents, parlant de la transformation numérique, de l'IA, de l'analyse et de l'avenir du marketing numérique. Il blogue également sur timoelliot.com .

«L'analyse est vraiment au cœur de tous les aspects des affaires. Partout où vous avez un processus, une expérience client ou une expérience employé, la première chose à faire est de pouvoir le mesurer. Sans pouvoir le mesurer, vous ne pouvez pas l'analyser et vous ne pouvez pas l'optimiser. " –Timo Elliot

Avez-vous manqué notre dernier épisode?

Découvrez notre épisode précédent avec les invités Lisa Anderson, Tim Crawford, Eric Kavanagh et Tom Roberts: «Intelligent ERP: The Foundation of Digital Evolution.» Cliquez ici pour écouter .

Transcription de l'épisode 5:

Tamara: Bienvenue sur Tech Unknown, un podcast destiné à préparer votre organisation à l'avenir des affaires axé sur la technologie. Je suis Tamara McCleary, PDG de Thulium.

Notre grand sujet général cette saison est les données. Nous examinons comment le partage de données au sein de l'organisation peut augmenter l'efficacité, réduire les coûts et améliorer l'expérience client.

Cet épisode, nous allons parler du processus de transformation des données en informations. Les données brutes en elles-mêmes ne sont pas encore un atout pour votre entreprise. La valeur vient de ce qui se cache dans les données: les tendances que vous pouvez utiliser pour créer des modèles prédictifs et guider votre entreprise vers une plus grande rentabilité.

Pensez-y de cette façon: imaginez que vous êtes un ancien pirate, naviguant sur le Seven Mers…

Et vous avez une carte qui mène à une île pleine de trésors enfouis. Ce sont vos données.

Parrot: Awk! Morceaux de huit!

Tamara: Exactement. Mais quand vous arrivez sur l’île, vous pouvez voir que c’est MASSIVE… vous ne pouvez même pas voir l’autre côté de là où vous vous trouvez!

Et votre carte ne dit pas où le trésor est enterré… il y a juste un grand X marqué sur toute l'île.

Maintenant, vous pouvez simplement commencer à creuser et espérer le meilleur… une photo totale dans le noir! Mais c'est ce que la plupart des entreprises font avec leurs données.

Donc, en théorie, vous avez cet énorme trésor à portée de main…

Mais en réalité, vous ne pouvez pas trouver vos doublons cachés dans toute cette saleté.

Lorsque nous parlons de données en tant qu'actif commercial, c'est le défi. Nous savons tous que les données ont de la valeur, mais comment les trouver et les extraire?

La réponse est grâce à des analyses intelligentes basées sur le cloud.

Maintenant, analyser des données n'a rien de nouveau – mais analyser rapidement des quantités massives de données pour obtenir un aperçu en temps réel est nouveau. Révolutionnaire, même. Voyons pourquoi nous avons besoin de la puissance de traitement du cloud pour l'analyse de données à grande échelle.

Iver van de Zand: Hé, je m'appelle Iver van de Zand. Je suis vice-président de la stratégie produit pour la BI augmentée avec SAP.

Si nous regardons aujourd'hui comment le volume mondial de données évolue, cela se présente comme suit. Aujourd'hui, dans le monde entier, nous avons plus ou moins 50 zettaoctets de données, qui devraient passer à 175 zettaoctets en 2025. Si vous les stockez sur des DVD, cela vous amène 23 fois sur la Lune.

Les entreprises d'aujourd'hui ne peuvent regarder que la pointe de l'iceberg de ces données, n'est-ce pas? Parce qu’aujourd’hui, une simple intelligence d’affaires avec des utilisateurs sur site ne permet même pas de scanner et d’analyser cette quantité de données. Mettre tout cela dans le cloud signifie que nous pouvons utiliser de nouvelles technologies, des informations automatisées, des informations améliorées pour commencer à comprendre ces énormes quantités de données. Cela ne peut être fait que via le cloud.

Quelques autres raisons pour aller dans le cloud, c'est utiliser des analyses… un cloud vous permet d'accéder à des sources de données beaucoup plus grandes et plus variées. Mais aussi, si vous gérez une plate-forme autour de l'analyse via le cloud, vous avez des coûts bien inférieurs en termes de gérabilité, oui? Parce qu'il est géré de manière centralisée pour vous. Cela signifie qu’ensemble, si vous examinez le potentiel réel d’apporter des analyses dans le cloud, cela répond à une question d’évolutivité. L'intégration des analyses dans le cloud vous permet d'adapter vos analyses à l'échelle de votre entreprise.

Tamara: Vous avez donc des zettaoctets de données à traiter, et vous avez maintenant la puissance de stockage et de traitement que vous devez le faire. Mais vous avez besoin d'un autre élément technologique pour éliminer le dernier goulot d'étranglement de l'intelligence d'affaires: vous. Eh bien, pas vous personnellement, mais les êtres humains. Si votre équipe traite manuellement des données ou si vos données sont cloisonnées entre les services, vous retenez les ordinateurs! Voici encore une fois Iver expliquant pourquoi l'apprentissage automatique et l'IA sont une partie cruciale de l'équation.

Iver: La quantité de données augmente si rapidement que nous devons arriver avec des algorithmes basés sur l'apprentissage automatique qui nous aident à trouver les idées correctes au bon moment. Vous pourriez également voir cela comme rendre les choses intelligentes, donc ce que nous faisons massivement, en intégrant dans notre logiciel aujourd'hui, ce sont, par exemple, des algorithmes de prévision et de corrélation. Les algorithmes de prévision démarrent automatiquement les prévisions pour vous dans le temps, quelle que soit la métrique dont vous disposez. Les algorithmes de corrélation sont encore plus appliqués. Les algorithmes de corrélation vous indiquent quelle perspective, quel attribut contribue le plus à une certaine métrique.

Pour le rendre très tangible, imaginez que votre marge augmente de 2%; vous voulez savoir quel élément a contribué à cela? Qu'est-ce qui a causé cette augmentation de 2%? Était-ce la gamme de produits? Était-ce la période de l'année? Était-ce une région? Était-ce le propriétaire des ventes? C'est donc une corrélation qui vous aide vraiment avec l'apprentissage automatique et l'intelligence artificielle à trouver les informations appropriées au moment où vous en avez besoin. Cela, pour moi, représente le rôle de l'intelligence artificielle dans l'analyse moderne.

Tamara: Donc, tout ce que nous avons à faire est de connecter nos flux de données à une plate-forme d'analyse basée sur le cloud, et nous pouvons tous rentrer chez nous pour le journée?! Eh bien, dans ce cas, je souhaite la bienvenue à nos seigneurs robots! Euh, désolé – c'était entièrement en plaisantant pour mes collègues amateurs de science-fiction. Les meilleurs résultats sont clairement obtenus lorsque nous associons l'intelligence humaine à l'intelligence artificielle… Voici Carla Gentry, data scientist chez Analytical Solution, pour nous dire pourquoi.

Carla Gentry: Il ne s'agit pas simplement de collecter des données, il s'agit de glaner des informations à partir de ces données. Donc, je dirais que l'avenir de l'analyse doit être que nous arrêtons enfin de parler de Perl, de Python et de R et de toutes ces autres conneries de programmation, et commençons à parler des résultats que nous en tirons. Parce que toutes ces choses que je viens de mentionner ne sont qu’un outil qui fait partie de l’arsenal des armes du data scientist. Ils ont des statistiques, c'est un outil, ils ont la programmation comme outil. SQL n'est qu'un outil. Les visualisations et toutes sont un outil, mais ce sont des outils qui sont nécessaires pour pouvoir montrer à votre patron ou à votre client ou, vous savez, à la suite C que cela fonctionne.

Alors, laissez vos données dire à un récit. Vous savez, "ce sont les informations, où nous les avons obtenues, ce que nous avons fait, comment nous les avons nettoyées." Soyez transparent. Ne commencez pas par: "Oh, eh bien, il manquait des données, alors nous avons juste rempli automatiquement certaines choses là-dedans." Eh bien, vous venez de biaiser l'ensemble de données et de le biaiser en fonction de vos préjugés personnels, car vous avez supposé ce que le client voulait dire, et vous n'en avez vraiment aucune idée. Donc, laisser les données parler d’elles-mêmes est la façon dont nous allons obtenir l’intégrité et la transparence.

Nous devons disposer de données propres pour pouvoir faire du machine learning.

Tamara: Nous commençons donc avec des données propres. Nous l'apportons dans le cloud pour le traitement et l'analyse. D'accord, alors comment identifier le trésor enfoui? Iver dit qu'il existe trois types de questions auxquelles nos analyses de données peuvent répondre.

Iver: Si je regarde l'analyse prédictive pour ma région, c'est-à-dire fournir aux clients un aperçu à 360 degrés de la façon dont leur entreprise fonctionne, alors vous voir trois domaines. Vous avez un domaine qui répond aux questions, «hé, comment se déroule ce processus? Quel est le niveau de ce KPI? Comment vais-je là-bas? » Ceci est généralement couvert par l'intelligence d'affaires, alors que vous avez également un domaine sur «hé, qu'est-ce que je prévois de faire? Quel était mon objectif d'avoir ce KPI et d'être sur? » Qui est généralement la zone de planification. Et pour répondre à votre question, en répondant à des questions comme «qu'est-ce qui pourrait arriver? Que se passe-t-il si je change cela? » Ce domaine d'information est généralement couvert par l'analyse prédictive. L'analyse prédictive consiste donc pour moi à regarder vers l'avenir, mais surtout à simuler: «Que peut-il se passer avec cette gamme de produits si je change de fournisseur?» par exemple

Tamara: Comme le dit Iver, il existe trois types de questions auxquelles l'analyse intelligente peut répondre: la performance, la planification et la prédiction. La combinaison de ces «trois p» peut générer des informations étonnantes pour tout type d’organisation. Par exemple…

Iver: C'est une entreprise qui produit des pneus pour voitures en Europe, et bien sûr, ils livrent ces pneus aujourd'hui avec une technologie moderne intégrée dans les capteurs de ces pneus. Et ces capteurs mesurent la qualité du pneu 24 heures sur 24, 365 jours par an. Les données qu'ils en tirent sont bien sûr très utiles à comprendre pour leurs fournisseurs et les organisations de support, car ils peuvent prédire quand un pneu sur un camion va se casser, afin qu'ils puissent automatiquement servir le camion. Ce que j'aime vraiment dans cet exemple, c'est que vous vous attendez à ce que cette entreprise fournisse ces données sur les pneus à ces fournisseurs et l'aide à ces entreprises de services. Mais ils ne l’ont pas fait. Ils vendent les données, et c'est un très bel exemple de non seulement résoudre un problème commercial, encore plus fort: monétiser un problème commercial.

Tamara: Lorsque vous exploitez pleinement la valeur de vos données en tant qu'actif commercial, vous pouvez réellement vendre cet actif en tant que produit! Comme dans l'exemple d'Iver, même une entreprise de pneus peut être dans le secteur de l'information.

Mais l'analyse prédictive peut faire plus que résoudre des problèmes commerciaux. Il peut même faire plus que créer de nouveaux modèles commerciaux! L'analyse intelligente des données peut littéralement sauver des vies.

Iver: Je pense donc que tout le monde est avec moi si je dis que les données deviennent plus ou moins le sang de notre économie aujourd'hui, oui? Le sang qui fait battre le cœur de notre économie aujourd'hui. Et un bel exemple est dans un hôpital de Londres où ils recherchent des patients atteints de maladies cardiaques, en utilisant des technologies de capteurs qui sont introduites dans le corps de ces patients. Et en utilisant l'intelligence artificielle moderne, aujourd'hui, cet hôpital est capable de prédire une insuffisance cardiaque avec un patient, et c'est une énorme nouvelle. Ainsi, en surveillant constamment le rythme cardiaque et la qualité du sang grâce à des capteurs placés dans le corps de ces patients, l'hôpital peut prédire – lorsque ce patient fait un certain mouvement ou a un schéma trop intense dans sa vie – qu'il peut avertir le patient qu'un cœur l'échec va venir. Et je pense qu'il n'y a pas de meilleur exemple pour prouver l'utilisation et la valeur de l'intelligence artificielle que celui-ci.

Tamara: C'est une histoire plutôt réconfortante, n'est-ce pas?

AI voice: ] Mauvais jeu de mots détecté. L'analyse prédictive montre une possibilité de 60% de tentatives futures de jeu de mots. Recommandation: Fin précoce de l'épisode.

Tamara: D'accord, donc l'IA peut être excellente pour prédire l'avenir des affaires, mais elle n'a toujours pas beaucoup de sens de l'humour.

AI voice: [19659049] Cela fait de nous deux.

Tamara: Aïe! D'accord, très bien. Peut-être que l'analyse intelligente peut quantifier le comportement humain. En fait, Carla a un excellent exemple de la façon dont vous pouvez utiliser l'analyse prédictive pour éliminer les conjectures liées à l'embauche de nouveaux talents.

Carla: Eh bien, comme pour le chiffre d'affaires au sein d'une entreprise en particulier, vous pouvez consulter le les habitudes et les personnalités de la personne en question dans ce poste. Ainsi, nous prendrons, par exemple, comme une position de chiffre d'affaires élevé comme les ventes ou un caissier. Donc, disons que vous étiez une industrie à grande surface, et que vous avez un chiffre d’affaires de 120%, et que vous dépensez des millions et des millions de dollars pour former tous ces gens, et ce que vous devez vraiment faire est d’élargir le cycle de vie de vos employés. Donc, vous voulez regarder et voir, vous savez, les employés que vous avez là-bas, quelles sont leurs personnalités, et vous pouvez le faire grâce à une évaluation. Vous pouvez le faire par le biais d'enquêtes ou d'entretiens ou comme vous le souhaitez. Alors maintenant, vous avez collecté ces informations. C’est comme un ensemble de test et d’entraînement. Alors, vous avez les employés qui sont heureux, quelles sont leurs caractéristiques? Je parle des caractéristiques de la personnalité. Et regardez les employés qui ne sont pas satisfaits, voyez quelles sont leurs caractéristiques.

Et puis quand vous allez embaucher des gens, vous leur donnez la même enquête, la même évaluation, cette même, vous savez, un questionnaire et leur demander et voir ce qu'ils répondent. Donc, la personne que vous embauchez qui a la personnalité la plus susceptible, vous savez, de rester plus longtemps et d'augmenter le cycle de vie de cet employé, vous savez, aura une personnalité comme celle-ci. Donc, à la toute fin, vous avez comme une lumière rouge, une lumière verte, une lumière jaune. Les feux verts sont les personnes qui ont des personnalités similaires aux employés qui réussissent. Alors, bien sûr, ils obtiennent un entretien immédiat. Les personnes en jaune sont celles qui, vous savez, ont certaines caractéristiques, mais vous devrez probablement avoir un entretien plus formel pour pouvoir avoir un aperçu. Et puis le troisième cas en rouge, vous savez, et tout cela est une sorte de tableau de bord pour que l'employé ou le C-suite ou la personne RH puisse regarder et prendre des décisions. Et c'est une sorte d'indication visuelle, nous sommes, "D'accord, feu rouge, nous ne les embauchons pas. Nous n'allons même pas leur donner un rappel. »

Donc, c'est une utilisation pratique de pouvoir prédire le cycle de vie de vos employés et votre taux de rotation, sur la base de la collecte de données non structurées à partir, vous savez, d'enquêtes, d'évaluations ou de questionnaires au sein de votre propre entreprise, puis en utilisant la même chose pour vos employés potentiels externes pour essayer de prédire s'ils fonctionneraient vraiment bien dans ce poste ou non.

Tamara: L'analyse intelligente peut faire battre le cœur, un pneu de s'épuiser et un nouvel employé de s'épuiser. Mais n’oublions peut-être pas la source de données la plus importante pour laquelle nous devrions analyser et optimiser: vos clients. Carla dit que les données sont «la voix du client», et elle n’a pas tort!

Carla: Eh bien, chaque fois que votre client parle de votre marque, c’est la voix. Et que ce soit les médias sociaux, que ce soit un avis Google ou un avis Yelp ou un sondage ou un score Net Promoter, vous savez, comment allons-nous? Nous recommanderiez-vous à un ami? Les e-mails que vous avez envoyés, ont-ils répondu? S'ils l'ont fait, combien de temps cela a pris. Chacune de ces informations est la voix du client car, souvent, lorsque nous examinons des données, nous pensons aux données PoS ou aux données syndiquées, vous savez, des données que nous obtiendrions, vous savez, comme, nous le ferions acheter des données, mais il existe de nombreuses autres formes de données gratuites. Je veux dire, nous pourrions aller sur Twitter et utiliser des hashtags et voir ce que les clients disent de nous, et cela ne nous a rien coûté. Nous n'avons même pas eu à payer une annonce Twitter pour cela. Nous avons juste eu une personne, peut-être un influenceur, poser une question sur une marque. Nous pouvons maintenant collecter toutes ces informations sur ce que les clients pensent de nous. C’est donc le problème lorsque je parle aux gens de la collecte de données. Il existe de très nombreuses ressources. Tout simplement parce que vous n’avez pas l’impression de disposer d’un ensemble de données robuste, il y a plus d’informations, il vous suffit de les chercher. Et souvent, c'est gratuit.

Regardez vos données. N'attendez pas deux, trois ou quatre mois pour examiner ces données, car maintenant c'est du recul. Consultez ces données quotidiennement ou hebdomadairement, si vous le pouvez, et soyez en mesure de corriger ces problèmes. C’est la raison pour laquelle nous avons, par exemple, des réunions, ces réunions d’urgence, vous savez, des réunions «Oh mon Dieu, notre site Web est en panne», parce qu’ils perdent de l’argent. En cas de problème avec ce site Web, ils y répondent immédiatement. Donc, si quelque chose ne va pas avec leur service, ils doivent réagir tout aussi immédiatement. Parce que, oui, le site Web est votre argent. Ce sont vos données PoS, votre pain et votre beurre, mais votre client, en fin de compte, est ce pain et beurre. C’est la personne que vous devez respecter et dont vous devez prendre soin. Donc, s’ils ont pris le temps de vous répondre, répondez-leur. Découvrez quel est le problème. Ce sont des données gratuites.

Tamara: Comme vous pouvez le voir, l’analyse intelligente consiste à trouver la valeur de vos données, quelle que soit l’activité dans laquelle vous vous trouvez et dans chaque service de cette entreprise. Si nous revenons à l’analogie de la carte au trésor antérieure…

Avast, c’est bien d’être de retour en pleine mer, mon cœur. Mais si vous vous souvenez bien, nous avions une carte qui nous menait à l’île au trésor, mais elle n’avait qu’un seul grand X sur toute la masse continentale! La valeur était là, mais nous ne pouvions pas y arriver sans beaucoup de temps.

L'analyse intelligente peut placer le X exactement là où se trouve le trésor. De plus, il peut faire appel à un essaim de drones avec des pelles…

Équipé de SONAR….

Pour tirer ces idées inestimables et les amener directement à bord de mon bateau!

Voix de robot: Ici soyez votre trésor, capitaine McCleary. Avast me hearties, yo ho.

Tamara: Voici une grande différence entre une carte au trésor et un tableau de bord d'analyse, cependant: un tableau de bord personnalisé peut non seulement vous montrer ces informations, il peut également mettre à jour les métriques les plus importantes pour vous en temps réel. Avec un tableau de bord d'analyse personnalisé, vous avez les données à portée de main.

Voici à nouveau Iver pour expliquer le fonctionnement des tableaux de bord personnalisés pour SAP Analytics Cloud.

Iver: Dans le cadre de SAP Analytics Cloud, Analytics Designer vous permet de créer des tableaux de bord personnalisés. Et c'est vraiment pour cela que nos clients utilisent Analytics Designer dans le cadre de SAP Analytics Cloud. Ces exemples de tableaux de bord personnalisés sont, par exemple, un certain nombre de fabricants de voitures en Allemagne qui créent ces tableaux de bord personnalisés qui sont placés dans l'usine au plafond où tout le monde dans l'usine peut suivre en temps réel le le nombre de voitures qu'ils ont produites en une journée, le nombre de pannes, la panne du système. Donc, cela est vraiment utilisé pour fournir à tous les employés un aperçu constant de la performance de leur usine ce jour-là. Mais cela se déclenche aussi comme une sorte de mécanisme de gamification, je dirais, qui apprend aux gens à faire mieux la prochaine fois. Donc, c'est l'une des façons dont Analytics Designer est utilisé avec nos clients.

Tamara: Nous avons couvert beaucoup de terrain dans cet épisode – des hôpitaux aux autoroutes à la principale espagnole – mais il est temps de envelopper le tout. Dans la première saison de Tech Unknown, j'ai interviewé Timo Elliott, évangéliste de l'innovation pour SAP. Timo m'a raconté une belle histoire sur l'analytique et les fans de football. Il a vraiment illustré comment l'analyse basée sur le cloud peut aider à résoudre n'importe quel problème, y compris l'optimisation du plaisir que vous aurez à un jeu des 49ers de San Francisco!

Je peux presque entendre cette conversation maintenant…

Timo Elliot: ] Un de mes projets préférés récemment est que nous avons travaillé avec les 49ers de San Francisco. Donc, dans leur stade, ils veulent vraiment optimiser le plaisir des joueurs. Et donc, ils collectent des données de neuf systèmes différents en temps réel, afin qu'ils puissent immédiatement repérer tout, du parking, à la nourriture et aux boissons, aux problèmes météorologiques, et vraiment, en temps réel, agir pour s'assurer que tout ce qui est ne nuit pas à l'expérience client globale. En fait, ils ont même de grands écrans dans ce qu'ils appellent l'Executive Huddle, de sorte que, lorsque vous regardez le jeu, ils ont ces grands écrans avec SAP Analytics Cloud apportant toutes les données du jeu en temps réel mais aussi toutes des informations historiques, afin que vous puissiez voir comment ce jeu se rapporte à la tendance générale. Donc, cela aide directement les fans à profiter davantage du jeu, car ils ont plus de contexte.

Encore une fois, vous savez, l'analyse est vraiment au cœur de tous les aspects de l'entreprise. Partout où vous avez un processus, une expérience client ou une expérience employé, la première chose à faire est de pouvoir le mesurer. Sans pouvoir le mesurer, vous ne pouvez pas l'analyser et vous ne pouvez pas l'optimiser. Donc, en fin de compte, je pense que l’analyse est le processus commercial ultime sur lequel nous devons travailler dans les organisations d’aujourd’hui.

Tamara: L’analyse, dit Timo, est le processus d’affaires ultime dont nous devrions nous préoccuper. C’est logique: les données sont l’un des atouts les plus précieux de votre entreprise. Les informations tirées de vos données peuvent vous aider à mesurer vos performances, vous aider à planifier pour l'avenir et à prédire la suite pour votre secteur.

Plus encore, les données elles-mêmes peuvent faire partie de vos offres de produits. L'analyse intelligente peut réellement changer votre façon de faire des affaires, qu'il s'agisse d'ajouter une nouvelle source de revenus ou de transformer complètement votre modèle commercial.

Mais vous ne pouvez pas tirer toute cette valeur de vos données avec une carte au trésor et une pelle. Il faut des analyses intelligentes – basées sur le cloud, en temps réel, augmentées de l'intelligence artificielle et de l'apprentissage automatique – pour dénicher chaque parcelle de ce trésor enfoui.

Merci d'avoir écouté Tech Unknown et merci à mon invités Carla Gentry, Iver van de Zandt et Timo Elliott. Veuillez vous abonner sur iTunes, Google Play, Stitcher ou partout où vous écoutez des podcasts.

Je suis Tamara McCleary et jusqu'à la prochaine fois: restez à l'affût, restez curieux et continuez à explorer l'inconnu.

Pour en savoir plus sur l'ERP intelligent. , accédez à s4hanaopp.com . Vous pouvez également trouver une transcription de cet épisode et plus encore sur digitalistmag.com . Et assurez-vous de vous abonner partout où vous écoutez des podcasts.