Que signifie être une entreprise axée sur les données aujourd'hui?

Kevin Campbell est un nouveau dirigeant de BackOffice Associates, un leader reconnu des solutions permettant de résoudre les problèmes de données les plus complexes des entreprises. Nous lui avons expliqué comment les organisations peuvent cartographier leur transformation numérique en s'appuyant sur une stratégie globale de données.

Jean Loh: Quelle devrait être la première étape pour toute organisation qui se lance dans une initiative de transformation numérique, d'autant plus que toute transformation numérique?

Kevin Campbell: Les transformations numériques sont aussi puissantes que leur capacité à aider les organisations à se transformer avec certitude et à évoluer dans le prochain état souhaité: rentabilité, réduction des coûts, croissance, délai de commercialisation, etc. Comme nous l’avons vu grâce à nos partenariats privilégiés avec SAP, les entreprises qui adoptent une plate-forme intelligente comme SAP S / 4HANA bénéficieront d’un avantage concurrentiel et dégageront une nouvelle valeur commerciale.

Dans cette optique, la première étape devrait commencer par la définition la vision de votre organisation et la transformation post-numérique de l'identité voulue. À partir de là, les mesures de réussite doivent refléter l’état futur de l’organisation afin que les progrès à venir puissent être mesurés au moyen d’indicateurs de performance clés prospectifs. Ces indicateurs de performance clés serviront de point de repère pour déterminer les données commerciales à prendre en compte dans l'ensemble de l'organisation, et permettront en définitive aux dirigeants de développer une stratégie de données complète et sous-jacente reflétant la valeur de ces informations.

L'établissement de données commerciales fiables est un préalable. élément essentiel – mais souvent sous-estimé – pour mener à bien des transformations numériques. Par exemple, SAP S / 4HANA est un élément clé de la transformation numérique pour de nombreuses organisations. Une étude récente réalisée par ASUG [Americas’ SAP Users’ Group] démontre le rôle fondamental que jouent la qualité, l'exactitude et la pertinence des données pour tenir la promesse de la transformation numérique.

Les clients nous disent souvent qu'ils se sentent dépassés par le nombre d'éléments de données apparemment essentiels. impliqué dans la transformation numérique, ce qui rend difficile de décider par où commencer. Une approche et une approche globales pour aborder le cheminement des données de votre organisation sont essentielles. Les dirigeants doivent définir leurs principales priorités pour obtenir des résultats commerciaux et le laisser guider leur décision de savoir par où commencer et de déterminer quelles données sont les plus utiles.

Il peut exister de nombreux projets de transformation numérique offrant une analyse sophistiquée des données. Mais les projets les plus réussis exploiteront les données avec certitude de manière interfonctionnelle, de manière à faire évoluer les objectifs commerciaux prioritaires d'une organisation.

JL: Comment les organisations peuvent-elles efficacement transformer la promesse d'intelligence artificielle et d'apprentissage automatique La réalité pilotée par les données?

KC: Ce n'est un secret pour personne que l'intelligence artificielle et l'apprentissage automatique sont devenus la priorité absolue des DSI et des PDG. Cependant, le potentiel réel de l'IA ne peut être atteint que si les données de votre organisation, sur lesquelles l'IA s'appuie, sont exactes et pertinentes pour l'entreprise. Vous devez faire confiance à la source des données utilisée pour alimenter les programmes d'intelligence artificielle, et les données doivent être correctement gérées dans l'ensemble de l'organisation. Cet élément fondamental du puzzle de l'IA et de l'apprentissage automatique est essentiel pour permettre aux technologies de l'IA et de l'apprentissage automatique d'apprendre à faire évoluer l'intelligence et à formuler des recommandations plus intelligentes à l'intention de l'entreprise. Il repose également sur le principe que les connaissances passées et présentes doivent être préservées, car elles garantissent une réutilisation et une mise sur le marché intéressantes.

Nous avons vu de nombreux exemples de PDG qui avaient du mal à comprendre quelles versions de leurs données étaient exactes. mauvaise qualité des données et gouvernance. Ces sociétés doivent établir une source fiable à partir de laquelle leurs données sont gérées selon une gouvernance automatisée, basée sur les meilleures pratiques, comprenant la normalisation des définitions de données et des règles (numéros de pièce, terminologie, etc.). Une fois que la confiance et la gouvernance des données sont instillées, l'intelligence artificielle et l'apprentissage automatique peuvent être exécutés pour des gains commerciaux.

JL: Existe-t-il d'autres éléments clés dans l'exécution d'une stratégie reposant sur des données autres que la gestion des données? Et si oui, comment les entreprises devraient-elles orchestrer toutes les pièces mobiles?

KC: Les données fiables ne peuvent être un atout concurrentiel pour les entreprises que si elles sont définies dans un contexte approprié et conformément aux politiques commerciales établies. La gouvernance de l'information est une étape clé du processus de transformation des données, mais les entreprises sous-estiment souvent la nécessité de disposer d'un processus de gouvernance efficace. L'exécution de la gouvernance pour un faible volume de données ne pose pas de problème.

Toutefois, lorsque nous parlons de millions de transactions ou de demandes de données provenant d'une multitude de systèmes et de types de données différents (structurés ou non structurés), vous avez besoin d'outils robustes. et processus en place. C'est le seul moyen d'aider les parties prenantes de l'entreprise à gérer et à exploiter les données critiques sans être complètement submergées. Ces parties prenantes ont besoin de savoir quelles données sont la priorité la plus haute, quelles sources de données peuvent être fiables et quelles personnes sont autorisées à contribuer au maintien de la qualité des données. Et ils ont besoin de savoir quels processus et règles de gestion seront utilisés dans l'ensemble de l'entreprise pour garantir un programme de gouvernance solide et durable.

JL: Les problèmes de conformité sont omniprésents dans presque tous les secteurs. Comment les entreprises peuvent-elles établir et maintenir une conformité en temps réel grâce à l'automatisation des données de nouvelle génération?

KC: Les entreprises de tous les secteurs doivent s'aligner sur les réglementations, dont beaucoup changent fréquemment et ont des conséquences coûteuses en cas de non-conformité. Toutefois, si vous avez soigneusement défini les éléments de données critiques de votre organisation et établi des sources de données fiables, vous pouvez alors mapper les règles de conformité pertinentes à vos données clés.

Par exemple, dans le cas du rapport générique GDPR, les organisations doivent être: capable de suivre avec certitude l'utilisation et le stockage de données personnellement identifiables dans tous les systèmes. Ils peuvent garantir le respect permanent des réglementations les plus strictes, même quand ils peuvent identifier les données qui relèvent de cette catégorie, puis automatiser les règles relatives au traitement des données. Par exemple, supprimez les personnes de toutes les bases de données de la société si elles y renoncent. Ensuite, ils peuvent plus facilement s'adapter aux nouvelles réglementations et faire évoluer leurs programmes de gouvernance pour prendre en compte les éléments de données en mutation, tirer des enseignements des réponses aux incidents, etc.

JL: Comment garantir que la transformation induite par les données génère un retour sur investissement pour votre organisation?

KC: Avec des paramètres clairs en place pour mesurer les résultats de l'entreprise, disposer de données fiables va de soi si l'initiative de transformation produit les avantages escomptés. Il existe toutefois des situations où les activités commerciales continuent d'être menées sans que les pratiques appropriées en matière de données ne soient mises en place – et ces dynamiques sont délicates en raison des coûts cachés des données incorrectes.

Par exemple, s'il existe des numéros de référence en double pour une entreprise de fabrication, l’usine de fabrication est encore en mesure d’expédier des produits et peut sous-estimer les impacts. En réalité, les doublons de données finissent par coûter cher à l'entreprise sous la forme d'erreurs sur les commandes actuelles et futures et de l'impossibilité de rendre compte des ventes sur plusieurs pièces ou unités. Cela peut avoir un impact important sur les coûts de stockage physique et une foule d'autres effets néfastes.

En fin de compte, le retour sur investissement des initiatives de transformation dépend de la création et de la maintenance de données propres, fiables et bien gérées, qui constituent un élément fondamental du processus. équation de données holistique. À partir de là, le retour sur investissement augmente uniquement lorsque les entreprises tirent parti de l'automatisation pour améliorer la productivité, les taux de réponse et l'ajout d'autres activités à valeur ajoutée.

Par exemple, dans le secteur de la vente au détail, avec des données fiables, un détaillant peut évaluer avec précision la vente moyenne. par client sur les plateformes physiques et numériques. Cela permet au détaillant de créer de nouveaux produits et des innovations basés sur des achats et des préférences antérieurs, tout en générant une augmentation des revenus.

Pour plus d'informations sur les stratégies de gestion des données pour les entreprises d'aujourd'hui, voir « Extracting Value De votre atout le plus précieux pour l'entreprise intelligente . ”