LMi-MAG17 avril - Flipbook - Page 28
RETOUR D’EXPÉRIENCE
Décisionnel
3. Intégrer ou non les données
4. Permettre à la perfection d’être l’ennemi
du suffisant
Selon la sagesse conventionnelle, les entreprises doivent
travailler avec des données de haute qualité pour glaner
les informations nécessaires à la prise des meilleures décisions commerciales. Mais ce n’est pas tout à fait exact,
affirme Nicole Miara, responsable de la transformation
numérique chez LKQ Europe GmbH, une filiale de LKQ
Corp, distributeur de premier plan de pièces détachées
automobiles basé à Zoug, en Suisse. Ce n’est pas parce
que vous ne pensez pas que les données soient de la plus
haute qualité qu’elles n’ont pas de valeur.
© DR
Rick Gemereth,
CIO, Lionel LLC
© DR
A mesure que les entreprises se retrouvent à devoir intégrer des données provenant de diverses sources de
données, tant sur site que dans le nuage - ce qui peut
être un processus long et compliqué - la demande de
simplification du processus de mise en place augmente.
Mais beaucoup trouvent d’autres solutions. Lionel LLC,
par exemple, le concepteur et importateur américain de
trains jouets et de modèles réduits de chemins de fer basé
à Concord, en Caroline du Nord, utilise son ERP comme
système d’enregistrement, selon le DSI Rick Gemereth.
« Notre source de données unique est NetSuite, et nous
avons tout notre ERP, notre e-commerce, basé sur NetSuite », indique-t-il. « Et l’un des avantages de cela est
que nous n’avons pas le défi d’essayer de marier des
données provenant de différentes sources. » Pourtant, ce
qui fonctionne pour l’importateur américain peut ne pas
fonctionner ailleurs. Le défi consiste à trouver la solution
qui convient le mieux à votre situation particulière.
çon dont les données sont gérées et rendues accessibles »,
dit-il. « Ce que Gartner évoque, c’est le concept de tissu
de données. » Définie comme un facilitateur de l’accès
sans friction du partage des données dans un environnement de données distribuées, la data fabric vise à aider
les entreprises à accéder, intégrer et gérer leurs données,
quel que soit l’endroit où elles sont stockées, en utilisant
des graphes de connaissances sémantiques, une gestion
active des métadonnées et un apprentissage automatique
intégré. « Data fabric permet aux données de résider dans
différents types de référentiels dans le cloud ou on premise », explique Jim Hare. « Il s’agit de pouvoir trouver
des données pertinentes et de les connecter via un graphe
de connaissances. Et la clé de tout cela est la gestion des
métadonnées. »
Nicole Miara,
digital transformation lead,
LKQ Europe GmbH
PROFIL LINKEDIN
cutt.ly/linkedin-Gemereth
Diana Stout, par exemple, explique comment l’entreprise Schellman aborde l’intégration de sa gestion de la
relation client (CRM) et de ses données financières. « Un
grand nombre de logiciels de veille stratégique s’appuient
sur un entrepôt de données dans lequel vous chargez
toutes les tables de données qui constituent le back-end
des différents logiciels », explique-t-elle. « Ou vous avez
un [outil de BI] comme Domo, que Schellman utilise, qui
peut fonctionner comme un entrepôt de données. Il suffit
de se connecter au logiciel pour que les données soient
transférées dans une table. Vous disposez alors de tous
ces tableaux en un seul endroit, ce qui vous permet de
saisir les informations et de les manipuler. »
Jim Hare, vice-président distingué et analyste chez
Gartner, dit que certaines personnes pensent qu’elles
doivent prendre toutes les données cloisonnées dans les
systèmes des différentes unités commerciales et les déverser dans un lac de données. « Mais ce qu’ils doivent
faire en réalité, c’est repenser fondamentalement la fa-
28 / mars / avril / mai 2023
PROFIL LINKEDIN
cutt.ly/linkedin-Miara
Lorsqu’il s’agit de prendre des décisions, le désir d’une
entreprise d’obtenir des données parfaites peut ralentir
ses efforts car elle passe du temps à en rassembler le plus
possible, à corriger des données incomplètes ou à corriger des formats. Selon Nicole Miara, il est difficile de disposer de données parfaites, mais il est possible pour les
entreprises de travailler avec des données imparfaites et
de les analyser pour commencer à les traduire en informations commerciales. Elle cite comment, avec le projet
Zebra, un groupe de réflexion à source ouverte composé
de chefs d’entreprise, d’universitaires et de technologues
travaillant à l’amélioration de la chaîne d’approvisionnement, elle a pu utiliser des données imparfaites pour
prendre de bonnes décisions commerciales et améliorer
considérablement la chaîne d’approvisionnement. « Les
données n’ont pas besoin d’être parfaites pour commen-