Stibo Systems - The Master Data Management Company

← Dos

Qu’est-ce que la gestion augmentée des données ?

Master Data Management Blog by Stibo Systems logo
| 7 minutes de lecture
février 16 2023

Découvrez comment la gestion augmentée des données peut améliorer la qualité de vos processus MDM et réduire vos coûts

La concurrence est intense actuellement dans l'environnement digital. Il y a six ans, le mathématicien britannique Clive Humby a lancé l'expression « Les données sont le nouveau pétrole ». Depuis, la transformation digitale et le big data ont profondément transformé le mode de fonctionnement de la plupart des entreprises. La logique conventionnelle voudrait que davantage de données (tout comme davantage de pétrole) entraînent plus de puissance sur le marché et une organisation de plus grande valeur. Mais la réalité est loin d’être aussi simple.

Les données d’entreprise provenant de sources externes ou internes, mais aussi d'autres types de données qui ne font pas partie du big data, peuvent être considérées comme des actifs. La valeur de ces données n'est cependant pas liée à leur capture et à leur stockage. Pour prendre toute leur valeur, ces données doivent être transformées.

De plus en plus, afin d’accroître leur compétitivité, les entreprises se tournent vers la gestion augmentée des données. Ce type de gestion s’appuie sur l'automatisation des données, l'intelligence artificielle et le machine learning. Il permet de réaliser des économies et de générer des revenus.

Jesper Grode directeur de l'innovation Stibo SystemsNous avons interrogé Jesper Grode, directeur de l'innovation chez Stibo Systems, au sujet de la gestion augmentée des données. Il nous donne ici un aperçu de ses avantages et de la manière dont les entreprises peuvent l'intégrer dans leurs processus MDM.

Commençons par les fondamentaux... Qu’est-ce que la gestion augmentée des données ?

Selon l'Université de Twente aux Pays-Bas, « La gestion augmentée des données consiste à utiliser ‘l'intelligence augmentée’ pour améliorer les capacités de gestion des données. L'intelligence augmentée est la conceptualisation, axée sur l'humain, de l'intelligence artificielle. Elle met l'accent sur l'amélioration de l'intelligence humaine grâce à la technologie cognitive.

L'objectif est de tirer parti des capacités de l'IA pour compléter, et non pour remplacer, l'intelligence humaine dans les domaines de l’apprentissage et de la prise de décision. La gestion augmentée des données se définit comme l'application centrée sur l'humain de l'intelligence artificielle en vue d’améliorer les capacités de gestion des données. »

Le principal avantage de la gestion augmentée des données est, selon nous, qu'elle contribue à transmettre les bonnes données au bon endroit, et au bon moment. Avec ce type de gestion, votre entreprise devient plus efficace et vos coûts généraux diminuent.

Quelle est la relation entre gestion augmentée des données et MDM et pourquoi la gestion augmentée des données est-elle importante ?

Le Master Data Management augmenté applique des techniques de machine learning et d'IA à la gestion des données de référence. Il permet d’affiner les données de référence pour atteindre deux objectifs clés : optimiser les opérations métier pour plus d’efficacité et transformer l’activité pour plus de croissance.

Le Master Data Management augmenté permet d’optimiser l’activité de plusieurs façons. Tout d’abord, il génère une efficacité accrue. Les entreprises peuvent rationaliser leurs processus métier. La gestion des différentes activités est plus rapide, d’où un gain d'efficacité entraînant des économies de coûts.

Le Master Data Management augmenté peut également faciliter la conformité avec les différentes règlementations. Le nombre de règlementations et d'exigences imposées aux entreprises n'a cessé d'augmenter. Nous l'avons constaté récemment avec les rapports ESG et les lois sur la protection de la vie privée. En termes de données, il peut être fastidieux et complexe pour les entreprises de se conformer à toutes ces règlementations. Par contre, mettre en place l’automatisation des données pour garantir la conformité peut contribuer à fidéliser les clients B2B. De plus, si cette automatisation est effectuée correctement, elle permet de démontrer le respect des règles de protection de la vie privée.

Le Master Data Management augmenté renforce en outre les pratiques de gestion des risques de l’entreprise. Avec une gouvernance des données pour automatiser les processus manuels sources d'erreurs, les entreprises réduisent le risque de violations des règlementations et donc le risque d'amendes.

Les entreprises commencent généralement leur parcours de gestion des données en améliorant l'efficacité, ce qui leur permet de maîtriser les coûts et d'améliorer la rentabilité. Par comparaison avec le Master Data Management augmenté, cette approche présente cependant moins d'avantages, en termes de revenus, pour la croissance et la transformation de l'entreprise.

Master Data Management augmenté

Mais voyons plus en détail les avantages en termes de revenus. Comment les entreprises tirent-elles parti du MDM augmenté pour favoriser la croissance ?

Dans le cadre de la transformation de l'entreprise, la plupart des sociétés commencent leurs initiatives de transformation digitale entre leurs quatre murs. Pour développer leur activité et saisir de nouvelles opportunités, elles étendent ensuite très progressivement leurs efforts de digitalisation en exploitant les données et les nouvelles capacités digitales. Le Master Data Management augmenté favorise la croissance de différentes manières.

Il peut être utilisé pour assurer la visibilité de l'écosystème des fournisseurs et des canaux de distribution. Il favorise ainsi un approvisionnement intelligent et l’alignement avec les engagements ESG de l’entreprise. Il peut aussi être exploité pour offrir des expériences client exceptionnelles. L'automatisation des données et le Master Data Management augmenté permettent d’utiliser des données faisant autorité pour créer des expériences personnalisées et cohérentes. La combinaison de ces deux technologies renforce la confiance des consommateurs et leur fidélité à long terme.

Enfin, le MDM augmenté accroît l'agilité de l'entreprise et accélère les initiatives de transformation digitale, ce qui, à terme, entraîne la croissance des ventes. Les entreprises les plus performantes seront celles capables d’exploiter rapidement les capacités digitales pour élargir le champ de leurs activités. Les revenus potentiels incluent l'utilisation des données pour établir des partenariats avec d'autres entreprises, la création de nouvelles fonctions data-driven pour les produits existants, ou encore l'exploitation des données pour créer de nouveaux produits destinés aux clients numériques.

Du point de vue des processus, quels sont les cas d'usage du Master Data Management augmenté ?

Plusieurs cas d'usage sont liés aux processus. Toutes les organisations ont besoin d'intégrer des données. Certaines de ces données peuvent se présenter sous des formats standard. D'autres, transmises par les fournisseurs, peuvent être incomplètes ou non formatées. Le Master Data Management augmenté facilite le processus de formatage nécessaire avant intégration de ces données.

Les données doivent en outre être catégorisées. L'automatisation des données basée sur l'IA permet de catégoriser correctement les articles dans le bon segment et assure le bon positionnement du haut en bas de la hiérarchie. Enfin, le mappage des articles, processus potentiellement éprouvant tant pour les gestionnaires que pour les analystes de données, peut être partiellement ou entièrement automatisé afin d’assurer un mappage cohérent avec d'autres ensembles de données de l'organisation.

Les cas d'usage incluent notamment des classificateurs non supervisés, conformes aux normes industrielles, la classification automatisée et supervisée, le mappage automatisé et l'imputation de données.

Comment les entreprises peuvent-elles utiliser le Master Data Management augmenté pour améliorer la qualité de leurs données ?

Pour de grandes organisations, maintenir la cohérence du contenu sur l’ensemble des produits peut s’avérer incroyablement complexe. Le Master Data Management augmenté permet d’automatiser le processus d'enrichissement du contenu. Il garantit en outre le respect de normes de qualité fondées sur les règles métier de l'entreprise, tant pour les données produit, client et fournisseur que pour d'autres types de données métier.

Les cas d'usage incluent notamment la génération cohérente d'abréviations pour les produits grâce au traitement du langage naturel, la détection d'anomalies et de valeurs aberrantes et la génération de langage naturel à partir de données brutes.

Quels sont les inconvénients possibles pour les entreprises n’ayant pas établi de plan pour leurs données ou qui n'utilisent pas encore de méthodes d'automatisation ?

Il en existe plusieurs. Sans stratégie, les données circulent de manière incohérente entre les individus et les domaines fonctionnels d'une organisation, créant des « silos » de données. Certaines de ces données ne sont jamais utilisées, d'autres sont utilisées de manière ponctuelle et une petite partie est intégrée à un cadre de business intelligence pour faciliter le reporting d’événements. Si certaines de ces données font l’objet d'une gouvernance, ce n’est pas le cas de toutes les sources de données. Il est probable que de nombreux membres clés de l'équipe n’aient même pas conscience de l’existence de toutes ces données. Cette attitude vis-à-vis des données est malheureusement courante dans différents secteurs d’activité.

Or, avec une stratégie de données d'entreprise, les spécialistes des données sont informés du mode de gestion et de gouvernance de chaque type de données et de leur mode d’utilisation dans les analyses. Sans cette stratégie, les spécialistes et analystes de données vont passer énormément de temps à trouver des données, à les vérifier, à les adapter à l’utilisation, ce qui équivaut à gaspiller le temps de précieux talents d’analyse. En identifiant les bons cas d'usage pour la gestion augmentée des données, les spécialistes des données peuvent se libérer de la gestion fastidieuse des données et se consacrer à des tâches plus rémunératrices.

Le coût du retard doit également être pris en compte.

Le comportement des consommateurs (tout comme celui des entreprises) est devenu plus digital. Cette évolution est évidente dans la façon dont ils interagissent, font leurs achats, découvrent de nouveaux produits, socialisent et même profitent de leur temps libre. Chacune de ces activités génère tout un flot de données, qui pourrait être utilisé par les entreprises. Ces données pourraient servir à créer de nouvelles méthodes, plus précises, pour comprendre le marché, les clients et leurs activités digitales. En utilisant ces informations, les entreprises pourraient mieux prévoir les comportements futurs et améliorer leurs efforts de segmentation client.

Les entreprises qui s'en remettent à leurs experts pour faire le gros du travail risquent de manquer de ressources. Pour assurer ce travail, les entreprises qui s’adaptent au marché ont au contraire commencé à mettre en place une stratégie de données hybride, composée d'intelligence artificielle et d'intelligence humaine. Selon Accenture, les entreprises considérées comme des pionnières du digital ont une rentabilité 3 fois supérieure à celle de leurs homologues. Les entreprises qui, par rapport à leurs pairs, manquent de capacités digitales et de maturité analytique, risquent de se heurter à de nouveaux obstacles dans le futur.

Comment les entreprises peuvent-elles intégrer le Master Data Management augmenté dans leurs processus actuels de gestion des données ?

Les entreprises peuvent, de manière transparente, intégrer le Master Data Management augmenté dans leurs activités actuelles de gestion des données, en automatisant les processus qui leur permettent d'accélérer le rythme de leurs activités. Dans le cadre de leur parcours de gestion des données, elles peuvent tester des méthodes d'automatisation pour leurs processus de Master Data Management. Elles pourront ainsi améliorer la qualité des données et réaliser davantage d'économies.

IA et machine learning - Pourquoi tout ce battage médiatique ?

Pour le découvrir, regardez ce webinaire.

 

Thèmes: 
 

Master Data Management Blog by Stibo Systems logo

Decades of experience within master data management, technologies, people and processes has led Jesper Grode into his current role, heading Stibo Systems' innovation efforts. He has a particular focus on multidomain MDM, augmented MDM and technology adoption. Being responsible for company-wide strategic initiatives on product innovations, he is constantly seeking to increase the value of product offerings to customers and partners. Jesper comes from prior roles as Product Strategy Director, Section Head R&D, Director Professional Services, and Associate Professor at a Danish university.


CATÉGORIES: 
Master Data Management Blog by Stibo Systems logo

Matthew Cawsey est Directeur de la stratégie pour les solutions Customer Master Data Management de Stibo Systems. Il compte plus de 20 ans d'expérience dans la vente et le marketing de logiciels de gestion de données d'entreprise auprès des plus grandes sociétés de gestion de données du monde.

Articles de blog par thématique

  • Gouvernance des données
  • Stratégie MDM
  • Retail et distribution
  • Voir plus
  • Fabrication
  • Données produit et PIM
  • Durabilité
  • Qualité des données
  • CPG
  • Données client et partie
  • Données fournisseur
  • IA et machine learning
  • Données de localisation
  • Services financiers

Guide : Améliorer la qualité de vos données grâce à la gouvernance des données de référence

6/12/24

Guide : Mieux modéliser les données d'entreprise grâce à la gouvernance des données de référence

5/29/24

Guide : 4 façons pour mettre en œuvre du Master Data Management

5/28/24

Guide : Comment se conformer aux normes industrielles grâce à la Gouvernance des données de référence

5/24/24

Guide : contenus enrichis & parfaits grâce au Master Data Management

5/21/24

Les 8 meilleures pratiques pour la Gestion des données de référence Clients

5/16/24

Retour sur la NRF 2024 : à l'ère de l'IA, de meilleures données peuvent faire toute la différence

3/17/24

Assurer la résilience de la chaîne d'approvisionnement : Stratégies et exemples

3/11/24

Responsabilité climatique et traçabilité dans le retail

3/4/24

Le Master Data Management peut améliorer votre solution ERP

2/27/24

Tendances 2024 de la Data Gouvernance

2/27/24

Pérennisez votre activité retail avec le Commerce modulaire

2/20/24

Les 3 avantages du commerce headless associé à une solution PIM

2/13/24

Qu'est-ce que le Smart Manufacturing et pourquoi est-ce important ?

11/30/23

Transformation digitale : 5 raisons d’échec courantes dans le secteur manufacturier

11/30/23

5 défis majeurs dans le secteur manufacturier

11/30/23

Tendances et perspectives de l’industrie manufacturière — 2023-2025

11/30/23

Global Summit 2023 du CGF : Assurer une croissance durable grâce à la collaboration et à l'innovation

7/27/23

Relever les défis des chaînes d'approvisionnement avec le MDM

7/11/23

Utiliser l'IA générative exige des données gouvernées

6/6/23

Comment exploiter l'IoT avec le Master Data Management

5/31/23

La gouvernance des données, une approche essentielle pour la gestion des actifs

3/30/23

4 méthodes pour réduire les retours du e-commerce

3/28/23

Passeports numériques des produits

3/16/23

4 styles courants de mise en œuvre du Master Data Management

3/14/23

Dans le retail, la durabilité exige des données « gouvernées »

2/22/23

Qu’est-ce que la gestion augmentée des données ?

2/16/23

NRF 2023 : Le retail s’oriente vers l'IA et l'automatisation pour une plus grande efficacité

2/13/23

CPG et FMCG, quelle différence ?

2/3/23

Comment calculer l’Eco-Score des produits alimentaires

1/4/23

Le Retail du Futur

12/21/22

Le MDM de Stibo Systems introduit de nouveaux standards d’échange industriels

12/15/22

Stratégies omnicanales pour le retail

12/14/22

Qu'est-ce que la distribution omnicanale et quel est le rôle de la gestion des données ?

11/8/22

La transformation digitale dans le secteur des CPG

7/25/22

Créez une culture de transparence des données

7/18/22

La gestion des données produit lors des fusions et des acquisitions

6/7/22

Qu’est-ce que le Data as a Service (DaaS) ?

5/24/22

Défis de la chaîne d'approvisionnement dans l'industrie CPG

5/18/22

Migration des données vers SAP S/4HANA rapide et sûre avec le MDM

5/3/22

Qu’est-ce qu'une donnée synthétique ? Et pourquoi ont-elles besoin du MDM ?

4/22/22

Gouvernance des données : les cinq écueils à éviter

3/9/22

Gagner dans le retail en libérant toute la puissance des données

3/3/22

Silos de données. Comment les transformer en zones de visibilité ?

2/23/22

Stratégie de monétisation des données de référence, quel ROI ?

2/15/22

La transparence des données pour un retail durable

2/10/22

Quatre tendances dans l'industrie automobile

11/11/21

Quels obstacles entravent la reprise du retail mondial ?

11/4/21

Cinq étapes pour une feuille de route MDM stratégique

10/28/21

Nettoyage des données : priorité des PGC

10/21/21

Besoin de Big Data ? Pensez d'abord Small Data

10/14/21

Prenez-vous des décisions à partir d’informations HCO/HCP erronées ?

10/7/21

Comment améliorer votre gestion de données

9/23/21

Retail : Neuf façons dont le MDM améliore l'expérience client

9/16/21

Produits alimentaires : vers la transformation digitale avec le MDM

9/9/21

Tendances et opportunités du secteur des CPG en 2023

9/2/21

Pourquoi les données revendeurs sont importantes pour les fabricants

8/31/21

MDM multidomaine ou MDM à domaines multiples ?

8/26/21

Comment mettre en place une source unique de vérité avec le MDM

8/12/21

Qu'est-ce que le Master Data Management ? Pourquoi en a-t-on besoin ?

8/5/21

Comment obtenir davantage de valeur de vos données

7/29/21

Le MDM multidomaine pour des expériences client hyper-personnalisées

7/7/21
Vous avez aimé cet article ?

Inscrivez-vous pour recevoir les prochains articles par e-mail