Qualité des données

Des chiffres financiers valables et des prévisions réalistes sont la priorité des entreprises. Pour répondre à cette exigence, il faut mettre en place des processus continus et veiller à ce que tout s'emboîte lors de l'automatisation.

Rationaliser les processus, couper les vieilles ficelles et utiliser les nouvelles techniques et innovations - tels sont les leitmotivs typiques lors du passage à S/4. La question se pose notamment de savoir ce qu'il adviendra du CRM après le passage à S/4.

Bien que le passage à S/4 soit inéluctable, de nombreuses entreprises hésitent encore. Une raison d'éviter la transformation pourrait être le nombre élevé de données de base avec un manque de qualité des données dans les différents silos de données.

Les données d'entreprise peuvent être le nouvel or. Dans tous les cas, une mauvaise gestion des données entraîne des coûts élevés, qu'il y ait ou non un changement de version de S/4. Stefan Riess et Hendrik Becker parlent de la qualité des données et de ce que les entreprises peuvent faire pour la garantir.

Les projets de numérisation de l'industrie 4.0 posent des exigences élevées en matière de qualité des données. Celles-ci peuvent être satisfaites en trois étapes cohérentes et successives. Dans ce contexte, des outils plus efficaces devraient compléter le système ERP.

Des données ultramodernes, des processus entièrement automatisés, des relations clients-fournisseurs bien connectées - pour de nombreux acheteurs des PME, ce n'est pas le quotidien. Mais la numérisation dans le domaine des achats nécessite avant tout une chose : des décideurs.

La manière dont les responsables informatiques doivent concrètement effectuer le passage à S/4 et ce qu'il advient des anciens systèmes ne sont souvent pas clairs. La question de la qualité des données et de leur réduction est également souvent négligée.

De nombreux fournisseurs de logiciels proposent "quelque chose avec l'IA". La plupart du temps, il s'agit d'annonces ou d'explications sur ce que l'IA devrait pouvoir faire un jour. Pour que l'IA soit utilisable dans la pratique, il faut beaucoup d'efforts et d'expérience (d'apprentissage).

Si l'on veut passer à S/4 avec succès, rapidement et avec le moins d'efforts possible - en termes de personnel et de finances - il ne faut pas commencer par la migration, mais par l'architecture de son environnement applicatif.

Pour que les entreprises puissent développer et tester des offres numériques dans des conditions réalistes, elles ont besoin de bases d'informations réelles, c'est-à-dire de données productives issues de systèmes SAP. Dans la pratique, les administrateurs hésiteront toutefois à copier des ensembles complets de données productives.

Dans sa "stratégie numérique 2025", le gouvernement fédéral désigne les données comme la matière première centrale de la transformation numérique. Les compétences clés à long terme résideront dans la collecte, le traitement et la protection des données, ainsi que dans la définition de mesures et de méthodes concrètes.

Dans sa "stratégie numérique 2025", le gouvernement fédéral désigne les données comme la matière première centrale de la transformation numérique. Les compétences clés à long terme résideront dans la collecte, le traitement et la protection des données, ainsi que dans la définition de mesures et de méthodes concrètes.