search.noResults

search.searching

note.createNoteMessage

search.noResults

search.searching

orderForm.title

orderForm.productCode
orderForm.description
orderForm.quantity
orderForm.itemPrice
orderForm.price
orderForm.totalPrice
orderForm.deliveryDetails.billingAddress
orderForm.deliveryDetails.deliveryAddress
orderForm.noItems
Parole d’expert


Flavien Lamarque associé de Mews Partners,


en charge de la practice Opérations flavien.lamarque@mews-partners.com


Gestion des flux La révolution des modèles big data


La gestion des flux d’une entreprise au niveau mondial requiert aujourd’hui des moyens et des systèmes lourds, pour accéder à l’ensemble des données et pouvoir prendre des décisions suffisamment anticipées et fiables. Les modèles big data vont permettre de transformer en profondeur la façon de concevoir les solutions de gestion des flux.


A


ujourd’hui, où sont généralement stockées les données opérationnelles des entreprises ? Réponse : dans des bases de données, le plus souvent structurées et relationnelles. Avec


comme principal inconvénient que les modifications de structure peuvent être complexes, coûteuses en ressources machine, et parfois même impossibles à appliquer sans perdre une partie de ces data. Autant la fiabilité des don- nées de gestion-finances est souvent acceptable car leurs structures sont plus stables, autant cela peut se révéler plus problématique avec des structures de données opéra- tionnelles, telles que celles liées au produit par exemple, car elles évo- luent beaucoup plus souvent (typolo- gie de packaging, coûts de revient, modes de transport, localisation de stockage, fournisseurs, etc.).


Les limites d’Excel Pour pallier le problème, l’utilisation d’Excel est devenue prédominante dans les entreprises. Cela permet de déconstruire les structures des bases de données et d’effectuer des analyses sous des angles nouveaux. Pourtant, des limites sont très vite atteintes avec l’utilisation d’Excel. En particulier sur le volume des données à traiter, mais aussi en ce


Le modèle big data permet de stocker de gros volumes de données dont la structure est créée au moment des analyses, selon les besoins de l’entreprise.


qui concerne les interfaces à mettre en œuvre avec les bases de données, les risques sur la maintenabilité et sur la sous- productivité administrative que cela entraîne. Par ailleurs, ces pratiques ont plutôt tendance à développer des silos dans l’or- ganisation qu’à favoriser la transversalité recherchée par la plupart des organisations. L’apparition de nouveaux systèmes de stockage a ouvert de nouvelles perspectives. Le concept de « modèle big data » apparaît et permet dorénavant de stocker de gros volumes de données sans structure, dont on ne sait pas à l’avance comment elles vont être utilisées et analysées. La structure est alors créée au moment des analyses, en fonction des besoins spécifiques de l’entreprise.


Mieux appréhender le pilotage des flux Cette capacité de collecte et de stockage mas- sif amène de nouveaux champs d’application, d’analyse, de visualisation et de traitement en temps réel. Des projets émergent et se généralisent. Ils ont pour vocation à appliquer sur ces données des algorithmes de segmen-


tation ou de prédiction, et à anticiper ainsi le comportement des flux. Ces projets, encore très centrés sur les données des ventes et leur usage marketing, s’étendent désormais aux secteurs indus- triels et de la distribution. Leur objectif est de collecter toutes les sources de données liées à des environnements de fabrication


112  SUPPLY CHAIN MAGAZINE - OCTOBRE 2017 - N° 2


Page 1  |  Page 2  |  Page 3  |  Page 4  |  Page 5  |  Page 6  |  Page 7  |  Page 8  |  Page 9  |  Page 10  |  Page 11  |  Page 12  |  Page 13  |  Page 14  |  Page 15  |  Page 16  |  Page 17  |  Page 18  |  Page 19  |  Page 20  |  Page 21  |  Page 22  |  Page 23  |  Page 24  |  Page 25  |  Page 26  |  Page 27  |  Page 28  |  Page 29  |  Page 30  |  Page 31  |  Page 32  |  Page 33  |  Page 34  |  Page 35  |  Page 36  |  Page 37  |  Page 38  |  Page 39  |  Page 40  |  Page 41  |  Page 42  |  Page 43  |  Page 44  |  Page 45  |  Page 46  |  Page 47  |  Page 48  |  Page 49  |  Page 50  |  Page 51  |  Page 52  |  Page 53  |  Page 54  |  Page 55  |  Page 56  |  Page 57  |  Page 58  |  Page 59  |  Page 60  |  Page 61  |  Page 62  |  Page 63  |  Page 64  |  Page 65  |  Page 66  |  Page 67  |  Page 68  |  Page 69  |  Page 70  |  Page 71  |  Page 72  |  Page 73  |  Page 74  |  Page 75  |  Page 76  |  Page 77  |  Page 78  |  Page 79  |  Page 80  |  Page 81  |  Page 82  |  Page 83  |  Page 84  |  Page 85  |  Page 86  |  Page 87  |  Page 88  |  Page 89  |  Page 90  |  Page 91  |  Page 92  |  Page 93  |  Page 94  |  Page 95  |  Page 96  |  Page 97  |  Page 98  |  Page 99  |  Page 100  |  Page 101  |  Page 102  |  Page 103  |  Page 104  |  Page 105  |  Page 106  |  Page 107  |  Page 108  |  Page 109  |  Page 110  |  Page 111  |  Page 112  |  Page 113  |  Page 114  |  Page 115  |  Page 116  |  Page 117  |  Page 118