LMI MAG 4 Sept 2020 - Flipbook - Page 33
« Maintenant nous pouvons imaginer à nouveau nos processus métier. Nous pouvons réinventer nos décisions
à travers l’utilisation de ces algorithmes de machine
learning ou de ces simulations », déclare Naveen Singla,
ajoutant que l’entreprise peut désormais répondre à
des questions business complexes sur l’équilibrage des
stocks, les capacités des équipements, la conception des
processus de fabrication ou l’optimisation du réseau.
© Bayer Crop Science
P
our les entreprises qui cherchent
à tirer de la valeur des données au
moment où celles-ci arrivent dans
leurs systèmes, l’analyse temps réel
est la voie à suivre. Cette discipline
en émergence associe la technologie
et les processus. Elle aide les entreprises à améliorer les workflows internes et leur fournit une vision des activités clients et des
tendances du marché dès que celles-ci se démarquent.
Les stratégies analytiques temps réel apportent de
l’agilité aux entreprises, qu’il s’agisse de répondre à des
clients dont les besoins évoluent, d’optimiser les modèles
tarifaires dans des marchés fluctuants ou d’identifier les
facteurs nuisant à l’efficacité dans leur organisation.
Les entreprises s’orientent de plus en plus vers l’analytique temps réel pour obtenir un avantage compétitif, et
en particulier vers les technologies d’analyse en continu
(streaming analytics) qui traitent les données à la volée.
Le cabinet d’études Grand View Research estime qu’avec
la quête de performance et d’efficacité opérationnelle
des entreprises, le marché global du streaming analytics va croître de 29 % par an jusqu’en 2025, partant d’un
montant de 6,32 milliards de dollars en 2018.
Voici quatre exemples d’organisations qui utilisent l’analytique temps réel.
1 Bayer ajuste sa stratégie business
Bayer Crop Science a créé des usines virtuelles pour
représenter de façon numérique les équipements et
processus de ses neuf sites produisant des semences
de maïs en Amérique du Nord. Ce projet, intitulé
« construire la stratégie business et les opérations futures
à travers l’usine virtuelle », a produit une vision dynamique de chacun des neuf sites incluant à la fois les
équipements, les processus, les caractéristiques des flux
produits, la facturation des matières premières et les
règles opérationnelles.
Tandis que l’équipe commerciale lance de nouvelles
offres de traitements ou élabore de nouvelles stratégies
tarifaires, l’entreprise peut utiliser les usines virtuelles
pour évaluer le niveau de préparation de chaque site, ainsi
que leur capacité à adapter leurs opérations pour répondre à ces nouvelles stratégies, indique Naveen Singla,
directeur du centre d’excellence data science chez Bayer
Crop Science.
Bayer Crop Science a créé des usines virtuelles pour représenter
de façon numérique les équipements et processus de ses neuf sites
produisant des semences de maïs en Amérique du Nord.
Le conseil de Naveen Singla : connaître le métier. Il
souligne le temps que Shrikant Jarugumilli, directeur
science décisionnelle et systèmes connectés virtuels
chez Bayer Crop Science, a passé avec son équipe sur
les différents sites pour apprendre les tenants et les
aboutissants des opérations de production de semence.
« Disposer de data scientists qui comprennent le domaine métier a joué un rôle essentiel dans le succès »,
conclut Naveen Singla.
2 P
enn Medicine raccourcit les séjours
en soins intensifs
De nombreux patients en unités de soins intensifs (USI)
dépendent de respirateurs pour survivre. Faire en sorte
que ces patients réussissent à nouveau à respirer par euxmêmes est une étape essentielle pour les faire sortir des
USI sans risque. Penn Medicine utilise l’analyse temps
réel pour identifier plus efficacement à quel moment les
patients sont prêts à se passer de ventilateurs.
33