La transformation numérique est devenue un facteur déterminant de compétitivité pour les industriels. Elle leur permet de gagner en flexibilité, agilité et adaptabilité et ainsi de devenir des entreprises plus résilientes, capables de résister aux incertitudes et crises qui secouent leur marché.

Pour assurer son avenir, l’industrie doit savoir tirer profit d’un ensemble de nouvelles technologies allant de l’internet des objets au cloud, en passant par les jumeaux numériques, le machine learning ou encore les réseaux de nouvelle génération, comme la 5G. « Quel est le point commun entre toutes ces technologies : c’est la donnée ! Le traitement de la donnée et l’analytique forment l’enjeu central de cette transformation », explique Jean-François Sebastian, directeur général de SAS France.

 

Savoir passer de la donnée à l’action

Il faut avant tout comprendre comment passer de la donnée brute à de l’information utile. Une information qui permettra de prendre de meilleures décisions, plus rapidement. SAS est un industriel de la data science, qui investit massivement dans la R&D (de 800 millions à 1 milliard de dollars chaque année) et qui sait mieux que quiconque comment passer de l’idée à la réalisation ; du démonstrateur à la solution déployée sur une large échelle.

Citons l’exemple de Volvo Trucks. 175 000 camions du géant suédois sont en circulation dans le monde. Et ils sont tous équipés de capteurs. Dès qu’une alarme est remontée, elle est analysée en temps réel, afin de définir une réponse adaptée : modification des recommandations d’usage et de charge, ou programmation d’une opération de maintenance. Cette technologie a permis de réduire de 70% le temps de détection d’une panne et de 25 % la durée de maintenance des camions. Mieux, ces données, une fois transmises aux ingénieurs de Volvo Trucks, leur permettent d’améliorer les véhicules.

C’est un des exemples d’une utilisation efficace des données. La data science va permettre de répondre à quatre problématiques majeures : optimisation des procédés de fabrication, du contrôle qualité, de la supply chain et de la maintenance prédictive.

Ne pas négliger le passage à l’échelle

Grâce aux technologies open source, il est aisé de s’essayer à la data science. L’open source est en effet, par essence, flexible et adaptable. Nous avons choisi de proposer à nos clients le meilleur des deux mondes, la flexibilité de l’open source et de nos propres algorithmes pour des expérimentations sans limites à l’innovation, et la gouvernance de celles-ci pour accélérer et concrétiser le passage à l’échelle.

En effet, selon une étude McKinsey, 92 % des projets analytiques ne passent pas le stade du Proof of Concept. Et sur les 8 % restants, 6 % ne passeront pas à l’échelle. Pour franchir cette étape et parvenir à rentabiliser les investissements analytiques, il est indispensable de se doter des bons outils et d’intégrer en amont la phase d’industrialisation des modèles.

La clé du succès passe par l’adoption d’une plate-forme industrielle solide, transparente, afin d’en garder à tout moment le contrôle, et ouverte, pour pouvoir la nourrir des développements réalisés lors du Proof of Concept ou d’algorithmes issus du monde open source.

Il faut également disposer d’une infrastructure solide, signé entre SAS et Microsoft, SAS apportant ses plates-formes analytiques avancées et Microsoft les infrastructures de son cloud Azure. Un accord qui va dans le sens de l’histoire, la majorité des entreprises se tournant aujourd’hui vers le Cloud.

Ne jamais perdre de vue les bénéfices métiers

Lors de projets de data science, il est essentiel de se focaliser sur les problématiques métiers. Le projet doit en effet apporter une valeur métier et financière, dont les objectifs devront avoir été définis dès sa phase de construction.

Relais Colis s’était par exemple fixé comme objectif de permettre aux opérationnels de se reconcentrer sur leur métier, car ils passaient trop de temps à manipuler données et tableaux de bord. Une fois le projet mis en place, 20 000 heures ont été gagnées pour les 450 managers de l’entreprise. Et comme Relais Colis avait entamé une transformation numérique d’importance, il a su s’adapter rapidement aux effets de la crise du coronavirus : fermeture des points relais, explosion des livraisons à domicile, plus forte exigence des clients. La société s’est appuyée sur des solutions pilotées par la donnée (data-driven), pour gagner en agilité et accélérer ses processus de décision.

Ces projets de transformation numérique combinent des enjeux technologiques à des enjeux organisationnels et culturels. Il faut donc savoir diffuser la culture de la data à tous les étages de l’entreprise. SAS accompagne les professionnels à la fois dans ces enjeux technologiques, mais aussi dans la conduite du changement. À ce titre, SAS est reconnu par les analystes tels que Gartner pour ses efforts d’innovation et a une position privilégiée dans le Magic Quadrant Data Science & Machine Learning Platforms de Gartner, avec un classement idéal en termes de vision (innovation) et de capacité d’exécution (industrialisation et production).

Résister aux impacts

D’après le Forum économique mondial, 75 % des industriels ont été impactés par la crise sanitaire : problèmes de production, rupture de la supply chain, disparition de certains marchés…

La transformation numérique et l’adoption d’une approche data-driven permettent aux entreprises de mieux résister à ce type de crise. Certains acteurs du secteur de la grande distribution ont ainsi mis en place des stratégies orientées données, mêlant collecte d’informations en temps réel et au plus près du client, apprentissage machine et techniques d’intelligence artificielle. Cela leur a permis de suivre avec précision le comportement des consommateurs afin de mettre en place des actions adaptées sur leur supply chain.

L’exploitation de la donnée permet de s’adapter et de réagir à des évènements totalement inattendus. Bref, de gagner en résilience. La data devient ainsi un actif clé des industriels, appelé à jouer un rôle toujours plus central.

Visionnez la vidéo des Assises de l'Industrie sur la Transformation digitale dans l’usine du futur : quels nouveaux challenges ?