Was ist prädiktive Analyse und wie setzt man sie gewinnbringend ein? 5 Anfängertipps

Laptop Prädiktive Analyse

Vorhersagen, Prognosen, Prophezeiungen – man nenne es, wie man wolle, aber der Blick in die Zukunft hat die Menschen schon immer fasziniert. Vielleicht weil es schwierig ist, eine solche These aufzustellen, und noch schwieriger, die Zukunft auch wirklich vorherzusagen.

Gelingt einem jedoch genau das und man stellt eine richtige Marktprognose auf, spart man seinem Unternehmen damit eine Menge Geld und liefert erstklassige Ergebnisse.

Laptop Prädiktive Analyse

BEISPIEL:

  • Ein kleiner Coffee Shop in New York war in der Lage, 38 Prozent seiner Marketingkosten einzusparen, indem sie voraussagten, welche Kund*innen wahrscheinlich nicht wiederkommen würden. Diesen Kund*innen sendeten sie gezielt Rabattangebote und bemühten sich gleichzeitig weniger um treue Kund*innen und hoffnungslose Fälle.
  • Forscher*innen in Deutschland sagen voraus, welche Produkte nach der Verkaufssaisonwahrscheinlich von bestimmten Kund*innen zurückgeschickt werden. E-Commerce-Unternehmen können ihre Auslieferungsteams dadurch besser organisieren und sparen Kosten ein.

Wie aber gelangt man zu solchen Thesen und stellt dabei auch noch fest, welche davon realistisch sind und welche weniger zutreffen?

Die Antwort ist ganz einfach: Daten.

Mit den richtigen Daten lassen sich zukünftige Geschäftsergebnisse akkurater hervorsagen.

BEISPIEL:

  • 66 Prozent der befragten Vertriebsprofis berichten, dass prädiktive Analyse ihre Absatzgeschwindigkeit steigert.
  • Die Wahrscheinlichkeit, dass ein Verkaufsteam mithilfe von Prognosen hervorragende oder sehr gute Leistung erzielt, ist dreimal so hochwie bei einem Vertrieb, der keine Analyse einsetzt.

Die erfolgreiche Implementierung von prädiktiver Analyse ist jedoch besonders für kleine Unternehmen mit begrenzten Datenmanagement-Ressourcen eine Herausforderung. Und das Sammeln, Organisieren und Speichern der richtigen Daten ist eine Grundvoraussetzung für diesen Schritt.

Um genauere Prognosen treffen zu können, muss man bei der Datenhandhabung einem strikten Ansatz folgen. Eine schlechte Datensammlung und Vorbereitung führen zu ungenauen Vorhersagen und die wiederum zu schlechten Geschäftsentscheidungen.

Im Folgenden betrachten wir die prädiktive Analyse in verschiedenen Geschäftsszenarien zusammen mit Beispielen aus dem realen Leben und stellen auch die Schritte zu einer erfolgreichen Implementierung in den Geschäftsprozess vor.

Was ist prädiktive Analyse?

Gartner definiert Predictive Analytics (deutsch: Prädiktive Analyse) als eine Form der erweiterten Analyse, bei der Daten oder Inhalte auf Antworten zu Fragen wie „Was wird wahrscheinlich passieren?“ untersucht werden.

Dabei werden historische Daten, künstliche Intelligenz und maschinelles Lernen zur Vorhersage zukünftiger Ereignisse herangezogen.

Software-Lösungen für die prädiktive Analyse nutzen statistische Werkzeuge wie Regressionsanalyse, Datenmodellierung, Prognosen und multivariate Verfahren.

3 Beispiele für prädiktive Analyse in verschiedenen Geschäftsszenarien

Mithilfe der prädiktiven Analyse lassen sich nicht nur Lösungen für geschäftliche Herausforderungen finden, sondern darüber hinaus hilft sie auch beim Erreichen von Geschäftszielen. Hier einige Szenarien, bei denen sie zu einem besseren Geschäftsergebnis führte:

1. Prädiktive Analyse sorgt mit persönlichen Angeboten für weniger Kundenabwanderung

Einen neuen Kunden anzuwerben kostet sechs- bis siebenmal so viel, wie einen bereits vorhandenen zu halten. Minimiert man die Kundenabwanderung, spart ein Unternehmen nicht nur Kosten, sondern fördert auch ein loyale Kundenbasis.

Nicht zufriedene Kund*innen aufzuspüren und ihnen persönliche Angebote zu unterbreiten ist eine der häufigsten Situationen, in denen Predictive Analytics eingesetzt wird.

Zur Berechnung der Abwanderungswahrscheinlichkeit müssen Daten zum Kundenprofil, zu Transaktionen und Feedback gesammelt werden. Mit diesen Daten füttert man dann seine Software, die mithilfe von Korrelationsanalyse und multipler Regressionsanalysen die entsprechenden Kund*innen herausfiltert.

Diesen Kund*innen lässt man dann im Rahmen eines Kundenbindungsprogramms personalisierte Werbeaktionen wie Rabatte, exklusive Mitgliedschaften oder weitere Sonderbedingungen zukommen, um sie zu halten.

BEISPIEL:

Coyote optimiert sein Treueprogramm mithilfe der prädiktiven Analyse.

Geschäftsziel: Das französische Unternehmen Coyote stellt Echtzeitinformationen über das Straßennetz bereit und wollte seine Kundenbasis mit einem effektiven Kundenbindungsprogramm stärken. Zu diesem Zweck sollten die Kund*innen segmentiert, eingehende Daten geprüft und die Gerätenutzung gemessen werden.

Eingeleitete Maßnahmen: Coyote setzte die Software Dataiku Data Science Studio (Dataiku DSS) ein, um ein vorhersehendes Tool zur Verhaltensanalyse zu implementieren und die Kund*innen in verschiedene Gruppen aufzuteilen. Die Anwendung fasste automatisch heterogene Daten wie Gerätedaten in Echtzeit, Vertragsdaten und Kundeninformationen zusammen. Die Software bereinigte dann die Daten und modellierte das Verhalten der Nutzer mithilfe von maschinellem Lernen. Letztendlich wurden die Ergebnisse zur Optimierung von Marketingkampagnen eingesetzt.

 

Ergebnis: Coyote konnte seine Kund*innen mit hoher Genauigkeit segmentieren, die Leistung mit ausgehenden Anrufkampagnen um 11 Prozent steigern und die Kundenabwanderung durch personalisierte Marketingkampagnen senken.

Analysetool - Prädiktive Analyse

Prognosetool zur Kundenabwanderung von Dataiku DSS (Quelle)

2. Prädiktive Analyse ermöglicht genauere Absatzprognosen

Viele Geschäftsentscheidungen wie das Einstellen von neuem Personal, der Aufbau neuer Niederlassungen und das Aufstocken von Lagerbeständen basieren auf Umsatzprognosen.

Wie häufig sind diese aber – selbst nach Abzug einer Fehlerspanne – richtig?

Traditionelle Umsatzprognosen werden immer noch häufig aus dem Bauch heraus getroffen und beziehen nur begrenzte Daten ein

Aussage über Geschäftsabschlüsse

(Quelle)

Prädiktive Analysemodelle, die mit internen und externen Datenquellen wie Marketingautomatisierungsdaten, historischen Abverkaufsdaten, Informationen zu zukünftigen Projekten, der Erfolgsquote einzelner Verkäufer*innen usw. arbeiten, sagen Verkaufsabschlüsse mit einer 82 %-igen Genauigkeit voraus.

BEISPIEL:

Daten aus mehreren Quellen steigern die Genauigkeit von Umsatzprognosen.

Herausforderung: Eine öffentliche Dienstleistungsagentur in den USA überschritt aufgrund unzutreffender Umsatzprognosen ständig das Budget. Der Bedarf wurde konsistent zu hoch eingeschätzt, sodass unnötige Ausgaben für zusätzliche Mitarbeiter*innen und Materialeinkäufe getätigt wurden.

Eingeleitete Maßnahmen: Anstatt sich nur auf Betriebsdaten aus den vergangenen Jahren zu verlassen, sammelte die Agentur weitere Daten durch Marktforschung, Umfragen zum Kundenbedarf, Trends in der Google-Suche und frühere Verkaufsinformationen. Diese neuen und weitergefassten Daten wurden in ein Prognosemodell eingepflegt, das mithilfe eines externen Beraters entwickelt wurde.

HinweisAnstelle eines möglicherweise zu teuren Beraters kann man auch Softwareanwendungen für die prädiktive Analyse mit integrierten Modellen nutzen, die individuelle Berechnungen durchführen und die Daten von verschiedenen Quellen unterstützen.

Ergebnis: Das neue Prognosemodell für den Umsatz war 13 Mal präziser und erlaubte es der Agentur, zukünftigen Kundenbedarf besser einzuschätzen und sich schneller an Marktveränderungen anzupassen.

3. Prädiktive Analysetools ermöglichen das Festlegen von optimalen Produktpreisen

Das Festlegen des richtigen Preises für ein Produkt oder eine Dienstleistung ist eine knifflige Angelegenheit. Ein hoher Preis kann Kund*innen abschrecken und die Verkaufszahlen senken, wohingegen ein niedriger Preis zu einer geringen Gewinnspanne führt.

Mit der prädiktiven Analyse kann der ideale Preis für Waren und Dienstleistungen ermittelt werden.

Prognostiziert man die Verbrauchernachfrage und versteht zudem noch das Kunden- und Kaufverhalten sowie die Marktentwicklung, gelangt man zu einem optimalen Preis und verbessert den Umsatz und das Bestandsmanagement.

BEISPIEL:

Rue La La steigert durch Preisoptimierung den Umsatz um 10 Prozent.

Herausforderung: Rue La La vertreibt Markenmode zu niedrigen Preisen. Das Unternehmen muss häufig Verkäufe prognostizieren und Preise für Produkte festsetzen, die zum ersten Mal im Onlineshop angeboten werden, sodass es keine Vergleichsdaten gibt. Ihren Erfahrungen zufolge sind Produkte entweder innerhalb weniger Stunden ausverkauft oder gehen überhaupt nicht weg, was zu Einnahmeverlusten führt.

Eingeleitete Maßnahmen: Rue La La hat für seine Produkte eine Reihe von quantitativen Merkmalen erarbeitet und zukünftigen Bedarf basierend auf historischen Verkaufsdaten prognostiziert. Mithilfe von statistischen und Computing-Technologien wie Regressionsanalyse und maschinellem Lernen konzipierten sie ein Prognosemodell zur Bedarfsermittlung und Preisoptimierung. Bei der Entwicklung des Support-Tools für die automatische Preissetzung wurden sie vom Massachusetts Institute of Technology (MIT) unterstützt.

Ergebnis: Indem die Firma bei der Preissetzung den Vorschlägen des Tools folgte, konnte sie über verschiedene Abteilungen hinweg ihren Umsatz um 10 bis 13 Prozent steigern. Und auch weitere Maßnahmen führten zu positiven Ergebnissen.

Andere Bereiche (in verschiedenen Branchen), bei denen Prognosen hilfreich sind:

  • Mitarbeiterfluktuation
  • Kreditausfälle
  • Bestimmung von Patienten, die wahrscheinlich wiederkommen (Medizin)
  • Geräte, die innerhalb eines Jahres gewartet oder ersetzt werden müssen

Dies sind nur einige der vielen Möglichkeiten, die sich durch die prädiktive Analyse ergeben, zuvor müssen jedoch einige Voraussetzungen erfüllt werden.

Prädiktive Analyse erfordert eine datengestützte Kultur: 5 Anfängertipps

Um genau die Daten zu generieren, die für eine aussagekräftige prädiktive Analyse erforderlich sind, ist eine datengestützte Kultur innerhalb des Unternehmens unerlässlich.

5 Schritte zur Vorbereitung auf die prädiktive Analyse

5 Schritte - Prädiktive Analyse

1. Das gewünschte Geschäftsergebnis festlegen

Zur Erinnerung: Die prädiktive Analyse dient zur Visualisierung zukünftiger Geschäftsergebnisse. Sind die entsprechenden Ziele klar definiert, ist es einfacher, die Software so anzupassen, dass sie optimale Ergebnisse liefert.

Hier einige Beispiele für Fragen, auf die die prädiktive Analyse mögliche Antworten liefert:

  • Welche meiner Kund*innen bzw. Kundensegmente bleiben wahrscheinlich auch ohne Anreize weiterhin loyal?
  • Welche Produkte sind im Ausverkauf wahrscheinlich gefragt?
  • Welche meiner B2B-Kund*innen geraten wahrscheinlich in Zahlungsverzug?
  • Welche meiner Lieferanten liefern Rohmaterialien wahrscheinlich nicht pünktlich?
  • In welchen Produktionsbereichen werden im kommenden Quartal die Kosten wahrscheinlich steigen?

Sehr wahrscheinlich liegen in den meisten Unternehmen die Daten zur Beantwortung dieser Fragen nicht vor. In diesen Fällen müssen die Daten entweder über einen bestimmten Zeitraum gesammelt oder die Fragen angepasst werden, um dieselben Herausforderungen aus einem anderen Blickwinkel zu betrachten.

2. Relevante Daten aus allen verfügbaren Quellen sammeln

Die Modelle der prädiktiven Analyse beruhen auf Daten. Es ist daher von äußerster Wichtigkeit, die richtigen Daten zur Beantwortung einer Frage zu identifizieren.

Arbeitet ein Unternehmen mit Tabellenkalkulationen, kann es sehr mühsam und in einigen Fällen sogar unmöglich sein, diese in die Prognose einzubeziehen.

An diesem Punkt ist es ratsam, CRM-Anwendungen, Point-of-Sale-Software, Marketing-Tools und weitere Software zu nutzen, um die relevanten Daten zu speichern. Mithilfe dieser Tools können große Datenmengen in der Cloud gespeichert werden, was auch Kosten für die IT-Infrastruktur spart.

Data-Extraction-Software wiederum ruft Daten aus verschiedenen Quellen ab und mehrere Apps können mit APIs zur Datensammlung verbunden werden.

Datenbank-Software, Data-Warehouse-Systeme und Data Lakes sind weitere Ressourcen, die zur Speicherung großer Datenmengen eingesetzt werden können.

3. Datenqualität mit Bereinigungstechniken verbessern

„Garbage In, Garbage Out“ ist ein scherzhafter Ausdruck aus der Informatik, der besagt, dass eine Eingabe mit geringer Qualität auch zu einem schlechten Ergebnis führt.

Und genauso werden Prognosen, die basierend auf mangelhaften Daten erstellt wurden, salopp gesagt kräftig danebenliegen. Für eine aussagekräftige Prognose ist es wichtig, dass Vertriebsmitarbeiter*innen, Vermarkter*innen und andere Beteiligte die richtigen Datenwerte eingeben – und dies im vorgeschriebenen Format. Auf diese Weise wird Zeit bei der Datenbereinigung und Formatierung eingespart.

Auch doppelte Datensätze sollten vermieden bzw. gelöscht werden und eine Normierung hilft bei der Konsistenz der Aufzeichnungen. Die meisten Business-Intelligence-Tools bieten Funktionen zur Datenreinigung wie Datenlöschung, Datenstandardisierung, Datenharmonisierung und Daten-Profiling.

4. Predictive Analytics-Software oder eigene Modelle zum Testen von Daten einsetzen

Möchte man seine eigenen prädiktiven Analysemodelle erstellen, benötigt man Datenwissenschaftler*innen oder jemanden mit tiefreichenden analytischen Kenntnissen, denn nur Personen mit Expertenwissen können ein Prognosemodell von Grund auf erstellen.

Diese Arbeit kann an ein Beratungsunternehmen mit Prognosediensten ausgelagert werden oder man sucht sich gut vernetzte Forscher*innen an Universitäten als Unterstützung.

Sollten die Kosten einen jedoch zurückschrecken, gibt es alternativ viele Softwarelösungen mit Prognosetools.

Diese Tools bieten zwar nicht das fundierte Wissen von qualifizierten Datenwissenschaftler*innen, sind jedoch einfach einzusetzen und kostengünstiger. Predictive-Analytics-Software ist ein guter Ausgangspunkt für kleine Unternehmen.

Auf diese Funktionen sollte man bei der Auswahl von Predictive-Analytics-Software achten:

Data-Mining Extrahiert Daten aus verschiedenen Quellen, um miteinander in Beziehung stehende Informationen bereitzustellen und Muster aufzudecken.
Datenaufbereitung Analysiert und bereinigt Daten mit Techniken wie Deduplizierung, Datennormalisierung, Data-Wrangling usw.
Prädiktive Modellierung Mit statistischen Werkzeugen wie Regression, Korrelationsanalyse, Clustering usw. werden komplexe Gleichungen aufgestellt, die Verhaltensweisen und Auswirkungen vorhersagen.
Vorhersageerkenntnisse Maschinelles Lernen und künstliche Intelligenz verarbeiten große Datensätze in Echtzeit und erstellen sich bei neuen Erkenntnissen bzw. Umständen aktualisierende Prognosen.
Datenvisualisierung Stellt Schaubilder, Grafiken und Karten zur Darstellung der Prognosen bereit, sodass sie einfacher zu lesen sind.
Integration mit R, Python Lässt sich in häufig eingesetzte Programmiersoftware für die Analyse wie R und Python integrieren, sodass Nutzer*innen u. a. ihre eigenen Modelle erstellen, bereits vorhandene Modelle anpassen und größere Datensätze hinzufügen können.

Unser Verzeichnis für Predictive-Analytics-Software bietet eine Übersicht aller Lösungen mit Prognosefunktionen. Vor dem Kauf kann man die Softwareoptionen basierend auf Funktionen oder Preisen vergleichen und Nutzerrezensionen lesen.

5. Prognosemodell evaluieren und validieren, um die Stabilität des Systems zu gewährleisten

Evaluiert und validiert man das Prognosemodell mit alternativen Datensätzen, lassen sich Schwachstellen aufdecken. Darüber hinaus stellt man sicher, dass das Modell auch bei verschiedenen Szenarien gute Ergebnisse liefert.

Es gibt verschiedene Ansätze für die Validierung von Vorhersagemodellen wie das Kreuzvalidierungsverfahren und das Regressionsverfahren.

Viele Predictive-Analytics-Lösungen enthalten jedoch auch automatisierte Validierungsfunktionen, mit denen die Stabilität des Modells getestet werden kann.

Abschließend muss das Prognosemodell nur noch in die Geschäftsprozesse integriert werden und schon können die Ergebnisse für bessere Entscheidungen genutzt werden.

Herausforderungen bei der Implementierung von Predictive-Analytics-Lösungen

Bei der Implementierung von Prognosemodellen müssen durchaus einige Herausforderungen gemeistert werden.

Bei der prädiktiven Analyse werden Wahrscheinlichkeiten prognostiziert, keine sicher eintreffenden Ereignisse

Wie sehr wir uns auch wünschen, dass anhand der Daten definitive und absolut genaue Vorhersagen getroffen werden könnten, so ist doch nur eine Wahrscheinlichkeitsanalyse möglich. Jede Prognose – auch wenn sie aufgrund der richtigen Daten getroffen wird – enthält einen Unsicherheitsfaktor.

Eine Geschäftsentscheidung sollte daher letztendlich aus einer Kombination verschiedener Faktoren wie Datenergebnissen, dem eigenen Urteil, der Tragweite der Entscheidung usw. getroffen werden und nicht allein auf einem Aspekt beruhen.

Die Eingliederung des Prognosemodells in die Geschäftsabläufe kann viel Zeit in Anspruch nehmen

Prädiktive Analysen werden nicht über Nacht implementiert. Es kann Wochen oder je nach bereits vorhandenen Kenntnissen sogar Monate dauern, bis robuste Prognosemodelle erstellt und integriert wurden.

Gerade für die Testphase sollte man viel Geduld mitbringen und auf die Nuancen der Vorhersagen achten. Robuste, wiederverwendbare Prognosemodelle sorgen langfristig für Umsatzzuwächse und Kosteneinsparungen.

Zu Beginn fallen für Software, Schulungen und Prüfsysteme Kosten an

Predictive-Analytics-Software ist in den letzten Jahren zwar günstiger geworden, doch es handelt sich immer noch um ein kostspieliges Unterfangen. Zusätzlich zu den Tools müssen auch die Mitarbeiter*innen in verschiedenen Konzepten geschult werden.

In den USA werden für kleine Unternehmen jährliche Ausgaben zwischen 8.000 USD und 20.000 USD für Implementierungskosten ohne Schulungen geschätzt. Unternehmen mit 500 bis 5.000 Mitarbeitern sehen jährlichen Kosten von bis zu 100.000 USD entgegen und Großunternehmen sollten 500.000 USD und mehr einkalkulieren.

Nächste Schritte zur Einführung der prädiktiven Analyse

Es ist ratsam, zuerst im Kleinen mit der prädiktiven Analyse zu experimentieren und mit zunehmender Erfahrung und nach einigen positiven Ergebnissen das Unterfangen auszuweiten.

Zu Anfang sollte man Geschäftsfälle identifizieren, in denen Prognosemodelle bereits erfolgreich eingesetzt wurden (z. B. bei der Reduzierung von Kundenabwanderung oder der Vorhersage von Nachfrage) und diese an das eigene Unternehmen anpassen.

Anfängertipps - Prädiktive Analyse

Weitere Ressourcen

Wirf einen Blick auf das GetApp-Verzeichnis für prädiktive Analyse-Lösungen und erhalte eine umfassende Liste der Softwaretools mit Prognosefunktionen.

Lufthansa hat eine Studie in Auftrag gegeben, in der die Relevanz von Predictive Analytics für Unternehmen in den nächsten Jahren bewertet wird.

Hinweis: Die Informationen in diesem Artikel stammen aus Quellen, die als vertrauenswürdig beurteilt wurden. Die ausgewählten Anwendungen dienen als Beispiele, um Funktionen im Kontext zu präsentieren. Dies stellt keine Empfehlung oder Befürwortung dar.

 

Gestion de parc informatique : guide de mise au rebut

La gestion de parc informatique : guide de mise au rebut

La gestion de parc informatique : guide de mise au rebut

Vieux PC stockés dans des armoires, serveurs hors service enterrés dans des entrepôts, écrans obsolètes oubliés dans des box de stockage… Avec l’évolution toujours plus rapide de la technologie, les entreprises accumulent un nombre croissant d’appareils et de ressources informatiques obsolètes.

Depuis quelques années, les solutions de stockage en cloud et les logiciels en tant que service (SaaS) démocratisent le stockage de données en ligne et remplacent bien des appareils de stockage physique. Les ordinateurs portables et les tablettes supplantent les traditionnels PC. Même la clé USB, pourtant si pratique, est évincée par des solutions cloud comme Dropbox.

Malheureusement, le retrait d’ordinateurs et d’autres ressources informatiques peut générer des problèmes de propriété intellectuelle, de conformité réglementaire et de respect de l’environnement. Les PME doivent se fixer des règles pour que la mise au rebut de leur parc informatique respecte les politiques en matière de sécurité et de protection de l’environnement.

Comment se défaire de son parc informatique ?

Un prestataire d’élimination du matériel informatique (IT asset disposition ou ITAD en anglais) peut vous débarrasser des appareils en fin de vie, supprimer toutes les données qu’ils contiennent et les éliminer de manière écologique. Même si cette solution semble simple, elle exige de sélectionner une entreprise de bonne réputation et de prendre en compte de nombreux facteurs, dont le transport et les pratiques de destruction des données. Vous trouverez plus d’informations sur les prestataires d’élimination du matériel informatique dans la suite de cet article.

Vous pouvez aussi vous charger vous-même de la mise au rebut de votre parc informatique. Cette solution convient mieux aux PME qu’aux grandes sociétés. Le fait de supprimer tout intermédiaire permet de revendre vos vieux appareils pour récupérer un pourcentage de leur valeur ou d’en faire don pour vous épargner des taxes environnementales ou de recyclage.

Comment effacer des volumes importants de données ?

Avant de vous débarrasser de votre matériel, vous devez vous assurer que vos données sont bien supprimées. Le parc informatique d’une entreprise comprend des ordinateurs portables, des imprimantes, des tablettes, etc. Tous ces appareils contiennent des données sensibles qui doivent être effacées. Mais même si vous parvenez à supprimer la mémoire d’une imprimante scanner, comment être certain que toutes les données ont bien été effacées ?

Une analyse de 200 disques durs de seconde main achetés en ligne a révélé que deux tiers d’entre eux contenaient des informations potentiellement associées à des individus et qu’au moins 20 d’entre eux abritaient des données commerciales sensibles. De plus, nombre de ces disques durs contenaient des données effacées d’un simple clic sur “supprimer” ou par glisser-déposer dans la corbeille.

Malheureusement, ce n’est pas rare. La suppression d’un fichier n’entraîne pas celle du code qui contient l’information enregistrée sur le disque dur ; elle élimine simplement le fichier qui renvoie l’utilisateur vers les données. C’est pour cette raison que vous pouvez récupérer des données en restaurant une version antérieure de votre système d’exploitation.

Et si vous pensez vous en sortir en formatant votre disque dur, sachez que cela ne suffira pas. Les données effacées de disques durs formatés peuvent être récupérées tant qu’elles n’ont pas été écrasées. C’est pour cette raison que les PME doivent utiliser des logiciels spécialisés afin de remplacer les données enregistrées par des informations sans valeur avant de se défaire de leurs appareils.

Notez que, par défaut, de nombreuses solutions d’effacement de données consistent simplement à écraser une seule fois la mémoire. C’est suffisant pour les ordinateurs personnels, mais les parcs informatiques professionnels regorgent de données sensibles qui exigent plusieurs écrasements successifs.

Cela s’applique aux clés USB, aux cartes mémoire et aux autres supports de stockage. Certaines méthodes d’écrasement sont plus adaptées à certains appareils qu’à d’autres : un disque dur SSD, par exemple, peut être plus difficile à nettoyer qu’un disque dur standard. Les prestataires ITAD ont conscience de ces spécificités et vous feront bénéficier de leur expertise en la matière.

Démagnétiser et broyer la moindre donnée

Vous pouvez démagnétiser les disques durs contenant des données particulièrement sensibles que vous n’avez pas l’intention de revendre.

La démagnétisation est une méthode de destruction des appareils de stockage magnétiques qui permet d’altérer leur mémoire et de les rendre illisibles. Elle détruit généralement les composants électroniques des appareils en même temps que leur mémoire, ce qui les rend inutilisables et directement recyclables.

Les machines de démagnétisation sont assez chères (à partir de 5 000 € environ). À moindre coût, vous pouvez opter pour une baguette de démagnétisation, mais la méthode est moins efficace. Quel que soit votre choix, pensez à vérifier la conformité des appareils que vous utilisez.

La démagnétisation est la seule manière de s’assurer de la destruction totale de vos données. Cependant, elle ne fonctionne que pour les supports magnétiques comme les disques durs et les bandes magnétiques. Les appareils de stockage optique comme les CD-ROM, les DVD et de plus en plus de disques durs SSD ne peuvent pas être démagnétisés.

Enfin, un disque dur peut être physiquement éliminé par écrasement. C’est une bonne méthode pour les disques durs qui ne contiennent pas de données sensibles ou pour ceux qui ont déjà été démagnétisés.

Les disques sont pliés en deux, ce qui brise leurs plateaux et les rend inutilisables. D’autres machines permettent même de broyer les appareils de stockage ou de les mettre en pièces. Les différents modèles sont adaptés à des supports spécifiques (clés USB ou appareils mobiles, par exemple).

Maintenant que vous avez démagnétisé et/ou détruit votre disque dur, il ne vous reste plus qu’à l’emmener dans un centre de recyclage. Eh oui, la démarche n’est pas de tout repos !

N’oubliez pas les imprimantes, les photocopieuses et autres dispositifs IoT

Les imprimantes et les photocopieurs stockent généralement des images des documents traités en mémoire. Il faut donc gérer prudemment ces données, en particulier parce que ces appareils sont souvent loués, achetés d’occasion ou revendus.

De plus, les dispositifs IoT conservent parfois des informations comme des mots de passe Wi-Fi dans leur mémoire interne. Les montres intelligentes, par exemple, enregistrent des informations de calendrier ; les navigateurs web de télévisions intelligentes sont utilisés pour accéder à des données commerciales ; les voitures de société synchronisent les contacts téléphoniques avec leur système multimédia embarqué. Ces appareils compliquent fortement le processus d’élimination d’un parc informatique.

Aujourd’hui, nous ne pouvons plus nous contenter de vérifier que nos PC sont nettoyés ; nous devons nous assurer que tous les appareils capables de stocker des données sont nettoyés de fond en comble.

Pour mieux comprendre les enjeux de la gestion d’un parc informatique en fin de vie, n’hésitez pas à visionner The Wolf, un court-métrage produit par HP. Christian Slater y joue le rôle d’un pirate informatique qui se sert d’imprimantes et d’autres appareils a priori sans danger pour dérober des informations commerciales.

Équipez-vous d’un logiciel dédié à la gestion de parc informatique

Avant de mettre en œuvre un programme efficace d’élimination de votre parc informatique, vous devez savoir où se trouvent les appareils concernés, connaître l’usage qui en est fait et déterminer leur ancienneté. Un logiciel de gestion des ressources informatiques vous aidera à cataloguer et identifier l’ensemble de votre parc informatique.

Vous pourrez ensuite surveiller chaque appareil par utilisateur, centre de coût ou emplacement physique. En plus de simplifier le processus d’élimination, le suivi logiciel des ressources vous aide à garder les garanties à l’œil, à calculer la perte de valeur des appareils et à évaluer la nécessité de les mettre à jour. Consultez le catalogue de logiciels de gestion des ressources informatiques de GetApp pour trouver un outil qui vous permettra d’éliminer plus facilement votre parc informatique.

interface EZOfficeInventory, logiciel de gestion de ressources informatiques
EZOfficeInventory, logiciel de gestion des ressources informatiques (source)

Suivez une politique de gestion claire pour assurer votre conformité

Les entreprises négligent souvent la mise au rebut de leur parc informatique. C’est pourtant un aspect crucial de la conformité au RGPD et à d’autres réglementations dont la norme de sécurité de l’industrie des cartes de paiement (Payment Card Industry Data Security Standard ou PCI DSS). Selon ces textes, vous devez en effet être en mesure de prouver l’existence d’une chaîne de contrôle et d’une méthode de suppression des données.

Si vous détenez des données associées à des utilisateurs issus de pays couverts par le RGPD (toute personne vivant dans l’Union européenne ou l’Espace économique européen), vous êtes considéré comme responsable de traitement.

Si vous chargez une autre entreprise de la gestion de vos données, cette entreprise est considérée comme un sous-traitant.

Lorsque vous engagez un prestataire d’élimination du matériel informatique pour gérer la fin de vie de votre parc informatique, vous et le prestataire êtes responsables de la suppression sécurisée des données concernées par le RGPD.

Pour assurer votre conformité, vous devez donc établir une politique claire afin de disposer d’archives vérifiables. Pour ce faire, posez-vous les questions suivantes :

  • Quand les différents appareils doivent-ils être éliminés ?
  • Comment les données sensibles ou soumises aux réglementations seront-elles identifiées ?
  • Quelle méthode d’élimination des données sera suivie ?
  • Où seront stockées les ressources à éliminer ?
  • Comment démontrerez-vous le respect de votre chaîne de contrôle ?

Il peut être difficile d’établir une politique générale, car chaque appareil est différent. La procédure à suivre pour une photocopieuse vieille de 3 ans qui vous a coûté 5 000 € n’est pas la même que pour une tablette à 250 € que vous possédez depuis 2 ans.

Envisagez des procédures spécifiques pour :

  • Les ordinateurs fixes et portables
  • Les imprimantes et les photocopieuses
  • Les appareils de stockage externes (mémoires flash, par exemple)
  • Les serveurs
  • Les équipements réseau (routeurs ou commutateurs, notamment)
  • Les appareils mobiles et les tablettes
  • Les dispositifs IoT

Créez des organigrammes des procédures de gestion de votre parc informatique

Infographie d'exemple d'organigramme de gestion de parc informatique

Le processus d’élimination devrait être déclenché dès qu’un appareil atteint un point spécifique de son cycle de vie. Ce point peut correspondre à une certaine ancienneté, à un état d’utilisation ou à l’obsolescence de l’équipement ou des données. Pour simplifier la prise de décision, créez des organigrammes précisant les procédures à suivre.

Solutions de gestion des ressources informatiques

Revente

Les ressources informatiques peuvent être reconditionnées et vendues en direct ou par l’intermédiaire d’un broker informatique. Les équipements des centres de données (serveurs et commutateurs) sont particulièrement recherchés sur le marché de l’occasion car de nombreuses entreprises ne peuvent pas se permettre de les acheter neufs. Vous pouvez aussi revendre votre parc à vos employés à petit prix. Enfin, vous pouvez vendre en pièces détachées les appareils les plus anciens et ceux qui ne fonctionnent plus.

Réaffectation

Dans certains cas, les ressources informatiques peuvent trouver une seconde vie au sein même de l’entreprise. Par exemple, un ordinateur portable qui n’est plus suffisamment puissant pour un graphiste peut parfaitement servir d’appareil de contrôle pour un agent de terrain. Les tablettes peuvent être réaffectées et prêtées à des collaborateurs ou utilisées à l’accueil pour permettre à vos visiteurs de surfer sur le web.

Don

Les appareils utilisés mais toujours en état de marche peuvent être cédés à des écoles, à des organisations caritatives ou à des organismes internationaux d’aide humanitaire. Vous pouvez consulter des sites web tels que Donordi pour savoir quelle organisation locale pourrait redistribuer votre matériel informatique à des structures de formation scolaire ou professionnelle. Le don permet aussi à votre entreprise de bénéficier de réductions fiscales.

Recyclage

En dernier recours, vous pouvez envisager le recyclage de votre parc informatique. Mais vous ne pourrez pas vous contenter de déposer vos appareils dans une décharge ; vous devez respecter des procédures de recyclages strictes détaillées ci-dessous.

Empreinte écologique de l’élimination et du recyclage d’un parc informatique

La mise au rebut et le recyclage des ressources informatiques servent à la fois l’environnement et vos efforts marketing. Une enquête récemment menée auprès de 25 000 consommateurs a en effet révélé que plus de la moitié des répondants étaient prêts à dépenser plus pour travailler avec des entreprises respectueuses de l’environnement.

Les ressources informatiques contiennent quantité de substances toxiques (plomb, mercure et cadmium, notamment) qui représentent de sérieux risques environnementaux si elles ne sont pas correctement gérées. Même si les fabricants commencent à créer du matériel électronique plus durable (Apple, par exemple, utilise de l’aluminium recyclé pour créer ses MacBook Air), les déchets électroniques s’accumulent de plus en plus.

Une récente étude des Nations Unies a révélé que la quantité de déchets d’équipements électriques et électroniques mondiaux a augmenté de 8 % entre 2014 et 2016. On s’attend à observer une croissance supplémentaire de 17 % d’ici 2021 et une masse totale annuelle de 52 millions de tonnes. L’étude a également montré que 20 % des déchets électriques et électroniques produits en 2016 ont été recyclés.

Bonne nouvelle, en revanche : selon le rapport, 66 % de la population mondiale est désormais soumise à une loi régulant la gestion des déchets d’équipements électriques et électroniques, soit une progression de 50 % par rapport à 2014. C’est une excellente chose, car les pays en voie de développement réceptionnent une grande partie de ces déchets.

Si vous voulez travailler avec un prestataire ITAD respectueux de l’environnement, ciblez les entreprises certifiées par l’État ou par l’Europe. Elles peuvent efficacement décomposer des appareils électroniques, récupérer leurs composants et éliminer les substances toxiques en toute sécurité.

Pour aller plus loin

La mise au rebut sûre et responsable de votre parc informatique n’est pas simple, mais elle est indispensable pour assurer la sécurité de votre propriété intellectuelle et pour vous éviter des amendes salées. Si vous ne savez pas comment vous y prendre, dressez d’abord une liste de vos ressources informatiques. Classez-les par catégories pour déterminer si vous pourriez gagner du temps et de l’argent en utilisant des logiciels spécialisés.

Vous pouvez aussi créer un programme de récupération des ressources informatiques et inciter vos collaborateurs à fouiller leurs armoires pour exhumer leurs vieux claviers et téléphones portables. Organisez une tombola, offrez des tickets pour chaque appareil récupéré ou distribuez des tickets boisson pour le prochain apéro.

Tournez la page en vous séparant de vos vieux ordinateurs et autres ressources informatiques dépassées. En procédant de manière responsable, vous participez à la conservation de l’environnement.

Enquête : la prise de rendez-vous en ligne

Prise de rendez-vous en ligne

Prise de rendez-vous en ligne

“Veuillez patienter, un interlocuteur va bientôt prendre votre appel. Veuillez patienter…”

Qui aime encore aujourd’hui téléphoner pour prendre rendez-vous ? D’ailleurs, a-t-on jamais aimé cela ?

Message en boucle, temps d’attente estimé à 1 000 heures… Le temps file et plusieurs minutes auront vite disparu inexplicablement dans l’abysse insondable des musiques d’attente (morceau de musique classique saturé ou bossa nova d’ascenseur).

Mais il existe aujourd’hui des outils simples et pratiques pour que les entreprises mettent en place la réservation en ligne. Gain de temps pour tous, économie de patience, nouveaux clients, que demander de plus ? 

419 Français ont pris le temps de répondre à notre enquête concernant les méthodes de réservation. Nous avons en outre cherché à comprendre leurs avis et attentes vis-à-vis de la prise de rendez-vous en ligne.

Voici les points clés de cet article, à la lumière des résultats de notre sondage :Infographie : Enquête GetApp sur les rendez-vous en ligne

Quels sont les moyens les plus utilisés pour prendre rendez-vous ?

  • 60 % de nos compatriotes prennent plus souvent leur téléphone pour organiser un rendez-vous
  • 34,5 % privilégient déjà la réservation en ligne

Infographie : Comment les Français prennent rendez-vous

Cela peut paraître paradoxal après une introduction ayant cruellement dénigré les répondeurs en boucle mais l’explication est somme toute enfantine : la réservation en ligne n’est pas encore présente sur tous les fronts. Davantage par manque d’options que par choix, le téléphone demeure le moyen le plus utilisé en France pour prendre rendez-vous. Certaines générations n’auront également pas encore pris le pli des outils informatiques, même si cette tendance est amenée à disparaître. En effet, 89 % des Français ont accès à Internet, par le biais d’un ordinateur ou d’un smartphone.

Certains préféreront se déplacer en personne (4 %) par praticité ou crainte du téléphone : il est toujours plus facile de discuter en face à face avec quelqu’un qu’avec un interlocuteur invisible.

Moins de 1 % des sondés parviennent à effectuer des réservations par le biais des SMS. 

Des applications comme WhatsApp, moins présente au niveau business que dans d’autres pays, comme l’Espagne par exemple, trouvent quelques adeptes.Enfin, Facebook a quelque peu “pivoté” ces dernières années pour devenir une interface de communication entre une entreprise et sa clientèle, avec plus ou moins de succès. La plateforme permet en effet de contacter directement un business, mais dans les faits, la réservation par la plateforme sociale ne reste qu’une alternative à l’e-mail (moins de 1 % des répondants) . Rien n’indique en effet à l’utilisateur les disponibilités ou ne garantit la bonne réception du message (la coche “lu” ne comptant pas).

Par exemple, la plateforme Doctolib, que certains interrogés utilisent, est un outil plutôt bien pensé qui offre la possibilité aux patients de prendre rendez-vous en ligne.

Quels sont les moyens préférés pour prendre rendez-vous ?

  • 68,5 % des interrogés préfèrent réserver en ligne
  • 23,5 % préfèrent le téléphone

Infographie : comment les Français préfèrent prendre rendez-vous

Sans appel, c’est la réservation en ligne qui remporte les suffrages.

Comment expliquer cette différence ? Plusieurs aspects des systèmes de réservation “traditionnels” en dérangent les utilisateurs. 

Infographie : quel aspect de la prise de rendez-vous aiment le moins les Français

En ligne, tout est plus pratique. Il n’y a d’heures d’ouverture, pas d’attente, visibilité immédiate du calendrier et des disponibilités. En ligne, la réservation est possible sept jours du sept, vingt-quatre heures sur vingt-quatre.

En parallèle, la réservation en ligne évite d’accepter un peu par défaut un rendez-vous qui n’arrange pas forcément, sous la pression du temps passé au téléphone. Le fait également de n’être pas en mesure de consulter le calendrier de son smartphone en même temps que de parler constitue un autre argument en faveur de la prise de rendez-vous sur un navigateur Internet où plusieurs onglets sont facilement consultables.

Attention toutefois, certains services en ligne ont certes le mérite d’exister mais sont mal conçus : de quoi abandonner sa réservation et d’aller voir ailleurs, là où le même service est proposé, voire de renoncer tout court à la prestation.

Quels sont les secteurs qui l’utilisent le plus ?

Infographie : Pour quels services les Français utilisent-ils la réservation en ligne

La prestation médicale et les activités de loisirs arrivent en tête des services pour lesquels les interrogés ont le plus souvent recours à la réservation en ligne. Cette proportion importante peut s’expliquer par le fait que ce sont ceux ayant adopté les outils adéquats et également car ce sont les services que l’on utilise le plus souvent dans notre quotidien. 

Les prestations d’entretien technique sont au coude à coude avec les prestations beauté. Ces deux domaines vont sans doute être amenés à s’aligner en adoptant la réservation en ligne, à l’instar des prestations médicales et de loisirs. La prise de rendez-vous chez le coiffeur en est un bon exemple : c’est une prestation assez courante dans le quotidien pour justifier la mise en place d’une telle méthode.

Opportunités et avantages de la réservation en ligne du point de vue des PME

Les entreprises qui investissent maintenant dans une solution de réservation en ligne faciliteront la vie de leurs clients, en attireront de nouveaux (puisque c’est un critère de choix), et auront une longueur d’avance sur la concurrence. C’est en effet un argument de vente de taille qui pourrait bien faire gonfler votre chiffre d’affaires.

Voyez plutôt les résultats à deux questions cruciales pour un business :

Infographie : L'importance de ces critères dans le choix d'un prestataire

Infographie : l'influence de l'absence de réservation en ligne

Deux groupes se talonnent : ceux pour que la possibilité de réserver en ligne peut parfois affecter le choix d’un prestataire (48 %) et ceux qui affirment le contraire (47,5 %). Les 4,5 % restants sont néanmoins catégoriques et voient leur choix affecté entièrement.

Last but not least, le suivi de rendez-vous. Un rendez-vous à déplacer, et on est condamné à repasser l’épreuve de la chansonnette d’ascenseur infernale ? Si seulement l’option en ligne était disponible… elle ferait plaisir à beaucoup !

En effet, lorsqu’il s’agit d’annuler ou de reprogrammer un rendez-vous, près de 63 % des Français privilégient quand ils le peuvent la réservation en ligne. Environ 29 % des Français préfèrent quant à eux passer un appel, tandis que 6 % font le choix du SMS. Les autres se répartissent entre e-mails, WhatsApp et le face-à-face. L’écrasante majorité souhaite donc principalement pouvoir reprogrammer ou annuler en ligne. 

Autre cas, le no show et les annulations : si quelqu’un n’annule pas, c’est peut-être une plus longue pause-café pour vous, entrepreneur ou médecin, mais un revenu de perdu… Et s’il existait un outil permettant d’envoyer un rappel et d’annuler facilement sans embêter personne voire même en arrangeant tout le monde ?

Si les Français ne s’admettent pas tête-en-l’air (plus de 63 % affirment n’avoir jamais manqué un rendez-vous), les 37 autres pourcents pourraient sûrement tirer profit d’un rappel automatique par SMS, rappel auquel 60 % souscriraient d’ailleurs volontiers.

C’est également une bonne solution pour les annulations : la plage horaire redevient disponible sitôt que quelqu’un se rétracte. Toutefois, ce système fonctionne mieux si un acompte a été versé ; il est peu probable que quelqu’un ayant changé d’avis revienne annuler sa réservation en ligne.

Ayez une longueur d’avance en adoptant la réservation en ligne

La prise de rendez-vous en ligne est tellement simple et efficace qu’on se demande même pourquoi elle n’a pas encore pris tout l’Internet d’assaut (ce qui ne saurait tarder). Le souhait de la voir démocratisée est fortement exprimé par nos concitoyens.

Dans les transports, au bureau, dans un café bruyant… La réservation en ligne depuis un smartphone devrait être la norme et l’on ne prendra pas de risque à dire qu’elle s’apprête à changer la donne et à créer de nouveaux comportements. Tous les secteurs qui ont un contact avec le client sont concernés. 

Pensez-y et facilitez-vous la vie et celle de vos contemporains.

Rome ne s’est pas faite en un jour et les nouveautés technologiques mettent toujours du temps à se diffuser. Pourtant, rien de plus simple que de mettre en place la prise de rendez-vous en ligne : des outils de réservation existent pour offrir ce service à tous, utilisateurs comme prestataires.


* Méthodologie de l’enquête : pour collecter les données de ce rapport, nous avons mené une enquête en ligne en juillet 2019. Les réponses proviennent d’un échantillon du marché cible français. Le sondage a été envoyé à 419 personnes. Les participants sont issus de divers secteurs d’activité.

Was ist Dark Data? 7 zentrale Fragen und Antworten

Was ist Dark Data?

 

Was ist Dark Data?

Dark Data: Das klingt irgendwie unheimlich, mysteriös, fast schon melodisch und doch gleichzeitig verdächtig nach einem neuen Big Data-Modewort.

Wirklich Sorgen machen sollte uns an diesem wohlklingenden Begriff allerdings vor allem eines: Die wenigsten Fachleute wissen, worum es sich handelt.

Die Zahlen sind zum Haareraufen: Dark Data macht rund 80 Prozent der gespeicherten Daten aus, was bedeutet, dass kaum ein Unternehmen nicht von dem Problem betroffen ist.

Einer Studie von IBM zufolge soll der Anteil bis 2020 sogar auf 93 Prozent aller Daten steigen. Höchste Zeit, dass Unternehmensleiter*innen sich sowohl den großen Wettbewerbsvorteil zunutze machen, der in Dark Data verborgen liegt, als auch die möglichen Risiken erkennen.

Die folgenden Antworten auf 7 Fragen zu Dark Data sollen klar machen, worum es sich dabei eigentlich handelt und was die „dunklen Daten“ für Unternehmen bedeuten.

  • Was ist Dark Data?
  • Was sind Beispiele für Dark Data?
  • Warum ist Dark Data ein Problem?
  • Kann Dark Data verhindert werden?
  • Welche Vorteile bietet die Analyse von Dark Data?
  • Warum haben kleine Unternehmen lange gezögert, ihre „dunklen Daten“ ans Licht zu bringen?
  • Wie sollten kleine Unternehmen mit Dark Data umgehen?

Was ist Dark Data?

Der Dark Data-Definition von Gartner zufolge handelt es sich um Informations-Betriebsmittel, die Firmen bei Ausführung des Tagesgeschäfts sammeln, verarbeiten und speichern, aber nicht wirklich für andere Zwecke benutzen.

Doch was genau bedeutet das? Die dunklen Daten haben ihren düsteren Namen nicht ohne Grund:

Die Daten-Apokalypse

Im letzten Jahrzehnt ist die Menge der Informationen, die Unternehmen verarbeiten, in beängstigender Geschwindigkeit angestiegen. Unternehmen erfassen riesige Datenmengen von Maschinen und Kund*innen – mehr als je zuvor.

Im täglichen Betrieb und durch die Infrastruktur werden Daten erzeugt, für deren Interpretation viele Unternehmen gar nicht gerüstet sind. Diese Herausforderung wird immer größer:

Die Daten-Unterwelt

Die riesige Datenflut muss verarbeitet werden: Es geht um Big Data, die kollektive Praxis, eine Bestandsaufnahme aller von einem Unternehmen generierten Daten durchzuführen, sie sichtbar zu machen und die gewonnenen Einblicke für fundiertere Geschäftsentscheidungen zu nutzen.

Wo Big Data ist, gibt es jedoch immer auch Dark Data: die ungenutzten, außer Acht gelassenen Datenbestände, die nicht analysiert werden, bis sie irgendwann in Vergessenheit geraten. Selbst die besten Analysetools und Business Intelligence-Strategien können nicht alle Daten identifizieren und in Informationen umwandeln, die verständlich und für das Unternehmen nutzbar sind. Immer gibt es Daten, die durch das Raster fallen, häufig verborgen zwischen Menschen, Netzwerken und Maschinen. Genau das ist Dark Data: der lange Schatten, den Big Data wirft.

Dark Data ist häufig versteckt oder vergessen.

Wenn wir Informationen in Unternehmen von heute als Währung verstehen, als eine so kritische Ressource wie physische, finanzielle und personelle Investitionen, dann ist Dark Data das verlorene Wechselgeld, das für immer in Hosentaschen oder zwischen Sofakissen verschwunden bleibt.

Verborgenes Potenzial

Dark Data könnte man als Big Data bezeichnen, dessen Potenzial noch nicht genutzt wurde. Und dieses Potenzial ist groß: Aus den Daten lassen sich Erkenntnisse gewinnen, die äußerst wertvoll für das Unternehmen sein können.

Schon 2010 stellte Dell fest, dass schätzungsweise 90 Prozent aller Daten nur einmal verwendet und nie wieder aufgerufen werden. Daran dürfte sich nicht viel geändert haben: 2015 kam IBM zu einem ähnlichen Ergebnis und fand heraus, dass 90 Prozent der in den vorausgegangenen zehn Jahren erzeugten Daten nicht mehr genutzt wurden. Die meisten dieser Daten könnten wunderbar für Analysen genutzt werden, man muss sie lediglich zugänglich machen.

Paul Bromen, Inhaber des kleinen Unternehmens hinter der Matratzenbewertungsplattform UponaMattress.com, bemerkt ein Gefühl der Frustration, wenn der Wert von Dark Data erkannt, doch der Fortschritt durch geschäftliche Anforderungen gebremst wird.

„Dark Data ist ein Problem. Die Sammlung von Informationen steigt exponentiell, doch meine Möglichkeiten [für den Umgang mit Dark Data] steigen entweder linear oder sinken, weil mein wachsendes Unternehmen meine Aufmerksamkeit in tausend Richtungen lenkt. Ich weiß, dass auf den Cloud-Servern millionenschwere Erkenntnisse darauf warten, entdeckt zu werden, aber ich habe keine Zeit, sie zutage zu fördern.“ Mit dieser Aussage weist Bromen auf ein wichtiges Problem mit Dark Data hin, das viele kleine Unternehmen haben.

Was sind Beispiele für Dark Data?

Die in einem Unternehmen vorhandenen Arten von Dark Data hängen von der Branche ab und davon, was für Informationen erfasst oder verarbeitet werden.

Häufig handelt es sich um folgende Daten:

Dark Data Beispiele

Dark Data kann in jedem Unternehmensbereich entstehen. Was von einer Person oder in einer Abteilung vernachlässigt und als unnötig betrachtet wird, kann an anderer Stelle sehr wichtig sein.

Warum ist Dark Data ein Problem?

Viele Unternehmer*innen stellen sich die Frage: Sollte ich wegen der „dunklen Daten“ in meinem Unternehmen besorgt sein?

Die Antwort lautet: Ja, die Sorgen sind gerechtfertigt.

Wer kein Wissen über Dark Data besitzt und keine Maßnahmen ergreift, um diese Daten zu identifizieren und dafür zu sorgen, dass sie ordnungsgemäß verwaltet werden, geht gleich mehrere Risiken ein:

  • Sicherheitsrisiken– Dark Data erzeugt keinen Mehrwert, aber dafür alle Risiken, die grundsätzlich mit der Speicherung von Daten verbunden sind. Dark Data wird schlechter überwacht als andere Daten – häufig ist sich noch nicht einmal jemand der Existenz der Daten bewusst – und ist somit nicht nur ein Hauptziel für Hacker, sondern auch besonders anfällig für Sicherheitsverletzungen durch fahrlässiges Verhalten von Mitarbeiter*innen. Gleichzeitig ist schwerer zu erkennen, ob eine Sicherheitsverletzung stattgefunden hat.
  • Rechtliche Verpflichtungen– Auch Dark Data unterliegt genau wie alle anderen im Unternehmen verarbeiteten Daten gewissen gesetzlichen Bestimmungen. So legt beispielsweise die europäische Datenschutz-Grundverordnung DSGVO fest, dass Unternehmen für den Umgang mit personenbezogenen Daten ihrer Angestellten verantwortlich sind, egal ob diese Daten aktiv genutzt werden oder überhaupt jemand weiß, dass es sie gibt. Mit „Dark Data ist schuld“ lässt sich zweifellos keine Anwältin und kein Richter überzeugen.
  • Verlust von Wettbewerbsvorteilen– Konkurrenten nutzen aktiv Erkenntnisse aus ihren dunklen Daten. Niemandem ist damit geholfen, auf einer Goldmine wertvoller Daten zu sitzen, die man nicht nutzen kann. Auch die Aktualität der Daten ist zunehmend ein Wettbewerbsfaktor: Je länger Dark Data ungenutzt herumliegt, desto stärker sinkt der Wert und irgendwann sind die Daten nicht mehr nutzbar.

Kann Dark Data verhindert werden?

Dark Data ist ein unvermeidbares Phänomen.

Häufig findet sich Dark Data in veralteten Systemen, isoliert in der Schatten-IT oder ohne Genehmigung über verschiedene andere Stellen verteilt, beispielsweise weil Angestellte sich nicht an Vorschriften halten oder die Urheber*innen von Dateien das Unternehmen verlassen.

Meist entsteht Dark Data aus unstrukturierten Daten:

Unstrukturierte Informationen lassen sich schwieriger verwalten und automatisieren und geraten so schneller in den Hintergrund.

Eine gewisse Menge an Dark Data wird es daher in Unternehmen immer geben.

Tatsächlich gibt es Daten, die sogar besser im Dunkeln gelassen werden sollten. Dazu gehören beispielsweise betriebliche Serverdaten oder die von Automatisierungstechnologien ausgegebenen Daten. Solcherlei Daten können nicht leicht interpretiert werden und sind nur für die technisch versiertesten Angestellten überhaupt verständlich. Selbst dann sind die aus ihnen zu gewinnenden Einblicke nur für sehr spezielle Nischenzwecke nützlich. Nichtsdestotrotz: Auch die langweiligsten Daten müssen geschützt werden.

Welche Vorteile bietet die Analyse von Dark Data?

Dark Data-Analysen können eine Menge nützlicher Informationen zutage fördern.

So lohnt es sich beispielsweise, „dunkle“ Netzwerkdaten zu analysieren. Auf diese Weise lassen sich Erkenntnisse zur Netzwerksicherheit und Mustern in der Netzwerkaktivität gewinnen, um mögliche Engpässe zu erkennen und die Ressourcennutzung zu optimieren.

Auch Aufzeichnungen von Gesprächen mit dem Kundensupport und andere Kundendaten werden häufig nur gespeichert, aber kaum aktiv verwendet.

Cristian Rennella, CTO und Mitgründer des an den südamerikanischen Markt gerichteten Versicherungs- und Kreditüberprüfungstools elMejorTrato.com.ar, erzählt, wie wertvoll wieder an die Oberfläche gebrachte Kundendaten sein können:

Rennella plädiert dafür, Dark Data konsequent aus der Versenkung zu holen und bestmöglich zu nutzen.

„Dark Data MUSS tagtäglich mithilfe von Business Intelligence bearbeitet werden und es MUSS eine Person im Unternehmen geben, die dafür verantwortlich ist, Erkenntnisse zur Verbesserung der Prozesse zu gewinnen.“

Bis vor kurzem war Dark Data in den meisten Großunternehmen kein ernsthaft diskutiertes Thema – und in kleinen Unternehmen, die noch weniger Zeit haben, schlafende Daten zu wecken, erst recht nicht.
Warum haben kleine Unternehmen lange gezögert, ihre „dunklen Daten“ ans Licht zu bringen?

Häufig werden Ausreden vorgebracht:

  • Arbeitsabläufe müssten unterbrochen werden.
  • Es wären strukturelle Änderungen notwendig (neue Tools, Aufgaben und Prioritäten), gegen die es Widerstand gibt.

Niemand möchte gerne Teams oder Führungskräften, die noch nie von Dark Data gehört haben, erklären müssen, worum es geht. Die „dunklen Daten“ klingen nach einem unsichtbaren Problem, das eigentlich gar nicht existiert, und wer zu lange darauf herumreitet, handelt sich unter Umständen nur Ärger ein.

Doch diese Gespräche müssen zwingend geführt werden.

Wenn ein Unternehmen mit seinen Wettbewerbern mithalten will, muss es aktiv herausfinden, wo Dark Data ist, wie die Daten sich zusammensetzen und wie sie genutzt werden können. Wer inaktiv bleibt, riskiert damit, Angestellte und Prozesse zu überlasten, effizientes Arbeiten zu verhindern und die Lebensdauer des Unternehmens zu verkürzen.

Wie sollten kleine Unternehmen mit Dark Data umgehen?

Als Allererstes müssen die im Dunkeln verschwundenen Daten wieder sichtbar gemacht werden.

Hierzu benötigt man die richtigen Tools:

Software zur Datenanalyse und Business Intelligence-Lösungen (BI) machen es möglich, Dark Data ans Licht zu bringen, die Sichtbarkeit von Informationen im Unternehmen zu erhöhen und aus Dark Data handlungsrelevante und nützliche Ratschläge und Erkenntnisse zu ziehen. Zu den nützlichen Funktionen solcher Software gehören Datenvisualisierung, Berichterstellung, Data Mining und Warehousing.

Doch noch mehr als die richtigen Tools benötigt man die richtigen Maßnahmen und einen Strategiewechsel:

1) Das Speichern von Daten „für den Fall der Fälle“ ist nicht mehr gestattet. Schon beim Erfassen von Daten, also dem Prozess, in dem Daten in die Unternehmensdatenbanken und -systeme eingepflegt werden, muss berücksichtigt werden, welchem Zweck sie dienen und was während ihrer Zeit im Besitz des Unternehmens mit ihnen geschehen soll.

Dabei sind Daten nicht als Ganzes, sondern einzeln zu betrachten. Es gilt, Daten separat zu benennen, nachzuverfolgen und zu pflegen.

2) Das Datenmanagement muss höchste Priorität haben. Informationen sind wichtiger als je zuvor und ein gutes Informationsmanagement bietet Unternehmen einen zentralen Wettbewerbsvorteil.

Kleine Unternehmen können diese Veränderungen schneller und umfassender umsetzen als Großunternehmen – ein Vorteil, den sie auch nutzen sollten.

Ressourcen

Die folgenden Tipps und Tools können hilfreich sein, um dunkle Daten ins rechte Licht zu rücken:

GetApp-Verzeichnis mit Business Intelligence-Software (BI)

Business Intelligence vs. Business Analytics: Wann brauche ich was?

Was ist Data Mining und wie kann es kleinen Unternehmen helfen?

Bots et Natural Language Processing : du neuf en BI

Bots et natural language processing, du neuf en Business Intelligence !

Bots et natural language processing, du neuf en Business Intelligence !

La plupart des dirigeants de petites ou moyennes entreprises l’admettent : l’analyse de données n’est pas leur point fort. Ces passionnés travaillent sans relâche pour construire l’entreprise de leurs rêves,mais une organisation ne peut se développer sans l’analyse de données à l’époque du Big Data. Le volume, la vélocité et la diversité des données que vous serez amené à traiter augmenteront proportionnellement à la croissance de votre entreprise. L’analyse de données s’est par conséquent complexifiée, exigeant une meilleure connaissance en matière de programmation et de statistiques.

Et c’est là que les chatbots de business intelligence (BI), appelés aussi bots de BI ou d’informatique décisionnelle, peuvent s’avérer utiles. Les bots de BI comprennent les demandes de données dans des langues telles que l’anglais et fournissent des résultats. Le traitement automatique des langues (Natural Language Processing ou NLP en anglais) et les chatbots constituent des technologies émergentes qui rendront bientôt l’analyse de données accessible à tous.

L’intégration d’outils de BI équipés de chatbots de NLP aidera les petites et grandes entreprises à instaurer une culture de l’analyse, à améliorer l’adoption des outils relatifs aux données et à prendre des décisions associées qui pourront gonfler le chiffre d’affaires et améliorer les prestations des entreprises.

Dans cet article, nous allons définir ce en quoi consistent les bots de NLP et de BI, énumérer les fonctionnalités les plus intéressantes et vous faire découvrir les avancées notables du secteur.

Ce dont nous allons parler :

  • Les bots de natural language processing et de BI simulent les conversations humaines au sujet des données et des analyses
  • Les bots de BI font de l’analyse de données un jeu d’enfant
  • Les principales fonctionnalités des chatbots de BI
  • Les dernières avancées en matière de chatbots dans le monde de la BI
  • Les chatbots de BI et la NLP deviendront des technologies grand public au cours des 5 prochaines années
  • Les prochaines étapes pour votre PME

Les bots de traitement automatique du langage naturel et de BI simulent des conversations humaines au sujet des données et des analyses

Le natural language processing (NLP) est un sous-domaine de l’intelligence artificielle qui permet d’interpréter, de reconnaître, de comprendre et de traiter les requêtes des utilisateurs sous la forme de langage humain. En termes de business intelligence, cela signifie que la programmation en SQL ou en .NET n’est plus nécessaire pour extraire des résultats. Il vous suffit de saisir votre requête en anglais pour obtenir des réponses à partir de vos données.

Capture d'écran du fonctionnement d'une requête NLP dans QlikSense
Fonctionnement d’une requête NLP dans QlikSense (source)

La NLP désigne la technologie au cœur des chatbots qui leur permet de déchiffrer et de traiter des requêtes humaines.

Les chatbots sont des programmes informatiques conçus pour simuler une conversation avec des utilisateurs humains. Particulièrement utiles, ils sont souvent utilisés lors des échanges d’assistance client, de premières discussions commerciales, mais aussi pour répondre aux demandes des clients.

Les chatbots sont également depuis peu utilisés dans le cadre de la business intelligence. Les applications de BI permettent de baser des décisions sur des données. Les bots de BI simplifient le processus en permettant aux utilisateurs d’avoir une vraie discussion autour de leurs données. De plus, les bots de BI parcourent vos données, réalisent les analyses nécessaires et fournissent les résultats demandés.

Les bots de BI fonctionnent comme n’importe quel chatbot normal. Il vous suffit d’encoder vos données et de faire ou saisir votre demande. Ce dernier partagera alors avec vous les informations et résultats pertinents.

Les bots de BI font de l’analyse de données un jeu d’enfant

Les bots de BI simplifient l’analyse de données et la génération d’informations tout en apportant une touche humaine. Parmi les principales caractéristiques des bots de BI, figurent :

La facilité d’utilisation : les chatbots utilisés dans le cadre de la BI augmentent leur facilité d’utilisation. C’est aussi simple que de demander les données à votre ami et d’obtenir immédiatement les résultats sans devoir éplucher des milliers de données et lire leur représentation graphique.

 La démocratisation des données : les chatbots stimulent le taux d’adoption des outils de BI au travail. Gartner estime que d’ici 2021, l’analyse conversationnelle (les chatbots) et la NLP aideront plus de 50 % des employés à utiliser l’analyse dans leur travail, par rapport aux 35 % actuels. Les chatbots de BI rendront l’analyse de données facilement accessible à une grande majorité des employés.

 La réduction des coûts : les chatbots de service client contribuent à économiser plus de 20 milliards d’euros chaque année. Les bots de BI peuvent également représenter des économies similaires pour les petites entreprises en leur évitant de payer des scientifiques des données ou à des prestataires d’analyse de données.

Pourquoi les bots de BI gagnent-ils du terrain ?

Les chatbots de BI permettent d’obtenir rapidement une analyse de données approfondie, et deviendront bientôt une fonctionnalité courante des outils d’analyse. De fait, tout le monde a besoin de l’analyse.

Selon le Hype Cycle for Analytics and Business Intelligence 2018 (disponible uniquement pour les clients de Gartner), la découverte de données basées sur la recherche à l’aide de requêtes en langage naturel est en train de devenir une interface importante de la création de contenu sur la BI. On s’attend à ce qu’elle fasse partie intégrante des outils modernes d’analyse plutôt qu’à ce qu’elle constitue une catégorie distincte.

Les fournisseurs de solution de BI cherchent également à améliorer l’interface entre leurs outils et les chatbots afin de simplifier l’analyse et de la rendre accessible à tous.

Les principales fonctionnalités des chatbots de BI

Les bots de BI en sont toujours à leurs balbutiements et n’offrent peut-être pas encore toutes les fonctionnalités que l’on voudrait, mais ils proposent déjà les services suivants :

  • Le traitement du langage naturel (natural language processing ou NLP) et le machine learning (ML) : l’apprentissage intelligent et les conversations naturelles permettent aux bots de comprendre l’intention de l’utilisateur et de s’adapter rapidement au jargon de l’entreprise. Avec des technologies avancées telles que le NLP, l’IA et le ML, le chatbot apprendra avec chaque nouvelle requête et gagnera en efficacité et en précision.
  • Les alertes en temps réel : le chatbot doit envoyer des mises à jour et des résultats clés tirés de l’analyse des données qui sont pertinents pour l’utilisateur. Il doit pouvoir personnaliser les alertes en fonction des départements, de la situation géographique et du poste de l’utilisateur. Il doit également avertir l’utilisateur des anomalies que comportent les données.
  • Les fonctionnalités de collaboration : le chatbot peut partager des informations avec les autres utilisateurs par e-mail, par pièces jointes envoyées par chat ou par message. Ces fonctionnalités permettent également à d’autres utilisateurs de rejoindre un chat de groupe.
  • La sécurité : le chatbot sécurise les données grâce à des fonctionnalités telles que l’authentification et l’autorisation de l’utilisateur, le cryptage et le contrôle des accès.
  • L’intégration : le chatbot doit pouvoir intégrer sans encombre les données des outils de BI et d’autres applications tels que les ERP, les CRM et les autres entrepôts de données. Il doit également s’intégrer rapidement à vos outils de BI, si ce n’est pas le cas par défaut.
  • Déployable sur les applications de messagerie : vous devez pouvoir ajouter le bot de BI à des applications de messagerie tierces telles que Slack ou Microsoft Teams. Vous recevez ainsi les résultats de l’analyse des données sans même ouvrir vos systèmes de BI ou sans devoir passer d’une application à l’autre pour accéder aux données.
  • Déploiement sur plusieurs appareils : le chatbot doit être disponible et pouvoir fonctionner sur différents types d’appareil tels que des ordinateurs portables ou de bureau, des smartphones et des tablettes. Il doit également prendre en charge différents systèmes d’exploitation tels que Windows, iOS ou encore Android.

Les dernières avancées en matière de chatbots dans le monde de la BI

Le traitement automatique des langues, l’intelligence artificielle et les chatbots vont façonner l’avenir de la business intelligence. L’IA conversationnelle est considérée comme le dernier élément qui aidera à faire le pont entre les données stratégiques d’entreprise et l’ensemble des employés.

Voici ce qu’ont réalisé certains fournisseurs de BI populaires dans le domaine de l’analyse conversationnelle.

Tableau : Tableau a ajouté à sa version 2019 un éventail de fonctionnalités intelligentes telles que le traitement automatique des langues à l’aide d’un nouvel outil de requête, Ask Data. Ses fonctionnalités phares comprennent la capacité d’encoder des questions au format texte dans l’outil Ask Data et d’obtenir des résultats pertinents. Les analystes de marché comme les développeurs de Tableau s’accordent à dire que les fonctionnalités de natural language processing du produit sont toujours en cours d’amélioration.

Qlik :  Qlik a racheté CrunchBot début 2019 dans le but d’étendre ses fonctionnalités d’analyse conversationnelle. Grâce à cette acquisition, Qlik dispose de la technologie nécessaire pour permettre aux utilisateurs de taper des questions en langage conversationnel dans l’IU de QlikSense ou dans d’autres outils collaboratifs tels que Slack, Skype, Salesforce Chat ou Microsoft Teams. Les utilisateurs recevront directement dans ces applications des réponses à leurs requêtes ainsi que des graphiques générés automatiquement, des prévisions et des interprétations de données.

Sisense : Sisense Boto est le chatbot d’analyse de Sisense. Il utilise le machine learning pour découvrir et partager des données. Les utilisateurs peuvent ajouter Sisense Boto comme contact dans Slack, Skype ou les outils de messagerie et partager avec lui des fichiers CSV à analyser. Le bot vous fournira les résultats et les partagera avec d’autres utilisateurs si nécessaire.

Les chatbots de BI et la NLP deviendront des technologies grand public au cours des 5 prochaines années

Les technologies de Natural Language Processing font encore leurs premiers pas. Avec un taux de précision de 60 à 70 %, elles ne sont actuellement pas adaptées à de nombreux cas d’usage. Mais il y a un intérêt grandissant à rendre le NLP plus intelligent et plus précis, et de nombreux projets de recherche sont réalisés dans ce sens.

Gartner est convaincu que les chatbots conversationnels destinés à l’analyse, la recherche de business intelligence ainsi que la génération et la requête en langage naturel seront très bénéfiques aux entreprises au cours des deux à cinq prochaines années. L’utilisation de la programmation en langage naturel dans les outils de BI permettra aux travailleurs moins expérimentés d’obtenir plus facilement des données des outils d’analyse.

“Nous sommes au début de la tendance, mais je crois que l’analyse conversationnelle va s’imposer comme la manière dont les utilisateurs consomment et utilisent par défaut le contenu analytique au cours de ces deux à cinq prochaines années.”
—Rita Sallam, analyste chez Gartner

Alors que les fournisseurs de solutions de BI se hâtent d’ajouter des fonctionnalités de chatbot à leurs outils, nous nous attendons à ce que les chatbots deviennent partie intégrante de la majorité des solutions de BI au cours de ces cinq prochaines années. Ils devraient également être disponibles à des prix raisonnables pour la plupart des entreprises, quelle que soit leur taille.

Vous souhaitez essayer les bots de BI et le NLP ?

Bien qu’il soit important que votre entreprise soit au courant des avancées en matière de chatbots et de NLP qui sont réalisées dans le domaine de la BI, vous devez également être proactif afin de garantir que la transition vers ces technologies émergentes soit fluide pour tous les employés.

  • Utilisez les versions d’essai : inscrivez-vous à des versions d’essai des bots de business intelligence. Demandez à votre équipe d’essayer ce service afin d’en étudier les avantages et les difficultés.
  • Instaurez une “culture de la donnée” : vous devez investir dans l’instauration d’une culture de l’analyse des données au sein de votre entreprise. Vos employés prendront ainsi conscience des avantages de baser les décisions sur les données et non sur des intuitions et seront plus motivés à adopter les outils de BI. Ils seront par ailleurs plus à même de comprendre et d’utiliser aisément les nouvelles fonctionnalités de BI telles que les chatbots une fois qu’ils seront disponibles.
  • Contactez régulièrement votre fournisseur de BI : contactez régulièrement votre fournisseur de BI pour vous informer des mises à jour, des nouvelles fonctionnalités et des mises à niveau. Vous devez également collaborer avec lui pour ajouter de nouvelles fonctionnalités et personnalisations.

Optimisez votre compta avec l’OCR des factures

Optimisez votre comptabilité avec l'OCR des factures

Optimisez votre comptabilité avec l'OCR des factures

Les petites entreprises dépendent d’un système de facturation efficace pour gérer leurs comptes créditeurs. Pourtant, l’adoption de la facturation électronique (e-facturation) pose problème à ces entreprises qui ne peuvent pas se permettre d’interrompre le traitement de volumes importants de transactions avec leurs fournisseurs et leurs partenaires commerciaux, si elles décident de sauter le pas, un dilemme qui pourrait être résolu facilement avec l’OCR des factures.

De nombreux facteurs contribuent à ce problème :

  • Des ressources informatiques insuffisantes
  • Un manque d’informations concernant les cas d’utilisation
  • Peu d’efforts mis en œuvre dans le secteur pour encourager l’adoption de nouvelles technologies

En 2015, seules 5 % des factures en France ont été émises au format électronique, ce qui ralentit le traitement des comptes créditeurs et augmente les risques d’erreurs et d’irrégularités dans les données financières.

À titre d’exemple, si le séparateur des milliers d’un montant donné (8.00034 €, par exemple) est remplacé par un séparateur décimal (8,00034 €) dans une facture ajoutée au Grand livre, ce qui semble n’être qu’une simple faute de frappe inscrit une perte conséquente (7.922,33 €) à votre état financier.

Alliée à d’autres technologies d’automatisation, la reconnaissance optique de caractères (OCR) peut servir de catalyseur à la transformation numérique d’une petite entreprise, en accélérant la conversion d’un système de facturation papier à un système électronique sans compromettre la qualité des données converties.

Les petites entreprises qui ne tirent pas parti des technologies d’automatisation via l’adoption d’un système électronique de traitement des factures (OCR des factures) souffrent de coûts accrus de main-d’œuvre, d’une baisse de la satisfaction client et de problèmes de conformité fiscale résultant des irrégularités financières issues de la saisie manuelle des données.

L’article suivant présente brièvement les technologies OCR, leurs applications et avantages ainsi que les facteurs principaux à considérer pour les PME ayant décidé d’adopter un système comptable électronique.

La reconnaissance automatique des factures convertit le texte et les images en données utilisables

En résumé, les logiciels OCR sont capables de reconnaître les caractères alphanumériques imprimés et manuscrits sur un support papier (une facture, par exemple), en les numérisant à l’aide d’un dispositif optique et en convertissant les caractères au format électronique.

Les logiciels de reconnaissance optique des caractères (OCR) ne sont pas des plateformes de gestion des factures. Ils servent uniquement à convertir les documents papier au format électronique, pour faciliter l’adoption d’un système logiciel de gestion des factures.
facture numérisée par logiciel OCR
Exemple type de facture dont les informations doivent être transférées sur une plateforme de comptabilité. L’image ci-dessus illustre certains des éléments essentiels de la facturation. Ceux-ci peuvent être capturés par un logiciel OCR pour accélérer le traitement des comptes créditeurs (source)

Petite histoire de l’OCR :

  • Créée dans les années 1990, la reconnaissance optique des caractères (OCR) permet de réduire les coûts liés à la saisie manuelle des données sur papier (passeports, factures, relevés bancaires, reçus, cartes de visite, e-mails, etc.).
  • Bien qu’elles soient plutôt datées, l’OCR et autres technologies d’extraction des données restent d’actualité. En effet, de nombreuses TPE et PME  utilisent toujours des chèques en papier.
  • Aujourd’hui, le concept de “reconnaissance intelligente des caractères” (ICR) s’est ajouté à celui de l’OCR. Cette technologie permet de reconnaître les saisies manuscrites qui se trouvent dans les formulaires bancaires, les prêts immobiliers et d’autres documents nécessitant la conversion de formulaires manuscrits en documents électroniques.

Utilisée pour reconnaître les caractères sur papier et les stocker au format électronique, la reconnaissance optique des caractères se distingue des autres technologies d’automatisation.  L’automatisation des processus robotisés (RPA), par exemple, sert principalement à transférer des données d’une source à l’autre.

Contrairement à la reconnaissance optique des caractères (OCR), la reconnaissance intelligente des caractères (ICR) a été spécifiquement conçue pour reconnaître les saisies manuscrites. Réfléchissez au type de texte que vous souhaitez convertir si vous hésitez entre un logiciel OCR ou ICR, la première solution étant plus adaptée aux caractères d’impression et la deuxième aux caractères manuscrits.

Quel est le fonctionnement de la reconnaissance optique des caractères ?

Les dispositifs de numérisation optique (appareil portatif ou imprimante-scanner) reconnaissent les caractères d’impression et transfèrent les données sur une plateforme OCR (tel un logiciel de comptabilité) qui les convertit au format électronique.

Processus de reconnaissance optique des caractères dans la gestion des factures d’une petite entreprise

Workflow du processus OCR des factures
Workflow du processus OCR des factures

L’intelligence artificielle améliore les performances des technologies OCR

Capables de transformer le mode de fonctionnement des systèmes OCR, les technologies d’intelligence artificielle (AI) et de vision par ordinateur (CV)  accélèrent la vitesse d’exécution du processus et améliorent la précision du rendu.

Avec des technologies comme le deep learning et les réseaux de neurones artificiels, elles ont donné vie à de nouvelles technologies qui s’intègrent aux logiciels de reconnaissance optique de caractères pour leur permettre de mémoriser le contenu des documents d’impression, afin de réduire les erreurs.

Les progrès réalisés dans les domaines de l’intelligence artificielle et des technologies de vision par ordinateur ont ouvert la voie à de nouvelles capacités de reconnaissance optique des caractères, dont des technologies cognitives capables d’interpréter le texte avec plus de précision.

Comment ces avancées technologiques influencent-elles les processus comptables des petites entreprises ?

Optimisées par l’intelligence artificielle et la vision par ordinateur, les technologies de reconnaissance automatique des factures permettront aux responsables financiers de traiter les factures et autres documents comptables importants plus rapidement et avec plus de précision, et ce grâce à un système d’OCR des factures basé sur la reconnaissance des formes et non sur la lecture de l’encre magnétique.

L’alliance de ces technologies favorise l’apprentissage continu des logiciels OCR, ce qui leur permet de produire un résultat plus précis à chaque numérisation.

Quels sont les avantages principaux de l’OCR dans la gestion des factures ?

Pour les petites entreprises, l’utilisation de l’OCR des factures permet de réaliser des économies considérables, d’améliorer la qualité des données de facturation numérisées et de réduire le risque d’erreurs humaines.

La technologie leur permet également de se concentrer sur des aspects plus importants de la gestion des comptes créditeurs (gestion des flux de trésorerie, etc.), tout en automatisant les tâches les plus laborieuses de saisie des données.

Voici quelques-uns des avantages clés de la reconnaissance automatique des factures pour votre entreprise :

  • Amélioration du workflow de gestion des documents : le stockage local des données électroniques facilite la collaboration entre le service financier et le reste de l’organisation.
  • Meilleure collaboration et accès simplifié aux factures électroniques : qu’elles soient au format PDF ou dans d’autres formats de fichier.
  • Productivité accrue de la gestion des comptes créditeurs : finie la saisie manuelle des données.
  • Précision accrue des données : la numérisation des factures par le biais de logiciels OCR permet d’éradiquer les erreurs humaines, telles que les fautes de frappe.
  • Analyse exhaustive des données des comptes créditeurs : accès à des informations en temps réel concernant les factures client.
  • Sécurité améliorée : les données financières confidentielles de vos clients sont stockées en toute sécurité.

Bien que ces avantages puissent augmenter les bénéfices réalisés par votre service des comptes créditeurs, vous devrez tenir compte de certaines bonnes pratiques si vous souhaitez trouver un logiciel OCR réellement adapté à vos besoins.

3 facteurs à considérer dans l’achat d’un logiciel de reconnaissance automatique des factures

Les trois recommandations suivantes ont pour but de vous aider à choisir le logiciel OCR qui vous permettra d’améliorer la gestion de vos factures :

Les logiciels d’OCR permettent d’accélérer le traitement de volumes importants de factures sans compromettre la précision des données saisies

Facteur essentiel à ne pas ignorer, le volume de factures traité doit impérativement influencer votre décision. Si la saisie manuelle de vos données de facturation génère des erreurs dans les données financières du  Grand livre, une plateforme d’OCR des factures vous sera bénéfique.

Si vous traitez d’importants volumes de factures sans utiliser de logiciel OCR, des erreurs seront enregistrées dans le Grand livre. Cela vous expose à des failles de conformité fiscale.

Optez pour un logiciel de reconnaissance automatique des factures capable de reconnaître plusieurs langues

Si votre petite entreprise reçoit des factures de clients et fournisseurs internationaux, optez pour un logiciel OCR capable de reconnaître automatiquement la langue utilisée ou offrant l’option de choisir la langue désirée.

En général, les logiciels OCR ne peuvent pas traduire les textes d’une langue à l’autre. Il existe toutefois des plateformes de reconnaissance automatique des caractères capables de traduire le texte dans la langue désirée. Si vous avez besoin d’options linguistiques plus avancées, il est possible d’intégrer des outils linguistiques aux logiciels OCR, tels que des logiciels de traduction automatique ou un répertoire exhaustif d’options linguistiques.

L’utilisation d’un logiciel de reconnaissance automatique des factures dépourvu d’outils linguistiques adéquats peut entraîner des erreurs de saisie dans l’ensemble final de données et affecter la conformité de vos comptes créditeurs aux normes en vigueur.

Recherchez un système offrant des capacités d’intégration avec des logiciels ERP ou comptables

Principalement conçus pour effectuer des tâches de reconnaissance et d’extraction des données, les logiciels OCR n’offrent généralement pas de fonctionnalités avancées permettant de réaliser des analyses complexes de données financières. Si vous recherchez un système OCR agile pour simplifier la gestion de vos factures, veillez à ce que le logiciel de votre choix s’intègre à l’outil ERP ou au logiciel de comptabilité que vous utilisez déjà.

N’hésitez pas à combiner la reconnaissance automatique des factures à d’autres fonctionnalités, telle que l’exportation des PDF, afin de recueillir plus facilement les données de factures archivées au format PDF pour les importer dans votre base de données.

Si vous possédez déjà un logiciel ERP ou comptable, optez pour un logiciel OCR compatible et évitez d’avoir à remplacer tout votre système de comptabilité.

Étapes suivantes et ressources supplémentaires

Avant d’intégrer un système OCR au processus de gestion de vos comptes créditeurs, n’oubliez pas ce qui suit :

Infographie des étapes à suivre avant l'intégration d'un système OCR

Pour en savoir plus sur les outils de gestion comptable et financière, consultez les ressources disponibles sur GetApp :

Was ist OCR Texterkennung und welche Rolle kann sie für kleine Unternehmen spielen?

Robotor macht OCR Texterkennung

Robotor macht OCR Texterkennung

Zuallererst: „OCR“ steht für Optical Character Recognition (Deutsch etwa: optische Zeichenerkennung, gebräuchlicher ist „Texterkennung“ – „OCR Texterkennung“ ist also strenggenommen doppelt gemoppelt) und ist ein Verfahren, mit dem in Bildformaten vorliegende Daten in maschinenlesbare Texte umgewandelt werden können. Klingt kompliziert, ist es aber mindestens in der Handhabung eigentlich gar nicht: Als User*in lege ich zum Beispiel einen Brief auf den Scanner. Der Scanner übermittelt Bildinformationen an meinen Computer und das darauf hoffentlich installierte OCR-Programm wandelt diese in Schrift um. Damit kann ich meine Texte etwa bei einer Dokumentensuche finden, auch wenn das Schlagwort, nach dem ich gesucht habe, nicht im Dokumententitel enthalten ist. Praktische Sache.

Soweit ist das natürlich in den meisten IT-Abteilungen und Unternehmen bekannt. Aber was kann man damit eigentlich noch alles anstellen?

Bevor wir uns das näher anschauen, muss ich noch ein paar Worte zur Technologie selbst verlieren. Dazu, was sie ist, aber auch dazu, was sie nicht ist. Das Wichtigste an dieser Stelle: „OCR“ ist im Grunde kein Softwaretyp, sondern eine Technologie. Das hat ein paar durchaus relevante Folgen für Anwender*innen, denn auch wenn es „reine“ OCR-Software gibt, so ist OCR auch ein häufiger Teil von komplexeren Systemen. Das wiederum führt dazu, dass der Leistungsumfang – und damit die denkbaren Anwendungsfälle – sich unter Umständen deutlich unterscheiden.

Einen weiteren Haken hat die Sache: In der eingangs beschriebenen Form funktioniert das leider nur mit maschinengeschriebenen Texten und auch da letzten Endes hauptsächlich mit Fließtexten und einfacheren Strukturierungselementen. Neben der „OCR“ gibt es außerdem eine artverwandte Technologie, die sich „ICR“ nennt, was seinerseits für „Intelligent Character Recognition“ steht. Die beruht auf der gleichen Art von Mustererkennung, ist aber um gewisse intelligente Elemente sowie zusätzliche Datenbanken erweitert und zum Beispiel trainierbar. Damit lassen sich dann gegebenenfalls auch mal handschriftliche Elemente erkennen, aber nur unter sehr bestimmten Voraussetzungen wie etwa bei der Briefsortierung, wo die Software genau weiß, dass es sich dort, wo die Postleitzahl zu stehen hat, nur um Ziffern handeln kann, wenn die Empfängeradresse in Deutschland ist und dass eine amerikanische 1 ohne Aufstrich einfach kein großes i sein kann. Eine Erkennung von handgeschriebenen Fließtexten ist gewissermaßen im Labor und mit stundenlangem Training der Algorithmen in der Erkennung der Handschrift einer ganz bestimmten Person zu erreichen, das Ganze lässt sich aber noch nicht recht wirtschaftlich anwenden und bleibt hier deshalb außen vor.

Wo kann OCR gewinnbringend eingesetzt werden?

Butter bei die Fische: Sinnvoll eingesetzt werden kann Texterkennung überall da, wo sonst eine händische Datenerfassung erforderlich wäre. Paradebeispiele sind die Archivierung, Rechnungserfassung und Layouterfassung. Auch für blinde Mitarbeiter*innen ist sie ein wertvolles Hilfsmittel und für alle, die eine Papiervorlage digital bearbeiten wollen. Des Weiteren nutzt Formularerkennungs- und -ausfüllsoftware mindestens OCR oder ICR. In diesem Text wollen wir uns insbesondere mit den Vorteilen für die Buchhaltung und die Archivierung befassen, weil diese Bereiche für jede Firma von grundlegender Bedeutung sind.

Buchhaltung

Die Kreditorenbuchhaltung, also die Verwaltung eingehender Rechnungen, ist ein wichtiger Teil der buchhalterischen Aufgaben eines jeden Unternehmens.

Dennoch ist die Umstellung auf eine automatisierte Rechnungsverarbeitung und die dazugehörende Buchhaltungssoftware besonders für kleine Unternehmen eine große Herausforderung.
Hierfür gibt es mehrere Gründe, zum Beispiel:

  • Unzureichende IT-Kenntnisse oder zu wenig entsprechendes Personal
  • Mangelndes Bewusstsein für die Anwendungsmöglichkeiten

Im Ergebnis nutzen nur 14,7 % der Unternehmen ausschließlich elektronische Rechnungen. Und das ist B2B. Die hohe Prävalenz von Papierrechnungen verlängert nicht nur die Bearbeitungsdauer enorm, sondern sie führt auch dazu, dass der Faktor Mensch vermeidbare Fehler produziert, zum Beispiel bei der händischen Eingabe von Rechnungsdaten.

Vertippt man sich und schreibt 12.000 statt 21.000, sind ganz schnell 10.000 Euro futsch – das reißt schlimmstenfalls ein hübsches Loch in die Bilanz.

Ein höherer Automatisierungsgrad kann gerade in kleineren Unternehmen segensreich wirken. Und da sind wir wieder bei der OCR, die für eingehende Rechnungen hier große Dienste erweisen kann.

Kleine Unternehmen, die ihre Kreditorenbuchhaltung nicht digitalisieren, haben durch die manuelle Datenerfassung gleichzeitig höhere Personalkosten, eine niedrigere Kundenzufriedenheit und durch die daraus folgenden Unregelmäßigkeiten häufiger Probleme mit dem Finanzamt.

 

Beispiel: So funktioniert die automatisierte Verarbeitung von Papierrechnungen

Abbildung zu OCR Scanner Prozess

Archivierung

Jedes Unternehmen, und sei es noch so klein, muss bestimmte Unterlagen archivieren, für einige gibt es gesetzliche Aufbewahrungsfristen. Angesichts der bereits erwähnten Tatsache, dass diese Unterlagen teils digital, teils auf Papier vorliegen, ist es gar nicht so einfach, ein einheitliches Archiv zu erstellen. Natürlich könnte man alles ausdrucken und auf altbewährte Art im Aktenschrank unterbringen, aber mal ehrlich: Wer hat soviel Platz? Von den Umweltfolgen in Zeiten der Klimakrise ganz zu schweigen.

Es empfiehlt sich also, den umgekehrten Weg zu gehen: Papierunterlagen zu digitalisieren und dann elektronisch zu speichern. Dabei ist eine OCR von großer Hilfe, so kann man sich die mühsame, händische Indexierung und damit einhergehende Verschlagwortung sparen. Nicht nur ist eine Volltextsuche möglich, wenn der Text erkannt ist, insbesondere ICR-basierte Dokumentenmanagementsysteme können die Verschlagwortung sogar automatisch vornehmen.

OCR-Scanner und KI: Eine tolle Verbindung

Wie für vieles andere auch war die Einbeziehung künstlicher Intelligenz (KI) ein Quantensprung für die Texterkennung. Maschinenlernen und neuronale Netzwerke bieten neue Wege, um die Erkennungsgenauigkeit deutlich zu verbessern und Fehler zu minimieren.

Was heißt das für kleinere Unternehmen im Einzelnen?

KI und maschinelles Sehen ermöglichen eine Musteranalyse, die wiederum dabei hilft, wichtige Unterlagen schneller und mit höherer Genauigkeit zu verarbeiten.

So lernt die Software dazu und die Erkennungsgenauigkeit verbessert sich nach und nach immer weiter.

Hauptvorteile der OCR in der Rechnungsbearbeitung

Die grundlegenden Vorteile liegen vor allem in der erheblichen Kostenersparnis durch die Vermeidung von menschgemachten Fehlern.

Gleichzeitig haben Mitarbeiter*innen mehr Zeit für andere Aufgaben wie die Debitorenbuchhaltung und damit die Liquidität des Unternehmens, repetitive Aufgaben wie die Dateneingabe können automatisiert werden.

 

Weitere Vorteile sind:

  • Verbesserter Workflow im Dokumentenmanagement. Die Daten werden zentralisiert digital abgelegt, was den Zugriff aller betreffenden Kolleg*innen erleichtert, ganz gleich, an welchem Standort sie arbeiten.
  • Verbesserte Zusammenarbeit und Verfügbarkeit digitaler Rechnungenals PDF oder in anderen Dateiformaten.
  • Verbesserte Produktivität in der Kreditorenbuchhaltung durch die Vermeidung von Fehlern bei der händischen Dateneingabe.

 

Hauptvorteile der OCR in der Archivierung

Ein weiterer wichtiger Anwendungsbereich für OCR- wie ICR-Technologien ist die Archivierung. Viele Unternehmen erhalten noch erstaunliche viele wichtige Unterlagen ausschließlich auf Papier, man denke an die Aktenberge, die in einer durchschnittlichen Anwaltskanzlei täglich hin- und hergetragen werden. Auch hier wird wertvolle Arbeitszeit frei, wenn der Automatisierungsgrad steigt, weil repetitive, zeitaufwändige Aufgaben wegfallen. Diese Zeit kann wiederum gewinnbringend verwendet werden und wieder geht diese Kostenersparnis mit einer Minimierung des menschlichen Fehlerpotenzials einher.

 

Weitere Vorteile sind:

  • Verbesserter Workflow im Dokumentenmanagement. Die Daten werden zentralisiert digital abgelegt, was den Zugriff aller betreffenden Kolleg*innen erleichtert, ganz gleich, an welchem Standort sie arbeiten.
  • Verbesserte Produktivität in der Ablage durch die Vermeidung von Fehlern bei der händischen Dateneingabe und Bearbeitung.
  • Zusammenführung aller Dokumente, unabhängig vom Eingangsformat, an einem zentralen Speicherplatz.
  • Vereinfachte Auffindbarkeit durch Schlagwortsuche. Durch die Umwandlung in durchsuchbare Dokumente lassen sich bestimmte Informationen auch dann gut auffinden, wenn man den betreffenden Dateinamen gerade nicht zur Hand hat.

4 Fragen, die du dir vor der Anschaffung stellen solltest

1. Wofür soll die Software eingesetzt werden?

Wer nur Rechnungen mit einer Software bearbeiten will, tut gut daran, in eine Buchhaltungssoftware mit integrierter OCR-Funktionalität zu investieren. Diese bietet üblicherweise einen optimierten Workflow und ist mit zusätzlichen Möglichkeiten ausgestattet, zum Beispiel einer automatischen Kontoüberwachung. Ähnliches gilt für Leute, die ihre OCR ausschließlich für die Archivierung nutzen wollen, weil meist gleich eine Anbindung an die Datenbank und eine automatische Verschlagwortung enthalten sind.

2. Wie hoch ist das zu erwartende Dokumentenaufkommen?

Manche Software ist für die Verarbeitung großer Datenmengen besser geeignet als andere, Stapelverarbeitungsfunktionen zum Beispiel kosten unter Umständen etwas mehr in der Anschaffung, die damit einhergehende höhere Automatisierung macht sich aber über kurz oder lang gegebenenfalls mehr als bezahlt.

3. Welche Sprachen sollen erkannt werden?

OCR-Software ist da ein bisschen wie ein Mensch: Sie kann nicht unbedingt alle Sprachen. Achte also darauf, dass die von dir gewählte Software auch tatsächlich die Eingabesprachen unterstützt, die für dein Unternehmen wichtig sind.

 

4. Welche Integrationen sind gegebenenfalls sinnvoll?

Manche Lösungen bieten Integrationen mit anderen Programmen oder Systemen wie ERP-Systemen. Es ist sinnvoll, hier rechtzeitig zu überlegen, welche Integrationen hilfreich sein können und auf welche man getrost verzichten kann. Gerade für auf weiteres Wachstum ausgelegte Unternehmen empfiehlt es sich hier und bei den Sprachen besonders, gegebenenfalls zukünftige Entwicklungen vorwegzunehmen.

 

Nächste Schritte und weitere Ressourcen

Vor einer Neuanschaffung stehen diese 3 Schritte auf dem Programm:

3 Schritte zur Anschaffung von OCR Texterkennung

Für die Auswahl geeigneter Software kannst du unsere Listen nutzen, Schlagwortsuche inklusive:

Nos 10 prévisions sur l’avenir de l’informatique

nos dix prévisions sur l'avenir de l'informatique

nos dix prévisions sur l'avenir de l'informatique

Étape clé de l’informatique de l’avenir, 2030 verra le secteur s’adapter pour fournir de la valeur aux entreprises par le biais de produits et services innovants. Actuellement, les services informatiques sont trop compartimentés et peinent à se délester des processus établis qui les régissent. Par conséquent, ils manquent d’agilité et de nombreuses parts de marché du secteur numérique leur passent sous le nez.

Ils ne pourront s’imposer sur le marché que s’ils parviennent à aligner leurs stratégies informatique et commerciale pour gagner en agilité et réactivité. Pour ce faire, il leur faudra adopter des techniques de gestion collaborative et autonomiser les professionnels de l’informatique.

Voici donc nos prévisions sur l’avenir de l’informatique en 2030 :

10 prévisions sur l’avenir de l’informatique

  1. 98 % des données commerciales seront stockées sur le cloud et non dans les data centers des entreprises.
  2. En plein essor, les solutions offertes en tant que service (Software-as-a-Service ou SaaS, Infrastructure-as-a-Service ou IaaS et Platform-as-a-service ou PaaS) continueront de gagner du terrain, pour créer un secteur informatique flexible et propice à l’innovation, où tout est disponible en tant que service (Everything-as-a-service ou XaaS).
  3. Les réseaux 5G évolués offriront des connexions haut débit sans latence, qui donneront lieu à des avancées exponentielles de l’Internet des objets (IoT) et des jumeaux numériques (Digital Twin) dans le secteur industriel. La Chine aura déjà commencé à développer les premiers réseaux 6G.
  4. L’informatique en périphérie, ou “edge computing”, permettra de traiter les données locales en temps réel, afin d’améliorer les systèmes d’IoT tout en réduisant le trafic réseau sur le cloud. Capables de communiquer de plus en plus efficacement entre elles, les machines à capteurs prendront des décisions sans intervention humaine et pourront se réparer seules.
  5. La réalité virtuelle sera présente dans de nombreux environnements commerciaux, tels que les entrepôts et les programmes de formation des collaborateurs.
  6. Provenant de sources de plus en plus variées, les données analytiques permettront d’améliorer les algorithmes de machine learning, de renforcer l’analyse prédictive et d’informer presque tous les processus de prise de décisions.
  7. Les progrès réalisés dans les domaines de l’intelligence artificielle, la robotique et l’automatisation augmenteront considérablement le rendement et la productivité aux dépens de certains postes dans les secteurs de la saisie de données, du service client et de la fabrication. Ces postes obsolètes feront place à de nouveaux emplois.
  8. Les plateformes unifiées de gestion des nœuds contrôleront l’ensemble des nœuds périphériques à partir d’une seule et unique interface, ce qui permettra d’augmenter la visibilité sur le réseau et de renforcer la cybersécurité.
  9. La technologie blockchain (ou chaînes de blocs) aura un impact sur les entreprises à plusieurs niveaux, dont la gouvernance, la chaîne d’approvisionnement, la conformité et la gestion des collaborateurs.
  10. Prenant exemple sur l’Europe avec l’introduction du RGDP, de nombreux pays industrialisés (États-Unis inclus) passeront des lois exhaustives relatives à la confidentialité.

Clé de voûte d’avancées telles l’intégration des systèmes, l’accélération du développement des produits et l’amélioration de l’expérience client, l’automatisation des services d’assistance et l’externalisation de l’infrastructure permettront au secteur informatique d’aider les entreprises à mettre en œuvre leurs stratégies commerciales.

L’émergence du leadership citoyen en informatique n’est que le début d’une tendance qui se normalise peu à peu. C’est un rôle plus consultatif que l’avenir réserve au secteur informatique. Un rôle qui lui permettra d’aiguiller les initiatives commerciales et de veiller à ce que les entreprises atteignent leurs objectifs de transformation numérique.

Les collaborateurs les plus doués sauront identifier et mettre en œuvre leurs propres solutions technologiques. Les plateformes low code et no code seront plus répandues et permettront aux collaborateurs de contribuer de façon plus concrète. Enfin, les solutions de business intelligence s’intégreront aux applications communes et seront accessibles à tous les collaborateurs, quelles que soient leurs compétences.

L’avenir de l’informatique réside dans l’autogestion

Encore récemment définie par son refus des codes lui étant imposés par la société, la génération Y a vieilli. En 2030, elle aura entre 33 et 48 ans. Sa vision de l’entreprise sera devenue la norme. Collaboration, agilité et pluralisme ne seront plus uniquement des valeurs désirables. Elles seront indispensables.

Aujourd’hui composées de personnes dont les fonctions, les compétences ou l’expérience s’apparentent, les équipes ou POD (ou toute autre structure, quel qu’en soit le nom) devront être composées d’individus dynamiques, issus de milieux variés et capables de résoudre rapidement toutes sortes de problèmes. Pour en arriver là, l’avenir du secteur informatique devra intégrer une grande part d’autogestion.

À quoi peut-on s’attendre ?

Le leadership décentralisé sera plus répandu

L’holacratie est un système de gestion sans responsables qui se distingue du modèle hiérarchique pyramidal “top-down”, lui préférant un style de gestion d’entreprise basé sur des cercles de responsabilité disséminés.

Loin d’être anarchique ou désorganisée, l’holacratie est régie par une constitution. L’absence de responsables est compensée par la polyvalence des collaborateurs qui, outre leurs fonctions diverses, assument des responsabilités de leadership propres à leurs compétences. Favorisant l’autonomisation des collaborateurs et l’utilisation de mécanismes fail fast, qui permettent aux entreprises d’atténuer l’impact de leurs échecs, ce système présente toutefois des inconvénients majeurs, tels que les sempiternelles réunions d’attribution des responsabilités.

Adoptée en partie par plusieurs grands noms de la technologie, l’holacratie fait état d’un succès mitigé. Entreprise Amazon spécialisée dans les chaussures, Zappos est l’une des seules organisations entièrement basées sur un modèle holacratique. La maison d’édition en ligne Medium l’a abandonné trois ans après avoir tenté la transition.

Faisant place à la déception, l’engouement initial suscité par ce modèle s’est vite dissipé, comme expliqué dans cet article consacré à Zappos. Il ne reste alors que deux options au modèle holacratique : sombrer dans l’oubli, comme une mode sans lendemain, ou renaître de ses cendres, en adoptant un ensemble d’idées plus consolidé.

Agile, DevOps et BizOps : bouleverser les workflows traditionnels

Inventé dans le but d’améliorer le rendement des équipes de développement de logiciels par le biais de la collaboration, de la résolution des problèmes itératifs et de l’amélioration continue, le workflow agile est un bon compromis.

Aujourd’hui, il s’étend à d’autres secteurs sous forme de principe directeur. Les pratiques agiles se sont développées et leurs principes se retrouvent désormais un peu partout, du conseil d’administration à la conception du lieu de travail.

En 2001, le manifeste du modèle agile établit quatre valeurs, dont la principale préconise l’importance de placer les individus et leurs interactions au-dessus des processus et outils. Cet enjeu deviendra primordial pour les entreprises cherchant désespérément à s’adapter à des technologies en évolution constante ainsi qu’aux opportunités commerciales qui en résultent et la communication sera un facteur clé dans l’atteinte de cet objectif. Les méthodologies à caractère agile, telles que les systèmes Scrum et Kanban, encouragent une communication transversale et permettent de visualiser les workflows. Ces outils se retrouvent dans une grande gamme de logiciels de gestion de projets, de Jira à Smartsheet.

Vignettes Kanban dans Smartsheet
Vignettes Kanban dans Smartsheet (Source)

Dérivé des pratiques agiles, le modèle DevOps associe développeurs et activités pour favoriser l’automatisation (dans la mesure du possible), le travail incrémental et la réduction significative des délais de livraison.

D’autres versions de ce modèle ont également vu le jour, tel le DevSecOps qui intègre des principes de sécurité dès le départ. Le modèle BizOPs va plus loin, alignant la stratégie commerciale sur les activités pour identifier les opportunités et les priorités.

Les organisations compartimentées et basées sur les processus s’adaptent mal au changement et auront plus de difficulté à répondre aux exigences croissantes des clients. Capables d’harmoniser les différents éléments d’une entreprise, les pratiques agiles prennent progressivement la place de cadres de travail plus rigides, comme l’ITIL.

Donner aux autres la liberté de prendre l’initiative

À l’avenir, le mot d’ordre des leaders de l’informatique sera “diriger de l’arrière”. Ils chercheront à créer une culture centrée sur la communication, la souplesse et l’adaptabilité.

La notion de diriger de l’arrière vient de l’interprétation d’un extrait autobiographique de Nelson Mandela, selon lequel un leader est tel un berger. Il marche derrière le troupeau, laisse les moutons les plus agiles prendre la tête et les autres les suivre. Ainsi, ils oublient que c’est le berger qui les dirige depuis l’arrière.

Chaque année, la transhumance est un spectacle annuel incongru durant lequel des bergers et des milliers de moutons traversent les centres-villes, dans des régions comme la Provence ou les Alpes . Plus habitués aux pâturages verdoyants, ces animaux déambulent sans aucun problème dans les cadres urbains.

En suivant le cortège, on remarque que les moutons avancent calmement, sous l’œil vigilant des bergers qui les suivent. À aucun moment l’un d’entre eux ne s’égare dans la foule.

La transhumance
La transhumance (source de la photo : Zach Capers)

Les mauvaises langues comparent souvent les moutons à des animaux grégaires, dénués d’individualité et d’initiative. En réalité, ils sont soigneusement dirigés de l’arrière. Il va sans dire que cette analogie n’a pas pour objectif de comparer les professionnels de l’informatique à des moutons.

Contrairement aux idées reçues, de nombreuses études révèlent que le mouton est un animal très intelligent. Doté d’une excellente mémoire, son ouïe est supérieure à la moyenne et ses pupilles carrées lui confèrent un champ de vision à 360 °. En dépit de sa réputation d’animal grégaire, le mouton évolue indépendamment des autres si personne ne le dérange.

De leur côté, les professionnels de l’informatique devront être encouragés à travailler dans d’autres domaines et à s’adapter à de nouveaux environnements. Il leur faudra impérativement garder l’œil ouvert pour identifier, coordonner et déployer les ressources informatiques selon les besoins.

Les responsables informatiques de l’avenir favoriseront l’expérimentation, la réflexion et l’adaptation, afin d’aider leurs collaborateurs à s’autonomiser et à faire preuve de créativité dans leur travail au sein d’autres secteurs d’activité.

Qu’ils collaborent avec des concepteurs pour améliorer l’apparence des produits ou avec des anthropologistes pour mieux comprendre le comportement des utilisateurs, les professionnels du secteur informatique de l’avenir devront chercher à favoriser l’innovation et à optimiser l’expérience client.

Au lieu d’élaborer des plans concrets et de formuler des directives propres à l’informatique, les leaders de l’avenir établiront des objectifs à long terme pour leur organisation et veilleront à ce que leurs équipes aient tout ce dont elles ont besoin pour les réaliser.

En clair, que nous réserve l’avenir de l’informatique ?

Les structures rigides et basées sur les processus finiront par disparaître au profit d’organisations polyvalentes, orientées client. Cette transition reposera sur leur capacité à faire fusionner les domaines fonctionnels, simplifier les processus et coordonner les ressources, pour déployer rapidement de nouveaux produits et services innovants.

Finies les structures chaotiques, composées d’un nombre incalculable d’équipes peu cohérentes. Plus agile, l’avenir du secteur informatique intégrera un ensemble de ressources collaboratives.

Diese 3 Vorteile hat ein Robo-Advisor für kleine Finanzberatungen

Die Vorteile eines Robo-Advisors für Finanzberatungen

Die Vorteile eines Robo-Advisors für Finanzberatungen

Einem Roboter Geld anvertrauen? Klingt erst einmal nicht nach einer guten Idee.

Aber hier geht es nicht um die Art Roboter, die man aus Science-Fiction-Filmen oder Artikeln über die Zukunft der künstlichen Intelligenz kennt.

Wir reden hier von Online-Plattformen zur Vermögensverwaltung, kurz „Robo-Advisor“ genannt. Technikaffine Millenials nutzen sie immer häufiger, um ihre Investitionsentscheidungen zu verbessern.

Diesem Trend wird man sich als unabhängiger Finanzberater oder Finanzberaterin stellen müssen, wenn man den Erwartungen und Anforderungen junger Kunden gerecht werden will.

Durch die Nutzung aktueller Software, darunter eben auch Robo-Advisor, können auch kleine Firmen für eine Vielzahl von Kundenprofilen die passenden Finanzpläne erstellen. Darüber hinaus sind sie ein kostengünstiger Weg, die Kundenbindung zu verbessern.

Warum das wichtig ist? Ganz einfach: Nach der Finanzkrise von 2008 hat Robo-Advice in der Trendschmiede USA die dort „Wealth Management“ genannte Finanzberatung revolutioniert. Auch wenn die Branche hierzulande anders funktioniert, kann man von einem Blick über den großen Teich so einiges lernen. Die Programme passen sich an die finanziellen Anforderungen eines individuellen Investmentportfolios an und errechnen Anlagestrategien auf Grundlage komplexer Algorithmen.

In diesem Artikel wollen wir eine genauere Definition erarbeiten und uns anschauen, wie kleine, unabhängige Finanzberatungen von dieser Technologie profitieren können.

Robo-Advisor: Der Aufstieg der unsichtbaren Finanzberater

 Was ist ein Robo-Advisor?

Das hängt ein bisschen von der verwendeten Definition ab. Der einen Variante folgend bezeichnet man so Anlageberater*innen, die ihre Kunden auf Grundlage der Empfehlungen einer Software beraten. Die andere Definition bezeichnet nur die Beratersoftware, gleich, ob sie von einem Profi oder direkt von den Anlageinteressierten selbst verwendet wird. Für diesen Text meinen wir die Software, nicht die Menschen.
Also:
Es handelt sich dabei um Algorithmen, die das Profil von einzelnen Kund*innen mit den passenden Investitionsmöglichkeiten und Aktienvorschlägen verknüpfen, ob nun für die private Rentenvorsorge, die BAföG-Rückzahlungen oder einfach nur, um etwas auf der hohen Kante zu haben.

Der Begriff „Robo-Advisor“ jedenfalls ist eine Verbindung aus „Roboter“ und „Financial Advisor“, dem englischen Wort für Finanzberater*innen.

Die Lösungen, um die es hier geht, sind cloud- und webbasiert, sodass sie – und damit die Nutzerkonten – jederzeit und von jedem Gerät aus eingesehen werden können. Für Kund*innen ist diese Echtzeit-Information natürlich ein großer Mehrwert.

Die Google Trends zum Begriff Robo-Advisor

Google Trends zeigt den Suchverlauf für „Robo-Advisor“. 2017 war der Höhepunkt erreicht.

In den letzten Jahren hat diese Technologie in kleineren und größeren Unternehmen so einiges durcheinandergeschüttelt.

Statista zeigt die internationale Entwicklung in dieser Tabelle relativ deutlich (Bezahlinhalt, Daten von April 2017) und Business Insider ging 2017 davon aus, dass bereits 2020 weltweit etwa 1 Billion USD von Robo-Advisors verwaltet wird, 2022 soll die Zahl auf unfassbare 4,6 Billionen ansteigen.

Beispiel einer Robo-Advisor-PlattformBeispiel einer Robo-Advisor-Plattform (Quelle)

Wie funktioniert Robo-Advice?

 

Wie funktioniert Robo-Advice?

Der Robo-Advisor trifft automatisch Entscheidungen über Investitionsformen (Aktien, Rentenfonds etc.), die zu dem entsprechenden Profil passen.

Unabhängige Finanzberater und Finanzberaterinnen, die für ihr Unternehmen nach Robo-Advice suchen, sollten besonders auf die folgenden Features achten:

  • Dashboard:Das Dashboard gibt den Besitzer*innen einen Überblick über die in den einzelnen Portfolios angelegten Gelder.
  • Algorithmusbasiert:Die Investitionen werden automatisiert algorithmisch getätigt, und zwar von Plattformen, die die Anlageentscheidungen auf Grund von Echtzeitinformationen treffen.
  • Portfoliomanagement:Risikoreiche Anlageformen wie Aktien sollten durch einen guten Mix aus lang- und kurzfristigen Anlageformen abgefangen werden.
  • Kundenprofile:Mit Fragebögen und Formularen erstellen Robo-Advisors die an die jeweiligen Kundenwünsche angepassten Investorenprofile.

3 Grundlegende Vorteile für unabhängige Finanzberater und Anlageberaterinnen

 

1. Kostenersparnis durch eine Reihe von Vermögensverwaltungsportfolios

Für kleine, unabhängige Unternehmen ist der grundlegende Unterschied zwischen einem menschlichen Berater oder einer Beraterin und einem Robo-Advisor oft eine reine Kostenfrage. Für einen Robo-Advisor wird üblicherweise eine jährliche Gebühr fällig, die Höhe variiert dabei. Laut Stiftung Warentest liegen die günstigsten Kosten bei 0,6 % der Anlagesumme, die höchsten bei 1,87 %. Die Kostenstrukturen für menschliche Berater*innen sind da komplexer, häufig handelt es sich um eine Mischung aus Honorar und Provision. Jedenfalls sind sie meist höher.

Diese Kostenersparnis kann unabhängige Finanzberater*innen dabei unterstützen, über eine günstige Kostenstruktur eine breitere Kundschaft anzuziehen.

Zusätzlich dazu kann ein Robo-Advisor helfen, Anlageportfolios zu diversifizieren und so aufzustellen, dass auch komplexe Aufgaben übernommen werden können, zum Beispiel Altersvorsorge, Versicherungen oder das Planen von Immobilienkrediten.

Profitipp:

Suche dir eine Nische im Finanzberatungsmarkt: Berate Millennials auf der Suche nach an ihre Wünsche angepassten Anlagestrategien für den Immobilienkauf oder die private Altersvorsorge.

Diversifizierte Portfolios und eine sich verändernde Kundschaft (also weniger Baby Boomer und mehr Millennials) führen zu nutzerfreundlichen Lösungen, die den komplizierten Finanzjargon vereinfachen.

2. Wettbewerbsvorteil durch beschleunigte digitale Transformation

Kleine Finanzberatungen stehen in immer stärkerem Wettbewerb. Darüber hinaus rüstet auch die Konkurrenz technisch auf, um sich hier einen Vorteil zu verschaffen.

Wer erfolgreich sein und bleiben will, muss mit der digitalen Transformation Schritt halten – dies gilt besonders angesichts eines immer jüngeren, technisch versierteren Kundenstamms. Das Angebot muss sich an ihre technischen Fähigkeiten und Erwartungen anpassen, ohne dass die IT-Ausgaben deshalb gleich durch die Decke gehen.

Gerade kleinere Firmen können es sich nicht unbedingt leisten, auf aufkommende Technologien wie die Blockchain oder besonders teure Lösungen wie ERP-Systeme zu setzen. An der Stelle kommt der Robo-Advisor ins Spiel, der die Leistungsfähigkeit einer Investitionsverwaltungssoftware mit praktischer Anwendbarkeit und überschaubaren Kosten verbindet.

3. Verbesserte Beratung durch Mensch und Maschine

Ein Robo-Advisor verbessert das Kundenerlebnis, weil er eine Kombination aus menschlicher und maschineller Beratung ermöglicht.

Millennials sind die Kunden der Zukunft und sie nutzen einer Studie der amerikanischen Lebensversicherung Guardian Life zufolge eine Vielzahl von Geräten für die Finanzberatung, darunter das Smartphone (20 %), E-Mail (23 %) und Textnachrichten (8 %). Spitzenreiter mit 45 % bleibt aber die Beratung durch eine qualifizierte Person. In Deutschland dürfte das nicht viel anders aussehen.

Genau diese menschliche Beratung kann dadurch verbessert werden, dass Berater*innen sich ihrerseits vom Kollegen Roboter beraten und mit passgenauen Informationen und Schätzungen versorgen lassen. Auf diese Weise verschafft man sich nicht nur durch die menschliche Komponente das Vertrauen der Kunden, sondern die höhere Genauigkeit verbessert auch die Qualität der Anlagestrategien.

Kleine und unabhängige Finanzberatungsunternehmen sollten daran arbeiten, eine Mischung aus menschlicher und maschineller Betreuung anzubieten.

Der Robo-Advisor ermittelt auf Basis seiner Algorithmen die besten Investments für die Kunden. Entsprechend haben die Mitarbeiter*innen mehr Zeit für Kundengespräche, Beratungen oder die Beantwortung von Fragen.

Nächste Schritte

Jetzt, wo du einen Überblick über die wichtigsten Vorteile von Robo-Advisors erhalten hast und weißt, wie sie dich unterstützen können, stehen folgende Schritte an:

  • Ermittle die Anbieter, deren Angebot zu den Angeboten deines Unternehmens passt und die die entsprechenden Produkte auch tatsächlich führen, ob nun Altersvorsorge oder Aktienportfolio.
  • Schaue dir eine Testversion an und behalte im Auge, ob sie dir im Alltagsgeschäft tatsächlich erhebliche Vorteile bietet.
  • Kaufe und teste die Basisversion desjenigen Tools, das am besten zu deinen Anforderungen passt, bevor du dir überlegst, ob die Premium- oder Enterprise-Version tatsächlich einen Mehrwert für dich hat.

 

Auch interessant

Mit diesen GetApp-Ressourcen kannst du nach anderen Tools für die Bereiche Vermögensverwaltung und Buchhaltung suchen oder dich ganz einfach weiter einlesen:

Die Zukunft der Banken – 5 Technologietrends für 2019

Datenbereinigung – der Frühjahrsputz für die Datenoptimierung

Wir haben es schon oft geschrieben: Daten sind die wichtigste Ressource für Unternehmen und wer die Datensicherheit vernachlässigt, bringt sich schnell in die Bredouille.

Doch bei der Datenpflege geht es nicht nur um die Sicherheit: Auch die Datenbereinigung spielt eine enorm wichtige Rolle.

Datenbereinigung – der Frühjahrsputz für die Datenoptimierung

An dieser Stelle taucht bei vielen die Frage auf: „Was ist Datenbereinigung eigentlich?“ Bei der Datenbereinigung, auch Data Scrubbing oder Data Cleansing genannt, geht es darum, Unternehmensdaten auf Ungenauigkeiten, Duplikate sowie veraltete und unvollständige Einträge zu überprüfen. Dabei werden Datenfehler entfernt und korrigiert und alles behoben, was die Daten für die Nutzung in Business Intelligence (BI)-Software unbrauchbar macht.

Daten müssen genauso regelmäßig gereinigt werden wie andere Dinge im Alltag, wie das Spülbecken oder der Hund, der sich mal wieder im Komposthaufen gewälzt hat – und der Vergleicht hinkt gar nicht mal allzu sehr, denn genau wie der Hund tun Daten alles, um die gründliche Wäsche zu vermeiden, und genau wie beim Spülbecken wartet man vergeblich darauf, dass sie sich von selbst putzen.

Während ein schmutziges Spülbecken allerdings wenig Konsequenzen nach sich zieht, sieht das bei vernachlässigten Unternehmensdaten schon ganz anders aus: Schlimmstenfalls können sie das ganze Geschäft gefährden.

Chaos ist nicht immer kreativ – Wettbewerbsvorteil dank gut organisierter Daten

Kissmetrics schätzt, dass Unternehmen aufgrund von schlechter Datenqualität mindestens 20 Prozent ihres Umsatzes verlieren. 41 % der Unternehmen nennen inkonsistente (und damit „schmutzige“) Daten als ihre größte Herausforderung, und das in den unterschiedlichsten Technologien – darunter CRM, Marketing-Tools und BI.

Werden unsaubere Daten zur Datenanalyse verwendet, ist das in etwa so, als würde man einen Benziner mit Diesel fahren. Nicht nur läuft das Unternehmen nicht rund, man riskiert auch, dauerhaft den Motor zu schädigen.

Datenanalysen, die auf Grundlage minderwertiger Daten erfolgen, können zu falschen Entscheidungen mit häufig teuren Konsequenzen führen.

Ein fehlender Datenbereinigungsplan sollte Unternehmen also genauso in Sorge versetzen wie hygienisch bedenkliche Zustände in der Kantine – doch nur 16 Prozent der Unternehmen beschreiben die von ihnen genutzten Daten als „sehr gut“, sprich: als Daten, die auf Integrität, Genauigkeit und Sicherheit basieren.

Die Datenbereinigung zur Verbesserung der Datenqualität ist nicht selten die anstrengendste und schwierigste Aufgabe bei der Datenanalyse, doch sie ist gleichzeitig die wichtigste.

Die erfolgreichsten Unternehmen, deren Geschäft auf Daten basiert, sind häufig geradezu davon besessen, ihre Daten makellos zu pflegen. Beim Aufrechterhalten der Datenqualität geht es schließlich nicht nur darum, negative Auswirkungen zu vermeiden, sondern auch um all das, was man dank sauberer Daten an Erkenntnissen für Geschäftsinnovationen gewinnen kann.

An dieser Stelle ist die Rede vom „kreativen Chaos“ einfach nicht angebracht: Unternehmen mit gut gepflegten und strukturierten Daten haben einen eindeutigen Wettbewerbsvorteil.

Was ist Datenbereinigung bzw. Data Scrubbing?

Nahezu jedes Unternehmen hat Daten, die eine Bereinigung gebrauchen könnten. Wie fangen wir also damit an?

Es gibt verschiedene Verfahren, die zur Datenbereinigung verwendet werden, doch letztendlich laufen sie auf dasselbe hinaus:

1. Das Modifizieren, Berichtigen, Zusammenfügen und Entfernen korrupter, unvollständiger, veralteter oder ungenauer Daten.

2. Das Entwickeln von Strategien zur Verbesserung von Datensicherheit und Compliance, sodass das Unternehmen durch qualitativ hochwertigere Daten einen großen Mehrwert schafft.

Warum ist die Datenbereinigung so wichtig?

Es kostet im Durchschnitt …

  • 1 $, ein Duplikat zu vermeiden
  • 10 $, ein Duplikat zu korrigieren
  • 100 $, Datenduplikate unverändert zu speichern und keine Maßnahmen zu ergreifen

Damit wird deutlich: Es ist schlicht und einfach eine Sache des guten Geschäftssinns, die eigenen Daten zu bereinigen, bevor das Chaos immer größer wird. Aktuell geben Unternehmen immerhin durchschnittlich 50 Prozent ihres IT-Budgets für die Datenwiederherstellung aus.

Ein weiteres Problem liegt darin, dass die meisten Menschen ständig Unmengen an Daten generieren. Besonders das Internet of Things (IoT) trägt dazu wesentlich bei. Wer einmal versucht, einen Tag lang keinerlei Geräte oder Services zu nutzen, die persönliche Daten teilen könnten, wird feststellen, dass das gar nicht so einfach ist: Wir haben uns schon längst daran gewöhnt, Essen online zu bestellen, Musik per Streaming-App zu hören oder unsere Heizung per Smart Home-Gerät zu steuern.

Natürlich fallen in Unternehmen noch viel mehr Daten an als in einem Privathaushalt, weshalb eine Data-Governance-Strategie, die festlegt, wie Daten verarbeitet und verwaltet werden, für Unternehmen jeder Größe unverzichtbar sind.

Data-Governance-Strategien verbessern die Datenqualität

Ideal ist es, wenn Unternehmen mithilfe entsprechender Datenverwaltungsrichtlinien zuverlässig dafür sorgen, dass die eigenen Daten regelmäßig bereinigt werden. Diese Richtlinien müssen dann natürlich auch wirklich umgesetzt werden.

Daher empfehle ich, die Datenbereinigung als ständig laufenden Hintergrundprozess zu etablieren, der genauso sorgfältig gepflegt wird wie die Hygiene im Alltagsleben.

EMPFEHLUNG:  Die folgende Checkliste für die Datenbereinigung soll dabei helfen, Data-Governance-Initiativen voranzutreiben, eine gute Datenqualität für Geschäftsprozesse zu gewährleisten und sicherzustellen, dass sich keine Daten an schwer zugänglichen Stellen im Unternehmen verstecken.

Eine Checkliste zur Datenbereinigung