RPA : un concept ancien qui s’inscrit dans une démarche globale

Face à l’engouement actuel pour le RPA (Robotic Process Automation), il est important de rappeler que ce concept, déjà ancien, s’intègre dans une démarche plus globale.

Le RPA est un Catalyseur, une façon à moindre coût d’amorcer le changement digital. C’est l’occasion de travailler avec les opérationnels, d’améliorer les procédures mais aussi de faire remonter des besoins et idées d’amélioration. Le robot va donner de premiers résultats sans toucher au “legacy” et réduire les tâches à faible valeur ajoutée.

Le RPA est un Facilitateur de la transformation, car une fois le temps libéré grâce aux premières automatisations, on va pouvoir prendre plus de recul quant à la refonte des façons de travailler. Des démarches qualité (type DMAIC) ou orientées outil (type Process Intelligence), vont, de façon itérative, accompagner la transformation digitale.

Le RPA est un Amplificateur car malgré la transformation (outils, architecture, partenariat…), il est difficile de traiter 100% des cas ! il reste toujours quelques particularités et exceptions et le RPA peut alors servir de “voiture balais” et simplifier la gestion de ces exceptions.

Le RPA ne doit certes pas être la pierre angulaire de votre projet de transformation, mais s’en priver serait passer à côté de « Quick Wins ».

[shareaholic app=”share_buttons” id=”22893663″ class=”m7-vc-post_share_buttons”]

Le rôle de l’agilité dans la connaissance client

Depuis des années, les professionnels de tous secteurs cherchent à améliorer la connaissance client pour gagner en compétitivité et en qualité de service. Au-delà de l’interaction client (vente, échanges…) qui reste primordiale, les activités sous-jacentes (ex. processus internes, livraison, facturation…) déterminent également la satisfaction finale et la performance de l’entreprise.

Collecter et traiter à la volée ces informations est donc un plus car cela va permettre de réagir a plus tôt. Les contraintes du temps réel sont alors à prendre en compte. Tout d’abord, il faut concevoir l’architecture Big Data adaptée aux objectifs métier. Assurer ensuite l’intégration avec le SI existant pour assurer le fonctionnement quotidien et consolider l’information pertinente.

À partir de là, créer des applications métier pour adresser des problématiques et différenciateurs métier.

Enfin, garantir le bon fonctionnement des activités “business” grâce à une supervision optimisée. Pour de telles initiatives, une approche agile est fondamentale : des équipes mixtes internes/partenaires pour assurer la compréhension et l’expertise, des itérations courtes pour donner de la visibilité, des petits pas pour rester pragmatiques…

[shareaholic app=”share_buttons” id=”22893663″ class=”m7-vc-post_share_buttons”]

Avis d’expert : Concilier Data Science et processus métiers

Cet article (http://urlz.fr/7NZG) publié par un éditeur de logiciel spécialisé dans le recouvrement met en avant un de nos leitmotivs: l’utilisation des différentes technologies et méthodes doit apporter une amélioration réelle des performances opérationnelles.

Au-delà du cas particulier exposé ici, le quotidien des utilisateurs doit être amélioré et les objectifs stratégiques atteints. Mais l’utilisation de l’IA, de la Data, du digital doivent aussi s’intégrer au mieux dans le cadre existant des entreprises, c’est à dire le plus souvent, une organisation et des processus.

S’ils doit être adaptable (tous nos clients sont confrontés à des changements : concurrence, réglementaire, dynamisme commercial, pression sur les coûts…), ce cadre opérationnel constitue la pierre angulaire de la performance récurrente et pérenne des organisations.

Du coup, les outils digitaux doivent permettre de suivre, de optimiser, de adapter et au final libérer les processus… De figés qu’ils étaient, ils deviennent agiles et permettent de gérer la masse ainsi que les exceptions. Le tout est d’avoir le bon arsenal de solutions et de l’aligner avec les objectifs métier!

[shareaholic app=”share_buttons” id=”22893663″ class=”m7-vc-post_share_buttons”]

Cas d’utilisation : Blockchain dans le transport et la logistique

Ce cas client chez A.P. Moller – Maersk et avec IBM illustre les grandes règles qui prévalent à la mise en place d’une blockchain. D’abord, un intérêt business. Dans le cas présent, les opérations administratives représentent 20% des coûts totaux. Une optimisation de ce frais représente donc une forte productivité globale.

Ensuite, l’intérêt voir l’obligation de partager l’information entre les différents acteurs du processus. Ici, les déclarations de douane dépendent d’information provenant des remettants, armateurs, ports, opérationnels…

Enfin avoir une capacité d’entrainement suffisante pour faire bouger les différents acteurs. Ici avec 15% du marché, Maersk semble sous-doute un peu juste pour emporter rapidement l’adhésion de tous.

Nul doute que les résultats de ce qui est encore un prototype/PoC et surtout son ouverture commerciale prévue en début d’année prochaine, sera scrutée par la profession. Peut-être que cela permettra à Maersk d’augmenter justement son business et donc sa part de marché.

http://urlz.fr/7NF9

[shareaholic app=”share_buttons” id=”22893663″ class=”m7-vc-post_share_buttons”]

Avis d’expert : MasterCard aurait vendu en secret des données bancaires à Google

Valoriser et monétiser ses données…

Cela fait des années que les banques cherchent à valoriser et monétiser les données qu’elles ont à leur disposition et régulièrement certaines cèdent à la tentation ou a minima se posent la question (ex. Groupe Crédit Agricole en 2016, BBVA en 2017).

Cette fois c’est Mastercard qui semble avoir franchi le pas en signant un juteux partenariat avec Google. Il faut dire que les institutions financières sont entre le marteau et l’enclume… d’un côté, elles doivent ouvrir le plus possible l’accès aux données des clients (le réglementaire et les fintech poussent) et d’un autre elles doivent les protéger (là encore le réglementaire, mais aussi et surtout l’image de marque).

Sur fond de marchés tendus voire en décroissance, de coûts à contenir, vendre des données servant à des études de marché et de consommation voire du ciblage marketing est tentant… et le sera de plus en plus!

https://www.lebigdata.fr/mastercard-google-donnees-bancaires

[shareaholic app=”share_buttons” id=”22893663″ class=”m7-vc-post_share_buttons”]