Découvrez les 6 dernières intégrations SAP DataSphere AI

SAP Datasphere est un outil d'IA qui peut aider à fournir des données pertinentes aux entreprises.

Explorez les nouveautés en matière d'IA pour SAP Datasphere, telles que les nouvelles intégrations et les fonctionnalités basées sur l'IA, afin de comprendre comment cet outil peut aider les entreprises à gérer leurs données d'entreprise :

Qu'est-ce que SAP Datasphere AI et pourquoi est-ce important ?

SAP DataSphere est l'un des outils dans lesquels SAP intègre des fonctionnalités et des outils basés sur l'IA afin de répondre aux besoins des utilisateurs et des fournisseurs de données. SAP DataSphere AI peut améliorer l'expérience utilisateur et faciliter le partage de données à grande échelle grâce à :

• Provisionnement automatisé des données : l’IA peut simplifier le processus de provisionnement des données en établissant automatiquement les connexions pertinentes et en créant les artefacts nécessaires dans SAP DataSphere. Cela réduit le besoin d’intervention manuelle et facilite l’intégration des produits de données par les utilisateurs.
• Gestion des données : L’IA peut améliorer la gestion des métadonnées, essentielle pour simplifier la mise à disposition des données. En utilisant les métadonnées décrites via le protocole ORD (Open Resource Directory), l’IA garantit un processus d’intégration fluide et efficace.

Voici une vidéo expliquant comment SAP Datasphere combine les capacités d'IA générative avec sa plateforme Datasphere :

SAP a intégré l'IA dans différents outils, tels que les applications d'IA générative SAP BTP . L'entreprise intègre également d'autres plateformes SAP et non-SAP afin d'étendre les fonctionnalités de ses outils, notamment :

• planificateurs de tâches SAP
• Outils d'orchestration des processus SAP
• Solutions utilitaires SAP
• Technologies de processus SAP de comptage à encaissement .

2 fonctionnalités d'IA de SAP Datasphere

Voici la liste complète des fonctionnalités offertes par SAP DataSphere :

1. Graphique de connaissances

Le graphe de connaissances offre une vue d'ensemble du paysage de données d'une organisation. En capturant les relations complexes et les métadonnées, il permet une meilleure compréhension contextuelle pour les applications basées sur l'IA.

Capacités :

• Création automatisée d'ontologies : Génère des ontologies au fur et à mesure de l'intégration des données, y compris le contexte métier provenant de sources SAP telles que S/4HANA.
• Enrichissement du contexte pour les LLM : Fournit un contexte structuré aux grands modèles de langage afin de réduire les inexactitudes générées par l’IA (par exemple, les hallucinations).
• Découverte de modèles : facilite le raisonnement avancé et la génération d’idées dans tous les domaines d’activité.

Application concrète :

Les graphes de connaissances peuvent être appliqués à l'optimisation marketing ou à la gestion de la chaîne d'approvisionnement, permettant aux organisations d'en tirer des informations exploitables et de stimuler l'innovation.

Voici une vidéo expliquant les fonctionnalités du graphe de connaissances :

2. Intégration sémantique

L'intégration sémantique permet d'importer dans SAP DataSphere des objets de données riches en sémantique provenant des systèmes SAP (S/4HANA, BW/4HANA, HANA Cloud) tout en préservant leur signification métier. SAP a étendu cette fonctionnalité à SAP HANA Cloud et à d'autres produits de données SAP, offrant ainsi une expérience d'intégration unifiée.

Capacités :

• Préservation des informations sémantiques : lors de l’importation de vues de calcul depuis SAP HANA Cloud vers SAP Datasphere, les détails sémantiques tels que les mesures, les attributs, les hiérarchies, les agrégations et les devises/unités sont conservés. Ceci garantit la préservation de l’intégrité et du sens des données au sein d’une couche de données sémantiquement riche.
• Synchronisation : Elle permet de synchroniser les objets dans SAP HANA Cloud et SAP Datasphere, permettant ainsi aux clients de tirer parti de leurs investissements existants dans la modélisation SAP HANA.
• Héritage du contexte métier : Il permet d’hériter du contexte métier des applications SAP et des solutions sectorielles. Ce transfert de sémantique au sein de l’infrastructure de données métier constitue une base solide pour l’amélioration des flux de travail analytiques.
• Flux de travail analytique amélioré : la préservation et le transfert des informations sémantiques dans SAP Datasphere rationalisent le flux de travail analytique, accélérant et simplifiant le processus d’obtention d’informations basées sur les données. Intégrations avec d’autres outils.

Application concrète :
Les entreprises peuvent utiliser l'intégration sémantique pour intégrer efficacement les ensembles de données SAP et hybrides, réduisant ainsi les erreurs de modélisation et accélérant la génération d'informations.

3. Génération de contenu assistée par l'IA

Cette fonctionnalité génère automatiquement des descriptions métier, des affectations de termes métier et des définitions d'indicateurs clés de performance (KPI) pour les actifs de données du catalogue SAP Datasphere, à l'aide des modèles SAP Business AI.

Capacités :

• Génère un texte descriptif contextuel pour les objets du catalogue
• Applique automatiquement les balises et termes hiérarchiques d'entreprise
• Définit les indicateurs clés de performance et les associations sans intervention manuelle
• Réduit le besoin d'une expertise technique approfondie pour la gestion du contenu du catalogue

Application concrète :
Les organisations peuvent rapidement intégrer des milliers de données tout en maintenant la conformité et la qualité des données, ce qui accélère l'analyse et le reporting.

4. Recherche assistée par l'IA

La recherche assistée par l'IA permet aux utilisateurs de trouver des artefacts de données à l'aide de requêtes en langage naturel dans SAP Datasphere, surmontant ainsi les contraintes des filtres et de la navigation manuelle.

Capacités :

• La compréhension du langage naturel interprète les termes commerciaux, les questions et les intentions.
• Recherches dans les ensembles de données des référentiels, des catalogues et des places de marché
• Fournit des résultats contextualisés qui correspondent aux demandes des utilisateurs.

Application concrète :
Les utilisateurs peuvent poser des questions en langage clair. Par exemple : « Affichez-moi les modèles de données de vente avec segmentation client » et obtenir des résultats précis.

5. Génération sémantique assistée par l'IA

La génération sémantique assistée par l'IA détecte et classe automatiquement les types sémantiques des données entrantes, en particulier pour les sources non-SAP, enrichissant ainsi la structure de données de SAP Datasphere.

Capacités :

• Classification sémantique automatique : attribue les types corrects aux ensembles de données lors de leur ingestion.
• Prise en charge des données hybrides : fonctionne avec les données SAP et non-SAP pour créer une couche sémantique unifiée.
• Prétraitement manuel réduit : minimise les efforts de préparation des données, permettant une analyse plus rapide.

Application concrète :
Les entreprises qui intègrent des sources de données hybrides peuvent accélérer la modélisation et l'analyse grâce à l'enrichissement automatique des informations sémantiques, ce qui réduit les erreurs et améliore la cohérence.

Intégrations avec d'autres outils

SAP Datasphere intègre des outils d'IA à son écosystème de données ouvertes afin d'améliorer son architecture de gestion des données.

1. Gouvernance de l'IA avec Collibra

SAP s'associe à Collibra pour fournir des fonctionnalités de gouvernance des données, garantissant ainsi l'accès à des données fiables pour tous les utilisateurs au sein de l'infrastructure de données de l'entreprise.

En s'intégrant à Collibra AI Governance, les solutions SAP permettront aux entreprises de connecter les données utilisées pour l'IA aux modèles eux-mêmes sur une plateforme unique, afin de suivre et de gérer efficacement leurs efforts de développement en IA. En enregistrant les modèles d'IA et d'apprentissage automatique créés avec la technologie SAP sur la plateforme Collibra AI Governance, les utilisateurs pourront :

• Bénéficiez d'une meilleure visibilité sur la provenance et les métadonnées des données SAP utilisées dans la modélisation par IA.
• Vérifier l'exactitude et la fiabilité des données
• Vérifiez les données sur lesquelles leurs modèles d'IA ont été entraînés.

Par conséquent, ils peuvent :

• Améliorer la transparence et la responsabilisation
• Assurer la conformité aux politiques réglementaires, de confidentialité et de gouvernance
• Atténuer les risques tels que les prises de décision biaisées et les recommandations inexactes.

Voici une vidéo expliquant le fonctionnement de la gouvernance de Collier AI :

2. Flux de données avec Confluent

Confluent est une plateforme basée sur Apache Kafka qui fournit un service de gestion et de diffusion de données en temps réel. Elle permet aux entreprises de gérer efficacement des pipelines de données à grande échelle et de diffuser des données entre différents systèmes et applications.

Voici comment Confluent améliore SAP Datasphere et enrichit les actifs de données SAP :

1. Diffusion de données en temps réel : L’intégration de Confluent permet la diffusion de données en temps réel depuis et vers SAP Datasphere. Cette fonctionnalité est essentielle pour les organisations qui doivent traiter et analyser des données en temps réel, ce qui permet une prise de décision plus rapide et une meilleure réactivité opérationnelle.
2. Fonctionnalités du registre de schémas : L’intégration avec le registre de schémas de Confluent étend les capacités d’exportation de SAP DataSphere. Elle permet une gestion transparente des schémas de données, garantissant ainsi une interprétation et un traitement précis des données entre les systèmes.
3. Expérience utilisateur optimale : L’intégration offre une expérience utilisateur optimale en facilitant les connexions au niveau de l’application, sans nécessiter de développement spécifique. Cette simplicité d’intégration permet aux entreprises de déployer et d’utiliser rapidement des solutions de flux de données.
4. Traitement efficace des données : l’intégration de SAP Datasphere avec Confluent inclut des flux de réplication prédéfinis qui prennent en charge nativement le traitement delta et en temps réel. Grâce à cette efficacité, les données sont chargées uniquement lors des modifications, ce qui réduit les transferts et les traitements inutiles.
5. Ingestion et intégration des données améliorées : L’intégration prend en charge l’ingestion de données dans Kafka et Confluent, et des fonctionnalités supplémentaires d’intégration des données entrantes et sortantes sont désormais disponibles pour tous. Cette fonctionnalité étendue renforce la capacité de SAP DataSphere à gérer un large éventail de sources de données et de cas d’utilisation.

Intégration avec SAP Analytics Cloud et SAP Hana Cloud Vector Engine

Les utilisateurs peuvent combiner SAP DataSphere, SAP Analytics Cloud et SAP HANA Cloud Vector Engine pour obtenir un système unique de gestion et d'analyse des données. Voici ce qu'il est possible de faire avec ces outils combinés :

3. SAP Analytics Cloud pour Data Fabric

Les solutions de data fabric unifient et gèrent les données en temps réel à travers différents systèmes, offrant une source unique et fiable. Elles automatisent l'accès, améliorent la qualité des données et renforcent la sécurité, simplifiant ainsi l'analyse et l'IA, même dans des environnements complexes. Cela permet aux entreprises d'évoluer et de s'adapter aux marchés changeants. SAP améliore le data fabric grâce à :

1. Intégration avec SAP Analytics Cloud pour la planification : les modèles de planification de SAP Analytics Cloud peuvent désormais être déployés dans SAP Datasphere. SAP Analytics Cloud utilise l’IA pour :
   1. Automatiser et optimiser les processus de transformation et d'intégration des données
   2. Fournir des recommandations et des analyses pertinentes basées sur l'intégration des données réelles et prévisionnelles. Cela améliore l'intégration de ces données dans la prise de décision en temps réel.
      permettant au sein de SAP Datasphere.
2. Réduction de l'empreinte des données et des efforts de modélisation : Les efforts d'intégration visent également à réduire l'empreinte des données et les efforts nécessaires à la modélisation. En tirant parti des fonctionnalités de SAP DataSphere, SAP Analytics Cloud peut rationaliser les processus de gestion des données et améliorer l'efficacité.

4. Copilote d'IA générative : Joule

SAP Analytics Cloud Generative AI Co-Pilot permet aux clients d'exploiter l'IA générative pour la planification et la simulation d'entreprise. L'assistant IA sous-jacent, Joule, améliore les fonctionnalités liées à l'exploration des données, la création de tableaux de bord, la maintenance des modèles de planification et bien plus encore, tout en offrant une expérience utilisateur intuitive.

Grâce au traitement automatique du langage naturel (TALN), les utilisateurs finaux peuvent :

• Exécuter des requêtes analytiques
• Simuler les impacts de différents conducteurs
• Allouer les ressources
• Automatiser les tableaux de bord et les calculs

Exemple de cas d'utilisation :
Un utilisateur métier qui étudie le taux de roulement du personnel par rapport au taux d'embauche pour un poste spécifique au cours des 12 derniers mois pourrait interroger Joule pour analyser les itérations précédentes du plan et découvrir les raisons sous-jacentes.

Nouvelles extensions Joule :

• Intégration de Joule + SAP‑RPT‑1 Foundation Model : Joule peut désormais tirer parti de SAP‑RPT‑1, un modèle de base relationnel de SAP AI Hub, pour effectuer des analyses prédictives et une modélisation sur des ensembles de données structurés Datasphere, améliorant ainsi les prévisions, les recommandations et les simulations de scénarios avancés.
• Intégration Joule + Microsoft 365 Copilot : étend les capacités de requête en langage naturel au-delà de SAP Analytics Cloud, permettant aux utilisateurs d’accéder et d’analyser les données Datasphere directement à partir des outils de productivité Microsoft.

5. SAP Analytics Cloud Compass

SAP Analytics Cloud Compass offre des fonctionnalités de simulation Monte Carlo avec une interface conviviale, permettant aux utilisateurs non techniques de réaliser des analyses multivariées en temps réel sans compétences statistiques avancées. Voici les principaux avantages de SAP Analytics Cloud Compass :

1. Analyse multivariée en temps réel permettant d'analyser simultanément plusieurs variables et d'obtenir une vue d'ensemble des résultats potentiels.
2. Simulations d'entreprise pour une modélisation de scénarios rapide et efficace, aidant les utilisateurs à comparer les hypothèses et à rendre compte des écarts d'impact.
3. L'analyse de sensibilité permet de découvrir en temps réel les facteurs de sensibilité, aidant ainsi les utilisateurs à comprendre la dynamique des données et la manière dont les variations des variables affectent les résultats.
4. Des simulations agiles et continues pour s'adapter à l'évolution du contexte commercial et prendre des décisions éclairées.

6. Moteur vectoriel cloud SAP HANA

SAP HANA Cloud enrichit ses fonctionnalités multi-modèles existantes d'une capacité vectorielle, permettant ainsi aux clients d'exploiter tous types de données métier à partir d'une base de données unique. Le moteur vectoriel renforce la capacité à créer des applications de données intelligentes qui combinent l'intuition humaine, l'apprentissage automatique et les capacités de traitement multi-modèles. Principales caractéristiques et avantages du moteur vectoriel de SAP HANA Cloud :

• Stockez et comparez des vecteurs à l'aide de SQL, permettant des cas d'utilisation tels que la génération augmentée par la récupération (RAG), les recommandations, les classifications et le clustering.
• Simplifiez l'architecture de gestion des données et optimisez-la grâce à une base de données multi-modèles unique avec interaction SQL.
• Obtenez de nouvelles perspectives en combinant des données spatiales, graphiques, JSON et relationnelles avec des requêtes vectorielles.
• Intégrez facilement des cas d'utilisation vectoriels dans des solutions au sein de l'écosystème HANA Cloud, y compris les clients, les bibliothèques Python et CAP (Cloud Application Programming Model).
• Intégrez des outils communautaires open source comme LangChain via des plugins.

Pour en savoir plus

Pour en savoir plus sur l'actualité et les applications SAP, consultez nos articles complets et basés sur les données :

• Découvrez les outils d'IA générative de SAP BTP : 4 cas d'utilisation et leurs avantages
• Principaux outils et cas d'utilisation de l'automatisation des charges de travail SAP

Liens de référence

1.

Business data fabric: Demo video from SAP Data Unleashed in 2024

2.

SAP Datasphere on Teched 2023: What has been achieved and where are we going? • Interdobs

3.

Set SAP Data in Motion with Confluent Cloud, an SA... - SAP Community

SAP

4.

Business data fabric: Demo video from SAP Data Unleashed in 2024

5.

Business data fabric: Demo video from SAP Data Unleashed in 2024

6.

Generative AI with SAP – Part 3: Joule, SAP’s Gene... - SAP Community

7.

SAP Analytics Cloud compass - SAP Danmark Nyheder

8.

Vectorize your Data : SAP HANA Cloud's Vector Engi... - SAP Community

Hazal Şimşek

Analyste du secteur

Suivre

Hazal est analyste sectorielle chez AIMultiple, spécialisée dans l'exploration de processus et l'automatisation informatique.

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire