Dans une précédente poster, nous avons parlé de l'analyse et du balisage des actifs stockés dans Veeva Vault PromoMats à l'aide des services Amazon AI et des API de la plateforme Veeva Vault. Dans cet article, nous explorons comment utiliser Flux d'application Amazon, un service d'intégration entièrement géré qui vous permet de transférer en toute sécurité des données depuis des applications logicielles en tant que service (SaaS) telles que Veeva Vault vers AWS. La Connecteur Amazon AppFlow Veeva vous permet de connecter votre environnement AWS à l'écosystème Veeva de manière rapide, fiable et rentable afin d'analyser à grande échelle le contenu riche stocké dans Veeva Vault.
Le connecteur Amazon AppFlow Veeva est le premier connecteur Amazon AppFlow prenant en charge le transfert automatique de Documents Veeva. Il vous permet de choisir entre la dernière version (la L'état d'équilibre version en termes Veeva) et toutes les versions des documents. De plus, vous pouvez importer des métadonnées de document.
En quelques clics, vous pouvez facilement configurer une connexion gérée et choisir les documents et métadonnées Veeva Vault à importer. Vous pouvez ajuster davantage le comportement d'importation en mappant les champs source aux champs de destination. Vous pouvez également ajouter des filtres basés sur le type et le sous-type de document, la classification, les produits, le pays, le site, etc. Enfin, vous pouvez ajouter une validation et gérer des déclencheurs de flux à la demande et planifiés.
Vous pouvez utiliser le connecteur Amazon AppFlow Veeva pour divers cas d'utilisation, allant de Veeva Vault PromoMats à d'autres solutions Veeva Vault telles que QualityDocs, eTMF ou Regulatory Information Management (RIM). Voici quelques-uns des cas d'utilisation dans lesquels vous pouvez utiliser le connecteur :
- La synchronisation des données – Vous pouvez utiliser le connecteur dans le processus d'établissement de cohérence et d'harmonisation entre les données d'une source Veeva Vault et de tout système en aval au fil du temps. Par exemple, vous pouvez partager les ressources marketing de Veeva PromoMats avec Salesforce. Vous pouvez également utiliser le connecteur pour partager des documents Veeva QualityDocs tels que des procédures opérationnelles standard (SOP) ou des spécifications sur des sites Web mis en cache qui peuvent être recherchés à partir de tablettes présentes sur le site de fabrication.
- Détection d'une anomalie – Vous pouvez partager des documents Veeva PromoMats avec Amazon Lookout pour les métriques pour la détection d'anomalies. Vous pouvez également utiliser le connecteur avec Vault RIM dans des illustrations, des étiquettes commerciales, des modèles ou des dépliants pour patients avant de les importer pour les imprimer dans des solutions d'étiquetage d'entreprise telles que Loftware.
- Hydratation des lacs de données – Le connecteur peut être un outil efficace pour répliquer des données structurées ou non structurées dans des lacs de données, afin de soutenir la création et l'hydratation des lacs de données. Par exemple, vous pouvez utiliser le connecteur pour extraire des informations d'étude standardisées à partir de protocoles stockés dans Vault RIM et les exposer en aval aux équipes d'analyse médicale.
- Traductions – Le connecteur peut être utile pour envoyer des illustrations, des documents cliniques, des supports marketing ou des protocoles d'étude à traduire dans des langues maternelles à des services tels que l'emballage, les essais cliniques ou les soumissions réglementaires.
Cet article se concentre sur la façon dont vous pouvez utiliser Services d'Amazon AI en combinaison avec Amazon AppFlow pour analyser le contenu stocké dans les Veeva Vault PromoMats, extraire automatiquement les informations des balises et finalement réinjecter ces informations dans le système Veeva Vault. L'article traite de l'architecture globale, des étapes de déploiement d'une solution et d'un tableau de bord, ainsi que d'un cas d'utilisation du balisage des métadonnées d'actifs. Pour plus d'informations sur la base de code de preuve de concept pour ce cas d'utilisation, consultez le GitHub référentiel.
Vue d'ensemble de la solution
Le diagramme suivant illustre l'architecture de la solution mise à jour.
Auparavant, pour importer des ressources depuis Veeva Vault, vous deviez écrire votre propre logique de code personnalisé à l'aide de API Veeva Vault pour interroger les modifications et importer les données dans Service de stockage simple Amazon (Amazon S3). Il peut s'agir d'un processus manuel et chronophage, dans lequel vous deviez tenir compte des limitations, des échecs et des tentatives d'API, ainsi que de l'évolutivité pour prendre en charge un nombre illimité d'actifs. La solution mise à jour utilise Amazon AppFlow pour éliminer la complexité de la maintenance d'un pipeline d'importation de données Veeva vers Amazon S3 personnalisé.
Comme mentionné dans l'introduction, Amazon AppFlow est un outil libre-service sans code facile à utiliser qui utilise des configurations pointer-cliquer pour déplacer des données facilement et en toute sécurité entre diverses applications SaaS et services AWS. AppFlow vous permet d'extraire des données (objets et documents) à partir de sources prises en charge et d'écrire ces données dans diverses destinations prises en charge. La source ou la destination peut être une application SaaS ou un service AWS tel qu'Amazon S3, Redshift d'Amazon, ou Lookout for Metrics. En plus de l'interface sans code, Amazon AppFlow prend en charge la configuration via l'API, l'AWS CLI et AWS CloudFormation interfaces.
Un flux dans Amazon AppFlow décrit comment les données doivent être déplacées, y compris les détails de la source, les détails de la destination, les conditions de déclenchement du flux (à la demande, sur événement ou planifié) et les tâches de traitement des données telles que les points de contrôle, la validation de champ ou le masquage. Lorsqu'il est déclenché, Amazon AppFlow exécute un flux qui récupère les données source (généralement via les API publiques de l'application source), exécute des tâches de traitement de données et transfère les données traitées vers la destination.
Dans cet exemple, vous déployez un flux préconfiguré à l'aide d'un modèle CloudFormation. La capture d'écran suivante montre le préconfiguré veeva-aws-connector
flux qui est créé automatiquement par le modèle de solution sur la console Amazon AppFlow.
Le flux utilise Veeva comme source et est configuré pour importer des objets de composant Veeva Vault. Les métadonnées et les fichiers source sont nécessaires pour garder une trace des actifs qui ont été traités et repousser les balises sur l'actif correspondant correct dans le système source. Dans cette situation, seule la dernière version est importée et les rendus ne sont pas inclus.
La destination du flux doit également être configurée. Dans la capture d'écran suivante, nous définissons un format de fichier et une structure de dossiers pour le compartiment S3 qui a été créé dans le cadre du modèle CloudFormation.
Enfin, le flux est déclenché à la demande à des fins de démonstration. Cela peut être modifié pour que le flux s'exécute selon un calendrier, avec une granularité maximale de 1 minute. Lorsqu'il est déclenché selon un calendrier, le mode de transfert passe automatiquement d'un transfert complet à un mode de transfert incrémentiel. Vous spécifiez un champ d'horodatage source pour suivre les modifications. Pour le cas d'utilisation de marquage, nous avons constaté que le Date de la dernière modification réglage est le plus adapté.
Amazon AppFlow est ensuite intégré à Amazon Event Bridge pour publier des événements chaque fois qu'une exécution de flux est terminée.
Pour une meilleure résilience, le AVAIAppFlowListener
AWS Lambda La fonction est câblée dans EventBridge. Lorsqu'un événement Amazon AppFlow est déclenché, il vérifie que l'exécution de flux spécifique s'est terminée avec succès, lit les informations de métadonnées de tous les actifs importés à partir de cette exécution de flux spécifique et envoie les métadonnées de document individuelles dans un Service Amazon Simple Queue (Amazon SQS). L'utilisation d'Amazon SQS fournit un couplage lâche entre les sections producteur et processeur de l'architecture et vous permet également de déployer des modifications dans la section processeur sans arrêter les mises à jour entrantes.
Une deuxième fonction de scrutateur (AVAIQueuePoller
) lit la file d'attente SQS à intervalles fréquents (toutes les minutes) et traite les actifs entrants. Pour un temps de réaction encore meilleur de la fonction Lambda, vous pouvez remplacer la règle CloudWatch en configurant Amazon SQS comme déclencheur pour la fonction.
Selon le type de message entrant, la solution utilise divers services AWS AI pour tirer des informations de vos données. Voici quelques exemples :
- Fichiers texte - La fonction utilise le Détecter les entités opération de Amazon Comprehend Medical, un service de traitement du langage naturel (TAL) qui facilite l'utilisation du ML pour extraire des informations médicales pertinentes à partir de texte non structuré. Cette opération détecte les entités dans des catégories telles que
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
etTest_Treatment_Procedure
. La sortie résultante est filtrée pourProtected_Health_Information
, et les informations restantes, ainsi que les scores de confiance, sont aplatis et insérés dans un Amazon DynamoDB table. Ces informations sont tracées sur le cluster OpenSearch Kibana. Dans les applications du monde réel, vous pouvez également utiliser Amazon Comprehend Medical ICD-10-CM ou RxNorm pour relier les informations détectées aux ontologies médicales afin que les applications de soins de santé en aval puissent les utiliser pour une analyse plus approfondie. - Ajouter des images - La fonction utilise le Détecter les étiquettes méthode de Amazon Reconnaissance pour détecter les étiquettes dans l'image entrante. Ces étiquettes peuvent servir de balises pour identifier les riches informations enfouies dans vos images, telles que des informations sur les illustrations commerciales et les étiquettes cliniques. Si des étiquettes comme
Human
orPerson
sont détectés avec un score de confiance supérieur à 80 %, le code utilise le Détecter les visages méthode pour rechercher les principales caractéristiques du visage telles que les yeux, le nez et la bouche pour détecter les visages dans l'image d'entrée. Amazon Rekognition fournit toutes ces informations avec un score de confiance associé, qui est aplati et stocké dans la table DynamoDB. - Enregistrements vocaux - Pour les ressources audio, le code utilise le DébutTranscriptionJob méthode asynchrone de Amazon Transcribe pour transcrire l'audio entrant en texte, en passant un identifiant unique comme
TranscriptionJobName
. Le code suppose que la langue audio est l'anglais (US), mais vous pouvez le modifier pour le lier aux informations provenant de Veeva Vault. Le code appelle le ObtenirTranscriptionJob , en passant le même identifiant unique que leTranscriptionJobName
en boucle, jusqu'à ce que le travail soit terminé. Amazon Transcribe fournit le fichier de sortie sur un compartiment S3, qui est lu par le code et supprimé. Le code appelle le workflow de traitement de texte (comme expliqué précédemment) pour extraire des entités de l'audio transcrit. - Documents numérisés (PDF) - Un grand pourcentage des actifs des sciences de la vie sont représentés dans des fichiers PDF - il peut s'agir de revues scientifiques et d'articles de recherche aux étiquettes de médicaments. Extrait d'Amazon est un service qui extrait automatiquement le texte et les données des documents numérisés. Le code utilise le StartDocumentTextDetectionStartDocumentTextDetection pour démarrer un travail asynchrone afin de détecter du texte dans le document. Le code utilise le
JobId
retourné dans la réponse à l'appel GetDocumentTextDetection en boucle, jusqu'à ce que le travail soit terminé. La structure JSON de sortie contient des lignes et des mots de texte détecté, ainsi que des scores de confiance pour chaque élément qu'il identifie, afin que vous puissiez prendre des décisions éclairées sur la façon d'utiliser les résultats. Le code traite la structure JSON pour recréer le texte de présentation et appelle le workflow de traitement de texte pour extraire des entités du texte.
Une table DynamoDB stocke toutes les données traitées. La solution utilise Flux DynamoDB et déclencheurs Lambda (AVAIPopulateES
) pour remplir des données dans un cluster OpenSearch Kibana. La fonction AVAIPopulateES s'exécute pour chaque opération de mise à jour, d'insertion et de suppression qui se produit dans la table DynamoDB et insère un enregistrement correspondant dans l'index OpenSearch. Vous pouvez visualiser ces enregistrements à l'aide de Kibana.
Pour fermer la boucle de rétroaction, le AVAICustomFieldPopulator
La fonction Lambda a été créée. Il est déclenché par des événements dans le flux DynamoDB de la table DynamoDB de métadonnées. Pour chaque DocumentID
dans les enregistrements DynamoDB, la fonction essaie de mettre à jour les informations de balise dans une propriété de champ personnalisé prédéfinie de l'actif avec l'ID correspondant dans Veeva, à l'aide de l'API Veeva. Pour éviter d'insérer du bruit dans le champ personnalisé, la fonction Lambda filtre toutes les balises qui ont été identifiées avec un score de confiance inférieur à 0.9. Les demandes ayant échoué sont transmises à une file d'attente de lettres mortes (DLQ) pour une inspection manuelle ou une nouvelle tentative automatique.
Cette solution offre une approche sans serveur et à la carte pour traiter, étiqueter et permettre des recherches complètes sur vos actifs numériques. De plus, chaque composant géré dispose d'une haute disponibilité intégrée par déploiement automatique sur plusieurs zones de disponibilité. Pour Service Amazon OpenSearch (successeur d'Amazon Elasticsearch Service), vous pouvez choisir le option trois AZ pour une meilleure disponibilité de vos domaines.
Pré-requis
Pour cette procédure pas à pas, vous devez disposer des prérequis suivants:
- An Compte AWS avec approprié Gestion des identités et des accès AWS Autorisations (IAM) pour lancer le modèle CloudFormation
- Identifiants d'accès appropriés pour un domaine Veeva Vault PromoMats (URL de domaine, nom d'utilisateur et mot de passe)
- Une balise de contenu personnalisée définie dans Veeva pour les actifs numériques que vous souhaitez baliser (par exemple, nous avons créé le
AutoTags
balise de contenu personnalisée) - Actifs numériques dans le coffre-fort PromoMats accessibles aux informations d'identification précédentes
Déployez votre solution
Vous utilisez une pile CloudFormation pour déployer la solution. La pile crée toutes les ressources nécessaires, notamment:
- Un compartiment S3 pour stocker les actifs entrants.
- Un flux Amazon AppFlow pour importer automatiquement des actifs dans le compartiment S3.
- Une règle EventBridge et une fonction Lambda pour réagir aux événements générés par Amazon AppFlow (
AVAIAppFlowListener
). - Une file d'attente SQS FIFO pour agir comme un couplage lâche entre la fonction d'écoute (
AVAIAppFlowListener
) et la fonction poller (AVAIQueuePoller
). - Une table DynamoDB pour stocker la sortie des services d'Amazon AI.
- Un cluster Amazon OpenSearch Kibana (ELK) pour visualiser les balises analysées.
- Une fonction Lambda pour repousser les balises identifiées dans Veeva (
AVAICustomFieldPopulator
), avec un DLQ correspondant. - Fonctions Lambda requises:
- AVAIAppFlowListener – Déclenché par des événements poussés par Amazon AppFlow vers EventBridge. Utilisé pour la validation de l'exécution du flux et l'envoi d'un message vers la file d'attente SQS.
- AVAIQueuePoller - Déclenché toutes les 1 minute. Utilisé pour interroger la file d'attente SQS, traiter les actifs à l'aide des services Amazon AI et remplir la table DynamoDB.
- DISPONIBLEPeupleES - Déclenché en cas de mise à jour, d'insertion ou de suppression sur la table DynamoDB. Utilisé pour capturer les modifications de DynamoDB et remplir le cluster ELK.
- AVAICustomFieldPopulator – Déclenché lorsqu'il y a une mise à jour, une insertion ou une suppression sur la table DynamoDB. Utilisé pour renvoyer les informations d'étiquette dans Veeva.
- Les Événements Amazon CloudWatch règles qui déclenchent
AVAIQueuePoller
fonction. Ces déclencheurs sont dans leDISABLED
état par défaut. - Rôles et stratégies IAM requis pour interagir avec EventBridge et les services AI de manière réduite.
Pour commencer, procédez comme suit:
- Connectez-vous à la Console de gestion AWS avec un compte disposant des autorisations IAM préalables.
- Selectionnez Lancer la pile et ouvrez-le dans un nouvel onglet:
- Sur le Créer une pile page, choisissez Suivant.
- Sur le Spécifiez les détails de la pile page, entrez un nom pour la pile.
- Entrez des valeurs pour les paramètres.
- Selectionnez Suivant.
- Sur le Configurer les options de pile page, laissez tout par défaut et choisissez Suivant.
- Sur le Avis page, dans la Capacités et transformations , cochez les trois cases.
- Selectionnez Créer une pile.
- Attendez que la pile soit terminée. Vous pouvez examiner divers événements du processus de création de la pile sur le Événements languette.
- Une fois la création de la pile terminée, vous pouvez consulter le Ressources pour voir toutes les ressources créées par le modèle CloudFormation.
- Sur le Sortie onglet, copiez la valeur de
ESDomainAccessPrincipal
.
Il s'agit de l'ARN du rôle IAM que le AVAIPopulateES
la fonction assume. Vous l'utiliserez ultérieurement pour configurer l'accès au domaine Amazon OpenSearch Service.
Configurer Amazon OpenSearch Service et Kibana
Cette section vous guide tout au long de la sécurisation de votre cluster Amazon OpenSearch Service et de l'installation d'un proxy local pour accéder à Kibana en toute sécurité.
- Sur la console Amazon OpenSearch Service, sélectionnez le domaine qui a été créé par le modèle.
- Sur le Actions menu, choisissez Modifier la politique d'accès.
- Pour Politique d'accès au domaine, choisissez Politique d'accès personnalisée.
- Dans le La politique d'accès sera effacée fenêtre contextuelle, choisissez Effacer et continuer.
- Sur la page suivante, configurez les instructions suivantes pour verrouiller l'accès au domaine Amazon OpenSearch Service :
- Autoriser l'adresse IPv4 - Votre adresse IP.
- Autoriser IAM ARN - La valeur de
ESDomainAccessPrincipal
vous avez copié plus tôt.
- Selectionnez Envoyer.
Cela crée une politique d'accès qui accorde l'accès à la fonction AVAIPopulateES et l'accès à Kibana à partir de votre adresse IP. Pour plus d'informations sur la définition de votre stratégie d'accès, consultez Configuration des politiques d'accès.
- Attendez que l'état du domaine s'affiche comme
Active
. - Sur la console Amazon EventBridge, sous Événements, choisissez Règles. Vous pouvez voir deux règles créées par le modèle CloudFormation.
- Sélectionnez le
AVAIQueuePollerSchedule
règle et activez-la en cliquant sur Activer.
Dans 5 à 8 minutes, les données devraient commencer à arriver et les entités sont créées dans le cluster Amazon OpenSearch Service. Vous pouvez maintenant visualiser ces entités dans Kibana. Pour ce faire, vous utilisez un proxy open source appelé aws-es-kibana. Pour installer le proxy sur votre ordinateur, entrez le code suivant:
aws-es-kibana your_OpenSearch_domain_endpoint
Vous pouvez trouver le point de terminaison de domaine sur le Sortie onglet de la pile CloudFormation sous ESDomainEndPoint
. Vous devriez voir la sortie suivante:
Créer des visualisations et analyser le contenu balisé
Veuillez vous référer à l'original blogpost.
Nettoyer
Pour éviter des frais futurs, supprimez les ressources lorsqu'elles ne sont pas utilisées. Vous pouvez facilement supprimer toutes les ressources en supprimant la pile CloudFormation associée. Notez que vous devez vider les compartiments S3 de contenu créés pour que la suppression de la pile réussisse.
Conclusion
Dans cet article, nous avons démontré comment vous pouvez utiliser les services Amazon AI en combinaison avec Amazon AppFlow pour étendre les fonctionnalités de Veeva Vault PromoMats et extraire rapidement et facilement des informations précieuses. Le mécanisme de bouclage intégré vous permet de mettre à jour les balises dans Veeva Vault et d'activer le marquage automatique de vos ressources. Cela permet à votre équipe de trouver et de localiser rapidement les actifs.
Bien qu'aucune sortie ML ne soit parfaite, elle peut s'approcher très près des performances humaines et aider à compenser une partie substantielle des efforts de votre équipe. Vous pouvez utiliser cette capacité supplémentaire pour des tâches à valeur ajoutée, tout en consacrant une petite capacité à vérifier la sortie de la solution ML. Cette solution peut également aider à optimiser les coûts, à assurer la cohérence du balisage et à permettre une découverte rapide des ressources existantes.
Enfin, vous pouvez conserver la propriété de vos données et choisir les services AWS qui peuvent traiter, stocker et héberger le contenu. AWS n'accède ni n'utilise votre contenu à aucune fin sans votre consentement, et n'utilise jamais les données client pour dériver des informations à des fins de marketing ou de publicité. Pour plus d'informations, voir FAQ sur la confidentialité des données.
Vous pouvez également étendre les fonctionnalités de cette solution avec des améliorations supplémentaires. Par exemple, en plus des services d'IA et de ML de cet article, vous pouvez facilement ajouter n'importe lequel de vos modèles de ML personnalisés créés à l'aide de Amazon Sage Maker à l'architecture.
Si vous souhaitez explorer d'autres cas d'utilisation pour Veeva et AWS, veuillez contacter votre équipe de compte AWS.
Veeva Systems a examiné et approuvé ce contenu. Pour toute question supplémentaire relative à Veeva Vault, veuillez contacter Assistance Veeva.
À propos des auteurs
Mayank Thakkar est responsable du développement commercial IA/ML, de la santé mondiale et des sciences de la vie chez AWS. Il a plus de 18 ans d'expérience dans des secteurs variés tels que la santé, les sciences de la vie, l'assurance et la vente au détail, se spécialisant dans la création de solutions sans serveur, d'intelligence artificielle et d'apprentissage automatique pour résoudre des problèmes industriels réels. Chez AWS, il travaille en étroite collaboration avec de grandes sociétés pharmaceutiques du monde entier pour créer des solutions de pointe et les aider tout au long de leur parcours vers le cloud. En dehors du travail, Mayank et sa femme sont occupés à élever deux garçons énergiques et espiègles, Aaryan (6 ans) et Kiaan (4 ans), tout en essayant d'empêcher la maison de brûler ou d'être inondée !
Anamaria Todor est un architecte de solutions senior basé à Copenhague, au Danemark. Elle a vu son premier ordinateur à l'âge de 4 ans et n'a jamais abandonné l'informatique et l'ingénierie depuis. Elle a occupé divers postes techniques, de développeur full-stack à ingénieur de données, responsable technique et CTO dans diverses entreprises danoises. Anamaria est titulaire d'un baccalauréat en ingénierie appliquée et en informatique, d'une maîtrise en informatique et de plus de 10 ans d'expérience pratique AWS. Chez AWS, elle travaille en étroite collaboration avec des entreprises du secteur de la santé et des sciences de la vie dans le segment des entreprises. Lorsqu'elle ne travaille pas ou ne joue pas à des jeux vidéo, elle aide les filles et les femmes professionnelles à comprendre et à trouver leur chemin grâce à la technologie.
- Coinsmart. Le meilleur échange Bitcoin et Crypto d'Europe.
- Platoblockchain. Intelligence métaverse Web3. Connaissance amplifiée. ACCÈS LIBRE.
- CryptoHawk. Radar Altcoins. Essai gratuit.
- Source : https://aws.amazon.com/blogs/machine-learning/analyze-and-tag-assets-stored-in-veeva-vault-promomats-using-amazon-appflow-and-amazon-ai-services/
- "
- 10
- 100
- 7
- 9
- a
- Qui sommes-nous
- RÉSUMÉ
- accès
- accessible
- accommoder
- Compte
- atteindre
- à travers
- Agis
- ajout
- Supplémentaire
- propos
- Numérique
- AI
- Services d'IA
- Tous
- permet
- Amazon
- montant
- selon une analyse de l’Université de Princeton
- analytique
- il analyse
- A PART
- api
- Apis
- Application
- applications
- appliqué
- une approche
- approprié
- architecture
- autour
- artificiel
- intelligence artificielle
- œuvres d'art
- atout
- Outils
- associé
- acoustique
- Automatique
- automatiquement
- disponibilité
- AWS
- before
- va
- Améliorée
- jusqu'à XNUMX fois
- frontière
- construire
- Développement
- intégré
- la performance des entreprises
- Appelez-nous
- capacités
- Compétences
- maisons
- cas
- des charges
- Selectionnez
- classification
- essais cliniques
- le cloud
- entraînement
- code
- combinaison
- comment
- Venir
- commercial
- Sociétés
- complet
- composant
- complet
- ordinateur
- Informatique
- concept
- conditions
- confiance
- configuration
- NOUS CONTACTER
- connexion
- consentement
- Console
- contact
- contient
- contenu
- Correspondant
- Costs
- pourriez
- Pays
- engendrent
- créée
- crée des
- création
- Lettres de créance
- CTO
- Customiser
- des clients
- En investissant dans une technologie de pointe, les restaurants peuvent non seulement rester compétitifs dans un marché en constante évolution, mais aussi améliorer significativement l'expérience de leurs clients.
- tableau de bord
- données
- informatique
- décisions
- offre
- Demande
- démontré
- Danemark
- déployer
- déploiement
- destination
- destinations
- détails
- détecté
- Détection
- Développeur
- Développement
- numérique
- Actifs numériques
- découverte
- INSTITUTIONNELS
- Ne fait pas
- domaine
- domaines
- down
- drogue
- chacun
- même
- facile à utiliser
- risque numérique
- Efficace
- efforts
- permettre
- permet
- Endpoint
- ingénieur
- ENGINEERING
- Anglais
- Entrer
- Entreprise
- entités
- Environment
- événement
- événements
- peut
- exemple
- exemples
- existant
- Découvrez
- explorez
- étendre
- Extraits
- visages
- Fonctionnalité
- Fonctionnalités:
- Réactions
- femelle
- Des champs
- filtres
- trouver
- Prénom
- flux
- se concentre
- Abonnement
- le format
- trouvé
- de
- plein
- fonction
- fonctions
- plus
- avenir
- Games
- généralement
- généré
- obtention
- filles
- Global
- subventions
- hands-on
- front
- la médecine
- aider
- Haute
- Villa
- Comment
- How To
- HTTPS
- humain
- identifiant
- identifier
- Active
- image
- satellite
- l'importation
- comprendre
- inclus
- Y compris
- indice
- individuel
- secteurs
- industrie
- d'information
- Actualités
- contribution
- Inserts
- perspicacité
- idées.
- installer
- Assurance
- des services
- l'intégration
- Intelligence
- interagissant
- intéressé
- Interfaces
- IP
- IP dédiée
- IT
- Emploi
- chemin
- XNUMX éléments à
- ACTIVITES
- l'étiquetage
- Etiquettes
- langue
- Langues
- gros
- Nouveautés
- lancer
- conduire
- Laisser
- Life Sciences
- lignes
- LINK
- locales
- Style
- click
- maintenir
- faire
- FAIT DU
- gérer
- gérés
- gestion
- manière
- Manuel
- fabrication
- cartographie
- Stratégie
- maîtrise
- matières premières.
- mécanisme
- médical
- mentionné
- Métrique
- ML
- numériques jumeaux (digital twin models)
- PLUS
- (en fait, presque toutes)
- Bougez
- plusieurs
- Nature
- nécessaire
- Besoins
- next
- Bruit
- Offres Speciales
- compenser
- ouvert
- d'exploitation
- opération
- Optimiser
- Options
- de commander
- original
- Autre
- global
- propre
- possession
- partie
- En passant
- Mot de Passe
- patientforward
- pourcentage
- parfaite
- performant
- Pharmacie
- jouer
- veuillez cliquer
- politiques
- politique
- po
- pop-up
- représentent
- précédent
- la confidentialité
- d'ouvrabilité
- processus
- les process
- traitement
- Processeur
- producteur
- Produits
- ,une équipe de professionnels qualifiés
- preuve
- preuve de concept
- propriété
- protocoles
- fournir
- fournit
- procuration
- public
- publier
- but
- des fins
- Poussé
- Rapide
- vite.
- élevage
- allant
- nous joindre
- Réagir
- réaction
- record
- Articles
- régulateurs
- pertinent
- restant
- représenté
- demandes
- un article
- Ressources
- réponse
- résultant
- Résultats
- détail
- Rôle
- Courir
- même
- Évolutivité
- Escaliers intérieurs
- prévu
- Sciences
- STARFLEET SCIENCES
- en toute sécurité
- clignotant
- Sans serveur
- service
- Services
- set
- mise
- Partager
- montrer
- étapes
- depuis
- site
- situation
- petit
- So
- Logiciels
- logiciel en tant que service
- solide
- sur mesure
- Solutions
- RÉSOUDRE
- quelques
- spécialisation
- groupe de neurones
- caractéristiques
- empiler
- Standard
- Commencer
- j'ai commencé
- Région
- déclarations
- Statut
- storage
- Boutique
- STORES
- courant
- structuré
- Étude
- Ces
- réussi
- Avec succès
- Support
- Appareils
- Appuyer
- Les soutiens
- combustion propre
- Système
- tâches
- équipe
- équipes
- Technique
- Technologie
- modèles
- conditions
- Les
- La Source
- le monde
- trois
- Avec
- ATTACHER
- fiable
- long
- outil
- vers
- suivre
- Tracking
- transférer
- transferts
- Traduction
- déclenché
- sous
- compréhension
- unique
- illimité
- Mises à jour
- Actualités
- us
- utilisé
- validation
- Plus-value
- divers
- Voûte
- version
- Vidéo
- jeux vidéo
- sites Internet
- tout en
- sans
- des mots
- Activités principales
- travaillé
- de travail
- vos contrats
- world
- années
- Votre