I de sidste par år har der været meget snak om AI og automatisering. Men jeg tror, at den næste forhindring, som SMV'er faktisk vil støde på, ikke er AI, men "data".
---
Indtil videre har jeg startet en række virksomheder fra bunden og vokset dem til en skala på flere millioner dollars, Jeg har startet en række virksomheder fra bunden og fået dem til at vokse til en skala på flere millioner dollars. Både e-handelsvirksomheder og nystartede SaaS-virksomheder. Der er dog et fælles problem, som dukker op i alle faser.
Det er regnearkets begrænsning.
---
Når virksomheden vokser, og det årlige salg overstiger millioner af dollars, Salg, lagerbeholdning, reklamer, kundedata, betalingsdata ...... Alle tallene begynder at hobe sig diskret op.
I starten kan man klare sig med et Google-regneark. Men når skalaen bliver lidt større, bliver det til støj, som ikke længere kan spores af det menneskelige øje og hånd.
I japanske virksomheder er Excel-styring desuden normen, selv i store virksomheder. Den ansvarlige kombinerer tallene manuelt hver dag, Den eneste måde at bevare konsistensen på er, at den ansvarlige manuelt lægger tallene sammen hver dag.
Det er et mere smertefuldt arbejde, end det ser ud til. De siger "lad os øge produktiviteten", mens de kopierer tal i hånden. Det er en selvmodsigelse.
---
Derfor er der nu brug for introduktion af data engineering. Nøglen er især Data Build Tool (DBT).
DBT'er er så at sige ingeniører med ansvar for at rense data. De suger spredte data op, omdanner dem til en ren form og sender dem videre til AI- og BI-værktøjer.
AI fungerer kun korrekt, når den får de rigtige data. Det er derfor, du skal opsætte din datapipeline før AI.
---
De ønsker f.eks. at optimere salgstiltag. Økonomiteamet ønsker at se cash flow i realtid. Ønsker at bruge AI til prognoser.
Men de er alle baseret på den antagelse, at de rigtige data findes først. Selv i en tid, hvor AI virker som magi, Faktisk er den mest menneskelige og jordnære del af processen - "oprydning i data" - grundlaget for alt. *"Oprydning i data" er grundlaget for alt.
---
I fremtiden vil SMV'er ansætte folk, når de forsøger at skalere deres virksomhed, hverken finansiering eller rekruttering, men datastrukturering.
AI er sværere at 'fodre' end at 'bruge'. Gå videre fra regneark, værktøjer som DBT til at skabe data, som mennesker kan forstå. Det er det første skridt for SMV'er til at overleve AI-æraen.