Τα τελευταία χρόνια γίνεται πολύς λόγος για την τεχνητή νοημοσύνη και την αυτοματοποίηση. Πιστεύω όμως ότι το επόμενο εμπόδιο που θα συναντήσουν στην πραγματικότητα οι ΜΜΕ δεν είναι η ΑΙ αλλά τα "δεδομένα ".
---
Μέχρι στιγμής, έχω ξεκινήσει αρκετές επιχειρήσεις από το μηδέν και τις έχω μεγαλώσει σε κλίμακα πολλών εκατομμυρίων δολαρίων, Έχω ξεκινήσει αρκετές επιχειρήσεις από το μηδέν και τις έχω αναπτύξει σε κλίμακα πολλών εκατομμυρίων δολαρίων. Τόσο επιχειρήσεις ηλεκτρονικού εμπορίου όσο και νεοσύστατες επιχειρήσεις SaaS. Ωστόσο, υπάρχει ένα κοινό ζήτημα που εμφανίζεται σε κάθε φάση.
Αυτός είναι ο περιορισμός των λογιστικών φύλλων.
---
Καθώς η επιχείρηση αναπτύσσεται και οι ετήσιες πωλήσεις ξεπερνούν τα εκατομμύρια δολάρια, Πωλήσεις, απογραφή, διαφήμιση, δεδομένα πελατών, δεδομένα πληρωμών ...... Όλοι οι αριθμοί αρχίζουν να συσσωρεύονται διακριτικά.
Στην αρχή, μπορείτε να τα καταφέρετε με ένα φύλλο Google. Αλλά όταν η κλίμακα γίνεται λίγο μεγαλύτερη, γίνεται θόρυβος που δεν μπορεί πλέον να εντοπιστεί από το ανθρώπινο μάτι και το χέρι.
Επιπλέον, στην περίπτωση των ιαπωνικών εταιρειών, η διαχείριση Excel είναι ο κανόνας, ακόμη και στις μεγάλες εταιρείες. Ο υπεύθυνος συγκεντρώνει τα στοιχεία με το χέρι κάθε μέρα, Ο μόνος τρόπος για να διατηρηθεί η συνέπεια είναι ο υπεύθυνος να προσθέτει χειροκίνητα τους αριθμούς κάθε μέρα.
Αυτή η εργασία είναι πιο επίπονη απ' ό,τι φαίνεται. Λένε "ας αυξήσουμε την παραγωγικότητα" ενώ αντιγράφουν αριθμούς με το χέρι. Είναι μια αντίφαση.
---
Γι' αυτό το λόγο, αυτό που χρειάζεται τώρα είναι η εισαγωγή της μηχανικής δεδομένων. Ιδιαίτερα σημαντικό είναι το Εργαλείο κατασκευής δεδομένων (DBT).
Οι DBTs είναι οι μηχανικοί που είναι υπεύθυνοι για τον καθαρισμό των δεδομένων, κατά κάποιο τρόπο. Απορροφούν τα διάσπαρτα δεδομένα, τα μετατρέπουν σε καθαρή μορφή και τα τροφοδοτούν σε εργαλεία AI και BI.
Η τεχνητή νοημοσύνη λειτουργεί σωστά μόνο όταν της δίνονται τα σωστά δεδομένα. Γι' αυτό πρέπει να ρυθμίσετε το αγωγό δεδομένων σας πριν από την τεχνητή νοημοσύνη.
---
Για παράδειγμα, θέλουν να βελτιστοποιήσουν τα μέτρα πωλήσεων. Η οικονομική ομάδα θέλει να βλέπει τις ταμειακές ροές σε πραγματικό χρόνο. Θέλουν να χρησιμοποιήσουν τεχνητή νοημοσύνη για την πρόβλεψη.
Όμως όλες αυτές βασίζονται στην υπόθεση ότι υπάρχουν πρώτα τα σωστά δεδομένα. Ακόμη και σε μια εποχή που η τεχνητή νοημοσύνη μοιάζει με μαγεία, Στην πραγματικότητα, το πιο ανθρώπινο και προσγειωμένο μέρος της διαδικασίας - "ο καθαρισμός των δεδομένων " - είναι το θεμέλιο των πάντων. *"Ο καθαρισμός των δεδομένων " είναι το θεμέλιο των πάντων.
---
Στο μέλλον, οι ΜΜΕ θα προσλαμβάνουν άτομα, αντιμετωπίζουν όταν προσπαθούν να επεκτείνουν την επιχείρησή τους, ούτε χρηματοδότηση ούτε προσλήψεις, αλλά δομή δεδομένων.
Η τεχνητή νοημοσύνη είναι πιο δύσκολο να "τροφοδοτηθεί" παρά να "χρησιμοποιηθεί". Αποφοιτήστε από τα λογιστικά φύλλα, εργαλεία όπως η DBT για τη δημιουργία δεδομένων που μπορούν να κατανοήσουν οι άνθρωποι. Αυτό είναι το πρώτο βήμα για να επιβιώσουν οι ΜΜΕ στην εποχή της τεχνητής νοημοσύνης.