Ces dernières années, on a beaucoup parlé d'IA et d'automatisation. Mais je pense que le prochain obstacle que les PME vont rencontrer n'est pas l'IA mais les "données ".
---
Jusqu'à présent, j'ai créé un certain nombre d'entreprises à partir de rien et je les ai développées jusqu'à ce qu'elles atteignent une taille de plusieurs millions de dollars, **J'ai créé un certain nombre d'entreprises à partir de rien et les ai développées jusqu'à ce qu'elles atteignent une taille de plusieurs millions de dollars. Qu'il s'agisse d'entreprises de commerce électronique ou de start-ups SaaS. Cependant, il y a un problème commun qui apparaît à chaque étape.
C'est la limitation des feuilles de calcul.
---
Au fur et à mesure que l'entreprise se développe et que les ventes annuelles dépassent les millions de dollars, Ventes, stocks, publicité, données clients, données de paiement ...... Tous les chiffres commencent à s'accumuler discrètement.
Au début, vous pouvez vous contenter d'une feuille de calcul Google. Mais lorsque l'échelle devient un peu plus grande, cela devient du bruit qui ne peut plus être suivi par l'œil et la main humains, cela devient du bruit qui ne peut plus être suivi par l'œil et la main de l'homme.
De plus, dans le cas des entreprises japonaises, la gestion Excel est la norme, même dans les grandes entreprises. Chaque jour, le responsable rassemble manuellement les chiffres, Le seul moyen de maintenir la cohérence est que le responsable additionne manuellement les chiffres tous les jours.
Ce travail est plus pénible qu'il n'y paraît. Ils disent "augmentons la productivité" tout en copiant les chiffres à la main. C'est une contradiction.
---
C'est pourquoi il faut maintenant introduire l'ingénierie des données. L'outil Data Build Tool (DBT) est particulièrement important.
Les TCD sont en quelque sorte les ingénieurs chargés de nettoyer les données. Ils aspirent les données éparses, les transformer en une forme propre et les introduire dans les outils d'IA et de BI.
L'IA ne fonctionne correctement que si elle dispose des bonnes données. C'est pourquoi vous devez mettre en place votre pipeline de données avant l'IA.
---
Par exemple, ils veulent optimiser les mesures de vente. L'équipe financière veut voir les flux de trésorerie en temps réel. Elle souhaite utiliser l'IA pour les prévisions.
Mais toutes reposent sur l'hypothèse que les bonnes données existent d'abord. Même à une époque où l'IA semble magique, En fait, la partie la plus humaine et la plus terre-à-terre du processus - "nettoyage des données " - est la base de tout. *La partie la plus humaine et la plus terre à terre du processus - "nettoyage des données " - est la base de tout.
---
À l'avenir, les PME embaucheront des personnes, Les PME seront confrontées à des difficultés lorsqu'elles essaieront de développer leur entreprise, ni au financement ni au recrutement, mais à la structuration des données.
L'IA est plus difficile à "nourrir" qu'à "utiliser". Se détacher des feuilles de calcul, des outils comme DBT pour créer des données que les humains peuvent comprendre. C'est la première étape pour que les PME survivent à l'ère de l'IA.