V zadnjih nekaj letih je bilo veliko govora o umetni inteligenci in avtomatizaciji. Vendar menim, da naslednja ovira, na katero bodo naletela MSP, ne bo UI, temveč "podatki ".
---
Do zdaj sem ustanovil več podjetij iz nič in jih razvil do večmilijonskega obsega, Začel sem več podjetij iz nič in jih razvil do večmilijonskega obsega. Tako podjetja za e-trgovino kot zagonska podjetja SaaS. Vendar se v vseh fazah pojavlja skupna težava.
To je omejitev preglednic.
---
Ko podjetje raste in letna prodaja preseže milijone dolarjev, Prodaja, zaloge, oglaševanje, podatki o strankah, podatki o plačilih ...... Vse številke se začnejo diskretno kopičiti.
Na začetku lahko zadostujete z Googlovo preglednico. Ko pa se obseg nekoliko poveča, postane šum, ki ga človeško oko in roka ne moreta več spremljati.
Poleg tega je v japonskih podjetjih upravljanje z Excelom običajna praksa, tudi v velikih podjetjih. Odgovorna oseba vsak dan ročno sestavlja številke, Edini način za ohranjanje doslednosti je, da odgovorna oseba vsak dan ročno sešteje številke.
To je bolj boleče delo, kot je videti. Pravijo "povečajmo produktivnost", medtem ko ročno prepisujejo številke. To je protislovje.
---
Zato je zdaj potrebna uvedba podatkovnega inženiringa. Še posebej ključno je orodje za izdelavo podatkov (DBT).
DBT so tako rekoč inženirji, zadolženi za čiščenje podatkov. Posrkajo razpršene podatke, jih preoblikujejo v čisto obliko in jih posredujejo orodjem umetne inteligence in orodjem BI.
Umetna inteligenca deluje pravilno le, če ima na voljo prave podatke. Zato morate pred umetno inteligenco ustvariti svoj podatkovni cevovod.
---
Želijo na primer optimizirati prodajne ukrepe. Finančna ekipa želi videti denarni tok v realnem času. Želijo uporabiti umetno inteligenco za napovedovanje.
Vsi pa temeljijo na predpostavki, da najprej obstajajo pravi podatki. Tudi v dobi, ko se umetna inteligenca zdi čarobna, je pravzaprav najbolj človeški in prizemljen del procesa - "čiščenje podatkov " - temelj vsega. *"Čiščenje podatkov " je temelj vsega.
---
V prihodnosti bodo MSP zaposlovala ljudi, se bodo soočala s tem, da bodo poskušala povečati obseg svojega poslovanja, ne s financiranjem ali zaposlovanjem, temveč s strukturiranjem podatkov.
UI je težje "hraniti" kot "uporabljati". Preidite iz preglednic, orodja, kot je DBT, za ustvarjanje podatkov, ki jih ljudje lahko razumejo. To je prvi korak za MSP, da preživijo dobo umetne inteligence.