Ce fac companiile mari cu datele lor (și de ce firmele cu 50-100 de angajați au nevoie de același lucru)

Databricks a publicat în noiembrie 2024 un studiu de caz despre cum Corning, Volvo și Cox Automotive și-au automatizat fluxurile de date. Cifrele sunt de altă lume față de o firmă de construcții cu 80 de oameni, dar problema e aceeași: date în silozuri și decizii luate pe rapoarte vechi. Analiza spune ce au făcut companiile mari, de ce firmele mici rămân în urmă și cum arată aceeași soluție pe platforma noastră, la scara ta.

Corning, Volvo și Cox Automotive au rezolvat aceeași problemă ca firma ta: date în silozuri

Cele trei companii din studiul Databricks aveau date împrăștiate în sisteme care nu vorbeau între ele și au automatizat fluxurile dintre ele. Corning gestionează aproximativ 2.500 de joburi automate, în jur de 5 petabytes de date, pentru 900 de utilizatori activi la nivel global (Databricks, 2024). Înainte, diviziile lucrau în silozuri: fiecare cu datele ei, curățate și procesate separat.

Volvo vinde aproape 200.000 de camioane noi pe an și urmărește milioane de piese de schimb. Cu procesare în timp real, monitorizează stocurile continuu și a obținut până la 40 % eficiență în plus la volume mari de date (Databricks, 2024). Cox Automotive rulează cam 300 de joburi, din care aproximativ 120 programate regulat, fără blocajele de dinainte.

Niciuna dintre cele trei nu vorbește despre tehnologie extraterestră. Vorbesc despre date adunate din surse diferite, actualizate automat și afișate așa cum sunt azi, nu cum erau acum două săptămâni. Fraza-cheie din studiu e trecerea de la „rezolvarea reactivă a problemelor” la „inovație proactivă”: afli că un proiect pierde bani cât mai poți face ceva.

Rapoartele fură timpul care ar trebui petrecut pe business

La o firmă de 50–100 de angajați, silozurile sunt trei Excel-uri, iar costul lor e timpul pierdut și decizia luată prea târziu. Contabilitatea are datele într-un fișier, vânzările în altul, șantierul într-al treilea. Vineri după-amiază, cineva încearcă să afle dacă Proiectul X a fost de fapt profitabil, iar răspunsul vine luni, dacă vine.

Nimeni nu numără orele astea, pentru că nu apar în nicio factură. Costul real nu e ora de copiat cifre, ci decizia amânată. Un client întreabă miercuri dacă poți prelua un proiect nou; ca să răspunzi, ai nevoie de capacitatea echipei din trei fișiere diferite.

Mai e un cost, mai tăcut: raportul consolidat ajunge la director cu trei-cinci zile după ce s-a întâmplat ceva pe șantier. O depășire de buget descoperită luni e deja o săptămână de comenzi în plus. Raportul spune ce s-a întâmplat, nu ce se întâmplă.

IMM-urile rămân în urmă pentru că sunt prea mari pentru Excel și prea mici pentru consultanți

Decalajul dintre firmele mici și cele mari e de mărime, nu de tehnologie: aceleași unelte există, dar nimeni nu le aduce la scara lor. Eurostat măsoară anual câte întreprinderi din Uniunea Europeană (UE) folosesc inteligența artificială (IA). În 2025, o foloseau 17,0 % dintre companiile mici, 30,4 % dintre cele medii și 55,0 % dintre cele mari (Eurostat, dec 2025).

Cu cât firma e mai mică, cu atât șansa să lucreze pe date automatizate scade. Explicația nu e lipsa de soluții: Power BI, Tableau și uneltele open source din familia Apache funcționează la orice scară. Volvo folosește aceleași principii ca o firmă de distribuție cu 50 de oameni; diferă doar cine le aduce la ușă.

Consultanții mari nu se uită la întreprinderile mici și mijlocii (IMM): ești prea mic pentru ei. Furnizorii de sisteme de planificare a resurselor (ERP) îți propun proiecte dimensionate pentru bugete de corporație: ești prea mare pentru Excel, dar prea mic pentru ei. Calea de mijloc există, dar nu are cine s-o vândă.

Automatizarea, concret, la o firmă de 80 de oameni

Automatizarea înseamnă că datele se introduc o singură dată, la sursă, iar raportul se face singur și te anunță când ceva iese din buget. Cuvântul sperie pentru că sună a proiect de un an. În practică, datele există deja: în programul de contabilitate, în pontaj, în comenzile de achiziție.

Ce lipsește e legătura dintre ele și un loc în care să fie citite împreună. Înainte, șeful de șantier trimite un Excel vineri după-amiază, managerul de proiect îl reconciliază cu două fișiere de la achiziții, iar directorul primește raportul luni. După, sursele se leagă o dată, dashboard-ul se actualizează singur, iar directorul vede situația de pe telefon.

Diferența care contează nu e dashboard-ul, ci alerta. Un raport frumos pe care nu-l deschide nimeni nu salvează niciun proiect; o notificare care spune că un șantier a consumat mai mult din buget decât din lucrare, da. Agentul IA din scena de deschidere face exact asta: citește cele trei surse și trimite alerta șefului de proiect, cu comenzile care explică diferența.

Ce ceri unui partener de automatizare

Nu ai nevoie de Databricks, ci de cineva care înțelege ce fac companiile mari și aduce aceleași principii la scara ta, în săptămâni. Databricks lucrează cu Volvo și Corning și vinde la dimensiunea lor; e normal. Firma de 80 de oameni nu are 2.500 de fluxuri, ci cinci-șase rapoarte care se fac de mână.

Partenerul potrivit pornește de la rapoartele astea, nu de la platformă. Primele două criterii sunt despre înțelegere: știe ce au făcut companiile mari și de ce a funcționat, și poate reduce principiile la cinci-zece proiecte în derulare. Următoarele două sunt despre unelte și ritm: instrumente accesibile, pe care le poți plăti și înțelege, și implementare în săptămâni, nu în luni.

Al cincilea criteriu e cel pe care puțini îl cer: alerte, nu doar rapoarte. Costul se judecă față de alternativă, nu în absolut. Alternativa e un om care adună cifre în fiecare vineri și un proiect la care afli că ai pierdut bani după ce s-a terminat.

În practică: raportul de vineri devine un dashboard cu alerte

O firmă de construcții fictivă cu 80 de angajați și șapte proiecte leagă trei surse și prinde prima depășire de buget în săptămâna a doua. Scenariul e cel din scena de deschidere: un program de contabilitate cu modul de achiziții, pontaj electronic și un Excel de urmărire pe fiecare șantier. Raportul de vineri lua trei ore și ajungea la director luni.

Date fictive.

Legarea a durat patru săptămâni, dintre care primele două pe curățarea denumirilor de proiecte, scrise diferit în cele trei surse. Din a treia, dashboard-ul răspunde la întrebări puse în limbaj natural: „care proiecte au depășit bugetul de materiale luna aceasta?”. În a doua săptămână de funcționare, Agentul IA a trimis prima alertă: Hala Ploiești consumase 92 % din bugetul de materiale la 68 % din lucrare.

Alerta venea cu cele trei comenzi care explicau diferența: țeavă PPR, ore suplimentare din săptămâna 36 și un retur refuzat la o vană. Radu T., șeful de proiect, a văzut-o la 08:14 de pe telefon, a deschis comenzile și a oprit-o pe a patra înainte să plece. În raportul de vineri, depășirea ar fi apărut peste zece zile, cu comanda deja livrată.

Unde nu se aplică

Legarea surselor și alertele au sens când datele există deja și cineva ia decizii pe ele; în trei situații nu e momentul.

• Când datele nu există încă în niciun sistem. Dacă orele și comenzile se știu din memorie sau de pe hârtie, nu ai ce lega; întâi digitalizezi, apoi automatizezi.
• Când ai unul-două proiecte în derulare. Un director care vede tot de pe șantier nu are nevoie de alerte; un Excel bun și ședința de luni ajung până la cinci-șase proiecte.
• Când nimeni nu are timp să răspundă la alertă. Alerta prinde depășirea, dar decizia o ia un om; dacă șeful de proiect nu are mandat să oprească o comandă, dashboard-ul devine încă un raport necitit.

Ce urmează

Luna asta, numără orele pe care echipa le pierde pe rapoarte manuale: cine adună, din câte fișiere, cât durează și când ajunge rezultatul la cel care decide. Cifra aia e răspunsul la întrebarea corectă, „cât ne costă să NU automatizăm?”, și e primul lucru pe care îl cere un partener serios. Dacă vrei să vezi ce procese se automatizează de regulă primele, cele opt idei de automatizare pentru firmele care au depășit Excel-ul pornesc exact de la raportarea manuală.

Întrebări frecvente

Surse

1. How automated workflows are revolutionizing the manufacturing industry · 2024
2. Use of artificial intelligence in enterprises (Eurostat, Statistics Explained) · 2025