@ArnaudL67 Cette règle devient surtout intéressante quand on cherche les mouvements entre les deux groupes. Un recrutement, une nouvelle direction ou une expansion peuvent signaler qu’une entreprise entre dans une période d’achat. Qu'est-ce que t'utilises pour repérer ce moment?
CHF 2.6M of chocolate pudding. CHF 7.3M of combat-boot socks. CHF 1.5M for a church organ. We went through 137,000 Swiss public contracts and picked the strangest ones.
https://t.co/gMgXMwUn71
@LConchaudron La réponse change mais la question reste la même: qu'est-ce que j'arrive à faire mieux que mes concurrents? Être un as du développement perd de son effet différenciateur.
@medhiclabaut Je suis curieux de suivre les écarts entre ce que les entreprises imaginent pouvoir automatiser et ce qui fonctionne réellement sur le terrain surtout avec la contrainte souveraine. Tu interviens surtout auprès de PME ou de grandes entreprises?
@StefJambu La marge dépend beaucoup du coût d’acquisition et du niveau de service après la vente. Sur quels types de solo businesses observes-tu réellement une marge de 60 à 80%?
@Chuuupz Curieux de voir comment tu répartis le travail entre les agents. Lequel a été le plus difficile à rendre fiable: qualification des demandes, négociation ou suivi après la vente?
Je partage assez bien l’idée des modèles spécialisés au-dessus des logiciels existants. Pour beaucoup de tâches CRM répétitives, un petit modèle ciblé ou même du ML classique offre déjà un meilleur rapport coût-fiabilité. L'expression "écraser une mouche avec un marteau" est bien trop faible pour exprimer le nombre d'implémentations à base de LLMs que je vois pour faire de la classification ultra-basique...
@tivollem A moitié d'accord: oui, si tu build mais que tu sais pas vendre t'es mort, mais si tu build et que tu sais vendre, t'es quand même à la merci de quelqu'un qui vend et/ou build mieux que toi. Si tu veux faire du cash il faut trouver ton avantage concurrentiel unique.
@CameleonGoods Les embeddings c'est la base! J'ai pas mal joué avec des embeddings et reranker qui comprennent les instructions, c'est ultra puissant et bien plus économe que de passer par un LLM pour filtrer un gros pool de retrieval.
@Prof_zOUZOU Sept Claude en parallèle, c’est presque devenu un problème d’orchestration plus que de maths 😅 Dans ton équipe, le goulot d’étranglement s’est déplacé vers la revue des sorties ou vers la définition des expériences?
@VishnuPras24695@X I’m building Prospex, a SaaS product that turns public Swiss company data and recent changes into prospecting signals. There’s a surprising amount of data engineering beneath what looks like a simple company search. Happy to connect.
@michael_da10361@GauravK79996771 Good to meet another data engineer. I spend a lot of time building Python pipelines for public company data and enrichment. What are you working on at the moment?
@elisynthdev@iamvibecoder An autonomous data engineering team sounds ambitious. How are you dividing responsibility between agents, especially for validating outputs and recovering from failed pipeline steps?
@_netsamurai Web scraping and automation account for an unexpectedly large share of my solo-founder life. I use them to track changes in Swiss company data, then ML helps turn that raw material into something sales teams can use. Glad to connect 👋
@_ap_square_ I’m building a B2B prospecting product, so keeping public company data clean and current takes up a large chunk of my time. Good to meet someone else building around data 👋
@LegacyxAce@X Python, machine learning, and startups cover a fair bit of my working week. I’m a solo founder building a B2B data product, with plenty of classification and enrichment work behind the scenes. Happy to connect.