Pastaruoju metu dirbtinis intelektas skverbiasi į kiekvieną darbo sritį – el. laiškus, akcijų pasirinkimą, net projektų planavimą. Natūralu, kad kyla didelis, bauginantis klausimas: ar duomenų analitikai bus kitas, kuriam teks mesti iššūkį? Sąžiningas atsakymas, deja, yra kažkur tarp jų. Taip, dirbtinis intelektas yra stiprus skaičiuodamas, bet chaotiška, žmogiškoji duomenų susiejimo su realiais verslo sprendimais pusė? Tai vis dar labai susiję su žmonėmis.
Išsiaiškinkime tai neįklimpdami į įprastą technologijų ažiotažą.
Straipsniai, kuriuos galbūt norėsite perskaityti po šio:
🔗 Geriausi dirbtinio intelekto įrankiai duomenų analitikams
Geriausi dirbtinio intelekto įrankiai, skirti pagerinti analizę ir sprendimų priėmimą.
🔗 Nemokami dirbtinio intelekto įrankiai duomenų analizei
Ištirkite geriausius nemokamus dirbtinio intelekto sprendimus darbui su duomenimis.
🔗 „Power BI“ dirbtinio intelekto įrankiai, transformuojantys duomenų analizę
Kaip „Power BI“ naudoja dirbtinį intelektą duomenų įžvalgoms gerinti.
Kodėl dirbtinis intelektas iš tikrųjų gerai veikia duomenų analizėje 🔍
Dirbtinis intelektas nėra magas, tačiau jis turi keletą rimtų pranašumų, į kuriuos analitikai atkreipia dėmesį:
-
Greitis : Apdoroja didžiulius duomenų rinkinius greičiau nei bet kuris praktikantas.
-
Šablonų stebėjimas : aptinka subtilias anomalijas ir tendencijas, kurių žmonės gali nepastebėti.
-
Automatizavimas : Tvarko nuobodžius veiksmus – duomenų paruošimą, stebėjimą, ataskaitų generavimą.
-
Prognozė : Kai sąranka yra tvirta, ML modeliai gali prognozuoti, kas greičiausiai bus toliau.
Šioje srityje madingas žodis yra papildytoji analitika – dirbtinis intelektas, integruotas į BI platformas, skirtas apdoroti atskiras proceso dalis (pasiruošimas → vizualizacija → pasakojimas). [Gartner][1]
Ir tai nėra teorinis aspektas. Apklausos nuolat rodo, kaip kasdienės analitikos komandos jau naudojasi dirbtiniu intelektu valymui, automatizavimui ir prognozėms – nematoma santechnika, kuri palaiko ataskaitų suvestines gyvybes. [Anaconda][2]
Taigi, žinoma, dirbtinis intelektas pakeičia dalį darbo. Bet pats darbas? Vis dar veikia.
Dirbtinis intelektas ir žmonės analitikai: trumpa greta 🧾
| Įrankis / vaidmuo | Kas jam geriausia | Įprasta kaina | Kodėl tai veikia (arba neveikia) |
|---|---|---|---|
| Dirbtinio intelekto įrankiai („ChatGPT“, „Tableau“ dirbtinis intelektas, „AutoML“) | Matematikos skaičiavimas, šablonų paieška | Prenumeratos: nemokamos → brangios pakopos | Žaibiškai greitas, bet nekontroliuojamas gali „haliucinuoti“ [NIST][3] |
| Žmonių analitikai 👩💻 | Verslo kontekstas, pasakojimas | Atlyginimo pagrindu (laukinis diapazonas) | Įtraukia niuansus, paskatas ir strategiją |
| Hibridinis (DI + žmogus) | Kaip iš tikrųjų veikia dauguma įmonių | Dviguba kaina, didesnis atlygis | Dirbtinis intelektas atlieka smulkius darbus, žmonės valdo laivą (iki šiol tai buvo sėkminga formulė) |
Kur dirbtinis intelektas jau lenkia žmones ⚡
Būkime atviri: dirbtinis intelektas šiose srityse jau laimi –
-
Grumtynės su didžiuliais, netvarkingais duomenų rinkiniais be jokių nusiskundimų.
-
Anomalijų aptikimas (sukčiavimas, klaidos, išskirtinės vertės).
-
Tendencijų prognozavimas naudojant mašininio mokymosi modelius.
-
Prietaisų skydelių ir įspėjimų generavimas beveik realiuoju laiku.
Pavyzdys: vienas vidutinio dydžio mažmenininkas įdiegė anomalijų aptikimą į grąžinimų duomenis. Dirbtinis intelektas pastebėjo su vienu SKU susijusį šuolį. Analitikas įdėjo įžvalgų, rado neteisingai paženklintą sandėlio dėžę ir sustabdė brangiai kainuojančią reklamos klaidą. Dirbtinis intelektas tai pastebėjo, bet žmogus nusprendė ...
Kur vis dar valdo žmonės 💡
Vien skaičiai įmonių nevaldo. Sprendimus priima žmonės. Analitikai:
-
Neaiškią statistiką paverskite istorijomis, kurios vadovams iš tikrųjų rūpi .
-
Užduokite keistus „kas būtų, jeigu“ klausimus, kurių dirbtinis intelektas net nesuformuluotų.
-
Pagautų duomenų šališkumas, informacijos nutekėjimas ir etiniai spąstai (labai svarbūs pasitikėjimui) [NIST][3].
-
Sutelkite įžvalgas į realias paskatas ir strategiją.
Pagalvokite apie tai šitaip: dirbtinis intelektas gali šaukti „pardavimai sumažėjo 20 %“, bet tik žmogus gali paaiškinti: „Taip yra todėl, kad konkurentas padarė triuką – štai ar mes į tai atremsime, ar ignoruosime“.
Visiškas pakeitimas? Vargu ar 🛑
Kyla pagunda bijoti visiško perėmimo. Bet koks realus scenarijus? Vaidmenys keičiasi , jie neišnyksta:
-
Mažiau vargo, daugiau strategijos.
-
Žmonės sprendžia, o dirbtinis intelektas spartina.
-
Įgūdžių tobulinimas lemia, kas klestės.
Atidžiau pažvelgus, TVF mato, kad dirbtinis intelektas pakeis baltųjų apykaklių darbus – jų visiškai nepanaikins, o pertvarkys užduotis pagal tai, ką mašinos daro geriausiai. [TVF][4]
Įveskite „Duomenų vertėją“ 🗣️
Karščiausia nauja pozicija? Analitikų vertėjas. Žmogus, kuris kalba ir „modelio“, ir „valdymo posėdžių“ terminais. Vertėjai apibrėžia naudojimo atvejus, susieja duomenis su realiais sprendimais ir užtikrina, kad įžvalgos būtų praktiškos. [McKinsey][5]
Trumpai tariant: vertėjas užtikrina, kad analitika atsakytų į tinkamą verslo problemą – kad lyderiai galėtų veikti, o ne tik spoksoti į diagramą. [McKinsey][5]
Pramonės šakos nukentėjo stipriau (ir švelniau) 🌍
-
Labiausiai paveikti : finansų, mažmeninės prekybos, skaitmeninės rinkodaros – sparčiai besivystantys, daug duomenų naudojantys sektoriai.
-
Vidutinis poveikis : sveikatos priežiūra ir kitos reguliuojamos sritys – didelis potencialas, bet priežiūra lėtina procesą [NIST][3].
-
Mažiausiai paveikti : kūrybinis ir kultūrinis darbas. Nors net ir čia dirbtinis intelektas padeda atliekant tyrimus ir testavimą.
Kaip analitikai išlieka aktualūs 🚀
Štai „ateities užtikrinimo“ kontrolinis sąrašas:
-
Įpraskite dirbtinio intelekto / mašininio mokymosi pagrindams (Python / R, AutoML eksperimentai) [Anaconda][2].
-
Padvigubinkite pasakojimo ir komunikacijos lygį .
-
Ištirkite papildytąją analizę „Power BI“, „Tableau“, „Looker“ [Gartner][1].
-
Ugdykite srities žinias – žinokite „kodėl“, o ne tik „ką“.
-
Praktikuokite vertėjo įgūdžius: formuluokite problemas, paaiškinkite sprendimus, apibrėžkite sėkmę [McKinsey][5].
Įsivaizduokite dirbtinį intelektą kaip savo asistentą, o ne konkurentą.
Esmė: ar analitikai turėtų nerimauti? 🤔
Kai kurios pradedančiųjų analitikų užduotys bus automatizuotos, ypač pasikartojantis parengiamasis darbas. Tačiau profesija nemiršta. Ji kyla į aukštesnį lygį. Analitikai, kurie naudoja dirbtinį intelektą, gali sutelkti dėmesį į strategiją, istorijų pasakojimą ir sprendimų priėmimą – tai, ko programinė įranga negali padirbti. [TVF][4]
Toks ir atnaujinimas.
Nuorodos
-
Anaconda. Duomenų mokslo būklės 2024 m. ataskaita. Nuoroda
-
„Gartner“. Papildytoji analitika (rinkos apžvalga ir galimybės). Nuoroda
-
NIST. Dirbtinio intelekto rizikos valdymo sistema (DI RMF 1.0). Nuoroda
-
TVF. Dirbtinis intelektas pakeis pasaulio ekonomiką. Užtikrinkime, kad tai būtų naudinga žmonijai. Nuoroda
-
„McKinsey & Company“. Analizės vertėjas: naujas būtinas vaidmuo. Nuoroda