人工智能对数据分析师的影响

格伦·拉比(Glen Rabie)在一次研讨会上表示，尽管许多分析师可能担心他们会被自动化和人工智能取代，但数据分析师的角色将对业务和所需技能的广度产生重大影响。Yellowfin是一家分析和商业智能软件公司，致力于帮助企业理解他们的数据。Rabie热衷于数据，并通过分析提高业务绩效。在创建黄鳍之前，他在澳大利亚国家银行担任过许多职务，包括高级电子商务顾问和全球员工自助服务经理。拉比拥有墨尔本大学的商业硕士学位。

将人工智能、自动化和数据讲故事引入分析领域不仅会对分析的最终用户产生直接影响，还会对该领域的工作人员产生直接影响。尽管许多分析师可能担心他们将被自动化和人工智能所取代，但他们相信数据分析师的角色将对业务和所需技能的广度产生重大影响。

传统上，数据分析师花费大量时间在平凡而重复的任务上，例如准备分析数据、创建报告和仪表板，然后使用这些任务手动搜索数据中有意义的变化。使用传统的分析和商业智能工具，分析师无法探索数据的每一种组合或排列。如果他们真的找到了感兴趣的东西，他们如何确定它对企业是否具有统计相关性和意义？自动化数据发现的引入解决了这些问题。它减少了寻找见解的时间，然后给分析师留出更多时间解释他们发现的附加值。这将要求分析师精通业务(理解业务，而不仅仅是数据)和故事讲述者，他们提高识字能力，以便更好地交流他们的发现。

今天，数据分析师的角色包括广泛的数据管理和分析活动。这包括获取、准备、清理和建模数据，然后通过创建报告和仪表板为业务定制分析来支持决策。在所有这些活动中，对业务的真正价值是那些与识别影响业务的关键变化或趋势以及解释这些信息以确定对业务的可能影响相关的价值。

商业分析师面临的困境是，尽管口译是他们从事的最有价值的活动，但他们花费的时间最少。大多数数据分析师只将20%的时间花在实际数据分析上，80%的时间花在业务收入很少的任务上，例如发现、清理和建模数据，这些工作效率极低，对业务几乎没有任何价值。

这不仅仅是低效的数据准备。传统的数据分析和可视化工具需要完全手动的数据发现方法。用户必须从大量字段和过滤器中进行选择，然后在搜索模式、趋势和异常变化时对数据进行切片。这种手动过程非常耗时，容易出现人为错误和偏见，尤其是在当今数据丰富的世界。结果如何呢？识别业务数据中的关键变化是偶然的，而不是决定性的。这给希望为决策识别数据的企业带来了风险。

人工智能和自动化承诺从根本上改变这种模式。当应用于分析和商业智能时，许多繁琐耗时的过程将由机器完成。使用机器学习来简化数据分析，匹配和清理过程的智能数据准备将大大减少分析师准备数据进行分析的时间。这与人工智能驱动的数据发现相结合，可以将一系列复杂的算法应用于数据，这将减少数据探索和发现相关业务见解的时间。

然而，这些进步并不意味着人工智能将取代数据分析师。人工智能非常适合自动化，但它有根本的局限性。这台机器无法理解这个场景。只有人类才能用复杂的术语来描述数据，如组织环境、外部市场因素、客户动态等。例如，根据竞争对手营销增长的轶事，在产品销售下降趋势中寻找意义的能力远远超出了人工智能所能处理的范围，但人类这样做相对简单。

这种转变的结果将使数据分析师能够花更多的时间做机器无法做的事情，以提供场景和解释数据。数据分析师将晋升为重要业务伙伴的数据分析师。他们将使用他们的数据读写技能来帮助业务部门解释数据，将发现的见解放到上下文中，并使用这些数据来讲述令人信服的故事。因此，业务数据分析师需要更加精通业务并培养技能。

这并不意味着重复的数据分析工作不会消失。对于专注于数据准备和仪表板构建的数据分析师来说，他们的时间会更早。然而，组织将更多地依赖熟练的人员来获得对数据含义的更深理解。数据分析师将依赖人工智能驱动的工具，使他们的工作变得更加简单，这样他们就可以在高价值的活动上花更多的时间，比如数据解释和故事讲述。因此，他们将能够为业务提供有意义的分析，并做出更好的数据驱动决策。