人工智能對數據分析師的影響
在一次研討會上，Yellowfin公司首席執行官Glen Rabie認爲，雖然許多分析師可能擔心他們會被自動化和人工智能所取代，但數據分析師的角色將對業務和所需技能的廣泛性產生重要影響。Yellowfin公司是一家分析和商業智能軟件公司，致力於幫助企業瞭解他們的數據。Rabie對數據充滿熱情，並通過分析提高業務績效。在創立Yellowfin公司之前，他曾在澳大利亞國民銀行擔任過多個職位，其中包括高級電子商務顧問和全球員工自助服務經理。Rabie擁有墨爾本大學的商業碩士學位。
將人工智能、自動化和數據講故事引入分析領域不僅會對分析的最終用戶產生直接影響，還會對在該領域工作的人員產生直接影響。雖然許多分析師可能擔心它們會被自動化和人工智能所取代，但相信數據分析師的角色將會對業務和所需技能的廣泛性產生重大影響。
傳統上，數據分析師花了大量時間來完成一些平凡而重複的任務，例如準備分析數據、創建報表和儀表盤，然後使用這些任務人工搜索數據中有意義的更改。使用傳統的分析和商業智能工具，分析師無法探索其數據的每一種組合或排列。如果他們真的找到了感興趣的東西，他們如何確定它在統計上是否相關，是否對企業有意義?自動化數據發現的引入解決了這些問題。它減少了尋找洞察力的時間，隨後爲分析師解釋其發現增加價值留下了更多的時間。這將需要分析人員變得精通業務(瞭解業務，而不僅僅是數據)和提高識字技能的故事講述者，以更好地傳達他們的發現。
如今，數據分析師的作用包括廣泛的數據管理和分析活動。這包括獲取、準備、清理和建模數據，然後通過創建報表和儀表盤爲業務定製分析來支持決策。在所有這些活動中，對業務的真正價值是那些與識別影響業務的關鍵變化或趨勢以及解釋這些信息以確定可能對業務的影響有關的活動。
業務分析師面臨的兩難困境是，雖然解釋是他們承擔的最有價值的活動，但他們花費的時間最少。大多數數據分析師只花費20%的時間用於實際數據分析，80%的時間用於完成業務收益很少的任務，例如查找、清理和建模數據，這些效率極低，對業務增值不大。
這不僅僅是數據準備效率低下。傳統的數據分析和可視化工具需要完全人工的數據發現方法。用戶必須從大量字段和過濾器中進行選擇，然後在搜索模式，趨勢和異常變化時切片和切塊數據。這個人工過程非常耗時，並且極易出現人爲錯誤和偏見，尤其是在當今數據豐富的世界中。其結果是什麼?識別業務數據中的關鍵變化是偶然的，而不是確定的事情。這爲希望確定用於決策的數據的商業領袖帶來了風險。
人工智能和自動化承諾從根本上改變這種範式。應用於分析和商業智能，許多繁瑣且耗時的過程將由機器完成。使用機器學習來簡化數據分析，匹配和清理過程的智能數據準備將大大減少分析師爲分析準備數據所花費的時間。這與人工智能驅動的數據發現相結合，可以將一系列複雜的算法應用於數據，這將減少數據探索的時間，並發現相關的業務洞察。
然而，這些進步並不意味着人工智能將取代數據分析師。人工智能非常適合自動化，但它具有根本的侷限性。機器無法理解場景。只有人類纔有能力以複雜的術語對數據進行語境化，例如組織環境、外部市場因素、客戶動態等等。例例如，根據競爭對手的營銷增長的奇聞軼事，在產品銷售下降趨勢中尋找意義的能力遠遠超出了人工智能可以處理的範圍，但對於人類來說，這樣做相對簡單。
這種轉變的結果將使數據分析師花費更多的時間來做機器無法做到的事情——提供場景和解釋數據。數據分析師將被提升到重要業務合作伙伴的數據分析師，他們將利用他們的數據素養技能幫助業務部門解釋數據，將發現的見解置於語境中，並用這些數據講述令人信服的故事。這樣做的結果是，企業的數據分析師需要變得更加精通商業，並建立他們的技能。
這並不意味着重複的數據分析師工作不會消失。對於主要關注數據準備和儀表板構建的數據分析師來說，他們的時間將會更早地到來。但是，組織將更多地依賴那些具備技能的人員，以深入瞭解數據的含義。數據分析師將依靠人工智能驅動的工具，這些工具使他們工作中的平凡方面變得更容易，這樣他們就可以將更多的時間花在高價值的活動上，如數據解釋和講故事。因此，他們將能夠爲業務提供有意義的分析，從而做出更好的數據驅動決策。