在一次研讨会上，Yellowfin首席执行官Glen Rabie认为，尽管许多分析师可能会担心他们将被自动化和人工智能所取代，但数据分析师的角色将对业务的广度和所需的技能产生重大影响。 Yellowfin是一家分析和商业智能软件公司，致力于帮助公司了解他们的数据。 Rabie热衷于数据并通过分析提高业务绩效。在创立黄鳍金枪鱼之前，他曾在澳大利亚国民银行担任过多个职位，包括高级电子商务顾问和全球员工自助服务经理。 Rabie拥有墨尔本大学的商业硕士学位。

人工智能对数据分析师的影响
将人工智能，自动化和数据叙述引入分析领域将对分析的最终用户产生直接影响，并将对在该领域工作的人产生直接影响。虽然许多分析师可能担心他们将被自动化和人工智能所取代，但人们相信数据分析师的角色将对业务的广度和所需的技能产生重大影响。
传统上，数据分析师花费大量时间来完成平凡和重复的任务，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的有意义的更改。借助传统的分析和商业智能工具，分析师无法探索其数据的每种组合或排列。如果他们真的发现了一些有趣的东西，他们如何确定它在业务上是否具有统计相关性和意义？自动数据发现的引入解决了这些问题。它减少了查找洞察所需的时间，然后让分析师有更多时间发现他们有增值。这将要求分析师精通业务（了解业务，而不仅仅是数据）和提高识字技能的故事讲述者，以便更好地传达他们的发现。

如今，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来自定义业务分析来支持决策。在所有这些活动中，业务的真正价值在于识别影响业务的关键变化或趋势，并解释信息以确定可能对业务产生的影响。

业务分析师面临的困境是，虽然口译是他们承担的最有价值的活动，但他们花费的时间最少。大多数数据分析师仅将20％的时间花在实际数据分析上，将80％的时间花费在几乎没有商业利益的任务上，例如查找，清理和建模数据。这些效率极低，对业务几乎没有附加价值。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，趋势和异常中切片和压缩数据。这个手动过程非常耗时且极易出现人为错误和偏见，尤其是在当今数据丰富的世界中。结果是什么？识别业务数据中的关键变化是偶然的，而不是确定性的。这对想要确定用于决策的数据的商业领袖构成风险。
人工智能和自动化有望从根本上改变这种模式。应用于分析和商业智能，许多繁琐且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人员准备分析数据所需的时间。这与人工智能驱动的数据发现相结合，可以将一组复杂的算法应用于数据，从而减少数据探索的时间并发现相关的业务洞察。
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，但它具有根本的局限性。机器无法理解现场。只有人类才能够以复杂的术语对数据进行语境化，例如组织环境，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找到意义的能力远远超出人工智能可以处理的范围，但对于人类来说，这是相对简单的。

这种转变的结果将使数据分析师花更多的时间来做机器无法做的事情。——提供方案并解释数据。数据分析师将被提升为关键业务合作伙伴的数据分析师，他们将利用他们的数据素养技能帮助业务部门解读数据，在上下文中提供见解，并使用这些数据来讲述引人入胜的故事。结果是企业数据分析师需要更加熟练地掌握业务并培养他们的技能。

这并不意味着重复数据分析师的工作不会消失。对于专注于数据准备和仪表板构建的数据分析师来说，他们的时间会更快到来。但是，组织将更多地依赖具有技能的人来深入了解数据的含义。数据分析师将依靠人工智能驱动的工具，使他们工作中的世俗方面更容易，因此他们可以将更多时间花在数据解释和讲故事等高价值活动上。因此，他们将能够提供有意义的业务分析，以制定更好的数据驱动决策。

• 上一篇: 蓝盟IT外包，元宇宙：四梁八柱是什么
  下一篇: 什么是数据科学？将数据转化为价值

• 分享到：