AI分析師的崛起：為什麼這可能是AI革命中最重要的工作

我最近與領先的企業分析平台Alteryx首席執行官安迪·麥克米倫（Andy Macmillan）的對話強調了這一在AI革命中的關鍵但不足的作用。正如麥克米倫（MacMillan）所解釋的那樣，原始業務數據與AI-Ready信息之間的差距需要人類的專業知識，將技術知識與深層業務知識相結合。

麥克米倫告訴我：“我認為由於AI，將會出現一系列新角色。” “我認為我們已經談論了當今的技術角色。正在建立大型語言模型的人，正在建立AI代理商的人。但是我認為也將需要的是商業專業知識。”

AI-DATA斷開連接

大多數組織花了數十年的時間圍繞業務應用程序組織數據。您的CRM數據結構化以支持您的CRM軟件。您的ERP數據是為ERP功能設計的。但是人工智能需要不同的東西。

麥克米倫解釋說：“本質上，世界上最大的數據準備和數據轉換項目即將開始。” “公司重新考慮使用這些數據所需的內容。”

這種不匹配會產生一個基本問題。您不能簡單地將AI系統指向您現有的業務數據，並期望它了解您的業務流程，公司政策或行業細節。麥克米倫（Macmillan）用銷售委員會的實例說明了這一點：

“如果你問銷售負責人，委員會計劃是什麼？他們要說他們在哪個團隊？他們在哪個區域？他們的補償計劃是什麼樣的？我們正在運行哪些問題和計劃？”他解釋說。 “您可能必須將他們的佣金計劃從您的佣金平台中取出。您可能必須從人力資源數據庫中獲取基本工資。'因為通常，他們的佣金是其工資的百分比。”

AI分析師到底是什麼？

AI分析師彌合了業務知識與AI能力之間的差距。這些專業人員了解業務運營以及如何準備數據以使AI真正有價值。

根據麥克米倫（Macmillan）的說法，理想的候選人是“實際上是數據理解的結合，而是商業敏銳度。不僅是一個能夠做到真正有趣的計算機科學或數據科學的人。您將不得不了解真正使業務打擊的是什麼。”

這些分析師了解業務流程如何工作，並將其轉化為AI可以使用的數據工作流程。他們了解需要哪些問題以及需要什麼上下文才能使答案有意義。

麥克米倫預測：“我認為在接下來的十年中，每個知道如何使用這些數據集並了解業務的人都會有一個巨大的機會。” “這些是企業用戶，而不僅僅是數據科學家。這些人了解數據如何使業務運作。”

AI數據交換所

除了在技術上準備數據外，組織還面臨治理挑戰，在確定AI系統應訪問哪些信息時。

麥克米倫說：“我們有自上而下的任務，可以使用更多的AI和自上而下的任務，即我們的數據，IP，我們的任何信息都無法放入任何AI工具中。”

在這裡，“ AI數據交換所”的概念成為必不可少的 - 一種系統的方法，用於審查，批准和管理哪些數據輸入AI系統的方法。

麥克米倫解釋說：“您可以有一個返回交換所的過程。” “您可以使用Alteryx構建的數據工作流，然後說，好吧，在此工作流程，此數據流中，我要刪除此信息，我將重新發布此工作流程。我會再次獲得簽名。”

這種正式結構可幫助組織與合規性和安全問題之間的創新平衡。它創建了一個可審核的，可管理的系統，可為AI工具提供業務信息。

從儀表板到AI生成的見解

AI轉換也在改變我們與分析的互動方式。 AI無需靜態儀表板需要人類的解釋，而是提供敘述性報告，強調最重要的見解。

“想像一下，我沒有去儀表板去，而是去我的大公司儀表板，所有這些都是顏色編碼的，我正在點擊試圖弄清楚發生了什麼。如果，如果您只是收到一份報告告訴您發生了什麼的報告，該怎麼辦？”麥克米倫建議。

Alteryx用他們稱為“魔術報告”的內容來投資於此能力 - AI生成的分析解釋了正在發生的事情，而不僅僅是顯示數據。

麥克米倫詳細闡述說：“我較早的關於銷售在西南部的示例是我的化妝例子，對嗎？如果我收到報告，每週的銷售報告，而我的銷售報告不僅僅是一組數字，而是一個分析。” “嘿，安迪，這是您的報告。這是事情的進展。順便說一句，銷售額在西南；您會注意到這一點。”

業務分析的未來

用於AI使用的企業數據的轉換代表了組織對其信息資產的思考方式的基本轉變。儘管當前的AI實現通常專注於使用非結構化數據的創意任務，但實際業務價值將來自將AI應用於結構化業務數據。

麥克米倫指出：“如今，AI周圍最強大的用例往往是，我正在使用創意作品來創作其他創意作品。” “這與問它不同，西南地區發生了什麼，並了解如何分析您的業務。”

這種過渡提出了有關組織應該擁有哪些系統和能力的戰略問題。公司是否會依靠其現有軟件供應商的AI代理，建立專有系統或創建混合方法？

麥克米倫（Macmillan）預測：“我認為，自從.com繁榮以來，接下來的五年技術將比任何五年更有趣。” “隨著人們的確重新思考可能。”

AI革命背後的人

儘管許多人擔心AI取代工作，但麥克米倫（Macmillan）看到了巨大的機會，特別是對於那些接受這些變化的分析的人。

他說：“對於某些人來說，這是一個很大的問題。但是我認為，如果您處於數據和分析空間中，那麼對企業的運作方式非常需要大量知識。”

AI分析師的角色不僅代表了一個新的職稱，還代表了AI如何重塑業務的反映。最成功的實施方式不是具有最複雜的算法的實施，而是那些將技術能力與人類商業專業知識相結合的實施方式。

當組織導航這一過渡時，那些認識到人類元素在使AI真正提供業務準備的人將在將人工智能變成真正的商業智能方面具有重要優勢。

以上是AI分析師的崛起：為什麼這可能是AI革命中最重要的工作的詳細內容。更多資訊請關注PHP中文網其他相關文章！