Kebangkitan Penganalisis AI: Mengapa ini boleh menjadi pekerjaan yang paling penting dalam Revolusi AI

Perbualan baru -baru ini dengan Andy Macmillan, Ketua Pegawai Eksekutif Platform Analytics Enterprise yang terkemuka Alteryx, menonjolkan peranan kritikal namun kurang dihargai ini dalam revolusi AI. Seperti yang dijelaskan oleh Macmillan, jurang antara data perniagaan mentah dan maklumat AI-siap memerlukan kepakaran manusia yang menggabungkan pengetahuan teknikal dengan ketajaman perniagaan yang mendalam.

"Saya fikir akan ada satu set peranan baru yang muncul kerana AI," kata Macmillan kepada saya. "Saya fikir kita banyak bercakap tentang peranan teknologi hari ini, orang yang membina model bahasa yang besar, orang yang membina ejen AI, tetapi saya fikir apa yang akan diperlukan juga adalah kepakaran perniagaan."

AI-Data memutuskan sambungan

Kebanyakan organisasi telah menghabiskan beberapa dekad menganjurkan data mereka di sekitar aplikasi perniagaan. Data CRM anda berstruktur untuk menyokong perisian CRM anda. Data ERP anda direka untuk fungsi ERP. Tetapi AI memerlukan sesuatu yang berbeza.

"Apa yang pada dasarnya merupakan projek persiapan data terbesar dan data di dunia akan bermula," jelas Macmillan. "Syarikat -syarikat memikirkan semula apa yang mereka perlukan untuk menggunakan data ini."

Kesilapan ini menimbulkan masalah asas. Anda tidak boleh menunjukkan sistem AI di data perniagaan anda yang sedia ada dan mengharapkan ia memahami proses perniagaan anda, dasar syarikat, atau spesifik industri. Macmillan menggambarkan ini dengan contoh praktikal komisen jualan:

"Sekiranya anda bertanya kepada pemimpin jualan, apakah rancangan komisen itu? Mereka akan mengatakan pasukan mana yang mereka berada? Kawasan apa yang mereka ada? Apa rancangan mereka? dia menjelaskan. "Anda mungkin perlu mendapatkan pelan komisen mereka dari platform komisen anda.

Apa sebenarnya penganalisis AI?

Penganalisis AI menjembatani jurang antara pengetahuan perniagaan dan keupayaan AI. Profesional ini memahami kedua -dua operasi perniagaan dan bagaimana menyediakan data untuk menjadikan AI benar -benar berharga.

Menurut Macmillan, calon yang sempurna adalah "benar -benar campuran pemahaman data, tetapi ketajaman perniagaan. Bukan hanya seseorang yang boleh melakukan sains komputer atau sains data yang sangat menarik.

Penganalisis ini mengambil pengetahuan mereka tentang bagaimana proses perniagaan berfungsi dan menterjemahkannya ke dalam aliran kerja data yang boleh digunakan AI. Mereka memahami soalan -soalan yang perlu ditanya dan konteks apa yang diperlukan untuk membuat jawapan bermakna.

"Saya fikir untuk dekad yang akan datang, ada peluang besar bagi semua orang yang tahu bagaimana untuk bekerja dengan set data ini dan memahami perniagaan," kata Macmillan. "Ini adalah pengguna perniagaan, bukan hanya saintis data. Ini adalah orang yang memahami bagaimana data membuat kerja perniagaan."

Rumah penjelasan data AI

Selain menyediakan data secara teknikal, organisasi menghadapi cabaran tadbir urus dalam menentukan maklumat yang harus diakses oleh sistem AI.

"Kami mempunyai mandat atas untuk menggunakan lebih banyak AI dan mandat atas ke atas bahawa tiada data kami, IP kami, mana-mana maklumat kami boleh dimasukkan ke dalam mana-mana alat AI," kata Macmillan, menggambarkan arah bercanggah yang dia dengar dari beberapa pelanggan.

Di sinilah konsep "Clearinghouse Data AI" menjadi penting - pendekatan sistematik untuk mengkaji, meluluskan, dan menguruskan data yang dimakan ke dalam sistem AI.

"Anda boleh mempunyai proses di mana anda kembali ke rumah penjelasan," jelas Macmillan. "Anda pergi ke alur kerja data seperti yang anda boleh bina dengan Alteryx, dan anda berkata, okay, dalam aliran kerja ini, aliran data ini, saya akan mengeluarkan maklumat ini, dan saya akan menerbitkan semula aliran kerja ini.

Struktur formal ini membantu organisasi mengimbangi inovasi dengan kepatuhan dan kebimbangan keselamatan. Ia mewujudkan sistem yang boleh diadakan dan mudah diurus untuk membuat maklumat perniagaan tersedia untuk alat AI.

Dari papan pemuka ke pandangan AI yang dihasilkan

Transformasi AI juga mengubah cara kita berinteraksi dengan analisis. Daripada papan pemuka statik yang memerlukan tafsiran manusia, AI dapat menyampaikan laporan naratif yang menonjolkan pandangan yang paling penting.

"Bayangkan bukan visualisasi saya pergi ke papan pemuka, saya pergi ke papan pemuka syarikat besar saya, dan semuanya berkod warna, dan saya mengklik sekitar cuba mencari tahu apa yang berlaku. Bagaimana jika, sebaliknya, anda hanya mendapat laporan yang memberitahu anda apa yang berlaku?" Macmillan mencadangkan.

Alteryx melabur dalam keupayaan ini dengan apa yang mereka panggil "laporan sihir"-analisis AI-dihasilkan yang menjelaskan apa yang berlaku dan bukan hanya memaparkan data.

"Contoh saya sebelum ini mengenai jualan yang berada di Barat Daya adalah contoh saya, bukan? Bagaimana jika saya mendapat laporan, laporan jualan saya setiap minggu, dan laporan jualan saya bukan sekadar satu set nombor, tetapi ia adalah analisis," Macmillan menjelaskan. "Hei, Andy, inilah laporan anda, inilah keadaan yang berlaku. Dengan cara ini, jualan turun di barat daya, anda akan melihat ini."

Masa depan analisis perniagaan

Transformasi data perusahaan untuk penggunaan AI mewakili peralihan asas bagaimana organisasi berfikir tentang aset maklumat mereka. Walaupun pelaksanaan AI semasa sering memberi tumpuan kepada tugas -tugas kreatif menggunakan data yang tidak berstruktur, nilai perniagaan sebenar akan datang dari memohon AI kepada data perniagaan berstruktur.

"Hari ini, kes -kes penggunaan yang paling kuat di sekitar AI cenderung, saya menggunakan karya kreatif untuk mencipta karya kreatif yang lain," kata Macmillan. "Itu berbeza daripada bertanya, apa yang berlaku di rantau Barat Daya dan memilikinya memahami bagaimana menganalisis perniagaan anda."

Peralihan ini menimbulkan persoalan strategik mengenai sistem dan keupayaan organisasi yang harus dimiliki berbanding pembelian. Adakah syarikat bergantung kepada ejen AI dari vendor perisian mereka yang sedia ada, membina sistem proprietari, atau membuat pendekatan hibrid?

"Saya fikir lima tahun akan datang dalam teknologi akan menjadi lebih menarik daripada lima tahun, mungkin sejak ledakan .com," Macmillan meramalkan. "Sebagai orang benar -benar memikirkan semula apa yang mungkin."

Orang di belakang revolusi AI

Walaupun ramai yang bimbang tentang AI menggantikan pekerjaan, Macmillan melihat peluang yang luar biasa, terutamanya bagi mereka yang dalam analisis yang merangkul perubahan ini.

"Bagi sesetengah orang, itu adalah kebimbangan yang cukup besar, tetapi saya fikir jika anda berada dalam ruang data dan analisis, ada keperluan besar untuk banyak pengetahuan tentang bagaimana perniagaan beroperasi," katanya.

Peranan penganalisis AI mewakili bukan hanya tajuk pekerjaan baru tetapi mencerminkan bagaimana AI sedang membentuk semula perniagaan. Pelaksanaan yang paling berjaya tidak akan menjadi mereka yang mempunyai algoritma yang paling canggih tetapi yang terbaik menggabungkan keupayaan teknologi dengan kepakaran perniagaan manusia.

Sebagai organisasi menavigasi peralihan ini, mereka yang mengiktiraf kepentingan elemen manusia dalam membuat AI benar-benar siap perniagaan akan mendapat kelebihan yang ketara dalam mengubah kecerdasan buatan ke dalam kecerdasan perniagaan yang tulen.

Atas ialah kandungan terperinci Kebangkitan Penganalisis AI: Mengapa ini boleh menjadi pekerjaan yang paling penting dalam Revolusi AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!