Как искусственный интеллект меняет аналитику данных: Аналитик данных VS ИИ аналитика

Как выглядит традиционная аналитика?
Происходит какое-то событие: например, падают продажи
Аналитик данных формирует гипотезы о том, какие причины могли вызвать падение продаж?
Далее идет трудоемкий процесс проверки гипотез: Аналитик подготавливает данные (соединяет их из различных источников, очищает) и проводит различные манипуляции в виде расчетов и визуализаций, пока не будет найдено достаточно доказательств в поддержку конкретной гипотезы.
Затем аналитик пишет отчет, в котором суммирует полученные им результаты и шаги, которые следует предпринять бизнесу.
Как вы уже поняли, этот процесс может занять много времени и нет никакой гарантии, что ответ вообще будет найден.
Ситуация осложняется тем, что аналитика нужна не только руководителю, а всем отделам компании: продажи и маркетинг, исследования и разработки, обслуживание клиентов — это лишь некоторые из бизнес-функций, которые стали зависеть от данных.
Если у каждого сотрудника есть хотя бы один быстрый вопрос, на который ему нужно ответить к концу дня, то отставание может быстро выйти из-под контроля.
Аналитики данных перегружены. Сотрудники долго ждут результаты анализа, поэтому часто вынуждены работать с неполной информацией, и весь бизнес страдает от отсутствия понимания и направления.
По данным исследовательской компании IDC, 76 процентов ИТ-руководителей заявили, что задержка данных негативно повлияла на их бизнес, а более половины заявили, что задержки снизили операционную эффективность компании.
Как искусственный интеллект может решить эту проблему и изменить игру? Смотрите краткий обзор в этом видео.

Пересказ текста

Вступление:

В традиционной аналитике для выяснения причин проблем с бизнесом (например, падения продаж) аналитики вручную формируют гипотезы, проверяют их, подготавливают данные, проводят расчеты и визуализации.
Это длительный и трудоемкий процесс, который не всегда приводит к результату.
Не все сотрудники компании имеют доступ к данным и возможность их анализировать, что мешает им принимать правильные решения.

Проблема:

Отсутствие оперативного доступа к данным и аналитики мешает бизнесу развиваться.
Сотрудники перегружены, а решения принимаются медленно.

Решение: ИИ и аналитика самообслуживания:

ИИ позволяет автоматизировать рутинные задачи аналитиков и предоставлять доступ к данным всем сотрудникам компании.
С помощью ИИ любой пользователь может задать вопрос к данным на естественном языке и получить ответ в считанные минуты.
Это позволяет:
    Сократить время на поиск ответов
    Увеличить скорость принятия решений
    Повысить эффективность работы всех отделов компании

Примеры инструментов ИИ-аналитики:

Microsoft Power BI с помощником Copilot
Tableau with Tableau GPT
Qlik Sense
Domo
ThoughtSpot

Будущее аналитики:

ИИ не заменит аналитиков данных, а сделает их работу более эффективной.
Возрастет спрос на специалистов, которые умеют работать с ИИ-инструментами и интерпретировать их результаты.

Заключение:

ИИ-аналитика - это мощный инструмент, который может помочь бизнесу стать более data-driven.
Уже сейчас доступны различные ИИ-решения, которые могут быть использованы компаниями любого размера.

Дополнительные тезисы:

ИИ-аналитика может помочь в решении различных задач, например, в прогнозировании продаж, оптимизации маркетинговых кампаний, выявлении мошенничества.
Использование ИИ-аналитики может привести к повышению конкурентоспособности бизнеса.
Важно правильно выбрать ИИ-решение, которое будет соответствовать потребностям компании.

Ссылки:

[неправильный URL удален]
[неправильный URL удален]
[неправильный URL удален]
[неправильный URL удален]
[неправильный URL удален]

Я надеюсь, что этот пересказ был вам полезен.

https://gemini.google.com

Расшифровка видео

0:00
Как выглядит традиционная аналитика
0:02
происходит какое-то событие например
0:04
падение продаж аналитик данных формирует
0:07
гипотезы о том какие причины могли
0:10
вызвать падение продаж Далее идет
0:12
трудоемкий процесс проверки гипотез
0:15
аналитик подготавливает данные соединяет
0:18
их из различных источников очищает и
0:20
проводит различные манипуляции в виде
0:23
расчетов и визуализации пока не будет
0:25
найдено достаточно доказательств
0:27
поддержку конкретной гипотезы затем
0:29
аналитик пишет отчет которым суммируют
0:32
полученные им результаты и предоставляет
0:35
шаги которые следует предпринять бизнесу
0:37
как Вы уже поняли этот процесс может
0:40
занять много времени и нет никакой
0:42
гарантии что вообще ответ будет найден
0:47
ситуация осложняется тем что аналитика
0:49
нужна не только руководителю а всем
0:52
отделом компании продажи и маркетинг
0:54
исследования и разработки обслуживание
0:56
клиентов Это лишь Некоторые из бизнес
0:58
функций которые стали зависеть от данных
1:01
если у каждого сотрудника есть хотя бы
1:03
один быстрый вопрос ответ на который
1:06
нужно получить к концу дня то отставание
1:08
может быстро выйти из-под контроля
1:10
аналитики данных перегружены сотрудники
1:13
долго ждут результаты анализа поэтому
1:15
вынуждены работать с неполной
1:17
информацией и весь бизнес страдает от
1:20
отсутствия понимания и направления по
1:22
данным исследовательской компании
1:24
idc76 процентов it руководителей заявили
1:27
что задержка данных негативно повлияла
1:30
на их бизнес
1:33
как искусственный интеллект может решить
1:36
эту проблему и изменить игру очевидно
1:38
что бизнес пользователям нужно получать
1:40
информацию в режиме реального времени а
1:43
для этого иметь доступ к данным и
1:45
анализировать их когда они им нужны это
1:48
так называемая аналитика
1:49
самообслуживания когда любой
1:51
пользователь вне зависимости от своего
1:53
опыта технического бэкграунда может
1:55
задать вопрос К данным на естественном
1:58
языке на языке на котором мы говорим и
2:01
получить ответ в считанные минуты Это
2:03
позволяет уменьшить зависимость от
2:05
аналитиков и быстрее принимать решения
2:07
На основе данных по данным
2:09
консалтинговой компании маккинслинг
2:12
Компани управляемые данными организации
2:14
в 23 раза чаще приобретают новых
2:17
клиентов шесть раз чаще удерживают и в
2:20
19 раз чаще получают высокую прибыль
2:23
именно в последнее время активно
2:25
развиваются инструменты основанные на
2:28
искусственном интеллекте и позволяющие
2:30
абсолютно любому человеку не аналитику
2:33
получить анализ данных в считанные
2:35
минуты час же 5 недавно объявила новой
2:38
функции интерпретатор кода можно
2:40
загрузить данные до 100 мегабайт задать
2:43
вопрос на естественном языке и получить
2:45
ответ за считанные минуты Однако
2:47
интерпретатор кода от Чад gpt это не
2:50
профессиональный продукт и пока его
2:52
нельзя серьезно использовать в бизнесе
2:54
мы не можем доверить чат gpt свои данные
2:57
Да и объем данных которые можно
2:59
загрузить очень небольшой но есть
3:01
сервисы которые уже предлагают более
3:04
профессиональный инструмент среди них
3:06
АСК Эдит каджинити дэталенг плод gpt и
3:10
другие только на одном из marketplace
3:12
искусственного интеллекта их 86 штук
3:15
искусственный интеллект автоматизирует
3:17
процесс очистки данных выявляет и
3:20
Исправляет ошибки удаляет дубликаты
3:22
заполняет пропущенные значения
3:24
выявляется закономерности аномалии и
3:27
тенденции в данных создает визуализации
3:29
анализирует данные делает выводы и
3:32
прогнозы кроме того искусственный
3:34
интеллект может обработать достаточно
3:36
большой объем данных искусственный
3:39
интеллект Может предложить точность
3:41
скорость и детализацию недоступную для
3:44
человека большинство из этих
3:46
инструментов работают по формату чата с
3:49
данными все что нужно сделать это задать
3:51
вопрос на вашем языке вам не нужно знать
3:54
языки программирования AR pyton или SQL
3:57
я просмотрела части из этих инструментов
4:00
какие-то из них работают Откровенно
4:02
говоря плохо а какие-то можно
4:04
использовать но уже понятно что общий
4:07
тренд на автоматизацию данных взят всем
4:10
известные платформы также не отстают от
4:12
Прогресса например Microsoft Представила
4:15
копала для Power Bi помощника на базе
4:18
искусственного интеллекта по анализу
4:19
данных частично bi-системы и без
4:22
искусственного интеллекта должны решать
4:24
проблему доступа к данным Однако на деле
4:27
они не выполняют обещания в области
4:29
аналитики самообслуживания
4:31
вице-президент газа по исследо Синди
4:34
хауссон считает что уровень внедрения Bi
4:36
Среди сотрудников колеблется в пределах
4:39
22
4:40
% причин тут много часто аналитики и
4:43
бизнес-пользователи смотрят на бизнес
4:44
разных точек зрения и не могут прийти к
4:47
общему решению Да и в целом аналитика
4:49
начинается с одного вопроса а затем
4:52
появляются множество других и если даже
4:54
борт не настроен так чтобы получить
4:56
ответы на эти вопросы то бизнес
4:58
пользователи остаются неудовлетворенными
5:00
и покидают систему
5:02
искусственный помощник по анализу данных
5:05
копайлот от Microsoft встроен в виде
5:08
чатов Power Bi он строит визуализации
5:11
выявляет ключевые влияния выбросы
5:13
создает прогнозы находит инсайты в
5:16
данных достаточно просто задать вопрос
5:19
на естественном языке еще одна
5:21
популярная платформа по аналитике и
5:24
визуализации табло Представила
5:26
аналогичный инструмент табло gpt
5:29
искусственный интеллект все больше
5:31
открывает и демократизирует доступ к
5:34
возможностям которые ранее были доступны
5:36
только специалистам означает ли это что
5:39
аналитики данных будут не нужны Нет
5:41
более широкое использование аналитики
5:43
создаст спрос на обученных операторов
5:46
говорит Сео табло Райан айт
5:48
автоматизация с помощью искусственного
5:51
интеллекта позволяет обычным людям
5:53
выполнять свои собственные проекты
5:55
аналитики Что приводит к увеличению
5:57
объема использования что в свою очередь
5:59
увеличивает спрос на специализированные
6:02
навыки