顛覆BI的,不是增強分析,而是ChatGPT!

qing_yun發表於2023-05-17

商業智慧(BI)的發展階段,當前能達成共識的是分為三代技術,每一代由解決方案提供的可訪問性、速度、資料集大小和洞察質量來定義。

BI 1.0-傳統商業智慧

傳統商業智慧被認為是最古老的 BI 版本,也是最不友好的。傳統的 BI 建立在需要 IT 專業人員聚合資料和構建 OLAP 多維資料集以進行分析,傳統的 BI 交付報告和靜態儀表板作為其主要輸出。從手動從資料庫中提取資料並手動清理資料,到構建模型、挖掘資料以及生成整個組織的部門和團隊所需的資料豐富的報告,即一切都由專家處理。

最大的問題是需要數週時間才能為業務提供關鍵洞察,因為需要 IT 來設計模型和報告。由於該系統僅提供查詢的回顧性檢視,因此無法提供預測性見解。因此,決策者最終只能“憑直覺”尋找新的機會和解決重大問題的方法。

BI 2.0-自助商業智慧

自助式商業智慧 (SSBI) 解決方案對傳統資料分析模型進行了重大升級。最值得注意的是,它們允許資料分析師和其他業務使用者使用 IT 構建的模型建立自己的報告和資料視覺化。組織中的每個人都可以按需訪問,這種 BI 方法使使用者能夠建立臨時報告、提出後續問題,並手動更深入地挖掘洞察以獲得更有針對性的資訊。

不幸的是,自助服務仍然無法解決最後一英里的問題,因為它用於資料探索的視覺化介面使用傳統的拖放式度量和維度,這對業務使用者來說很複雜。隨著資料量和複雜性的增加,使用自助式 BI 工具手動分析資料的每個組合以找到重要見解變得不大現實,即使對於專家資料分析師也是如此。

BI 3.0-增強分析

作為下一代商業智慧,增強分析以幾種不同的方式改進了自助服務模型。Gartner指出,增強分析是使用機器學習和人工智慧等支援技術來協助資料準備、資料發現、洞察生成和洞察解釋,以增強人們在分析和 BI 平臺中探索和分析資料的方式。

Gartner這麼解釋還是很抽象,因此我繼續網上搜集資料想理解到底是個什麼東東,大家的解釋總結起來無非如下:

在資料準備階段,藉助增強的分析工具,其可以藉助演算法檢測機制,自動對資料進行分析、標記、註釋並清潔以進行可靠的分析,自動將來自多個來源的資料整合在一起,自動生成資料目錄,後設資料和資料血緣,所需時間僅為手動操作時間的一小部分。

在洞察發現階段,透過增強分析,普通人可以使用自然語言和語音輸入來進行查詢,增強分析透過演算法自動找到資料中的規律,自動生成模型,自動從資料中找到模式和規律來針對性的回答問題。

在見解分享階段,透過增強分析,使用自然語言生成,增強分析平臺實時提供見解, 這些見解包括對自然語言查詢的直接回答和回答的推理,或者將決策直接傳入生產和辦公應用。

BI 4.0-ChatGPT

增強分析似乎很強大,但概念提出這麼多年,有強大的產品出現嗎?沒有,為什麼?

雖然早期的人工智慧(AI)技術在資料分析和其他領域取得了一定的成就,正如增強分析中提到的那些能力,但它們在理解複雜的自然語言和生成有意義的文字方面的能力仍然有限,也就是說,人們使用增強分析的門檻其實挺高的。

老闆要分析資料,還得直接找資料分析師提出問題,資料分析師再把老闆的問題轉化成對BI增強分析的要求,這個轉化過程是漫長的,資料分析從端到端的全業務流程的角度來看,整個流程是割裂的,一會兒線上上,比如利用BI線上分析問題,一會兒線上下,比如提出問題,接收問題,輸出答案,資料分析這個業務的數字化轉型並不徹底,因此,AI對資料分析師的替代作用並不是很大。

然而,隨著GPT系列等自然語言處理(NLP)技術的不斷髮展,ChatGPT這類先進的AI模型已經能夠在很大程度上理解自然語言,並生成連貫、準確的文字。

1、老闆可以直接線上用自然語言向ChatGPT提出問題,ChatGPT可以很好地理解老闆的要求,把問題轉化成需求和目標。

2、資料分析師在接到需求和目標後,可以充分利用ChatGPT的自動分析能力,提供有針對性的資料探索和分析建議,從而減輕自己的工作負擔。

3、ChatGPT可以根據資料分析結果生成詳細的分析報告,解釋關鍵發現、趨勢和預測,並且可以提供自然語言的方式,線上解答老闆各種問題,完成資料分析的最後一公里,這種體驗是以前沒法想象的。

最近出了一個基於GPT的ChatPDF的應用,你只要匯入PDF文件,它就自動為你分析出結果,並且可以線上解答任何問題,顯然這是未來資料分析的一種形式。

這也許能解釋為什麼人工智慧剛出現的時候,少有人提出人工智慧可以替代資料分析師,但ChatGPT出來後,這種聲音就多了的原因。

最近某乎列出了最容易被chatgpt替代的十大工作崗位,分別是客服、平面設計師、翻譯人員、教師、財務職位(財務分析師和個人財務顧問)、會計師、 技術工作(編碼員、計算機程式設計師、軟體工程師、資料分析師)、媒體工作(廣告、內容創作、技術寫作、新聞)、法律行業工作(律師助理、法律助理)及市場研究分析師,資料分析師赫然在列。

我並認為ChatGPT能替代資料分析師這個職業,因為資料分析師擁有的很多高階技能是ChatGPT還難以具備的,包括:

1、複雜型分析:很多複雜情況缺乏足夠的資料支撐,需要資料分析師具備深入的領域知識和技能才能做出判斷,這些能力目前超出了ChatGPT的範圍。

2、變化型分析:資料分析師需要應對不斷變化的業務需求和問題,這需要批判性思維、創新能力和對業務的理解,而這些能力尚不在ChatGPT的能力範圍內。

3、探討型分析:很多問題需要資料分析師與團隊成員、管理層和客戶進行有效溝通,在充分互動中解釋和展示分析結果,這種溝通和協作能力是AI難以替代的。

我曾經認為BI領域不再有什麼發展前途,但ChatGPT給我上了一課,有了ChatGPT,也許資料分析的正規化都會發生改變,ChatGPT,是資料分析數字化轉型的關鍵。

來自 “ 大魚的資料人生 ”, 原文作者:討厭的大魚先生;原文連結:https://mp.weixin.qq.com/s/GjRmVQp8hvCf80u7PmF2_g,如有侵權,請聯絡管理員刪除。

相關文章