AI分析师的崛起：为什么这可能是AI革命中最重要的工作

我最近与领先的企业分析平台Alteryx首席执行官安迪·麦克米伦（Andy Macmillan）的对话强调了这一在AI革命中的关键但不足的作用。正如麦克米伦（MacMillan）所解释的那样，原始业务数据与AI-Ready信息之间的差距需要人类的专业知识，将技术知识与深层业务知识相结合。

麦克米伦告诉我：“我认为由于AI，将会出现一系列新角色。” “我认为我们已经谈论了当今的技术角色。正在建立大型语言模型的人，正在建立AI代理商的人。但是我认为也将需要的是商业专业知识。”

AI-DATA断开连接

大多数组织花了数十年的时间围绕业务应用程序组织数据。您的CRM数据结构化以支持您的CRM软件。您的ERP数据是为ERP功能设计的。但是人工智能需要不同的东西。

麦克米伦解释说：“本质上，世界上最大的数据准备和数据转换项目即将开始。” “公司重新考虑使用这些数据所需的内容。”

这种不匹配会产生一个基本问题。您不能简单地将AI系统指向您现有的业务数据，并期望它了解您的业务流程，公司政策或行业细节。麦克米伦（Macmillan）用销售委员会的实例说明了这一点：

“如果你问销售负责人，委员会计划是什么？他们要说他们在哪个团队？他们在哪个区域？他们的补偿计划是什么样的？我们正在运行哪些问题和计划？”他解释说。 “您可能必须将他们的佣金计划从您的佣金平台中取出。您可能必须从人力资源数据库中获取基本工资。'因为通常，他们的佣金是其工资的百分比。”

AI分析师到底是什么？

AI分析师弥合了业务知识与AI能力之间的差距。这些专业人员了解业务运营以及如何准备数据以使AI真正有价值。

根据麦克米伦（Macmillan）的说法，理想的候选人是“实际上是数据理解的结合，而是商业敏锐度。不仅是一个能够做到真正有趣的计算机科学或数据科学的人。您将不得不了解真正使业务打击的是什么。”

这些分析师了解业务流程如何工作，并将其转化为AI可以使用的数据工作流程。他们了解需要哪些问题以及需要什么上下文才能使答案有意义。

麦克米伦预测：“我认为在接下来的十年中，每个知道如何使用这些数据集并了解业务的人都会有一个巨大的机会。” “这些是企业用户，而不仅仅是数据科学家。这些人了解数据如何使业务运作。”

AI数据交换所

除了在技术上准备数据外，组织还面临治理挑战，在确定AI系统应访问哪些信息时。

麦克米伦说：“我们有自上而下的任务，可以使用更多的AI和自上而下的任务，即我们的数据，IP，我们的任何信息都无法放入任何AI工具中。”

在这里，“ AI数据交换所”的概念成为必不可少的 - 一种系统的方法，用于审查，批准和管理哪些数据输入AI系统的方法。

麦克米伦解释说：“您可以有一个返回交换所的过程。” “您可以使用Alteryx构建的数据工作流，然后说，好吧，在此工作流程，此数据流中，我要删除此信息，我将重新发布此工作流程。我会再次获得签名。”

这种正式结构可帮助组织与合规性和安全问题之间的创新平衡。它创建了一个可审核的，可管理的系统，可为AI工具提供业务信息。

从仪表板到AI生成的见解

AI转换也在改变我们与分析的互动方式。 AI无需静态仪表板需要人类的解释，而是提供叙述性报告，强调最重要的见解。

“想象一下，我没有去仪表板去，而是去我的大公司仪表板，所有这些都是颜色编码的，我正在点击试图弄清楚发生了什么。如果，如果您只是收到一份报告告诉您发生了什么的报告，该怎么办？”麦克米伦建议。

Alteryx用他们称为“魔术报告”的内容来投资于此能力 - AI生成的分析解释了正在发生的事情，而不仅仅是显示数据。

麦克米伦详细阐述说：“我较早的关于销售在西南部的示例是我的化妆例子，对吗？如果我收到报告，每周的销售报告，而我的销售报告不仅仅是一组数字，而是一个分析。” “嘿，安迪，这是您的报告。这是事情的进展。顺便说一句，销售额在西南；您会注意到这一点。”

业务分析的未来

用于AI使用的企业数据的转换代表了组织对其信息资产的思考方式的基本转变。尽管当前的AI实现通常专注于使用非结构化数据的创意任务，但实际业务价值将来自将AI应用于结构化业务数据。

麦克米伦指出：“如今，AI周围最强大的用例往往是，我正在使用创意作品来创作其他创意作品。” “这与问它不同，西南地区发生了什么，并了解如何分析您的业务。”

这种过渡提出了有关组织应该拥有哪些系统和能力的战略问题。公司是否会依靠其现有软件供应商的AI代理，建立专有系统或创建混合方法？

麦克米伦（Macmillan）预测：“我认为，自从.com繁荣以来，接下来的五年技术将比任何五年更有趣。” “随着人们的确重新思考可能。”

AI革命背后的人

尽管许多人担心AI取代工作，但麦克米伦（Macmillan）看到了巨大的机会，特别是对于那些接受这些变化的分析的人。

他说：“对于某些人来说，这是一个很大的问题。但是我认为，如果您处于数据和分析空间中，那么对企业的运作方式非常需要大量知识。”

AI分析师的角色不仅代表了一个新的职称，还代表了AI如何重塑业务的反映。最成功的实施方式不是具有最复杂的算法的实施，而是那些将技术能力与人类商业专业知识相结合的实施方式。

当组织导航这一过渡时，那些认识到人类元素在使AI真正提供业务准备的人将在将人工智能变成真正的商业智能方面具有重要优势。

以上是AI分析师的崛起：为什么这可能是AI革命中最重要的工作的详细内容。更多信息请关注PHP中文网其他相关文章！