Η τεχνητή νοημοσύνη οδηγεί σε μείωση ή αναβίωση των επιχειρηματικών αναλυτών;
Τα μπροστινά εργαλεία των αναλυτικών επιχειρήσεων και των αναλυτών δεδομένων έχουν διαχειριστεί τις αγορές για πολλά χρόνια. Τώρα το AI αλλάζει όλα αυτά. Κατά συνέπεια, οι μεγάλοι προμηθευτές BI μετακινούνται σε εταιρείες AI. Τι πρέπει να γνωρίζουν οι τελικοί χρήστες για το μέλλον των αναλύσεων BI και δεδομένων στην εποχή AI;
Επίσης: Το τέλος των σιλό δεδομένων; Πώς το SAP επανεξετάζει το AI Enterprise AI με Joule και Databricks
Οι δημιουργημένοι προμηθευτές BI έλαβαν ένα μήνυμα με νέα εργαλεία που υπερβαίνουν το πεδίο των αναφορών και των όμορφων γραφημάτων. Για παράδειγμα, ο Qlik, μακρύς πωλητής διαφημίσεων Lider, διεξάγει αυτό που ονομάζει παγκόσμια “περιοδεία πραγματικότητας”, που περιγράφεται πρόσφατα από τον Πρόεδρο της Βιομηχανίας και τον συγγραφέα του DeSing Blanchfield. Σημείωσε ότι η μετάβαση του προμηθευτή στην επεξεργασία της φυσικής γλώσσας (NLP) – μέσω του γενετικού AI – επιτρέπει στους χρήστες να αλληλεπιδρούν με τα δεδομένα χρησιμοποιώντας την καθημερινή γλώσσα. Πρόσθετες δυνατότητες “ισχύουν για την απεικόνιση δεδομένων, παρουσιάζοντας σύνθετα δεδομένα σε απλή μορφή για κατανόηση”.
Οι παρατηρητές της βιομηχανίας συμφωνούν ότι η ανάπτυξη των AI – ειδικά μεγάλων γλωσσικών μοντέλων – επεκτείνει σημαντικά τις δυνατότητες και την κάλυψη των εργαλείων BI και των αναλυτών δεδομένων. “Το LLMS μετατρέπει την ανάλυση δεδομένων, επιτρέποντας την ενσωμάτωση δομημένων και μη δομημένων δεδομένων”, δήλωσε ο Chida Sadayappan, Διευθύνων Σύμβουλος της Deloitte Consulting. Βελτιώνουν την ερμηνεία των δεδομένων, τη βελτίωση της λήψης αποφάσεων και της αυτοματοποίησης των διαδικασιών, επιτρέποντας στους οργανισμούς να αποκτήσουν βαθύτερη κατανόηση και να δημιουργούν μεγάλη αξία από τα δεδομένα τους.
BI εργαλεία και αναλυτές εδώ για να μείνουν, αλλά το τεχνολογικό τους ταμείο αλλάζει – περνάει στη στοίβα στο σύννεφο. “Κάθε επίπεδο της τρέχουσας στοίβας δεδομένων θα επανεξετάσει και θα εφευρεθεί ξανά”, δήλωσε ο Jitentra Putcha, εκτελεστικός αντιπρόεδρος της Ltimindtree. “Αυτό περιλαμβάνει τη μετάβαση από το εκχύλισμα, τον μετασχηματισμό και το φορτίο [ETL] Οι μεθοδολογίες επεξεργασίας δεδομένων που ελέγχονται από το AI. Επιπλέον, η ανάλυση χρήστη θα μετακινηθεί από αιτήματα που βασίζονται σε SQL και Python σε Colloquial Analytics με μια φυσική επεξεργασία γλώσσας.
Αυτό σημαίνει αλλαγές στο ρόλο των κωδικοποιητών που “γίνονται σχεδιαστές που εισάγουν μη κώδικα και συνομιλητική λειτουργία για τη δημιουργία εφαρμογών χρησιμοποιώντας cosilots και στούντιο, αντικαθιστώντας το ολοκληρωμένο περιβάλλον ανάπτυξης”, δήλωσε ο Quang Trinh, διευθυντής ανάπτυξης επιχειρήσεων στις επικοινωνίες Axis. “Θα προχωρήσουμε από στατικές αναφορές σε δυναμικά προϊόντα δεδομένων, παρέχοντας σε πραγματικό χρόνο, αποτελεσματικές ιδέες που βασίζονται απευθείας στις διαδικασίες εργασίας για τη διαχείριση των αποφάσεων σε κάθε επίπεδο”.
Οι δυνατότητες της φυσικής γλώσσας που ενυπάρχουν στο LLMS αποδυναμώνουν επίσης τον “αναλυτή δεδομένων, μετατρέποντας μια φυσική γλώσσα σε αίτημα βάσης δεδομένων και δημιουργώντας απεικόνιση δεδομένων”, δήλωσε ο Trin.
Επίσης: θα σκοτώσει τη δημιουργικότητα AI και θα καταστρέψει τις ανθρώπινες καινοτομίες; Εδώ είναι μια ανησυχητική αλήθεια
Αυτό σημαίνει μεγάλες ευκαιρίες για δημιουργικότητα μεταξύ των τελικών χρηστών, συνέχισε. “Για παράδειγμα, LLM, όπως ο Claude μελέτησε από. «
Ο Sadayappan συμφώνησε ότι αυτά τα εργαλεία αναπτύσσουν “για να προσφέρουν πιο διαδραστικές και βολικές εντυπώσεις. Δεδομένων των επιτευγμάτων στο Genai, οι χρήστες μπορούν τώρα να κάνουν ερωτήσεις στα φυσικά αγγλικά και να λάβουν λεπτομερείς, περιγραφικές απαντήσεις, καθιστώντας τους πιο προσιτές και αποτελεσματικές για τους χρήστες.
Τα αναλυτικά στοιχεία των δεδομένων εκδημοκρατισμού που προσπάθησαν χωρίς να απομακρυνθούν ως το ιερό graal των επιχειρήσεων, μπορεί τελικά να είναι πιο κοντά στην πραγματικότητα. Η ανάπτυξη του συνομιλητικού AI μέσω του NLP σημαίνει μια νέα διεπαφή χρήστη – δεν υπάρχει ανάγκη για επίσημη δομική αιτήματα. “Η δημιουργία και η κατανάλωση ιδεών θα γίνουν συνομιλητές”, δήλωσε ο Putcha. “Τα συστήματα θα προσαρμοστούν στους ανθρώπους. Οι επιχειρηματικοί χρήστες θα αλληλεπιδρούν με τα δεδομένα στη φυσική γλώσσα, θα κάνουν ερωτήσεις και θα κατανοήσουν χωρίς δεξιότητες SQL ή Python.
Επίσης: 3 τρόποι με τους οποίους η AI μπορεί να ξεκλειδώσει νέες (και καλύτερες) αλλαγές για την επιχείρησή σας
Ταυτόχρονα, όπως σε πολλά τεχνολογικά επιτεύγματα, η επιτυχία χρησιμοποιώντας τα εργαλεία Business Analytics AI εξαρτάται από την ποιότητα του κλασικού αίνιγμα σκουπιδιών, σκουπίδια. “Πολλοί οργανισμοί θα πρέπει να επενδύσουν στον καθαρισμό και την επικύρωση των δεδομένων, καθώς ενσωματώνουν συστήματα έλκηθρων σε μία πλατφόρμα”, δήλωσε ο Trien. “Η κατάρτιση των εργαζομένων θα πρέπει να τονίζει ως εμπιστοσύνη, αλλά να επιβεβαιώσει τις αρχές της ηθικής και αποτελεσματικής χρήσης του εργαλείου τεχνητής νοημοσύνης στην οργάνωσή τους”.
Το κύριο πρόβλημα με τις επιχειρηματικές αναλύσεις που ελέγχονται από την τεχνητή νοημοσύνη είναι η ενσωμάτωση δεδομένων από διάφορες πηγές που συχνά υπάρχουν σε bunkers “, δήλωσε ο Sadayapp. “Οι σύγχρονες πλατφόρμες πληροφοριών δεδομένων με βοήθεια LLMS, διευκολύνοντας την απρόσκοπτη ολοκλήρωση, βελτιώνοντας την ποιότητα των δεδομένων και την αυτοματοποίηση των ιδεών, παρέχοντας μια ολοκληρωμένη ιδέα των πελατών και των λειτουργιών”.
