Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше
В последнее время было много болтовни о том, как революция ИИ уменьшит роль инженеров данных. Я не верю, что это так — на самом деле, опыт данных будет более важным, чем когда -либо. Тем не менее, специалисты по данным должны будут приобрести новые навыки, чтобы помочь их организациям получить максимальную пользу от ИИ и улучшить свои карьерные перспективы на будущее.
ИИ раскрывает возможность для организаций извлечь больше ценности из своих данных и сделать это более эффективно, но это не может произойти само по себе. Инженеры данных должны будут узнать, как и где применять технологию, а также какие модели и инструменты для использования в каких ситуациях.
Вот четыре области, в которых ИИ будет преобразовать аналитику данных в следующем году, и инженеры по навыкам, которые инженеры данных должны приобрести для удовлетворения этих потребностей.
Строительство более умных трубопроводов данных
Трубопроводы данных объединяют источники данных, которые могут быть необработанными, неструктурированными и дезорганизованными, и задача инженеров состоит в том, чтобы извлечь интеллект из этих источников для предоставления ценной информации. ИИ собирается преобразовать эту работу.
Вставка ИИ в трубопроводы данных может значительно ускорить способность инженера данных извлекать стоимость и понимание. Например, представьте, что компания имеет базу данных с транскриптами обслуживания клиентов или другими текстовыми документами. С несколькими линиями SQL инженер может подключить модель ИИ к трубопроводу и указать ее вскрыть богатые идеи из этих текстовых файлов. Это вручную может занять много часов, и некоторые из самых ценных идей могут быть обнаружены только с помощью ИИ.
Инженеры данных, которые понимают, где и как применять модели ИИ для извлечения максимальной стоимости из трубопроводов данных, будут очень ценны для их организаций, но это требует новых навыков с точки зрения каких моделей и как их применять.
Меньше картирования данных, больше стратегии данных
Различные источники данных часто хранят информацию по -разному: например, одна исходная система может называть название состояния «Массачусетс», в то время как другая использует аббревиатуру «MA».
Картирование данных для обеспечения его последовательной и дублирования-это специальная задача для ИИ. Инженеры могут построить подсказку, которая, по сути, говорит: «Возьмите эти 20 источников данных клиентов и создайте мне каноническую базу данных клиентов», и ИИ выполнит задачу за гораздо меньше времени.
Это потребует знания о том, как написать хорошие подсказки, но, что более важно, это освобождает время инженеров, чтобы они могли тратить меньше часов на картирование данных и больше на стратегию данных и архитектуру данных своих организаций.
В конечном счете, цель состоит в том, чтобы понять все источники данных, доступные для организации, и то, как они могут быть лучше всего подключены для достижения бизнес -целей. Передача задач, как отображение данных на модель искусственного интеллекта, освободит время для этой работы более высокого уровня.
BI-аналитики должны повысить свою игру
Аналитики Business Intelligence (BI) сегодня проводят много времени, создавая статические отчеты для бизнес -лидеров. Когда у этих лидеров возникают последующие вопросы о данных, аналитики должны запустить новый запрос и генерировать дополнительный отчет. Генеративный ИИ резко изменит ожидания этих руководителей.
Поскольку руководители получают больший опыт работы с чат-ботами, управляемыми искусственным интеллектом, они ожидают взаимодействия со своими бизнес-отчетами аналогичным, разговорным способом. Это потребует от аналитиков BI, чтобы повысить свою игру и научиться предоставить эти интерактивные возможности. Вместо того, чтобы разрабатывать статические диаграммы, им необходимо понять трубопроводы, плагины и подсказки, необходимые для создания динамических интерактивных отчетов.
Платформы облачных данных включают в себя некоторые из этих возможностей низким код, давая BI-аналитикам возможность расширить свои навыки для решения новых требований. Но есть кривая обучения, и приобретение этих навыков станет их проблемой в 2024 году.
Управление сторонними услугами искусственного интеллекта
Когда облако взялось десять лет назад, ИТ-команды потратили меньше времени на создание инфраструктуры и программного обеспечения и больше времени на управление сторонними облачными сервисами. Ученые по данным собираются пройти аналогичный переход.
Рост Gen AI потребует от ученых данных больше работать с внешними поставщиками, которые предоставляют модели искусственного интеллекта, наборы данных и другие услуги. Быть знакомым с вариантами, выбор правильной модели для поставленной задачи и управление этими сторонними отношениями, будет важным навыком для приобретения.
С нетерпением жду гораздо большего удовольствия
Многие команды данных сегодня говорят, что они застряли в реактивном режиме, постоянно реагируя на последние запросы на работу или исправляя приложения, которые сломались. Это никому не весело, но приток ИИ в разработку данных изменит это.
ИИ позволит инженерам автоматизировать самые трудоемкие части своей работы и освободить время, чтобы подумать о более широкой картине. Это потребует новых навыков, но это позволит им сосредоточиться на более стратегической, упреждающей работе, что делает инженеров -инженеров еще более ценными для их команд — и их работу намного более приятной.
Джефф Холлан — директор по управлению продуктами в Snowflake.
Источник
