在一个研讨会上，Yellowfin的CEOGlenRabie认为，虽然许多分析师可能担心他们会被自动化和人工智能所取代，但数据分析师的角色将会很重要对业务范围和所需技能的影响。Yellowfin,Inc.是一家分析和商业智能软件公司，可帮助企业理解其数据。Rabie对数据和通过分析提高业务绩效充满热情。在创立Yellowfin之前，他曾在澳大利亚国民银行担任过各种职务，包括高级电子商务顾问和全球员工自助服务经理。Rabie拥有墨尔本大学的商业硕士学位。将人工智能、自动化和数据叙事引入分析领域，不仅会对分析的最终用户产生直接影响，也会对在该领域工作的人们产生直接影响。虽然许多分析师可能担心他们会被自动化和人工智能取代，但相信数据分析师的角色将对业务和所需技能的广度产生重大影响。传统上，数据分析师将大部分时间花在执行平凡和重复的任务上，例如准备数据进行分析、创建报告和仪表板，然后使用这些任务手动搜索数据中有意义的变化。使用传统的分析和商业智能工具，分析师无法探索其数据的每一种组合或排列。如果他们确实发现了一些感兴趣的东西，他们如何确定它是否与业务具有统计相关性和意义？自动数据发现的引入解决了这些问题。它减少了寻找见解所花费的时间，从而为分析师留出更多时间来解释其发现的附加值。这将需要分析师变得精通业务（了解业务，而不仅仅是数据），并要求讲故事的人具备更高的读写能力，以更好地传达他们的发现。如今，数据分析师的角色包括范围广泛的数据管理和分析活动。这包括获取、准备、清理和建模数据，然后通过创建报告和仪表板来为业务定制分析以支持决策制定。在所有这些活动中，对业务的真正价值是那些与识别影响业务的关键变化或趋势以及解释该信息以确定可能对业务产生的影响相关的活动。业务分析师面临的困境是，虽然解释是他们进行的最有价值的活动，但他们花费的时间却最少。大多数数据分析师只将20%的时间花在实际数据分析上，而80%的时间用于对业务没有什么好处的任务，例如查找、清理和建模数据，这些工作效率极低，对业务的价值也很少。这不仅仅是数据准备效率低下。传统的数据分析和可视化工具需要完全手动的数据发现方法。用户必须从大量字段和过滤器中进行选择，然后在搜索模式、趋势和异常变化的同时对数据进行切片和切块。这个手动过程非常耗时，而且很容易出现人为错误和偏见，尤其是在当今数据丰富的世界中。结果？识别业务数据中的关键变化是偶然的，而不是确定的事情。这给寻求确定决策数据的商业黑客带来了风险。人工智能和自动化有望从根本上改变这种范式。应用于分析和商业智能，许多繁琐且耗时的过程将由机器完成。使用机器学习来简化数据分析、匹配和清理过程的智能数据准备将显着减少分析师准备分析数据所花费的时间。这与可以将一系列复杂算法应用于数据的人工智能驱动的数据发现相结合，将减少探索数据和发现相关业务见解所花费的时间。然而，这些进步并不意味着人工智能将取代数据分析师。AI非常适合自动化，但它有基本的局限性。机器无法理解场景。只有人类有能力以复杂的术语（例如组织环境、外部市场因素、客户动态等）对数据进行情境化处理。例如，根据竞争对手营销增长的轶事，在产品销售下降趋势中找到意义的能力远远超出了人工智能的处理能力，但对人类来说却相对简单。这种转变的结果将是数据分析师花更多的时间做机器做不到的事情——提供上下文和解释数据。数据分析师将晋升为关键业务合作伙伴的数据分析师，他们将利用自己的数据素养技能帮助企业解读数据，将发现的见解置于背景中，并使用数据讲述引人入胜的故事。这样做的结果是组织中的数据分析师需要变得更加精通业务并培养他们的技能。这并不意味着重复的数据分析师工作不会消失。对于主要关注数据准备和仪表板构建的数据分析师来说，他们的时间会来得更早。但是，组织将越来越依赖那些具备洞察数据含义技能的人员。数据分析师将依赖AI驱动的工具，这些工具可以让他们工作中的平凡方面变得更轻松，这样他们就可以将更多时间花在数据解释和讲故事等高价值活动上。因此，他们将能够为企业提供有意义的分析，以做出更好的数据驱动决策。
