在过去的十到十一个月里，人们对生成式人工智能（generative AI）的讨论明显增加，它对包括医疗保健、制造业、教育、网络安全、数字媒体、银行业、零售业和软件开发在内的各个行业产生了重大影响。本文着重探讨生成式人工智能如何使数据和分析工程工作空间受益。我们将探索它如何提升人力资源的生产力，并预测数据和分析领域所使用的工具和框架的变化或改进。
数据和分析是什么？
根据Gartner的定义，数据和分析是指组织管理数据以支持其所有用途，并分析数据以改善决策、业务流程和结果（例如发现新的业务风险、挑战和机会）的方式。
使用LLM模型的BI高级设计
重新定义工具：生成式人工智能与工具的无缝集成
我们预计通过整合生成式人工智能，各种工具集将得到改进。一些工具已经踏上了这个旅程，而其他工具预计在不久的将来也会加入。这些工具将支持英语提示。例如，集成到Power BI的Microsoft Copilot允许用户输入英语提示并获得相应的结果。Copilot还可以对数据进行总结，以便更容易理解。同样，Soda GPT允许使用英语提示设置数据质量规则；您可以输入一个英语提示，它将相应地验证数据。生成式人工智能还可以帮助工程师生成ETL管道并执行数据转换。此外，在数据治理领域也会有很大的受益。通过生成式人工智能，可以创建一个数据目录，建立数据血统，定义规则并执行它们。
生成式人工智能预计将彻底改变数据和分析领域的格局，提高生产力并简化交付时间表。组织可以利用其能力提升组织数据的最终用户体验，并以更高的敏捷性做出明智的决策。生成式人工智能不会取代数据和分析专业人员，而是增强他们的工作，使更多组织能够利用数据驱动的洞察力。