ИИ перестал быть просто игрушкой, тем более для онолитиков. А умение пользоваться нейросетями потихоньку становится для аналитика еще одним пунктом в списке хард скиллов. Но пока только становится 👍
В первой части,
в посте Марии из канала
@rock_analyst, рассказала интересности про Claude Code, NotebookLM и Granola. То, что сейчас на слуху и нередко применяется в работе аналитиков (обязательно почитайте, если еще не видели). Теперь наша очередь. Обсудим пользу и вред ИИ для аналитиков с опытом, а также заглянем в будущее.
У всего есть свои минусы?Да, ИИ упрощает многие задачи, помогает с написанием кода, предлагает идеи и генерит текст для тех же документов или презентаций. Но тут надо быть очень аккуратными. БАЗА аналитику все равно необходима 👀
Начнем с конца, поговорим про будущее 🪩
Реальная ситуевина. Использовал крутую Gemini Pro, чтобы написать запрос для сбора данных из 3 таблиц. Все понятно. Но данные редко бывают идеальными, почти везде есть свои нюансы, которые учитываешь только после осмотра владений данных. Мне нужно было посчитать среднее. Без погружения в бизнес контекст и знания структуры данных сделать это правильно крайне сложно.
Артем на недавней встрече в
ITM клубе буквально на пальцах показал, что среднее можно интерпретировать тремя разными способами с абсолютно разным итогом. Я не хочу сказать, что "ИИ нам не нужон". Ни в коем случае. Скорее речь о том, что знание SQL кратно ускоряет написание и правку запросов. ИИ выступает не заменой аналитику, а супер помощником, который заметно ускоряет работу. Но без БАЗАвых знаний SQL, pandas, метрик и т.п., вы останетесь обычным пользователем и не сможете даже проверить, правильно ли нейросеть все посчитала.
И что больше всего радует, любая современная нейронка по сути представляет собой огромную многомерную таблицу с весами. Она использует данные, чтобы отвечать на наши вопросы. Поэтому дата инженеры и аналитики остаются супер востребованными специалистами во многих сценариях. Данные для ИИ нужно готовить, обрабатывать, понимать и делать из них выводы.
Так что анализ данных наверняка останется топовой позицией. Наши навыки будут расширяться, но нам же от этого только интереснее и прибыльнее 😄
Ну и напоследок о том, как мы используем ИИ уже сейчас:*
Оптимизация SQL и кода. Если запрос выполняется вечность, просто закидываем его в промпт вместе со структурой таблиц. Нейронка быстро найдет узкие места и предложит решение с оконными функциями или правильными джоинами.
*
Автоматизация документации. Писать доку скучно. Проще скормить скрипт питона чатботу и получить готовое описание для базы знаний. Останется только внести мелкие правки руками.
*
Генерация регулярок. Вспоминать синтаксис регулярных выражений больше не нужно. Нейросеть пишет их за пару секунд и обычно без ошибок.
*
Проектирование архитектуры. При создании новой витрины данных с ИИ удобно обсуждать плюсы и минусы подходов. Отличный метод резиновой уточки, 👀которая умеет отвечать по делу.
ИИ не оставит нас без работы. Без работы нас оставят аналитики, которые быстрее освоят новые инструменты. Кстати,
Маша в своем канале рассказывает, как вкатывается в аналитику — рекомендосьен! Поэтому адаптируемся и продолжаем развиваться! ✋✋✋
