Автоматизация процессов - одна из самых популярных задач аналитиков, это подтверждают и опросники.
Это очень точно подметили в подкасте «Доверительный интервал». Но самое интересное в том, как аналитики уже используют AI для своих задач.
Очень близка мысль от Саши Исакова (руководитель группы разработки аналитических ИИ-решений в Лавке) про Knowledge Base. Это единое место, где описываются данные, метаданные, методологии расчета метрик, созданные дашборды и многое другое.
Это позволяет использовать все накопленные знания и работы аналитиков для использования в AI-инструментах.
Представьте, у вас есть чат с ИИ, который в курсе всего, что сделала когда-либо ваша аналитическая команда. И это может ускорить работу самому аналитику над написанием новых скриптов, поиском данных, разработки дерева метрик. Так и снять с него часть рутины, например adhoc-задачи, ответы на вопросы в чате и высвободить это время под творческий подход и исследования!
И в этом у меня сильно перекликается мысль с подходом к Data Governance - это управление данными, которое с развитием AI приобретает очень высокую важность. Не просто какие таблицы в хранилище, а описанная информация о том, какие данные лежат в таблице, какие метрики из нее считаются, какие витрины и отчеты строятся и т.д.
Но всегда есть нюансы) Даже если будет такая супер-идеальная база знаний, всегда найдется костыль, технический долг или бизнес-договоренность, о которых лучше знают люди на местах - сами аналитики. И вот без учета таких деталей не получится переиспользовать вслепую весь описанный Knowledge Base в соседней команде или, например, бизнес-подразделении, потому что там своих нюансов будет много 😅
Аналитики - это хранители нюансов и деталей о текущем аналитическом подходе. AI - это помощник аналитика, который может ускорить работу и закрыть рутину, учитывая все эти нюансы с его внимательным контролем.
Это очень точно подметили в подкасте «Доверительный интервал». Но самое интересное в том, как аналитики уже используют AI для своих задач.
Очень близка мысль от Саши Исакова (руководитель группы разработки аналитических ИИ-решений в Лавке) про Knowledge Base. Это единое место, где описываются данные, метаданные, методологии расчета метрик, созданные дашборды и многое другое.
Это позволяет использовать все накопленные знания и работы аналитиков для использования в AI-инструментах.
Представьте, у вас есть чат с ИИ, который в курсе всего, что сделала когда-либо ваша аналитическая команда. И это может ускорить работу самому аналитику над написанием новых скриптов, поиском данных, разработки дерева метрик. Так и снять с него часть рутины, например adhoc-задачи, ответы на вопросы в чате и высвободить это время под творческий подход и исследования!
И в этом у меня сильно перекликается мысль с подходом к Data Governance - это управление данными, которое с развитием AI приобретает очень высокую важность. Не просто какие таблицы в хранилище, а описанная информация о том, какие данные лежат в таблице, какие метрики из нее считаются, какие витрины и отчеты строятся и т.д.
Но всегда есть нюансы) Даже если будет такая супер-идеальная база знаний, всегда найдется костыль, технический долг или бизнес-договоренность, о которых лучше знают люди на местах - сами аналитики. И вот без учета таких деталей не получится переиспользовать вслепую весь описанный Knowledge Base в соседней команде или, например, бизнес-подразделении, потому что там своих нюансов будет много 😅
Аналитики - это хранители нюансов и деталей о текущем аналитическом подходе. AI - это помощник аналитика, который может ускорить работу и закрыть рутину, учитывая все эти нюансы с его внимательным контролем.