الماضي هو مقدمة: كيف تغير تحليلات المحادثة عمل البيانات

— لقد سلكنا هذا الطريق

لقد تحسر العديد ممن سبقوا على لوحة التحكم التحليلية. قد تحتوي لوحات المعلومات على الكثير من المعلومات ولكن ليس كثيرًا في مجال الرؤية. قد يجيبون على السؤال الذي طرحه شخص ما بالأمس، ولكن ليس السؤال الذي يطرحه اليوم – وبالتأكيد ليس بالتفاصيل المطلوبة.

سيؤدي تطور الذكاء الاصطناعي التوليدي إلى تغيير لوحة المعلومات وإعداد التقارير بشكل عام. أريد مناقشة كيف أعتقد أن الذكاء الاصطناعي التوليدي سيغير عمل محترفي البيانات ويحسن تجربة اكتساب الرؤى للمستخدم النهائي. وأريد أيضًا مناقشة المخاطر التي قد تأتي نتيجة لهذا التحول، وكيفية تجنبها.

النموذج الجديد: تحليلات المحادثة

في أي مستقبل متوقع لكيفية تغير عمل محترفي البيانات، سيظل تشكيل الرؤى في سياق الأعمال هو المطلب الأساسي. قد تظل لوحات المعلومات بمثابة نقطة البداية للحصول على رؤى – تمثيل مرئي للسياق يسمح للمستخدم بمتابعة الأسئلة الإضافية من خلال واجهة الدردشة داخل لوحة المعلومات. أو يمكن للمستخدم البدء بواجهة دردشة بسيطة.

في هذه الحالة، سيتم توجيه المستخدم بالسياق من خلال وسائل أخرى؛ على سبيل المثال، يمكن أن تتم مطالبتهم بقائمة من الأسئلة التي سبق أن طرحها الآخرون في نفس القسم.

إعطاء السياق باعتباره نظامًا جديدًا للبيانات (ولكنه قديم أيضًا).

في أي من هذين السيناريوهين – سواء بدء الأسئلة من واجهة لوحة المعلومات أو الدردشة وحدها – يكون محترف البيانات مسؤولاً عن تنفيذ إعطاء السياق: توجيه المستخدم إلى نوع البيانات التي تمتلكها الشركة وأنواع الأسئلة التي قد تولد الرؤى التي يهتم بها المستخدم. سيحدد متخصص البيانات كيفية الإجابة على السؤال، والنماذج والمقاييس التي يجب الرجوع إليها، ونوع العائد الذي يمثل الأداء الجيد أو السيئ، وكيف ينبغي تصور البيانات. وقد تتضمن أيضًا أسئلة متابعة محتملة قد يرغب المستخدم في طرحها.

وكمثال على تقديم السياق خلف الكواليس، قد يسأل المستخدم: “ما هو عائد الاستثمار للمنتجات الفردية التي يمتلكها هذا العميل؟” ستوجه الهندسة السريعة التي أنشأها متخصص البيانات إلى الإجابة على السؤال من خلال:

• بالإشارة إلى نموذج الاستخدام الأساسي،
• المقارنة المعيارية مع العملاء في نفس الصناعة، و
• الافتراضي هو المخطط الشريطي عندما تكون البيانات الفئوية المنفصلة هي المخرجات.

ربما لا يصبح جميع محترفي البيانات مهندسين سريعين في الأساس، ولكن هذا سيحتاج إلى مجموعة مهارات في فريق البيانات.

للقيام بالعمل الممتع المتمثل في السماح للمستخدمين بالخدمة الذاتية بأمان – من خلال توفير حواجز الحماية الأساسية – يجب على متخصصي البيانات التركيز على المجالات التي فشلت فيها العديد من فرق البيانات: توثيق واضح للأبعاد والمقاييس وتوثيق كيفية تغير المنهجيات الرئيسية للمقاييس بمرور الوقت.

إن عمل البيانات المطلوب للتحضير للقدرات التي سيجلبها الذكاء الاصطناعي التوليدي إلى تحليلات الخدمة الذاتية يجب أن يبدأ مع العمل التأسيسي الذي غالبًا ما تم إلغاء أولوياته في خدمة الشحن الأسرع – إنشاء أعمال فنية موثقة جيدًا في موقع مركزي. بهذه الطريقة، تعمل تحليلات المحادثة على إعادة فرق البيانات إلى الأساسيات.

أصبحت التوصيات ميزة مدمجة

يجب أن يكون تقديم التوصيات لاتخاذ القرار أيضًا وظيفة أساسية لفريق البيانات. ستصبح القدرة على التوصية بالخطوات التالية ميزة مدمجة في تحليلات المحادثة، ولكنها تستحق أكبر قدر من الإشراف. كما تمت مناقشته أعلاه، قد لا توفر منهجية لوحة المعلومات الحالية رؤى؛ علاوة على ذلك، لا يمكن للوحات المعلومات التوصية بإجراء يجب اتخاذه.

سيكون متخصص البيانات في طليعة وضع التوصيات في الإنتاج من خلال تحليلات المحادثة. ومع ذلك، فإن تحديد ما ينبغي أن تكون عليه هذه التوصيات سيكون بمثابة جهد تعاوني بين العديد من الإدارات في الشركة.

سيتعاون متخصصو البيانات مع خبراء متخصصين لفهم نوع سياق العمل الذي يجب أن يسترشد به في الخطوة التالية الموصى بها.

على سبيل المثال، قد يسأل المستخدم: “لماذا حدثت زيادة في استخدام منتج الرعاية المزمنة من قبل هذا العميل هذا العام؟” لفهم السبب، بعد المناقشة مع فرق المنتج والتسويق المناسبة، قد يضع فريق البيانات متطلبات للنموذج للإشارة إلى أي تغييرات سكانية للعميل وأي مواد تسويقية تم إصدارها لبرنامج معين. قد يشير النموذج بعد ذلك إلى تلك المصادر مرة أخرى للتوصية بالخطوة التالية مثل:

“لقد استهدفت حملة الرعاية المزمنة بشكل فعال عددًا متزايدًا من هذا العميل. وبرزت إدارة النوم باعتبارها مصدر قلق رئيسي، لذلك نوصي بإرسال رسالة مستهدفة بعد العام الجديد.”

من منشئي لوحات المعلومات إلى مديري الذكاء الاصطناعي

إن عملية توفير السياق – وتمكن المستخدم من طرح سؤال وينتهي به الأمر ليس فقط برؤية ثاقبة ولكن بتوصية مدروسة – توضح مدى المرونة التي يمكن وينبغي أن تصبح هذه العملية. عندما تصبح تجربة المستخدم أكثر مرونة وأقل ارتباطًا بجمود لوحات المعلومات أو التقارير الثابتة، سينخفض ​​استخدام لوحات المعلومات.

سيتم إنشاء عدد أقل من لوحات المعلومات، وسيتم إيقاف المزيد من لوحات المعلومات – مما يعني الحاجة إلى صيانة أقل من قبل فريق البيانات. سيكون هناك عدد أقل من الطلبات المخصصة لتقارير محددة لأن الذكاء الاصطناعي التوليدي سيكون قادرًا على الإجابة على هذه الأسئلة. ومع ذلك، سيكون هناك المزيد من الطلبات للتحقق من دقة إجابات الذكاء الاصطناعي والمزيد من تقارير الحوادث للمخرجات غير المتوقعة أو غير المفيدة الناتجة عن الذكاء الاصطناعي.

قد يتحول عمل فريق البيانات من بناء لوحات المعلومات والإجابة على الأسئلة المخصصة التي تخدم احتياجات إعداد التقارير إلى ضمان أن الإجابات المقدمة بواسطة أدوات تحليل المحادثة دقيقة وذات معنى للمستخدم النهائي.

في وقت سابق، استخدمت سؤال عائد الاستثمار (ROI) كمثال لكيفية قيام الذكاء الاصطناعي بإظهار الرؤى بسرعة. في نفس السيناريو، يتضمن عمل فريق البيانات التحقق من أن إجابة الذكاء الاصطناعي لعائد الاستثمار تتوافق دائمًا مع أحدث تعريفات المقاييس وقواعد العمل.

سيحتاج فريق البيانات إلى إنشاء بنية تحتية لمراقبة مخرجات ودقة الذكاء الاصطناعي التوليدي وبناء الاختبارات باستمرار حيث تسمح الشركة للذكاء الاصطناعي بالإجابة على المزيد من الأسئلة.

المزالق واستراتيجية التنفيذ

إن المسؤولية المتزايدة التي سيتم منحها تقودني إلى ما أعتقد أنه يمكن أن يكون مأزقًا في عالم الذكاء الاصطناعي التوليدي لتوفير تحليلات الخدمة الذاتية: وهو نهج لا يتم تحديد نطاقه بشكل محكم أو دقيق.

تحتوي كل أداة نستخدمها حاليًا في فريق البيانات لدينا تقريبًا على عرض مقنع للذكاء الاصطناعي – بما في ذلك مستودع البيانات لدينا وأداة ذكاء الأعمال لدينا – ويمكن تشغيلها بشكل أساسي بنقرة زر واحدة. وفي بعض الأحيان يمكنهم تقديم إجابات مفيدة. ومع ذلك، بدون عقلية المنتج التي جلبها فريق البيانات إلى هذه الأدوات، فإنها لن تكون مفيدة بشكل عام وغالبًا ما تكون غير دقيقة.

تخيل لو أن الذكاء الاصطناعي، في مثال الرعاية المزمنة، بدأ في التوصية بحملات توعية دون التحقق من صحة البيانات السكانية للعميل.

كما هو الحال دائمًا، هناك توتر بين البناء السريع – في هذه الحالة، النقر على تحليلات المحادثة في أدوات البيانات التي تعرفها وتحبها بالفعل – والبناء بهدف تحصين هذه التصميمات في المستقبل.

ستحتاج الشركة إلى تحديد التقارير المنطقية أولاً لتفريغها في الذكاء الاصطناعي التوليدي. وللقيام بذلك بشكل جيد، يجب أن يتم التنفيذ وفق نهج تدريجي. ربما تأتي تقارير المبيعات أولاً لأن هذه الأسئلة تولد الحجم الأكبر، أو ربما تكون أسئلة حول عائد الاستثمار لأنها الأكثر إلحاحًا.

العودة إلى الأساسيات، انتقل إلى التوصيات

للاستفادة الكاملة من هذه الإمكانات الجديدة، يتعين على فريق البيانات العودة إلى فهم وتوثيق تاريخ الشركة كما هو معروض في نمذجة البيانات والطبقة الدلالية من أجل توفير سياق كامل للرؤى والتوصيات. كما نوقش أعلاه، نحتاج إلى ترميز فهمنا للمقاييس مثل عائد الاستثمار وتصميم الطريقة التي نريد بها تقديم التوصيات – مثل متى نوصي بنوع من التواصل.

لقد كان دور البيانات دائمًا تعاونيًا ولكنه سيكون الآن تعاونيًا بطريقة مختلفة. لن يقتصر الأمر في المقام الأول على جمع المتطلبات للوحات المعلومات أو التعلم الآلي المتقدم، بل جمع المتطلبات للحصول على رؤى الذكاء الاصطناعي ومخرجات التوصيات.

يجب ترميز عرض القيمة للشركة في التصميم الفوري. هذه مهمة أساسية ولكنها صعبة، ولهذا السبب أدعو إلى اتباع نهج مدروس ومرحلي لاستخدام الذكاء الاصطناعي التوليدي في إعداد التقارير – حتى بالنسبة للأدوات التي تجعل من السهل جدًا “وضع الذكاء الاصطناعي في الإنتاج”.

أنا متحمس واستثمر في اليوم الذي يصبح فيه برنامج الدردشة الآلي أداة إعداد التقارير الأساسية.