太平洋科技 AI

AI如何重新定义基于数据的角色

zhangxinxin 责任编辑：wangkeyue 发布于：2024-02-23 10:37

今天的人工智能功能依赖于大量的数据，因此，数据专业人员正在重新构想他们在企业中的角色。

根据Salesforce 2023年11月的一项调查，我们今天卷入的人工智能革命发展得如此之快，77%的商业领袖已经担心他们会错过人工智能带来的好处。

但随着人工智能几乎无限的适用性，组织应该首先关注哪里?企业所拥有的最有价值的商品——数据——以及与维护、操纵和消费数据最密切相关的职位。毕竟，当今著名的生成式人工智能模型所产生的结果，与它们所接受的大量数据一样好。有能力的数据管理人员是必不可少的。

人工智能几乎不会取代任何与数据相关的角色。相反，人工智能驱动的软件将增强他们的能力，并鼓励雄心勃勃的数据专业人士去获取可能需要的任何新的人工智能相关技能。以下是人工智能对整个组织中数据角色的影响的快速概述。

首席数据官(CDO)

根据《哈佛商业评论》(Harvard Business Review)的数据，CDO是IT界最难做的C级职位之一，CDO的平均任职时间只有两年半。人工智能是潜在的CDO游戏规则改变者，因为它为企业提供了新的价值交付机会。

直到最近，CDO办公室还被认为是确保数据治理、完整性和安全性的成本中心。人工智能在关键方面提升了CDO的地位。首先，它增加了大量的自动化来提高数据质量、数据库性能和数据分析，从而全面产生更好的结果。其次，人工智能应用程序，从聊天机器人到定价优化器再到预测分析，都依赖于海量的高质量数据，其中许多应用程序已经在带来新的收入。

但人工智能也给CDO增加了一项重要的新义务：他们必须确保人工智能训练数据不会产生有偏见的结果。一个典型的例子是将风险不经意地与少数族裔借款人、求职者、商业伙伴等联系在一起。避免人工智能偏见也是人工智能应用程序开发人员的责任，因此协作测试必须持续进行。

数据架构师

数据架构师通过有效的规划和设计，将CDO的愿景、政策和举措变为现实。首先是数据建模:收集和分析数据需求，并开发逻辑和物理模型以适应这些需求。人工智能支持的数据建模还处于早期阶段，但随着技术的成熟，它将帮助架构师生成更复杂、更准确的模型。

数据架构师可以使用支持人工智能的工具来识别数据使用趋势，目标是建立最佳的数据位置、存储性能和数据安全性，以服务于整个组织的应用程序。这样的分析可以扩展到预测容量规划，这样架构师就可以确定哪些数据存储在哪些平台上，无论是现在还是将来，是在本地还是在云中。

数据工程师和集成专家

数据工程师通常在系统而不是组织级别管理数据，重点放在基础设施上，而数据集成专家则解决混合和协调来自任意数量业务应用程序的多个存储库的数据的老问题。这两个重叠的角色已经从人工智能中受益。

这个领域的关键问题是元数据管理——也就是说，组织所有描述对企业有用的数据的重要信息，而不考虑其来源或平台。人工智能工具已经存在，可以帮助呈现和规范元数据模式，用于数据映射和集成。有些还自动化了数据管道的创建，这些管道构成了数据集成的结构。较新的人工智能产品可以在数据流经管道时持续监控数据质量，实时标记不一致的地方。

数据库管理员(DBA)

管理企业数据库是一项涉及许多方面的工作，从性能调优到密集的SQL查询，再到确保可用性和安全性。DBA通常需要平衡不同用户组的需求，同时在数据存储扩展和新数据库软件版本出现时尽量减少中断。在这里，AI可以减少花费在琐碎任务上的时间，使dba能够花更多的时间捕捉和满足涉众的需求。

但最大的胜利在于优化。使用人工智能工具分析性能特征使DBA能够标记瓶颈并预测即将到来的基础设施限制，或者在没有人工干预的情况下实际增加容量。探究数据库本身的人工智能工具可以提出索引调整建议，并建议对查询进行更改，从而更快地提供更好的结果。

数据科学家

可以说，人工智能为数据科学家提供了最大的好处，这是一份需要编程、机器学习(ML)、数学和数据分析工具等高级技能的工作。例如，自动化机器学习(AutoML)极大地简化了模型开发的任务，包括为工作选择正确的机器学习算法。此外，与任何编程一样，编写Python或R代码的数据科学家可以从人工智能编码助手提供的更高生产力中受益。

数据科学家享有广泛的权限，利用大量数据来识别企业的长期趋势、风险和机会——这一过程被一系列注入人工智能的分析软件所丰富。但这项工作有一个不为人知的小秘密:数据科学家的大部分时间都花在收集、清理和预处理数据上。人工智能驱动的数据编目加速了采购，而人工智能工具正在兴起，以帮助实现数据质量的六个要素:准确性、完整性、一致性、唯一性、及时性和有效性。这种基础为整个企业的数据分析增加了价值。

数据分析师

与数据科学家一样，数据分析师正在利用最新分析工具中包含的新人工智能功能，尽管数据分析师通常侧重于特定领域的决策支持，而不是大局见解。多年来，人工智能一直为预测分析提供动力，但新的、迭代的机器学习功能正在改进模式(和异常)识别，以产生更准确的预测。人工智能还可以为手头的任务提供最佳的可视化，甚至可以自动生成仪表板。

所有这些自动化都扩大了对数据分析的访问。自然语言界面使那些缺乏查询语言技能的人能够自己进行分析，而人工智能提供的指导有助于防止菜鸟犯低级错误。人工智能正在以惊人的速度永远改变分析，极大地扩展了功能，并为更广泛的业务分析师配备了更强大的自助工具。

软件开发人员

严格地说，软件开发人员不是数据专业人员，但显然他们要处理数百万行代码形式的大量数据。与此同时，许多开发人员正在将ML功能集成到处理各种企业数据的应用程序中。在这两种情况下，基于AI的编码助手都对开发人员的生产力产生了两位数的影响。

编码助手不仅仅是完成重复的代码行。使用大量开放源代码存储库的自然语言查询，加上他们自己公司的专有代码库，开发人员不再需要英勇地跟踪晦涩的语法细节。编码助手可以按照开发人员组织制定的编码规则，提供格式良好的代码。在某些情况下，编码助理还会为特定的应用任务推荐正确的机器学习算法。

AI对企业的征服

可以肯定地说，没有一项新兴技术能像人工智能那样迅速产生更广泛的影响。尽管数据管理人员和开发人员看到了最大的影响，但营销、产品开发、服务运营、风险分析等领域的专业人士正在使用人工智能。整个企业已经感受到数据质量和分析方面的改进。也许最令人惊讶的事实是，我们才刚刚开始。

原文《How AI is redefining data-based roles》

人工智能数据专业人士

zhangxinxin

原创栏目