美国人工智能研究公司推出的上线仅仅两个月，其月活用户就突破了1亿，成为史上用户增长最快的消费级应用，在各个领域不断展现着超乎想象的神奇能力。作为NLP领域目前最成功的人工智能产品之一，它是一款颠覆性的产品，具有划时代的意义。
伴随等一众生成式AI产品逐渐融入职场，职场“拉磨”人士们迅速将其视作一种工具，或是威胁。如何利用提升工作效率？
《未来简史》的作者尤瓦尔·赫拉利曾说过：“人工智能固然好，但人类必须控制它。”生成式AI产品确实使得相当一部分岗位的技能门槛降低了，尤其是在数据分析方面，甚至能帮助分析师写代码、做图表，有了它的帮助，普通人员也能高效完成相应工作。AI发展毫无疑问对其他很多行业产生冲击，大量的初级岗位和基础性工作容易被取代。
如此强大，是否可以取代数据分析师？
在最近研究里提到，对涉及人际交往、手工操作和安全监管等领域的职业影响较少，但对语言类、数据分析类、创意类等行业的影响是显著的。当然，这种影响并不是直接取代或导致工资水平大幅缩水，而是在职业技能要求、工作性质等方面的巨大变革。
的工作原理类似于“文字接龙游戏”，即在人们提问的句子之后，AI思考的是加什么词最合适，输出的结果高度依赖之前“喂”给它的信息。如果我们缺乏提问技巧，收到的回复就是一堆“一本正经的胡说八道”，根本达不到提升工作效率的目的。
我们可以将现在的人工智能理解为一个超级大百科全书，把人类的知识高度浓缩在程序里，找出重点并有效地组织和输出。所以我们应该时刻保持思维超前，利用思维引领，将其作为提升工作效率的工具，而不能完全依赖AI，否则将会成为被AI替代的人群。
如何让更好地服务于用户
尤其是数据分析师群体？
对于的横空出世，用户应该具备对的综合把控能力。
第一，与精准对话的能力。最近，一个新兴职位引起了大家的广泛关注：提示词工程师（ ）。据《华盛顿邮报》报道，提示词工程师职位的年薪高达33.5万美元。本质上讲就是用（提示词）和大语言模型进行交互。因为大语言模型是一个被动输出的模型，想要得到满意答复，就必须与其对话，而与对话的质量直接决定了输出内容的质量。
数据分析师具备分析思维和提出深度问题的能力，所以在向提问过程中更加聚焦，更贴近问题的本质。在一定程度上讲，未来每个成功使用提高工作效率的人（数据分析师）都是提示词工程师。
在数据分析领域，用户需要了解某个市场的销售数据趋势，他可以输入一个问题：”华东市场在过去一年的销售趋势是什么?”。这个问题中的”销售趋势”、”华东市场”和”过去一年”都是提示词，可以帮助更好地理解用户的意图和问题的相关背景。
第二，筛选与甄别信息的能力。我们知道，是一个超级百科全书，它没有自己的思考和判断，且知识有时效性和边界。而数据分析项目往往包含较多个性化和创新性的内容，我们不能完全信任的回答结果，数据分析师需要在精准提问的基础上筛选高质量回答中的有用信息来组织项目的实现。
数据分析师如何提升对的把控能力？
拥有这项能力的数据分析师在使用
时有哪些优势？
前文提到时代的高阶能力（提出需求和做出决策的能力）在数据分析领域就是数据分析思维的体现。数据分析思维的培养不是一朝一夕的，而是在掌握数据分析理论和方法的基础上通过多个真实项目实践不断被训练出来。毫不夸张的说，有数据分析思维的人才能够更高效地利用来解决数据分析问题。我们来看数据分析师如何使用进行项目分析：
某公司的数据分析师想要提高其在线销售业务的销售额。这将涉及到大量且严谨的分析工作，在每个分析步骤中，数据分析思维都可以帮助其高效地与互动并完成任务。
第一：明确问题阶段
有数据分析思维的人能够更好地梳理问题背后的故事和场景，能够更细致地对问题进行拆解，销售额公式是什么？有哪些关键指标与销售额有关？并针对细分问题向进行精准提问和互动，甄别其回答的准确性，并迅速锁定分析方案。
第二：数据采集阶段
有数据分析思维的人可以确定，哪些数据源最适合该问题？如何获取该数据？并利用模型进行文本分类和数据分类等任务。
第三：数据清洗和预处理阶段
有数据分析思维的人可以更好地使用进行数据清洗和数据预处理，他们可以根据经验和场景需要要求执行复杂的数据清洗和预处理工作，例如：正则化、标准化、降维等。
第四：建立模型或探索性分析阶段
有数据分析思维的人可以准确确定分析方法，并选择正确的机器学习算法来构建模型，并且利用进行建模、监控和交互。
确实大大降低了数据分析在纯技术上的门槛，例如编程基础、机器学习算法理论和软件实操等，同时也显著提升了数据分析师在数据分析思维、提问和决策等能力方面的门槛。
如何在人工智能时代把握利好，高效提升企业、个人的综合能效，将会是接下来很长时间内的主流话题。
CPDA公开课明天即将开启！
点击下方立即预约！
相关文章
