生成式人工智能不会取代数据分析师的工作，也不会取代很多其他领域的人员，尤其是那些需要人类同理心和洞察力的领域。从表面上看，数据分析似乎是一个技术角色，但实际上，这项工作很微妙。

这个过程涉及的不仅仅是数据处理；还需要了解数据背后的人为因素。无论是分析客户行为还是检测欺诈活动，人类分析师的同理心和理解他人的动机、恐惧、野心和兴趣的能力都可以带来令人信服的见解。洞察力可以超越原始数据中立即显现的内容，并且需要人工智能目前缺乏的人类判断和理解元素。

人工智能可以处理海量数据并提供定量分析。它无法理解人类行为的微妙之处、文化的细微差别或人类动机和欲望的复杂性。人为因素通常对数据产生重大影响，并且这是人类分析师擅长的领域。

ChatGPT 和 Bard 等生成式 AI 工具可以按照类似人类的标准模拟文本生成，并且它们有可能自动执行数据分析师目前执行的一些任务。但生成式人工智能也有局限性，例如无法理解数据的完整上下文。因此，数据分析师必须解释生成式人工智能的结果，并根据数据做出决策。

生成式 AI 的当前能力和局限性

生成式人工智能无法执行分析师的细微的工作。分析师的工作需要结合视觉、数字和隐性知识，而分析师无法仅通过文本来传达这些知识。生成式 AI 模型使用的训练数据限制了它们可以生成的文本。生成式 AI 也无法分析原始数据或生成原始可视化，它提供的任何见解都来自训练数据中的语言模式。

生成式 AI 模型的另一个问题是准确性。如果没有人类监督，人工智能输出的文本可能包含逻辑差距、有偏见的观点和它从训练数据获取的事实错误。准确性取决于训练数据的质量和多样性。有偏见或不准确的训练数据也会导致数据集有偏见或不准确。

人工智能模型难以跟上现实世界的步伐：训练或重新训练模型需要大量的计算能力、时间和金钱。随着世界的变化，AI 模型会落后，直到它被重新训练。甚至 GPT-4 也只在 2021 年之前的数据上进行训练。具有讽刺意味的是，自 2022 年 11 月推出以来，ChatGPT 对其自身对商业、经济和精神生活的影响知之甚少。

生成式人工智能模型也缺乏批判性思维技能和洞察力，无法质疑其源材料的有效性或相关性，这是数据分析师的一项基本技能。数据素养的一个核心组成部分是检查数据质量并识别潜在的偏见。

由于存在局限性，生成式 AI 模型不应替代人类分析师。相反，这些模型是帮助分析师生成文本、识别模式和探索数据的工具。在人类的监督下，生成式 AI 模型可以成为一种资产。如果没有人类的参与，它们大多会对现有的知识进行重复的、公式化的总结。

生成式 AI 如何影响分析师角色

由于人工智能的局限性，人工智能取代人类分析师还需要一段时间。但人类分析师现在可以在工作中将人工智能用作有价值的助手。

代码生成

生成式 AI 可以建议代码来提取、清理和分析数据，这有助于自动执行一些重复性任务。它缺乏对上下文、业务目标和相互依赖关系的深刻理解，而企业需要这些来设计复杂、可扩展和可维护的代码架构。它可以帮助可能需要使用多种语言或不同架构工作的分析师，生成有用的代码以供快速查看。

数据建模

基于正确的信息，人工智能可以提出数据结构（例如表格），特别是对于星型和雪花等分析模型。尽管人工智能可以识别数据中的模式并提出表格建议，但定义高效和有效的数据结构的任务通常需要人工干预。

人工智能可能很难在第一时间把它做好，因为它对数据的理解与人类分析师不同。分析师了解数据的性质、其关系以及如何针对特定用例对其进行最佳建模。分析师的知识对于定义高效和有效的数据结构至关重要。向 AI 程序描述必要的细节可能工作量太大，但人类分析师可以凭直觉寻找潜在的用例。

人类分析师在第一次迭代时也经常出错，但他们在一开始就对问题有更丰富的理解。

人工智能的一个有趣用途是推荐分析方法。分析师必须验证建议的方法是否适合该问题，考虑业务需求、数据限制，甚至可能考虑计算和存储的预算限制。

假设一个人工智能系统正在分析客户购买数据以增加销售额。它筛选了大量数据集并识别出一种模式：购买笔记本电脑的客户通常也会购买无线鼠标。因此，人工智能建议将产品捆绑在一起进行促销可能会增加销售额。

人类数据分析师利用特定的业务知识和经验，可以补充人工智能生成的洞察力。他们知道笔记本电脑的利润率很高，而鼠标的利润率很低。捆绑包可以增加销售额，但可能会削弱整体利润。他们可能会建议对人工智能的策略进行调整：只有在客户购买笔记本电脑后，才能以折扣价提供鼠标，而不是捆绑销售，也许还会提供优惠券。该提案保持了笔记本电脑的盈利能力，并且由于感知到的交易，整体销售额仍可能增加。人类分析师还可以提供有关供应链限制、季节性趋势或人工智能可能不知道的即将到来的营销活动的背景信息。

基于新的见解，分析师可以再次提示人工智能，看看它是否有更多或类似的建议。

人工智能在数据分析中的近期未来

人工智能可以增强而不是取代数据分析师的角色。分析师可以将更多时间投入到战略工作上，因为自动化有助于执行日常数据任务。但人工智能不对自己的错误负责。责任和责备仍然在于人类。

人类的判断力，加上一定程度的怀疑态度和商业头脑，仍然是人工智能无法取代的不可或缺的资产。聪明的分析师可以将人工智能作为一种工具来增强他们的能力，而不是将其视为对他们角色的威胁。

如今，人工智能可以自动执行重复性任务，提供对大型数据集的见解，帮助起草初始报告，编写代码片段并提出潜在的分析路线。随着人工智能的进步，该行业可能会期待在数据分析方面获得更复杂的帮助。人工智能可以建议潜在的数据源，生成有效的测试数据，或推动运营和战术决策。

即使生成式AI会减少所需的分析师数量，人类分析师的关键作用仍然存在。即使生成式进一步发展，企业仍然需要人类分析师对特定背景的认知、应用批判性思维的能力和对人类需求的深刻理解。人类分析师的角色并没有过时。更重要的是确保他们的组织有效和负责任地利用生成式人工智能的潜力。