生成式人工智能能够大规模生成新数据并从现有数据中解析含义，因此越来越多地被引入以增强数据分析和商业智能。
许多最大的生成式 AI 供应商正在将其模型与现有的数据分析解决方案集成，而许多生成式 AI 初创公司正在为数据分析和数据管理创建独特的独立解决方案。
像这样的生成式 AI 工具可以帮助你的组织自动化和支持其数据分析工作，但前提是你了解有效结合使用生成式 AI 和数据分析工具的最佳实践。
在本指南中，我们将介绍在数据分析操作中使用生成式 AI 的一些最佳实践，以及一些可用于不同企业用例中 AI 驱动分析的顶级工具。
生成式 AI 和数据分析：最佳实践和技巧 #
许多企业领导者认为，只需订阅或构建生成式 AI 模型就足以优化他们当前的数据分析实践。
但是，这些模型的好坏取决于你使用的数据和你设置的标准。为了在使用生成式 AI 进行数据分析时为您的团队和整个企业提供最大的成功机会，请遵循以下最佳实践和提示：
获取和使用高质量数据 #
使用生成式 AI 技术的数据分析结果的质量取决于您使用的数据的质量。这既适用于生成模型从一开始就接收的训练数据，也适用于它持续引入的任何输入数据。
最可靠的方法是主要依靠第一方数据，因为您的团队可以轻松追踪其来源并识别内部资源和用户的任何问题。但是，有时需要使用第三方数据资源。在这些情况下，请确保您从信誉良好的来源获取数据，最好是数据来源和安全实践透明的来源。在所有情况下，评估您的数据，以确保其高质量、无偏见、符合道德标准并符合任何相关法规。
此外，与任何其他数据分析或人工智能工具一样，清理和准备数据以实现最佳生成式 AI 处理非常重要。虽然没有必要像其他类型的人工智能工具那样精确地标记和准备数据，但组织数据、删除错误数据并就哪些数据对最终目标有用做出其他决定仍然是一个好主意。
花时间查看和清理数据集不仅可以确保您拥有与数据分析项目相关的数据，还可以帮助您确认所有数据都是合规且符合道德规范的。
主动确定 KPI、最终目标和用例 #
生成式 AI 模型是用于自动化和扩展数据分析的不可思议的资源，但除非您使用正确的工具并牢记明确的最终目标，否则您获得相关输出的可能性要小得多。为了获得最佳结果，最好在开始之前确定 KPI 和数据分析目标。以下问题可帮助您为组织设定正确的目标：
- 用户：谁将使用您的数据分析工具？它主要是一个由专业数据分析师组成的团队，还是技术含量较低的队友也会使用该工具？
- 行业要求：根据您所在的行业，您是否需要更通用的数据分析解决方案或特定于行业的工具？您的工具是否需要遵守任何特定的合规性法规？
- 跨部门用例：哪些部门将使用此工具？此工具是否适用于您企业的用例？
- 数量：您计划每天、每周和每月生成多少见解？
- 数据呈现要求：需要向谁提供见解？结果应该以特定的仪表板或可视化格式显示吗？结果需要多久展示一次？
- 速度：需要多快生成见解？
- 准确性：您的团队希望通过数据分析结果达到多少百分比的准确率？
- 训练：员工需要多少培训才能有效使用此工具？
问你自己和你的数据分析团队这类问题将有助于你建立相关的KPI，并选择最好的数据分析工具来实现这些目标。
许多团队没有意识到的是，在许多情况下，生成式 AI 模型对于您正在从事的项目来说是矫枉过正的。提前进行这种尽职调查可以防止您的团队在生成式 AI 技术上花费时间、精力、预算和其他资源，除非有必要。
选择与生成式 AI 模型集成的数据分析工具 #
在数据分析操作中使用生成式 AI 的最有效方法是使用已经具有内置生成式 AI 功能的数据分析平台。越来越多的数据分析供应商已将生成式人工智能（主要是 ChatGPT）整合到他们的软件中，以帮助用户自动化、简化和发展他们的数据分析操作。
如果您正在寻找将生成式 AI 与高级数据分析相结合的合适工具，请考虑使用以下解决方案之一：
- Microsoft Power BI：一个企业级 BI 平台，现在本机包括 Microsoft Copilot、ChatGPT 和 Azure AI 服务。用户可以更轻松地使用自然语言输入和查询，并生成相关的数据可视化效果。
- Tableau GPT：在 Salesforce Einstein GPT 和 ChatGPT 的帮助下，Tableau GPT 旨在自动执行多项数据分析任务，包括数据准备和治理。用户还可以利用 Tableau Pulse，这是一款由 Tableau-GPT 提供支持的解决方案，可为每位员工提供个性化的数据见解。
- Qlik Sense：通过整合 OpenAI 连接器，Qlik Sense 已从典型的云分析解决方案转变为 AI 生成的数据洞察和自动自然语言数据解释的民主化选项。
- 概念人工智能：Notion 项目管理平台中的这款新产品依靠 ChatGPT 技术来总结会议记录中的要点，从会议记录中生成后续步骤，并协助用户完成写作任务。
生成式人工智能如何在数据分析中使用？ #
- 企业商业智能：生成式 AI 模型用于更全面地得出描述性、诊断性和预测性见解，所有这些都为规范性分析和未来行动提供信息。
- 营销、销售和客户体验分析：生成式 AI 使开发高级分析变得更加容易，尤其是在客户角色和配置文件方面。人工智能工具还增强了营销和销售平台在客户互动中进行深入情感分析的能力。
- 地理空间分析：在地理空间分析工具和地理信息系统 （GIS） 技术中，生成式 AI 有助于更好地解释空间模式，提高地理数据检测的速度和容量，并在更精细的级别上提取空间数据。
- 合成数据生成和测试数据生成：特别是在第一方和个人数据使用受到限制的行业中，生成式 AI 工具可用于生成合成数据孪生或测试数据以进行合规数据分析。
- 嵌入式办公套件和企业软件智能：生成式 AI 助手正在被嵌入到 Google Workspace、Microsoft 365 和 Power BI 等工具中，以提供数据集的应用内自然语言解释，并支持生成数据可视化。
生成式 AI 对数据分析的好处 #
生成式 AI 能够生成原始数据并以最少的人工干预来理解现有数据，这使其成为数据分析的重要支持资源。这些只是生成式 AI 目前使数据分析过程和结果受益的少数几种方式：
- 生成模型发展了对数据输入的上下文理解，并为数据输出生成上下文化的解释。
- 用户可以进行自然语言查询，并使用自然语言解释生成结果。
- 特别是多模态生成模型与非结构化数据兼容，这扩展了可能的输入数据选项和分析结果输出。
- 大型语言模型支持大规模的自动化和实时分析功能。
- 生成模型可识别海量数据集中的数据模式、相关性和关系，而人类分析师或其他数据分析工具可能看不到这些模式、相关性和关系。
- 一些生成式 AI 工具可创建准确的合成数据孪生，以便在受监管的行业中实现更安全、更合规的数据分析实践。
数据分析中值得关注的顶级生成式 AI 解决方案 #
一些生成式 AI 供应商已经开发了可用于数据分析的基础模型和微调模型。根据您所在的行业和特定用例，以下生成式 AI 解决方案之一可能非常适合：
- ChatGPT 和 GPT-4：用户可以直接在 ChatGPT 中执行各种数据分析任务，但他们也可以选择嵌入和微调这些模型以适应他们的业务环境。许多数据分析供应商已经或正在将 OpenAI 功能构建到其现有工具中，包括 Tableau 和 Qlik。
- Cohere：根据您选择的 Cohere 产品，您可以分析社交媒体中的客户情绪并查看帖子、提出特定问题并收集有关文档的信息，或构建自己的文本分析应用程序。
- Anthropic：Anthropic的Claude聊天机器人最适合使用对话式文本分析方法。根据 Anthropic 网站的说法，Claude 有一个大约 100,000 个标记或 70,000 个单词的上下文窗口，这赋予了它重要的回忆能力。
- Copilot：Copilot是Microsoft的生成式AI助手，已嵌入到多个Microsoft产品中，包括Microsoft 365套件和Microsoft Power BI。在 Excel 和 Power BI 中，用户在分析数据趋势和组合数据可视化效果时获得 AI 的指导支持。
- Synthetaic RAIC：该工具依靠生成式 AI 功能进行地理空间分析;它可以从非结构化数据中获取见解，包括无人机镜头和卫星图像。
- Syntho ：Syntho Engine 是一款为从产品演示到更合规的数据分析生成合成数据孪生的产品。其客户群主要包括医疗保健、教育、基础设施和其他公共实体，这些实体必须在高级数据分析实践与监管合规要求之间取得平衡。
写在最后：由生成式 AI 提供支持的数据分析 #
生成式 AI 正在数据分析领域蓬勃发展，让用户有机会在 AI 的帮助下实现数据分析成果的民主化、自动化和改进。现在，许多流行的模型都可以嵌入到企业数据分析环境中或针对企业数据分析环境进行微调，越来越多的生成式 AI 初创公司正在为特定的行业用例创建专门构建的分析解决方案。
我们预计生成式人工智能领域的增长速度将比大多数领域更快，因为它与企业有明显的相关性。但是，如果这种快速采用没有伴随着道德使用准则和有意的决策，可能会产生严重后果。为了在不牺牲安全性、客户隐私或道德的情况下充分利用您的数据，请务必确定并遵守对您的组织和行业有意义的生成式 AI 使用最佳实践。
