你准备好机器人入侵吗？或者你只是在担心你的工作会被自动化代替？

AI已经渗透到我们工作生活的方方面面，从预测市场趋势到预购低价无人驾驶飞机交付的食品，它一直围绕在我们的生活和做生意的方式中。当我们谈论AI时，重点都会放在改善我们的生活方式，而它更重要的价值是提高了我们当前的工作能力。

人工智能应该被视为提升工作效率的一种方式，可以提高当前性能，加快执行时间，更快，更直接地为客户提供更高价值。那么，它对于分析师来说意味着什么呢？

可以说是一个绝佳的机会！分析师可以利用他们已经尝试过的真正的技能，将AI应用于还没有成熟解决方案的领域，以发现新的需求和机遇。创新不断发生，而伟大的成功在于是否定位到了核心问题。

又怎样知道什么才是需要解决的核心问题呢？这就需要做一些数据分析工作。通过根本原因分析、流程建模、业务分析、业务规则分析和数据建模来找到企业的重要业务有哪些方面表现不佳，甚至因其自身行为而瘫痪。

定位这些问题和机会有助于打开我们与客户交流的大门，再通过学习新的技术、方法和对人工智能如何被企业利用的观点来扩展我们的知识，使我们获得了巨大的资源。数据分析师通过学习新技术提升能力，将会为企业带来更多的价值。

什么是冗余？我们常说的单调又是什么？这些都非常适合做自动化，也就是做一些商业分析！分析师最常用的技术就叫决策建模，而这种技术也存在一些瓶颈，就是会经常发现他们的利益相关者并不总是以相同的方式做出决策。而当你可以定义导致行为和活动模式的规则时，你就可以开始利用人工智能技术了，它仍然需要一个从开始到成长的基础。

从这个角度来看，分析师需要注重他们的效率，并且一如既往地关注哪些关键活动可以带来了最大价值。可以自动化某些日常活动，以便有更多时间促进协作，支持决策和理解需求。这就又回到，数据分析师可以为企业提供哪些价值。工作自动化的重点是消除工作的非思考方面，虽然，人工智能、机器人、无人驾驶飞机和其他创新技术都在做着令人惊奇的事情，但最重要的是，拥有帮助日常活动的计算能力集中在重复性方面。

分析师需要自我审视自己的工作：哪部分工作是具有重复性的？哪部分是每天的日常作业？同样从简单的做起，使用具有时间表安排和状态记录与更新的项目管理软件，接着创建定时提醒和日常模板提高你的工作效率。这样你就可以花更多时间和团队沟通创造价值而不是蒙头在赶报告。

有了AI简单的处理方式，我们就可以解决更困难的问题，但这意味着我们需要成长和提高我们自己的技能。我们的问题必须改进，更好地了解企业想要做什么，技术正在为我们做什么。

作为一名数据分析师，我们要把目光聚焦未来。今天的技能是否在将来也受用？可以适用多久，1年还是5年或者更久？我们是否可以在变化的环境中实时调整自己的关注点？是否能从客户的自身需求出发去理解他们的变化？如果我们的客户从Uber转向了自动驾驶，我们是否需要从客户的角度去看待这个变化，而不是等事情都发生才去搞什么调查问卷。

如果你还没有将重心转移到消费者体验上来，现在是时候了。你可以想象用什么问题来预测你的消费者想要什么，一个月后他们想要什么，六个月后又想要什么。

更重要的是，人工智能要求我们不仅要向客户提问，还要向自己提问。在许多办公室工作中，人们对人工智能最大的疑问是能够对他们的生活带来什么。对于我们商业分析师来讲也是一样，请认真考虑如下问题：

• 我们要如何防止被淘汰？

• 我们如何防止自己的工作被机器自动化？

• 我们是否做得复杂性高，可重复性差的工作？

• 我们的日常工作可以用编程代替，又或许是重复性极高？

• 更重要的是什么不会被替代？

把那些可以交给机器重复作业的活，立刻剔除出你的工作！

例如，当你选择自己的时间、座位偏好和最喜欢的航空公司时，预订航班可能会让你感觉像是一项个人活动。但所有这些偏好仍然可以被引出、捕获，然后输入决策模型。你的行动，连同这些模型，都可以被自动化，甚至是预测，这样工作就不再需要你了。但请注意，这里仍然需要引出需求（在本例中是首选项），需要对决策进行建模，并且需要捕获流程。

无论是否使用技术来帮助你，分析工作仍然是有价值的，但现在必须从一个新的角度出发，并在不断发展的环境中工作。不仅要保证你的技术过硬，还需要你能在新的环境中去应用它们。保持流畅的方法，并在理论中扎根，这样你就能在推动讨论前进的同时看到可能性。

既然我们已经知道我们的分析技能集是有价值的，接下来我们就需要思考它们在不断变化的环境中意味着什么。这就是你想要提升技能的地方。你对人工智能有足够的了解吗？你能否清楚地向企业表达它的价值吗？距离让企业购买新的人工智能技术还有很长的路要走，但也许并不远。

为什么人工智能很重要？它能为企业做什么？

通常，最有价值的创新是对现有问题和老问题提出好的问题，而不是发明新事物。哪些挑战、效率低下和遗留组件阻碍了企业的发展？也许在引进人工智能技术之前必须解决这些问题，或者人工智能技术可以自己解决这些问题，但我们怎么知道呢，我们必须要提前做好分析工作。

简而言之，保持你的技能敏锐，继续尽可能多地学习，并引导人们明确表达今天不满意的需求。这些需求是才是业务分析师成功的机会！

来源：https://www.cio.com

原作者：Jamie Champagne, Contributor, CIO

编译过程有所修改，如有疑问欢迎留言。