生成式 AI 对数据分析的颠覆式变革
想象这样一个场景，您能够像与人交谈一样和计算机进行交流。在这个场景中，您不需要学习复杂的技术，通过自然语言就能够整理数据、分析复杂的数据集、并生成报告。几年前，这可能还是科幻小说中的画面，而如今随着生成式人工智能（AI ）的突破性进步，这已经不再遥远。
AI 相关技术一直在不断发展，而在2022年11月30日，OpenAI 公开发布了对话机器人 ChatGPT，重新把 AI 带向大众视野。ChatGPT 体现出的“聪明”和“智能”，让其迅速成为了有史以来增长最快的产品。与 ChatGPT 的交互体验，让人想起了九十年代末用户第一次与 Google 交互或 iPhone 刚问世时的情况，也让大家窥见了未来科技的可能性。
今年6月底，全球两大数据平台厂商 Snowflake、Databricks 均将召开各自的年度大会，其大会主题都与 AI、大模型紧密相关，生成式 AI 再次成为大数据圈的话题中心。正如英伟达首席执行官黄仁勋在演讲所提到的，ChatGPT 将成为人工智能的“iPhone 时刻”。
人工智能的火热并非空穴来风。事实上，生成式 AI 已经跨越了一个重大的鸿沟，从一个理论概念转变为具有广泛应用的实用工具。像 ChatGPT 这样的大模型的成熟，使得生成式 AI 成为主流，并为包括数据分析在内的各个领域带来了新的可能性。
在这篇文章中，我们将深入探讨生成式 AI 对数据分析和人机交互的变革性影响，同时也将探讨它所带来的挑战，一起展望这项技术令人兴奋的未来。
生成式 AI 对人机交互的颠覆性影响
生成式 AI 的出现带来了人机交互的重大变革。从命令行界面（CLI）和图形用户界面（GUI）的时代，我们正在走向由语言用户界面（LUI）主导的未来。这种转变使每个人都可以借助 AI 的力量，低门槛进行数据分析。
在 CLI 时代，用户需要通过在终端中输入精确的命令来与计算机进行交互。而 GUI 引入了一种更直观的方法，用户可以使用鼠标或触摸与按钮、菜单和图标等图形元素进行交互。然而，这两种方法都需要一定的技术知识和对系统的熟悉程度。
相比之下，LUI 允许用户以更直观、更自然的方式与计算机进行交互——通过语言。通过简单的语言指令，用户可以要求计算机执行任务，而生成式 AI 模型能够理解用户的请求并执行任务。
生成式 AI 的影响在于，它改变了我们与计算机的交互方式，进一步降低了人们利用计算机/AI 来提升工作效率的门槛。这种变革正在推动一种新的合作模式，使我们能够与 AI 模型一起作为“结对程序员”或“结对艺术家”进行工作。这种趋势增强了人类的能力，而不是取代人类的工作。
总体来讲，生成式 AI 为数据分析和人机交互带来了颠覆性的影响。随着技术的不断进步，我们可以期待更加智能、高效的工作方式，以及与计算机更自然、直观的交互体验。
从查询到对话 AI 为数据分析带来的变化
生成式 AI 的出现不仅改变了我们分析数据的方式，还改变了我们与之交互的方式。向语言用户界面（LUI）的转变使数据分析更加直观和易于访问，下面是一些通过 AI 驱动数据分析的使用场景：
- 查询和检索
我们以一位想了解销售趋势的业务分析师为例，过去，他们需要编写复杂的 SQL 查询或使用专门的数据分析工具。随着 LUI 的出现，他们可以简单地用自然语言询问 AI 系统，例如“上一季度的销售趋势是什么？”或“显示上个月表现最好的产品”。然后，AI 系统将此请求转换为代码、执行分析，并以用户友好的格式呈现结果。
- 数据清洗和准备
另一个例子是在数据清洗和准备环节。数据清洗一般被认为是一个乏味且耗时的过程。有了生成式 AI 后，用户通过简单的指示，就能让人工智能系统清理数据。例如，用户可以说“删除任何包含缺失值的行”或“将所有‘N/A’实例替换为零”，AI 系统就会执行这些任务。
- 分析和可视化
这种新的交互形式扩展到其他领域，例如数据可视化和生成报告。例如，用户可以要求 AI “创建一个按地区显示销售额的条形图”或“生成有关客户人口统计的报告”，AI 系统将满足这些请求。
- 预测和优化
此外，生成式 AI 可以更轻松地搜索语音数据、分享见解并利用它们来推动业务价值。例如，可以了解呼叫中心接到了多少投诉电话，以及客服代表对客户的善解人意的沟通是否可以带来销售额的增加。
- 语音识别和自然语言处理
利用自然语言处理（NLP），生成式 AI 还可以理解笔记等非结构化数据，例如通过选择定性评估来分析投保司机有过错的可能性；以及 NLP 可以填补理赔员备注中那些可能存在但未包含在结构化数据中的缺失信息。
这种转变将带来了大家所说的“数据平民化”：让更多人能够访问数据集、分析数据，真正实现人人用数的美好愿景。
不过，这种新的交互方式也会带来一定的风险。随着人工智能系统越来越融入我们的日常任务，误用或错误的可能性也在增加。因此，通过强大的安全措施、谨慎的系统设计和用户教育来解决和减轻这些风险至关重要。
结论：数据分析新时代的曙光
未来，生成式 AI 不仅仅是我们技术库中的一个新工具；它改变了游戏规则，将变革数据分析和人机交互。通过自动执行复杂任务，让数据分析更易于访问，生成式 AI 将显著提高效率和生产力。同样，与任何强大的技术一样，它也带来了一些需要解决的挑战，包括数据安全、偏见和准确性问题。
当我们站在这个新时代的边缘时，有些问题我们无法回避：我们该如何负责任地利用生成式 AI 的力量？我们将如何确保它造福于全人类，而不仅仅是少数人？当我们在这个激动人心的新领域探索未知领域时，上述问题将深刻影响我们的未来。
我们可以看到，生成式 AI 的潜力将有助于企业降低使用数据的门槛，促进数据平民化，释放数智生产力。7月14日，我们将在上海举办以「释放数智生产力」为主题的 Kyligence 2023 用户大会，欢迎对此感兴趣的朋友点击链接报名参加。我们诚邀您一起探索 Data + AI 的可能性，共同应对挑战，重塑数据分析的未来。
关于 Kyligence
跬智信息（Kyligence）由 Apache Kylin 创始团队于 2016 年创办，是领先的大数据分析和指标平台供应商，提供企业级 OLAP（多维分析）产品 Kyligence Enterprise 和一站式指标平台 Kyligence Zen，为用户提供企业级的经营分析能力、决策支持系统及各种基于数据驱动的行业解决方案。
Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户，包括建设银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、星巴克、安踏、李宁、阿斯利康、UBS、MetLife 等全球知名企业，并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。Kyligence 获得来自红点、宽带资本、顺为资本、斯道资本、Coatue、浦银国际、中金资本、歌斐资产、国方资本等机构多次投资。