在一次研讨会上，Yellowfin公司***执行官Glen Rabie认为，虽然许多分析师可能担心他们会被自动化和人工智能所取代，但数据分析师的角色将对业务和所需技能的广泛性产生重要影响。Yellowfin公司是一家分析和商业智能软件公司，致力于帮助企业了解他们的数据。Rabie对数据充满热情，并通过分析提高业务绩效。在创立Yellowfin公司之前，他曾在澳大利亚国民银行担任过多个职位，其中包括高级电子商务顾问和全球员工自助服务经理。Rabie拥有墨尔本大学的商业硕士学位。
将人工智能、自动化和数据讲故事引入分析领域不仅会对分析的最终用户产生直接影响，还会对在该领域工作的人员产生直接影响。虽然许多分析师可能担心它们会被自动化和人工智能所取代，但相信数据分析师的角色将会对业务和所需技能的广泛性产生重大影响。
传统上，数据分析师花了大量时间来完成一些平凡而重复的任务，例如准备分析数据、创建报表和仪表盘，然后使用这些任务人工搜索数据中有意义的更改。使用传统的分析和商业智能工具，分析师无法探索其数据的每一种组合或排列。如果他们真的找到了感兴趣的东西，他们如何确定它在统计上是否相关，是否对企业有意义?自动化数据发现的引入解决了这些问题。它减少了寻找洞察力的时间，随后为分析师解释其发现增加价值留下了更多的时间。这将需要分析人员变得精通业务(了解业务，而不仅仅是数据)和提高识字技能的故事讲述者，以更好地传达他们的发现。
如今，数据分析师的作用包括广泛的数据管理和分析活动。这包括获取、准备、清理和建模数据，然后通过创建报表和仪表盘为业务定制分析来支持决策。在所有这些活动中，对业务的真正价值是那些与识别影响业务的关键变化或趋势以及解释这些信息以确定可能对业务的影响有关的活动。
业务分析师面临的两难困境是，虽然解释是他们承担的最有价值的活动，但他们花费的时间最少。大多数数据分析师只花费20%的时间用于实际数据分析，80%的时间用于完成业务收益很少的任务，例如查找、清理和建模数据，这些效率极低，对业务增值不大。
这不仅仅是数据准备效率低下。传统的数据分析和可视化工具需要完全人工的数据发现方法。用户必须从大量字段和过滤器中进行选择，然后在搜索模式，趋势和异常变化时切片和切块数据。这个人工过程非常耗时，并且极易出现人为错误和偏见，尤其是在当今数据丰富的世界中。其结果是什么?识别业务数据中的关键变化是偶然的，而不是确定的事情。这为希望确定用于决策的数据的商业***带来了风险。
人工智能和自动化承诺从根本上改变这种范式。应用于分析和商业智能，许多繁琐且耗时的过程将由机器完成。使用机器学习来简化数据分析，匹配和清理过程的智能数据准备将大大减少分析师为分析准备数据所花费的时间。这与人工智能驱动的数据发现相结合，可以将一系列复杂的算法应用于数据，这将减少数据探索的时间，并发现相关的业务洞察。
然而，这些进步并不意味着人工智能将取代数据分析师。人工智能非常适合自动化，但它具有根本的局限性。机器无法理解场景。只有人类才有能力以复杂的术语对数据进行语境化，例如组织环境、外部市场因素、客户动态等等。例例如，根据竞争对手的营销增长的奇闻轶事，在产品销售下降趋势中寻找意义的能力远远超出了人工智能可以处理的范围，但对于人类来说，这样做相对简单。
这种转变的结果将使数据分析师花费更多的时间来做机器无法做到的事情——提供场景和解释数据。数据分析师将被提升到重要业务合作伙伴的数据分析师，他们将利用他们的数据素养技能帮助业务部门解释数据，将发现的见解置于语境中，并用这些数据讲述令人信服的故事。这样做的结果是，企业的数据分析师需要变得更加精通商业，并建立他们的技能。
这并不意味着重复的数据分析师工作不会消失。对于主要关注数据准备和仪表板构建的数据分析师来说，他们的时间将会更早地到来。但是，组织将更多地依赖那些具备技能的人员，以深入了解数据的含义。数据分析师将依靠人工智能驱动的工具，这些工具使他们工作中的平凡方面变得更容易，这样他们就可以将更多的时间花在高价值的活动上，如数据解释和讲故事。因此，他们将能够为业务提供有意义的分析，从而做出更好的数据驱动决策。
