បច្ចេកវិទ្យា AI កំពុងលូនចូលទៅក្នុងគ្រប់ជ្រុងនៃជីវិតការងារនាពេលថ្មីៗនេះ - អ៊ីមែល ការជ្រើសរើសភាគហ៊ុន និងសូម្បីតែការធ្វើផែនការគម្រោង។ ជាធម្មតា វាបានបង្កើតជាសំណួរដ៏គួរឲ្យខ្លាចមួយថា តើអ្នកវិភាគទិន្នន័យជាអ្នកបន្ទាប់ដែលត្រូវធ្វើការសម្រេចចិត្តដែរឬទេ? ចម្លើយដ៏ស្មោះត្រង់គឺជារឿងគួរឲ្យរំខានមួយ។ មែនហើយ AI ខ្លាំងក្នុងការគណនាលេខ ប៉ុន្តែផ្នែករញ៉េរញ៉ៃ និងមនុស្សធម៌នៃការភ្ជាប់ទិន្នន័យទៅនឹងការសម្រេចចិត្តអាជីវកម្មពិតប្រាកដ? នោះនៅតែជារឿងរបស់មនុស្ស។
ចូរយើងស្រាយរឿងនេះដោយមិនចាំបាច់រអិលចូលទៅក្នុងការផ្សព្វផ្សាយបច្ចេកវិទ្យាធម្មតា។.
អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖
🔗 ឧបករណ៍ AI ល្អបំផុតសម្រាប់អ្នកវិភាគទិន្នន័យ
ឧបករណ៍ AI កំពូលៗ ដើម្បីបង្កើនការវិភាគ និងការធ្វើការសម្រេចចិត្ត។.
🔗 ឧបករណ៍ AI ឥតគិតថ្លៃសម្រាប់ការវិភាគទិន្នន័យ
ស្វែងយល់ពីដំណោះស្រាយ AI ឥតគិតថ្លៃល្អបំផុតសម្រាប់ការងារទិន្នន័យ។.
🔗 ឧបករណ៍ Power BI AI ដែលផ្លាស់ប្តូរការវិភាគទិន្នន័យ
របៀបដែល Power BI ប្រើប្រាស់ AI ដើម្បីកែលម្អការយល់ដឹងអំពីទិន្នន័យ។.
ហេតុអ្វីបានជា AI ដំណើរការបានល្អក្នុងការវិភាគទិន្នន័យ 🔍
បញ្ញាសិប្បនិម្មិត (AI) មិនមែនជាអ្នកជំនាញខាងវេទមន្តទេ ប៉ុន្តែវាមានគុណសម្បត្តិធ្ងន់ធ្ងរមួយចំនួនដែលធ្វើឱ្យអ្នកវិភាគចាប់អារម្មណ៍៖
-
ល្បឿន ៖ ទំពារទិន្នន័យដ៏ធំសម្បើមលឿនជាងអ្នកហាត់ការណាម្នាក់អាចធ្វើបាន។
-
ការសម្គាល់លំនាំ ៖ រើសយកភាពមិនប្រក្រតី និងនិន្នាការស្រទន់ៗដែលមនុស្សអាចនឹងមើលរំលង។
-
ស្វ័យប្រវត្តិកម្ម ៖ ដោះស្រាយការងារដែលគួរឲ្យធុញ - ការរៀបចំទិន្នន័យ ការត្រួតពិនិត្យ និងការច្រានចោលរបាយការណ៍។
-
ការព្យាករណ៍ ៖ នៅពេលដែលការរៀបចំមានភាពរឹងមាំ គំរូ ML អាចព្យាករណ៍ពីអ្វីដែលទំនងជាបន្ទាប់។
ពាក្យពេញនិយមរបស់ឧស្សាហកម្មនៅទីនេះគឺ ការវិភាគបន្ថែម - បញ្ញាសិប្បនិម្មិត (AI) ត្រូវបានបញ្ចូលទៅក្នុងវេទិកា BI ដើម្បីដោះស្រាយផ្នែកនៃបំពង់បង្ហូរទិន្នន័យ (ការរៀបចំ → ការមើលឃើញ → និទានកថា)។ [Gartner][1]
ហើយនេះមិនមែនជាទ្រឹស្តីទេ។ ការស្ទង់មតិបន្តបង្ហាញពីរបៀបដែលក្រុមវិភាគប្រចាំថ្ងៃពឹងផ្អែកលើ AI សម្រាប់ការសម្អាត ស្វ័យប្រវត្តិកម្ម និងការព្យាករណ៍ - បរិក្ខារបំពង់ទឹកដែលមើលមិនឃើញដែលរក្សាផ្ទាំងគ្រប់គ្រងឱ្យនៅរស់។ [Anaconda][2]
ប្រាកដណាស់ បញ្ញាសិប្បនិម្មិត (AI) ជំនួស ផ្នែកខ្លះនៃការងារ។ ប៉ុន្តែការងារខ្លួនឯងវិញ? នៅតែមានដដែល។
បញ្ញាសិប្បនិម្មិត (AI) ទល់នឹង អ្នកវិភាគមនុស្ស៖ ប្រៀបធៀបយ៉ាងរហ័សទៅនឹងគ្នាទៅវិញទៅមក 🧾
| ឧបករណ៍/តួនាទី | អ្វីដែលវាល្អបំផុតនៅ | តម្លៃធម្មតា | ហេតុអ្វីបានជាវាដំណើរការ (ឬបរាជ័យ) |
|---|---|---|---|
| ឧបករណ៍ AI (ChatGPT, Tableau AI, AutoML) | ការគណនាបែបប្រយោល ការស្វែងរកលំនាំ | ការជាវ៖ ឥតគិតថ្លៃ → កម្រិតថ្លៃៗ | លឿនដូចផ្លេកបន្ទោរ ប៉ុន្តែអាច «យល់ច្រឡំ» ប្រសិនបើមិនត្រូវបានត្រួតពិនិត្យ [NIST][3] |
| អ្នកវិភាគមនុស្ស 👩💻 | បរិបទអាជីវកម្ម ការនិទានរឿង | ផ្អែកលើប្រាក់ខែ (ជួរធម្មតា) | នាំមកនូវភាពខុសប្លែកគ្នា ការលើកទឹកចិត្ត និងយុទ្ធសាស្ត្រចូលទៅក្នុងរូបភាព |
| លាយបញ្ចូលគ្នា (AI + មនុស្ស) | របៀបដែលក្រុមហ៊ុនភាគច្រើនពិតជាដំណើរការ | ថ្លៃដើមទ្វេដង ផលចំណេញខ្ពស់ជាង | បញ្ញាសិប្បនិម្មិត (AI) ធ្វើការយ៉ាងរលូន មនុស្សជាអ្នកបញ្ជាកប៉ាល់ (រូបមន្តដែលឈ្នះ) |
កន្លែងដែល AI យកឈ្នះមនុស្សរួចទៅហើយ ⚡
ចូរយើងនិយាយឱ្យត្រង់ទៅ៖ បញ្ញាសិប្បនិម្មិត (AI) ឈ្នះរួចហើយនៅក្នុងវិស័យទាំងនេះ -
-
ការច្របូកច្របល់នៃសំណុំទិន្នន័យដ៏ធំ និងរញ៉េរញ៉ៃដោយគ្មានការត្អូញត្អែរ។.
-
ការរកឃើញភាពមិនប្រក្រតី (កំហុស, ការក្លែងបន្លំ, កំហុសឆ្គង)។.
-
ការព្យាករណ៍និន្នាការជាមួយគំរូ ML ។.
-
ការបង្កើតផ្ទាំងគ្រប់គ្រង និងការជូនដំណឹងស្ទើរតែភ្លាមៗ។.
ឧទាហរណ៍ជាក់ស្តែង៖ អ្នកលក់រាយកម្រិតមធ្យមមួយបានភ្ជាប់ការរកឃើញភាពមិនប្រក្រតីទៅក្នុងទិន្នន័យប្រគល់ទំនិញ។ បញ្ញាសិប្បនិម្មិត (AI) បានប្រទះឃើញការកើនឡើងខ្ពស់ដែលភ្ជាប់ទៅនឹង SKU មួយ។ អ្នកវិភាគម្នាក់បានជីកកកាយរកឃើញធុងស្តុកទំនិញដែលមានស្លាកមិនត្រឹមត្រូវ ហើយបានបញ្ឈប់កំហុសផ្សព្វផ្សាយដែលមានតម្លៃថ្លៃ។ បញ្ញាសិប្បនិម្មិត (AI) បានកត់សម្គាល់ឃើញ ប៉ុន្តែមនុស្សម្នាក់ បានសម្រេចចិត្ត ។
កន្លែងដែលមនុស្សនៅតែគ្រប់គ្រង 💡
តួលេខតែមួយមុខមិនអាចគ្រប់គ្រងក្រុមហ៊ុនបានទេ។ មនុស្សជាអ្នកវិនិច្ឆ័យ។ អ្នកវិភាគ៖
-
ប្រែក្លាយស្ថិតិដ៏រញ៉េរញ៉ៃទៅជា រឿងរ៉ាវដែលនាយកប្រតិបត្តិពិតជាយកចិត្តទុកដាក់ ។
-
សួរសំណួរចម្លែកៗថា "ចុះបើ" ដែល AI មិនហ៊ានបង្កើត។.
-
ភាពលំអៀងនៃការចាប់បាន ការលេចធ្លាយ និងកំហុសសីលធម៌ (សំខាន់សម្រាប់ការជឿទុកចិត្ត) [NIST][3]។.
-
ការយល់ដឹងយ៉ាងស៊ីជម្រៅអំពីការលើកទឹកចិត្ត និងយុទ្ធសាស្ត្រពិតប្រាកដ។.
សូមគិតអំពីវាតាមវិធីនេះ៖ បញ្ញាសិប្បនិម្មិត (AI) អាចស្រែកថា "ការលក់ធ្លាក់ចុះ 20%" ប៉ុន្តែមានតែមនុស្សម្នាក់ប៉ុណ្ណោះដែលអាចពន្យល់បានថា "វាដោយសារតែដៃគូប្រកួតប្រជែងបានធ្វើសកម្មភាពហួសហេតុ - នេះជាថាតើយើងទប់ទល់នឹងវាឬមិនអើពើនឹងវា"។
ការជំនួសពេញលេញ? ទំនងជាមិនកើតឡើងទេ 🛑
វាជាការល្បួងឱ្យខ្លាចការទិញយកទាំងស្រុងមួយ។ ប៉ុន្តែសេណារីយ៉ូជាក់ស្តែង? តួនាទី ផ្លាស់ប្តូរ ពួកគេមិនបាត់ទៅវិញទេ៖
-
ការងារច្របូកច្របល់តិចជាងមុន យុទ្ធសាស្ត្រច្រើនជាងមុន។.
-
មនុស្សធ្វើអាជ្ញាកណ្តាល រីឯបញ្ញាសិប្បនិម្មិត (AI) បង្កើនល្បឿន។.
-
ការបង្កើនជំនាញសម្រេចថាអ្នកណារីកចម្រើន។.
បើពង្រីកមើលឲ្យខ្លីទៅ មូលនិធិរូបិយវត្ថុអន្តរជាតិ (IMF) ឃើញថា បញ្ញាសិប្បនិម្មិត (AI) កំពុងរៀបចំការងារកៅអាវឡើងវិញ - មិនលុបចោលវាទាំងស្រុងទេ ប៉ុន្តែកំពុងរចនាភារកិច្ចឡើងវិញជុំវិញអ្វីដែលម៉ាស៊ីនធ្វើបានល្អបំផុត។ [IMF][4]
បញ្ចូល "អ្នកបកប្រែទិន្នន័យ" 🗣️
តួនាទីដែលកំពុងលេចចេញជារូបរាងក្តៅគគុកបំផុត? អ្នកបកប្រែផ្នែកវិភាគ។ អ្នកដែលនិយាយទាំងពាក្យ «គំរូ» និង «បន្ទប់ប្រជុំ»។ អ្នកបកប្រែកំណត់ករណីប្រើប្រាស់ ភ្ជាប់ទិន្នន័យទៅនឹងការសម្រេចចិត្តពិតប្រាកដ និងរក្សាការយល់ដឹងឱ្យជាក់ស្តែង។ [McKinsey][5]
សរុបមក៖ អ្នកបកប្រែធានាថាការវិភាគឆ្លើយ ត្រឹមត្រូវ - ដូច្នេះអ្នកដឹកនាំអាចធ្វើសកម្មភាព មិនមែនគ្រាន់តែសម្លឹងមើលតារាងនោះទេ។ [McKinsey][5]
ឧស្សាហកម្មនានារងផលប៉ះពាល់ខ្លាំងជាងមុន (និងទន់ជាងមុន) 🌍
-
រងផលប៉ះពាល់ខ្លាំងបំផុត ៖ ហិរញ្ញវត្ថុ លក់រាយ ទីផ្សារឌីជីថល - វិស័យដែលមានការរីកចម្រើនលឿន និងប្រើប្រាស់ទិន្នន័យច្រើន។
-
ផលប៉ះពាល់មធ្យម ៖ ការថែទាំសុខភាព និងវិស័យដែលមានបទប្បញ្ញត្តិផ្សេងទៀត - មានសក្តានុពលច្រើន ប៉ុន្តែការត្រួតពិនិត្យធ្វើឱ្យអ្វីៗយឺតយ៉ាវ [NIST][3]។
-
រងផលប៉ះពាល់តិចបំផុត ៖ ការងារច្នៃប្រឌិត + ការងារដែលពឹងផ្អែកខ្លាំងលើវប្បធម៌។ ទោះបីជាយ៉ាងណាក៏ដោយ សូម្បីតែនៅទីនេះ បញ្ញាសិប្បនិម្មិត (AI) ក៏ជួយក្នុងការស្រាវជ្រាវ និងការធ្វើតេស្តផងដែរ។
របៀបដែលអ្នកវិភាគរក្សាភាពពាក់ព័ន្ធ 🚀
ខាងក្រោមនេះជាបញ្ជីត្រួតពិនិត្យ "សម្រាប់អនាគត"៖
-
ទទួលបានភាពស្និទ្ធស្នាលជាមួយមូលដ្ឋានគ្រឹះ AI/ML (ការពិសោធន៍ Python/R, AutoML) [Anaconda][2]។.
-
បង្កើន ការនិទានរឿង និងការទំនាក់ទំនង ។
-
ស្វែងយល់ពីការវិភាគបន្ថែមនៅក្នុង Power BI, Tableau, Looker [Gartner][1]។.
-
អភិវឌ្ឍ ជំនាញផ្នែកនេះ - ដឹងពី “មូលហេតុ” មិនមែនគ្រាន់តែ “អ្វី” នោះទេ។
-
អនុវត្តទម្លាប់អ្នកបកប្រែ៖ កំណត់បញ្ហា បញ្ជាក់ការសម្រេចចិត្ត កំណត់ភាពជោគជ័យ [McKinsey][5]។.
សូមគិតអំពី AI ជាជំនួយការរបស់អ្នក។ មិនមែនជាគូប្រជែងរបស់អ្នកទេ។.
សរុបមក៖ តើអ្នកវិភាគគួរព្រួយបារម្ភទេ? 🤔
ភារកិច្ចអ្នកវិភាគកម្រិតចូលមួយចំនួន នឹង ត្រូវបានលុបចោលដោយស្វ័យប្រវត្តិ - ជាពិសេសការងាររៀបចំដដែលៗ។ ប៉ុន្តែវិជ្ជាជីវៈនេះមិនកំពុងស្លាប់ទេ។ វាកំពុងឡើងកម្រិត។ អ្នកវិភាគដែលឱបក្រសោប AI អាចផ្តោតលើយុទ្ធសាស្ត្រ ការនិទានរឿង និងការធ្វើការសម្រេចចិត្ត - របស់ដែលកម្មវិធីមិនអាចក្លែងបន្លំបាន។ [IMF][4]
នោះហើយជាការធ្វើឱ្យប្រសើរឡើង។.
ឯកសារយោង
-
អាណាកុនដា។ របាយការណ៍ស្ថានភាពវិទ្យាសាស្ត្រទិន្នន័យឆ្នាំ ២០២៤។ តំណភ្ជាប់
-
Gartner។ ការវិភាគបន្ថែម (ទិដ្ឋភាពទូទៅ និងសមត្ថភាពទីផ្សារ)។ តំណភ្ជាប់
-
NIST។ ក្របខ័ណ្ឌគ្រប់គ្រងហានិភ័យ AI (AI RMF 1.0)។ តំណភ្ជាប់។
-
IMF។ បញ្ញាសិប្បនិម្មិត (AI) នឹងផ្លាស់ប្តូរសេដ្ឋកិច្ចពិភពលោក។ ចូរយើងធ្វើឱ្យប្រាកដថាវាផ្តល់អត្ថប្រយោជន៍ដល់មនុស្សជាតិ។ តំណភ្ជាប់
-
McKinsey & Company។ អ្នកបកប្រែផ្នែកវិភាគ៖ តួនាទីថ្មីដែលត្រូវតែមាន។ តំណភ្ជាប់