Koristite li i dalje Google Search da pronađete formule? Ili jednostavno čitav file importate u AI i pitate ga mišljenje?
“Računalo, analiziraj mi ovaj set podataka i daj mi zaključke”.
Nije riječ o Star Trek epizodi nego o svakodnevnom tasku koji se odvija u tisućama kompanija diljem svijeta. Analitičari (i oni koji se tako osjećaju) već dulje vrijeme koriste AI kao batlera koji štedi vrijeme i “gasi požare”. Je li i dalje “game changer” ili je sve isto kao prije nekoliko godina?
Prođimo nekoliko (manje ili više naprednih) use-caseova stručnjaka podataka u zagrebačkom Casumo uredu!
Data quality aka “Pronađi razlike”
Dubravko Blaće, Martech & Analytics Lead u Casumu, ističe jedan vrlo jednostavan a koristan use-case koji podržava većina alata:
“Povremeno ćete dobiti task gdje imate dva ili više dataseta koje morate preklopiti da “pronađete razlike”. Recimo da imate dvije tablice s jedinstvenim ID-evima korisnika iz dva sustava (primjerice – backend i BigQuery GA4 podaci). Zadatak je preklopiti te korisnike i pronaći koji korisnici nam nedostaju u BigQuery–u.
Zamislimo da tih korisnika nije 10 nego više od 10.000.
Svaki čovjek treba uložiti neko (makar i kraće) vrijeme da te podatke pravilno pripremi, otvori alate koje treba, prisjeti se kako pristupiti problemu… uz AI, i ovakav trivijalan zadatak postaje samo par minuta posla”.
Konkretan savjet koji Dubravko daje je da ove dokumente uploadate u vaš omiljeni AI koji to podržava, uz nekoliko kratkih promptova vrlo brzo ćete dobiti odgovor. Upravo
ovako Dubravko je uspio prepoznati izazove u web trackingu i saznati zašto postoji diskrepancija u mjerenju korisnika na mobilnim uređajima.
Dok ovo radite – ne zaboravite na privatnost u svim oblicima i podatke uvijek zamaskirajte – nikad nemojte davati AI–u osobne podatke vaših korisnika (osim ako imate takav Enterprise SLA ili imate takav interni dogovor).
Data preparation aka “Očisti dataset”
Igor Milovčić, Head of Analytics u Casumu, ističe da se data setovi koje koristimo za svakodnevne analize najčešće sastoje od velike količine podataka, a još češće nisu spremni za upotrebu bez dodatne obrade u smislu provjere kvalitete i potpunosti podatka. U ovim zadacima nam može pomoći AI na sljedeće načine:
Pronalaženje outliera – vrijednosti koje odstupaju od većine podataka u data setu, pronalaženje i uklanjanje dupliciranih vrijednosti, automatsko popunjavanje vrijednosti koje nedostaju, ispravljanje neispravnih formata podataka (string, datum, integer)…, detekcija pravopisnih pogrešaka (ponavljanje slova, veliko/malo slovo) i sl.
Data analysis aka “Analiziraj dataset”
Koliko puta vam se desi da vam treba “još jedan ad-hoc izvještaj”?
Nije neuobičajeno – poslovni korisnik treba biti informiran u svakom trenutku kako bi mogao donositi brze odluke i trčati samo malo brže od konkurencije. Analitičar često u tim trenucima gubi kosu jer pokušava napraviti nešto brzo i “prljavo”; pritom gubeći vrijeme za rad na drugim taskovima.
Dubravko savjetuje: “Ako jako dobro poznajete dataset, njegovu strukturu i što je željeni cilj; iskoristite AI da bude vaš pomagač.
Primjerice, Google Analytics 4 je unapređenje u odnosu na “stari” Google Analytics u jednom ključnom pogledu – njegova struktura podataka. Upravo zato, dobro setupiran GA4 puno zaključaka već donosi sam. Ako niste isprobali njegove AI feature – probajte.
U slučaju Casuma, primijetili smo da neke određene stranice naglo stagniraju i postale su fokus za poboljšanja od strane Content i SEO timova.”
Na sličnu priču, ali s drugim alatom, Igor potvrđuje: “Einstein (onaj od Tableaua) postaje toliko pametan da je važnije dobro pripremiti podatke nego satima buljiti u grafove i drilldownove.
Teško je zbrojiti koliko sati smo već uštedjeli koristeći njegove AI mogućnosti. Od brze detekcije do prijedloga za poboljšanje. U Big Data postaje više nego ikad važnija – priprema podataka kako bi nam umjetna inteligencija pomogla.”
Tko vodi trku?
Kako smo već spomenuli ranije – onaj koji trči malo brže pobjeđuje (a ne onaj koji izgori pred kraj trke i ne prođe finiš crtu).
Upravo zato nije vrijeme za trošenje vremena (!) tamo gdje nema smisla. Od banalnog primjera “auto-replya”, koji za vas šalje emailove dok ste na godišnjem odmoru; do ozbiljnog primjera zamjene vozača kamiona s robotima – automatizacija; i umjetna inteligencija kao dio te priče u Big Data kontekstu; je neminovna.
Pridružite nam se na “Tech Gala & Game Changer Awards Zagreb 2024” i pogledajte tko će pobijediti u kategoriji “AI & Big Data Integrated Project of The Year”!
Napominjemo da ovaj članak nije napisao ChatGPT!