如今, 人工智能不再是一个热门术语, 而很多环境业务分析师和其他分析师发现采用人工智能技术可以更好开展工作的现实. 分析师需要学习更多的分析技能, 并确定可以利用的关键问题和机会. 尝试采用新兴技术仍然有效, 但分析师需要适应, 以强调他们可以为组织提供的持续价值.
那么人们对机器人的应用准备好了吗? 或者只是担心其工作会实现自动化?
人工智能的时代已经到来, 并且已经进入人们的工作和生活当中. 从预测市场趋势到价格重新排序, 再到无人机交付的货物, 人工智能将改变人们的生活和工作的方式. 而在谈论人工智能时, 其重点是增强当前的能力.
对于分析师来说, 人工智能应该被视为提供工作水平和能力的一种方式. 为了提高当前的性能, 减少执行时间, 并更快, 更直接地为客户提供更大的价值. 那么, 这对业务分析师意味着什么呢?
这对分析师来说是一个很好的机会. 分析师可以利用自己多年的技能应用于新的环境和业务, 甚至是新兴行业, 以满足市场需求, 并发现机遇. 如今不断出现创新, 但需要成功解决关键问题. 分析师如何知道哪些是需要解决的问题? 因此需要做一些分析工作. 其根本原因分析, 流程建模与分析, 业务规则分析, 数据建模可以表明组织的关键方面在哪些方面表现不佳, 甚至因其自身行为而受到阻碍.
识别这些机会有助于分析师打开与客户交流的大门. 然后, 通过学习新的技术, 方法和对人工智能如何被组织利用的观点来扩展知识, 使分析师获得巨大的资源. 分析师需要具备学习新技术的能力, 以促进开展为组织带来更多价值的协作头脑风暴会议.
从这个角度来看, 分析师需要注意他们的时间, 并且一如既往地关注哪些关键活动能带来最大价值. 企业可以对哪些日常活动实现自动化, 以便花更多时间促进协作, 支持决策和理解需求. 这使人们专注于分析师为组织提供的价值. 工作的自动化集中在消除工作的非思维方面. 人工智能, 机器人技术以及无人机等创新技术正在做出一些令人惊奇的事情, 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工作方面.
重复和单调的工作非常适合实现自动化. 那么如何知道这些东西是什么? 分析师必须进行一些业务分析. 分析师使用的一种技术是决策建模. 许多分析师对这种技术的挑战是, 他们发现利益相关者并不总是以相同的方式做出决策. 当定义导致行为和活动模式的规则时, 就可以开始利用人工智能技术. 它仍然需要一个开始和成长的基础.
分析师需要查看其分析活动: 例如, 重复的工作是什么? 每天做出什么决定? 考虑项目管理软件, 开始注意到状态更新和可交付时间框架的模式, 然后开始创建提醒和构建模板, 使分析师的工作更轻松, 更快捷. 在此之后, 分析师可以花更多时间与利益相关者合作, 而不是处理报告.
随着人工智能的轻松处理, 分析师可以解决更难的问题, 但这意味着他们需要发展和提高自己的技能, 必须进行改进, 更好地了解企业需求. 他们还可以考虑人工智能技术为他们解决什么问题.
作为业务分析师, 其重点是通过共识和验证活动确定组织在时间点的正确答案. 分析师的问题需要超出当前时间范围, 那么能否可以提前做未来的事情? 从现在起一年的时间? 或者是五年? 或者是否不断调整关注点以适应不断变化的环境? 是否认识到消费者环境正在经历的变化以及他们对满足其需求的看法?
如果分析师尚未将其观点转移到消费者体验, 那么现在是时候了. 分析师可以想到哪些问题预测其消费者和利益相关者想要什么? 从现在起一个月他们想要什么? 六个月内想要什么?
更重要的是, 人工智能要求分析师不仅要向客户提问, 还要向自己提问. 很多人对于人工智能最大的疑问是人工智能对他们的工作和生活意味着什么. 业务分析师也是如此, 他们只需要使用自己的分析技能. 并考虑一些重要的问题: 例如需要做什么来避免过时? 如何阻止自己的职位被自动化技术取代? 是否执行复杂的分析工作? 分析师的工作和日常流程是可编程的还是可重复的? 更重要的是什么? 可以把哪些工作交给人工智能?
例如, 当选择时间, 座位偏好以及最喜欢的航空公司时, 预订航班可能会感觉像是一项个人行为, 但所有这些偏好仍然可以被引出, 捕获, 然后被输入决策模型. 人们的行为以及这些模型可以实现自动化, 甚至进行预测. 但要注意, 这里仍然可以引出需求(在这种情况下是首选项), 需要对决策进行建模, 并且捕获流程.
无论是否使用技术来提供帮助, 分析工作必须从一个新的角度出发, 并在不断发展的环境中工作. 分析师需要保持流畅的方法并以理论为基础, 以便在推动讨论的同时看到可能性.
众所周知, 分析师的分析技能集很有价值, 需要思考这些技能在不断变化的环境中的意义. 这是分析师想要增加技能的地方. 那么是否了解人工智能, 以便能够向组织阐明其价值? 为什么人工智能很重要? 它能为组织带来什么?
通常, 采用具有价值的创新技术可以解决现有的和经常出现的问题, 而不是发明新事物. 那么哪些挑战, 效率低下和遗留组件阻碍了组织的发展? 在引进人工智能技术之前是否必须解决这些问题? 或者采用人工智能技术可以解决这些问题? 分析师必须更好地处理这些问题.
简而言之, 分析师需要保持其技能敏锐性, 并尽可能多地学习, 引导人们明确表达需求. 而满足这些需求则是分析师获得成功的机会! 如今, 人工智能不再是一个热门术语, 而很多环境业务分析师和其他分析师发现采用人工智能技术可以更好开展工作的现实. 分析师需要学习更多的分析技能, 并确定可以利用的关键问题和机会. 尝试采用新兴技术仍然有效, 但分析师需要适应, 以强调他们可以为组织提供的持续价值.
那么人们对机器人的应用准备好了吗? 或者只是担心其工作会实现自动化?
人工智能的时代已经到来, 并且已经进入人们的工作和生活当中. 从预测市场趋势到价格重新排序, 再到无人机交付的货物, 人工智能将改变人们的生活和工作的方式. 而在谈论人工智能时, 其重点是增强当前的能力.
对于分析师来说, 人工智能应该被视为提供工作水平和能力的一种方式. 为了提高当前的性能, 减少执行时间, 并更快, 更直接地为客户提供更大的价值. 那么, 这对业务分析师意味着什么呢?
这对分析师来说是一个很好的机会. 分析师可以利用自己多年的技能应用于新的环境和业务, 甚至是新兴行业, 以满足市场需求, 并发现机遇. 如今不断出现创新, 但需要成功解决关键问题. 分析师如何知道哪些是需要解决的问题? 因此需要做一些分析工作. 其根本原因分析, 流程建模与分析, 业务规则分析, 数据建模可以表明组织的关键方面在哪些方面表现不佳, 甚至因其自身行为而受到阻碍.
识别这些机会有助于分析师打开与客户交流的大门. 然后, 通过学习新的技术, 方法和对人工智能如何被组织利用的观点来扩展知识, 使分析师获得巨大的资源. 分析师需要具备学习新技术的能力, 以促进开展为组织带来更多价值的协作头脑风暴会议.
从这个角度来看, 分析师需要注意他们的时间, 并且一如既往地关注哪些关键活动能带来最大价值. 企业可以对哪些日常活动实现自动化, 以便花更多时间促进协作, 支持决策和理解需求. 这使人们专注于分析师为组织提供的价值. 工作的自动化集中在消除工作的非思维方面. 人工智能, 机器人技术以及无人机等创新技术正在做出一些令人惊奇的事情, 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工作方面.
重复和单调的工作非常适合实现自动化. 那么如何知道这些东西是什么? 分析师必须进行一些业务分析. 分析师使用的一种技术是决策建模. 许多分析师对这种技术的挑战是, 他们发现利益相关者并不总是以相同的方式做出决策. 当定义导致行为和活动模式的规则时, 就可以开始利用人工智能技术. 它仍然需要一个开始和成长的基础.
分析师需要查看其分析活动: 例如, 重复的工作是什么? 每天做出什么决定? 考虑项目管理软件, 开始注意到状态更新和可交付时间框架的模式, 然后开始创建提醒和构建模板, 使分析师的工作更轻松, 更快捷. 在此之后, 分析师可以花更多时间与利益相关者合作, 而不是处理报告.
随着人工智能的轻松处理, 分析师可以解决更难的问题, 但这意味着他们需要发展和提高自己的技能, 必须进行改进, 更好地了解企业需求. 他们还可以考虑人工智能技术为他们解决什么问题.
作为业务分析师, 其重点是通过共识和验证活动确定组织在时间点的正确答案. 分析师的问题需要超出当前时间范围, 那么能否可以提前做未来的事情? 从现在起一年的时间? 或者是五年? 或者是否不断调整关注点以适应不断变化的环境? 是否认识到消费者环境正在经历的变化以及他们对满足其需求的看法?
如果分析师尚未将其观点转移到消费者体验, 那么现在是时候了. 分析师可以想到哪些问题预测其消费者和利益相关者想要什么? 从现在起一个月他们想要什么? 六个月内想要什么?
更重要的是, 人工智能要求分析师不仅要向客户提问, 还要向自己提问. 很多人对于人工智能最大的疑问是人工智能对他们的工作和生活意味着什么. 业务分析师也是如此, 他们只需要使用自己的分析技能. 并考虑一些重要的问题: 例如需要做什么来避免过时? 如何阻止自己的职位被自动化技术取代? 是否执行复杂的分析工作? 分析师的工作和日常流程是可编程的还是可重复的? 更重要的是什么? 可以把哪些工作交给人工智能?
例如, 当选择时间, 座位偏好以及最喜欢的航空公司时, 预订航班可能会感觉像是一项个人行为, 但所有这些偏好仍然可以被引出, 捕获, 然后被输入决策模型. 人们的行为以及这些模型可以实现自动化, 甚至进行预测. 但要注意, 这里仍然可以引出需求(在这种情况下是首选项), 需要对决策进行建模, 并且捕获流程.
无论是否使用技术来提供帮助, 分析工作必须从一个新的角度出发, 并在不断发展的环境中工作. 分析师需要保持流畅的方法并以理论为基础, 以便在推动讨论的同时看到可能性.
众所周知, 分析师的分析技能集很有价值, 需要思考这些技能在不断变化的环境中的意义. 这是分析师想要增加技能的地方. 那么是否了解人工智能, 以便能够向组织阐明其价值? 为什么人工智能很重要? 它能为组织带来什么?
通常, 采用具有价值的创新技术可以解决现有的和经常出现的问题, 而不是发明新事物. 那么哪些挑战, 效率低下和遗留组件阻碍了组织的发展? 在引进人工智能技术之前是否必须解决这些问题? 或者采用人工智能技术可以解决这些问题? 分析师必须更好地处理这些问题.
简而言之, 分析师需要保持其技能敏锐性, 并尽可能多地学习, 引导人们明确表达需求. 而满足这些需求则是分析师获得成功的机会!
来源: http://ai.51cto.com/art/201908/602186.htm