Представьте лекцию профессора по вопросам международного здравоохранения, в ходе которой он демонстрирует статистические данные.

Какую картинку нарисовало ваше воображение? Если вы думаете что это скучно, то возможно вы не видели как с задачей 18 лет назад справился Ханс Рослинг. Он показал, что статистика может быть интересной. Вооружившись собственной разработкой Gapminder для визуализации данных он с интенсивностью и драматичностью спортивного комментатора разрушает мифы о развитии мира - насладиться можно по этой ссылке..

К сожалению я увидел выступление лишь несколькими годами позже, когда в 2010м заинтересовался темой анализа и визуализации данных. Мы создавали решение, которое помогало фотографам стать более data-driven, выбирая оборудование и настраивая режимы для съёмки. Решение тогда не выстрелило, проект закрыли, но благодаря интересу и везению я занялся аналитикой в Wargaming в 2012м.

Потом был курс Альберто Каиро, разные книги и статьи про визуализацию и анализ данных, курс бизнес-статистики у Виктора Смусина. Последний оказался так хорош, что мы повторяли его несколько раз для WG и моих последующих работодателей.

Каждый раз - после обучения или внедрения нового инструмента я наблюдал как мои коллеги начинали более профессионально использовать анализ данных в своей деятельности, и находили в уже что-то новое в той информации, которая всегда у них была. И каждый раз поражался тому, сколько возможностей мы упускаем не зная, что просто поменяв способ представления в информации можно увидеть много нового.
Чтобы собрать “низко висящие фрукты” нужно всего лишь построить графики на тех данных, которыми вы часто пользуетесь. Я не буду уходить глубоко в философию анализа данных, речь сегодня не об этом.

В начале декабря прошлого года Anthropic опубликовали отчёт Clio, в котором указали, что из миллиона случайно выбранных чатов кейс анализ данных с 3.5% находится на десятом месте.
С одной стороны, может показаться что десятое место это что-то, что не заслуживает внимания. С другой - если сравнивать ценность отдачи от каждого из чатов, то по моему опыту ROI у аналитических задач существенно выше, чем при создании, к примеру, текстового контента.

ИИ приведёт к коммодитизации разработки софта и работы с информацией. Сами по себе LLM по своей сути плохие помощники в обработке структурированных данных. Но уже сейчас с их помощью можно создавать инструменты, которые будут полезны при сборе, трансформации, анализе и визуализации данных.

Я работаю с аналитикой уже больше десяти лет, собрал сообщество и провёл дюжину конференций, и могу с уверенностью сказать, что видел гораздо больше экспертов, которые становились хорошими аналитиками, чем аналитиков, переходящих в бизнес. Думаю, что ИИ позволит многим экспертам стать хорошими аналитиками для пользы своего дела.

Сегодня в 18:00 по Варшаве мы с участниками сообщества говорим о том, как аналитика уже изменилась под влиянием ИИ, и как будет меняться в будущем. Занятно то, что все, кто уже выразил желание пообщаться пришли в аналитику из других сфер.
Ссылка на зум уже в чате.