Tehnologia care potențează aptitudinile și cunoștințele unui BA

Rucsandra Mureșanu
Senior Business Analyst @ msg systems Romania

Într-o lume în care inteligența artificială își face simțită prezența în tot mai multe arii profesionale, iar omul încearcă să o înțeleagă, să o modeleze și să îi pună în aplicare utilitatea, într-o lume în care chiar și meseria de BA (Business Analyst) este pusă uneori sub semnul întrebării, am încercat să ies din tiparele discuțiilor care converg spre a defini o nouă ocupație, cea de 'prompt engineer' și să caut câteva instrumente AI care să mă ajute să îmbunătățesc fie rezultatul, fie procesul din spatele unor activități din sfera analizei de business. Veți găsi în rândurile ce urmează un ghid sumar al acestora, cartografiat după ariile de utilizare: data analytics și reporting, integrare de date, analiză de text, descifrarea comportamentului uman sau facilitare de brainstorming. La final, voi explica de ce consider că împletirea utilizării AI cu mintea umană este, deocamdată, varianta câștigătoare.

Cum mi-am început călătoria

Cred că relația mea ca business analyst cu AI a început mai puțin fericit. Poate pentru că acei early adopters pe care i-am întâlnit sau cei care discută subiectul pe diverse platforme nu mi-au inspirat încredere, conținutul articolelor găsite pe net sau al prezentărilor acestora pe la conferințe denotând în mare parte doar faptul că instrumentele AI suplineau, de multe ori, lipsa de cunoștințe de natură diversă. Dacă vorbim de aflarea de informații despre diverse procese tehnologice, poate fi chiar important. Însă, să primești, de exemplu, de-a gata, structura unui document de specificații funcționale în condițiile în care tu, ca senior, se presupune că ai la activ minim câteva zeci de asemenea artefacte? Da, ar merge pentru un junior care, după ce are scheletul, pricepe ce este de făcut cu el. Asta pentru că doar urmărirea unor tipare, nu e suficientă și, chiar dacă rezultatele sunt rapide, de cele mai multe ori nu sunt și extraordinare.

O vreme am lăsat subiectul deoparte, ignorând cu obstinație tot ceea ce indica utilizarea AI, așa cum ignor de obicei cam tot ce strălucește ostentativ în soare. Însă, în contextul actual, în care AI e marota vremurilor, iar tu, în calitate de business analyst, reprezinți suportul implementării schimbărilor, te întrebi dacă ai putea facilita sau chiar susține discuții de substanță legate de potențiale aplicații AI sau de modul în care businessul și procesele clienților pot fi dezvoltate utilizând funcționalități de gen.

Așa am plecat pe drumul explorării câtorva categorii de instrumente AI care au reușit, după o perioadă de încercări și acomodare, să mă convingă că există mult mai mult decât niște asistenți personali și furnizori de informație teoretică, adică există aplicații care îmbunătățesc procese și fluidizează obținerea de rezultate.

În ce direcții am explorat

Instrumentele pe care le prefer, dar și cele care fac astăzi diferența, sunt platformele pentru data analytics, reporting și integrare (e.g. Tableau, RapidMiner sau Knime). Și nu, nu vorbesc despre acele "rapoarte" care sunt mai mult o formă de tortură decât de analiză, ci despre sisteme proiectate pentru a manipula seturi mari de date și workflow-uri complexe, care oferă combinații de analize predictive, NLP și insighturi automatizate pentru a ajuta utilizatorii să vizualizeze și să înțeleagă mai bine modelele și tendințele.

Întotdeauna am considerat că a desena workflow-uri într-un proiect este un proces care îți oferă putere asupra acestuia și capacitatea de a-l gestiona la ce nivel de detaliu este necesar. Workflow-ul este prima și cea mai importantă punte de legătură între echipele participante la proiect, oferind o imagine comprehensivă și coerentă asupra proceselor. Am investigat aici Automate.io, un instrument care permite automatizarea în aria proceselor de transfer de date, a procesării automate a acestora și reporting. Avantajul instrumentului este destul de important, salvându-se mult timp, efort și oferind moduri interactive și informative pentru o mai bună înțelegere a datelor.

Integrarea informațiilor din diverse surse (baze de date, fișiere excel și servicii cloud) și posibilitatea realizării unor analize complexe de date, incluzând machine learning sau analizele predictive simplifică mult munca unui business analyst implicat în analiza de date. Astfel, scrierea de cod propriu-zis este redusă la minim sau exclusă, căci instrumentele găsite pun la dispoziție interfețe vizuale, marea majoritate din categoria drag-and-drop, pentru crearea și gestionarea fluxurilor de date. Ce rămâne de făcut pentru un BA în situația asta? Să analizeze rezultate și patternuri, să ia decizii informate și să ajusteze procese și soluții.

În căutările mele, am mai dat și peste instrumente de analiză de text (e.g.MonkeyLearn), utile atunci când, de exemplu, strângem feedbackuri, structurate sau nu, de la client sau de la utilizatori de aplicații.

Ce ne oferă ele? Categorizări de texte, evaluarea emoțiilor din spatele unui text, extragerea de entități, crearea și îmbunătățirea modelelor customizabile. Se permite astfel identificarea unor teme comune, extragerea celor prioritare și a principalelor arii de consolidare ale unui proces. Aceste lucruri duc la posibilitatea luării unor decizii informate, identificării de riscuri sau de tendințe, toate bazate pe cifre și analize valide, coerente și predictive. Mergând și mai departe în această direcție, am descoperit studii și aplicații centrate pe înțelegerea comportamentului uman (e.g. Rasa), bazată pe procesarea limbajului natural. Identificarea emoțiilor și mai apoi predicția comportamentului în baza acestora pot ajuta, spre exemplu, la adaptarea corespunzătoare a abordării stakeholderilor sau a clienților, la îmbunătățirea proceselor și comunicării, la targetarea audienței, la înțelegerea intențiilor utilizatorilor etc.

Pentru a obține rezultate coerente, utile și de încredere, simpla utilizare a instrumentelor AI nu este suficientă. E nevoie înainte de toate să înțelegem datele, atât cele pe care le avem la dispoziție, cât și rezultatele pe care vrem să le obținem. Claritatea obiectivelor pe care ni le propunem ne va apropia mai mult de instrumentul și abordarea potrivită. Verificarea calității datelor este și ea o pre-condiție necesară. Luând în considerare aceste aspecte, ne devine limpede clar că nu poate fi vorba, cel puțin în viitorul apropiat, de o substituire completă a muncii unui business analyst.

Nu în ultimul rând, de exemplu, Initium.AI Inc. propune un instrument care, pornind de la enunțul unui un concept, ajută cu generarea de noi idei valorificând principiul brainstorming-ului. Ideea stimulării propriei creativități prin ideile generate de AI și posibilele noi perspective la care aceste idei ne pot conduce mi se pare extrem de ofertantă.

Câteva idei de final

Categoriile de instrumente AI trecute în revistă anterior, adică fără a ne limita însă doar la instrumentele punctuale amintite, indică un potențial ridicat de sprijinire a muncii unui BA prin automatizarea unor sarcini de rutină, prin obținerea unor rezultate complexe în timp mai scurt, prin propunerea unor noi perspective sau a unor soluții optimizate sau prin perfecționarea procesului de decizie. Așa încât pot spune că procesul de îmblânzire a unui Toma necredinciosul care locuiește încă în mine se întâmplă 'as we speak'.

Ce rămâne, cel puțin pentru moment, în mâna sau la mintea BA-ului (timpul ne va spune dacă am avut sau nu dreptate):

Iterațiile, îmbunătățirile, consolidările, experimentele care vor rafina nu doar rezultatele obținute prin folosirea instrumentului, ci și lucrul în sine cu acesta;

Arta de a pune întrebări. Acele întrebări de substanță, mai puternice decât orice algoritm, adresate partenerilor de discuții, animați sau inanimați, formulate în așa fel încât să îngusteze aria de căutare a răspunsului, astfel încât obiectivele, cerințele, procesele, consecințele să fie cât mai clare și mai explicite, iar datele astfel strânse să reprezinte o bază cât mai relevantă pentru scenariile, construcțiile și interpretările ulterioare.