chatGPT вместо дата аналитика

@raymany, тупой железке нечем крыть, перешла к оскорблениям!

@sobolev, структура БД это тоже чувствительные данные

@AntonLantsov, Зависит от ситуации, разумеется. Речь идет о балансе рисков. Главное -- обеспечить защиту данных. Закрытость схемы БД -- это принцип Security through obscurity. Если схема настолько чувствительна, что обмен с третьими сторонами неприемлем, то отвечая на вопрос Катерины, безопасное взаимодействие с сервисами типа ChatGPT невозможно. В таких условиях и использование Metabase или аналогичных инструментов аналитиками становится рискованным.

@sobolev, вообще я в жизни довольно часто сталкивался с ситуацией, что мне для какого-нибудь вывода из бд нужно помимо схемы еще и на сами данные поглядеть.

Названия колонок не всегда точно отражают, что в них хранится, какие-то из них могут быть вообще пусты, в каких-то константа или легаси данные.

@Nol, в Ажур уже завезли OpenAI как компонент КогнитивСервисез, так что да, скоро можно будет запускать приватные инстансы.

@raymany, согласен, некоторый бизнес не умеет. Но неужели ты думаешь, что этот самый неумеющий бизнес пойдет что-то там в ChatGPT морочиться. Он скорее человеку, который готов заморочиться скажет устно, какой дэшборд на выходе нарисовать.

Хотя, так или иначе ChatGPT-подобные штуки скормят массам (и нам тоже) поисковики в качестве колдунчиков. Еще мне лично нравится идея применения для саммари текстов.

А в корпе менеджеры вокруг меня умели сами строить себе и дешборды и эксельки.

@Nol, те, кто умеет строить дешбороды и эксельки как правило дорого стоят, долго обучаются и еще и норовят свалить куда-нибудь где больше платят, а делать нужно меньше.

Есть вероятность, что с chatgpt менее квалифицированная рабочая сила начнет справляться с задачами, для которых раньше требовались более квалифицированные люди.

@alexadamenko, предсказываю, что все пойдет не так: более квалифицированные продолжат осваивать новейшие инструменты, включая ChatGPT; а менее квалифицированные так и не освоят, неинтересно им.

@zhark, вполне может быть!

на самом деле в рабочем контексте у меня маленькая выборка. Судя по моей небольшой компании, где работают люди разной квалификации и возраста, среди них все успешно используют бота для широкого спектра ежедневных задач: от написания имейлов до аналитической работы при работе с комплексной документацией. Видел и таких кто предпочитает руками все делать(по моим оценкам это скептики и упертые специалисты с большим самомнением), но мои личные замеры скорости и качества работы разных людей с которыми я работаю против chatgpt показывают, что буквально все получают преимущества от его использования!

Рядовой офисный сотрудник с навыками ниже среднего, будь то разработчик, менеджер, квант или еще кто-то, используя chatgpt практически превращается в универсального солдата=)

Я конечно сильно романтизирую, но ощущения приблизительно такие.

@glebkudr, подписываюсь под каждым словом.

я видел пару примеров внедрения табло и это всегда боль через нехочу и какие-то бесконечные тренинги для обычных рядовых сотрудников.

а вот в чатике написать что-то как в whatsup это любой освоит, порог вхождения минимальный, это одна из причин почему так резко произошло принятие. И можно сосредоточиться на бизнес-логике, а не на обучении инструментам!

@glebkudr, @alexadamenko, @zhark, убедили. :)

@Siarhei-r, таков путь

@Siarhei-r, все верно, и хочется надеяться, что каждую такую итерацию мы лишаемся скучной рутинной работы и вынуждены учиться более весёлой и концептуальной!=)

Кому хочется вообще писать код, такой себе навык для реальной жизни, а вот общение, пусть даже с нейронной сетью, это зашибись!

@Siarhei-r, а потом придумали оконные функции... а на собеах на дата аналитика стали спрашивать как вывести ряд Фибоначи с помощью SQL и все как то пошло не туда

@Siarhei-r, так успех же, без программистов извлекается!

@Nol, успех не извлекается, к успеху идут. И то если фартанет.

@iaroslav, если пофантазировать, то можно вообще себе представить такую оптимизацию компаний и потоков/архитектуры данных в ней, которая будет заточена исключительно под подобные инструменты и пользователей максимально близких к ключевым бизнес процессам. Я могу понять, почему это очень тяжело представить сотруднику дженерик большой корпорации, где существующие матрицы компетенций долго(но неизвестно насколько эффективно) выстраивались под нужды бизнеса, но это не значит, что с появлением подобных инструментов компании не самоорганизуются во что-то более эффективное, особенно в условиях рецессии, снижения выручки и в целом подсдутия мировой экономики.

Я не знаю, будет это chatgpt или какие-то производные инструменты, но я точно уверен, что cost pressure будет увеличиваться и в новых условиях бизнесу придется искать более эффективные способы использовать ресурсы.

Я смотрю на компании конкуренты в моей отрасли и вижу тех, кто до сих пор капитализирует технологии и процессы 30ти летней давности, тогда как мы делаем больший объем выручки с многократно меньшими ресурсами без проблем с масштабированием и это стало возможным только благодаря технологиям и инструментам.

@iaroslav, я это понимаю. Но 1. Чтобы быстро получать такие стандартные метрики обычно и разрабатываются дэшборды, и они даже регулярно автоматически обновляются (мы же предполагаем, что аналитики у нас есть?). Поэтому юзер может получать данные там, вместо того чтобы каждое утро чатиться с ботом. 2. Смысл моего комментария в том, что это не выглядит выгодно с точки зрения компании (деньги + время). Может для небольших бизнесов, где сидит один ДА (он же DS, DE и на дуде дудец), такое решение может быть интересно. Но и там надо смотреть, не будет ли дешевле просто нанять чувака, который нормальную аналитику выстроит.

Я занудствую не просто так. Мне действительно хочется понять, мог бы быть такой тул полезен и коммерчески выгоден, и при каких условиях🤷‍♀️

@sofya_panda, возможно не до конца понимаю консерн, но попробую ответить.

Мой опыт показывает, что даже в огромных tech корпорациях, сколько красивую автоматизированную унифицированную отчетность ни выстраивай, бизнес все равно каждый спринт к аналитикам ходит с ad-hoc запросами, которые не покрыты существующим BI. Потому что покрыть всё BI-ем невозможно, да и не нужно.
И вот так наш аналитик каждый спринт пишет свой одноразовый SQL. Иногда вместЕ, а иногда и вместО разработки нормального BI.
Данный app нацелен как раз на ad-hoc кейсы, и не призван заменить нормальную BI систему компании

@iaroslav, ну так они на то аналитики и инженеры, что могут сравнить output с желаемым результатом.

Я больше про историю «ну теперь-то бизнес сам будет делать Х»: нет, не будет, если ты не можешь сам составить условный SQL-запрос — AI рано или поздно сгенерит правдоподобную оплошность, которую ты не заметишь.

Также добавлю, что подход «вот в Morgan Stanley так делают» без конкретных деталей, ПОЧЕМУ они так делают — не очень эффективный, карго-культ же

@daihaminkey, «карго-культ же» — так-то да, согласен.

@daihaminkey,  тут чтобы получить какое-то более менее объективное мнение нужно считать, мне кажется.

Люди в любом случае генерируют ошибки, вопрос в том, сколько они будут стоить для бизнеса. Если условный младший аналитик с chatgpt генерирует для бизнеса с учетом ошибок такой же аутпут как и специалист грейдом повыше, то будьте уверены, что бизнес решит использовать chatgpt, я как бизнесмен вам говорю.

В Австрии чей рынок я более менее знаю в общем, SME(small-medium enterprises) это 99% всех существующих бизнесов. Они вроде генерируют больше 60% ВВП и нанимают 3/4 всех сотрудников. А микроорганизации где до 10 человек это 90% всех SME. Дигитализация так или иначе происходит и вот для таких компаний, которые реально составляют бОльшую часть экономики, подобные инструменты позволят еще больше сократить затраты на персонал. Доля компаний где существует какие-то критические процессы в которых нельзя делать ошибки низкая, доля процессов этих критических тоже низкая.

@daihaminkey, возможно также что существует определенный bias: многие инженеры предпочитают работать в компаниях с высокой инженерной культурой, строить процессы и сервисы отказоустойчивые, принимать решения на основе аналитики, заботиться о качестве кода/данных и.т.д. Но это все становится возможным, только когда это экономически эффективно, т.е. когда есть выручка и прибыль, для остальных кейсов(которых по моим оценкам около 99%), как верно заметила @sofya_panda хорошо если вообще есть человек который делает хоть что-то, и для этой реальности chatgpt это прорыв.

Потому что можно нанять условного разработчика из развивающейся страны за 500 долларов в месяц и с chatpgpt для таких бизнесов он будет решать задачи в несколько раз быстрее. Да с ошибками, да задачи простые, но это все не особенно важно до тех пор пока это cost efficient.