[[275322]]

如今，人工智能不再是一個熱門術語，而很多環境業務分析師和其他分析師發現采用人工智能技術可以更好開展工作的現實。分析師需要學習更多的分析技能，并確定可以利用的關鍵問題和機會。嘗試采用新興技術仍然有效，但分析師需要適應，以強調他們可以為組織提供的持續價值。

那么人們對機器人的應用準備好了嗎?或者只是擔心其工作會實現自動化?

人工智能的時代已經到來，并且已經進入人們的工作和生活當中。從預測市場趨勢到價格重新排序，再到無人機交付的貨物，人工智能將改變人們的生活和工作的方式。而在談論人工智能時，其重點是增強當前的能力。

對于分析師來說，人工智能應該被視為提供工作水平和能力的一種方式。為了提高當前的性能，減少執行時間，并更快、更直接地為客戶提供更大的價值。那么，這對業務分析師意味著什么呢?

這對分析師來說是一個很好的機會。分析師可以利用自己多年的技能應用于新的環境和業務，甚至是新興行業，以滿足市場需求，并發現機遇。如今不斷出現創新，但需要成功解決關鍵問題。分析師如何知道哪些是需要解決的問題?因此需要做一些分析工作。其根本原因分析、流程建模與分析、業務規則分析、數據建模可以表明組織的關鍵方面在哪些方面表現不佳，甚至因其自身行為而受到阻礙。

識別這些機會有助于分析師打開與客戶交流的大門。然后，通過學習新的技術、方法和對人工智能如何被組織利用的觀點來擴展知識，使分析師獲得巨大的資源。分析師需要具備學習新技術的能力，以促進開展為組織帶來更多價值的協作頭腦風暴會議。

從這個角度來看，分析師需要注意他們的時間，并且一如既往地關注哪些關鍵活動能帶來最大價值。企業可以對哪些日常活動實現自動化，以便花更多時間促進協作、支持決策和理解需求。這使人們專注于分析師為組織提供的價值。工作的自動化集中在消除工作的非思維方面。人工智能、機器人技術以及無人機等創新技術正在做出一些令人驚奇的事情，但最重要的是，擁有幫助日常活動的計算能力集中在重復性工作方面。

重復和單調的工作非常適合實現自動化。那么如何知道這些東西是什么?分析師必須進行一些業務分析。分析師使用的一種技術是決策建模。許多分析師對這種技術的挑戰是，他們發現利益相關者并不總是以相同的方式做出決策。當定義導致行為和活動模式的規則時，就可以開始利用人工智能技術。它仍然需要一個開始和成長的基礎。

分析師需要查看其分析活動：例如，重復的工作是什么?每天做出什么決定?考慮項目管理軟件，開始注意到狀態更新和可交付時間框架的模式，然后開始創建提醒和構建模板，使分析師的工作更輕松、更快捷。在此之后，分析師可以花更多時間與利益相關者合作，而不是處理報告。

隨著人工智能的輕松處理，分析師可以解決更難的問題，但這意味著他們需要發展和提高自己的技能，必須進行改進，更好地了解企業需求。他們還可以考慮人工智能技術為他們解決什么問題。

作為業務分析師，其重點是通過共識和驗證活動確定組織在時間點的正確答案。分析師的問題需要超出當前時間范圍，那么能否可以提前做未來的事情?從現在起一年的時間?或者是五年?或者是否不斷調整關注點以適應不斷變化的環境?是否認識到消費者環境正在經歷的變化以及他們對滿足其需求的看法?

如果分析師尚未將其觀點轉移到消費者體驗，那么現在是時候了。分析師可以想到哪些問題預測其消費者和利益相關者想要什么?從現在起一個月他們想要什么?六個月內想要什么?

更重要的是，人工智能要求分析師不僅要向客戶提問，還要向自己提問。很多人對于人工智能最大的疑問是人工智能對他們的工作和生活意味著什么。業務分析師也是如此，他們只需要使用自己的分析技能。并考慮一些重要的問題：例如需要做什么來避免過時?如何阻止自己的職位被自動化技術取代?是否執行復雜的分析工作?分析師的工作和日常流程是可編程的還是可重復的?更重要的是什么?可以把哪些工作交給人工智能?

例如，當選擇時間、座位偏好以及最喜歡的航空公司時，預訂航班可能會感覺像是一項個人行為，但所有這些偏好仍然可以被引出、捕獲，然后被輸入決策模型。人們的行為以及這些模型可以實現自動化，甚至進行預測。但要注意，這里仍然可以引出需求(在這種情況下是首選項)，需要對決策進行建模，并且捕獲流程。

無論是否使用技術來提供幫助，分析工作必須從一個新的角度出發，并在不斷發展的環境中工作。分析師需要保持流暢的方法并以理論為基礎，以便在推動討論的同時看到可能性。

眾所周知，分析師的分析技能集很有價值，需要思考這些技能在不斷變化的環境中的意義。這是分析師想要增加技能的地方。那么是否了解人工智能，以便能夠向組織闡明其價值?為什么人工智能很重要?它能為組織帶來什么?

通常，采用具有價值的創新技術可以解決現有的和經常出現的問題，而不是發明新事物。那么哪些挑戰、效率低下和遺留組件阻礙了組織的發展?在引進人工智能技術之前是否必須解決這些問題?或者采用人工智能技術可以解決這些問題?分析師必須更好地處理這些問題。

簡而言之，分析師需要保持其技能敏銳性，并盡可能多地學習，引導人們明確表達需求。而滿足這些需求則是分析師獲得成功的機會!如今，人工智能不再是一個熱門術語，而很多環境業務分析師和其他分析師發現采用人工智能技術可以更好開展工作的現實。分析師需要學習更多的分析技能，并確定可以利用的關鍵問題和機會。嘗試采用新興技術仍然有效，但分析師需要適應，以強調他們可以為組織提供的持續價值。

那么人們對機器人的應用準備好了嗎?或者只是擔心其工作會實現自動化?

人工智能的時代已經到來，并且已經進入人們的工作和生活當中。從預測市場趨勢到價格重新排序，再到無人機交付的貨物，人工智能將改變人們的生活和工作的方式。而在談論人工智能時，其重點是增強當前的能力。

對于分析師來說，人工智能應該被視為提供工作水平和能力的一種方式。為了提高當前的性能，減少執行時間，并更快、更直接地為客戶提供更大的價值。那么，這對業務分析師意味著什么呢?

這對分析師來說是一個很好的機會。分析師可以利用自己多年的技能應用于新的環境和業務，甚至是新興行業，以滿足市場需求，并發現機遇。如今不斷出現創新，但需要成功解決關鍵問題。分析師如何知道哪些是需要解決的問題?因此需要做一些分析工作。其根本原因分析、流程建模與分析、業務規則分析、數據建模可以表明組織的關鍵方面在哪些方面表現不佳，甚至因其自身行為而受到阻礙。

識別這些機會有助于分析師打開與客戶交流的大門。然后，通過學習新的技術、方法和對人工智能如何被組織利用的觀點來擴展知識，使分析師獲得巨大的資源。分析師需要具備學習新技術的能力，以促進開展為組織帶來更多價值的協作頭腦風暴會議。

從這個角度來看，分析師需要注意他們的時間，并且一如既往地關注哪些關鍵活動能帶來最大價值。企業可以對哪些日常活動實現自動化，以便花更多時間促進協作、支持決策和理解需求。這使人們專注于分析師為組織提供的價值。工作的自動化集中在消除工作的非思維方面。人工智能、機器人技術以及無人機等創新技術正在做出一些令人驚奇的事情，但最重要的是，擁有幫助日常活動的計算能力集中在重復性工作方面。

重復和單調的工作非常適合實現自動化。那么如何知道這些東西是什么?分析師必須進行一些業務分析。分析師使用的一種技術是決策建模。許多分析師對這種技術的挑戰是，他們發現利益相關者并不總是以相同的方式做出決策。當定義導致行為和活動模式的規則時，就可以開始利用人工智能技術。它仍然需要一個開始和成長的基礎。

分析師需要查看其分析活動：例如，重復的工作是什么?每天做出什么決定?考慮項目管理軟件，開始注意到狀態更新和可交付時間框架的模式，然后開始創建提醒和構建模板，使分析師的工作更輕松、更快捷。在此之后，分析師可以花更多時間與利益相關者合作，而不是處理報告。

隨著人工智能的輕松處理，分析師可以解決更難的問題，但這意味著他們需要發展和提高自己的技能，必須進行改進，更好地了解企業需求。他們還可以考慮人工智能技術為他們解決什么問題。

作為業務分析師，其重點是通過共識和驗證活動確定組織在時間點的正確答案。分析師的問題需要超出當前時間范圍，那么能否可以提前做未來的事情?從現在起一年的時間?或者是五年?或者是否不斷調整關注點以適應不斷變化的環境?是否認識到消費者環境正在經歷的變化以及他們對滿足其需求的看法?

如果分析師尚未將其觀點轉移到消費者體驗，那么現在是時候了。分析師可以想到哪些問題預測其消費者和利益相關者想要什么?從現在起一個月他們想要什么?六個月內想要什么?

更重要的是，人工智能要求分析師不僅要向客戶提問，還要向自己提問。很多人對于人工智能最大的疑問是人工智能對他們的工作和生活意味著什么。業務分析師也是如此，他們只需要使用自己的分析技能。并考慮一些重要的問題：例如需要做什么來避免過時?如何阻止自己的職位被自動化技術取代?是否執行復雜的分析工作?分析師的工作和日常流程是可編程的還是可重復的?更重要的是什么?可以把哪些工作交給人工智能?

例如，當選擇時間、座位偏好以及最喜歡的航空公司時，預訂航班可能會感覺像是一項個人行為，但所有這些偏好仍然可以被引出、捕獲，然后被輸入決策模型。人們的行為以及這些模型可以實現自動化，甚至進行預測。但要注意，這里仍然可以引出需求(在這種情況下是首選項)，需要對決策進行建模，并且捕獲流程。

無論是否使用技術來提供幫助，分析工作必須從一個新的角度出發，并在不斷發展的環境中工作。分析師需要保持流暢的方法并以理論為基礎，以便在推動討論的同時看到可能性。

眾所周知，分析師的分析技能集很有價值，需要思考這些技能在不斷變化的環境中的意義。這是分析師想要增加技能的地方。那么是否了解人工智能，以便能夠向組織闡明其價值?為什么人工智能很重要?它能為組織帶來什么?

通常，采用具有價值的創新技術可以解決現有的和經常出現的問題，而不是發明新事物。那么哪些挑戰、效率低下和遺留組件阻礙了組織的發展?在引進人工智能技術之前是否必須解決這些問題?或者采用人工智能技術可以解決這些問題?分析師必須更好地處理這些問題。

簡而言之，分析師需要保持其技能敏銳性，并盡可能多地學習，引導人們明確表達需求。而滿足這些需求則是分析師獲得成功的機會!