ახლა მონაცემების გამოყენება ყველას შეუძლია
გაიცანით ChatGPT მუშაობის ახალი მონაცემთა აგენტი: მხოლოდ კითხვით აქციეთ კომპანიის მონაცემები პასუხებად, ინტერაქციულ საინფორმაციო დაფებად და მოქმედებად.
ყველა ბიზნესში ადამიანებს აქვთ კითხვები, რომლებზეც პასუხი მონაცემებშია. რატომ შენელდა გაყიდვები? სად იზრდება ხარჯები? რომელი პრობლემები უქმნის საფრთხეს ჩვენი უმსხვილესი ანგარიშების განახლებას და რა უნდა გამოვასწოროთ პირველ რიგში? ასეთი პასუხების მიღება ხშირად ანგარიშის ლოდინს ან სხვისთვის ანალიზის თხოვნას ნიშნავს.
წარმოგიდგენთ ახალ მონაცემთა აგენტს ChatGPT მუშაობაში(იხსნება ახალ ფანჯარაში), რომელიც უფრო მეტ ადამიანს დაეხმარება ამ კითხვებზე პასუხების დამოუკიდებლად პოვნაში. ის უკავშირდება თქვენი კომპანიის მონაცემებს, იკვლევს, რა შეიცვალა, და ქმნის გასაზიარებელ ინტერაქციულ საინფორმაციო დაფებს. მართეთ და დახვეწეთ ანალიზი ერთ საუბარში — მოთხოვნების დაწერისა და ახალი ანალიტიკური ინსტრუმენტის შესწავლის გარეშე.
მონაცემთა აგენტი უკავშირდება დამტკიცებულ მონაცემთა წყაროებს, მათ შორის Amazon Redshift-ს, Datadog-ს, Google BigQuery-ს, ClickHouse-ს, Databricks-ს, MongoDB-ს, Snowflake-ს და სხვებს. მას ასევე შეუძლია ანალიზში Google Drive-იდან და SharePoint-იდან ფაილებისა და დოკუმენტების ჩართვა.
მონაცემების ინტერპრეტაციისთვის ის იყენებს თქვენი ორგანიზაციის ბიზნესტერმინებს, მაჩვენებლების განსაზღვრებებს, მორგებულ გამოთვლებსა და მონაცემთა კავშირებს. ეს კონტექსტი მიიღება სემანტიკური შრეებიდან და ისეთი სანდო წყაროებიდან, როგორიცაა Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon და BI-ის საინფორმაციო დაფები.
საწარმოს ადმინისტრატორები ირჩევენ, მონაცემთა რომელი კავშირები იყოს ხელმისაწვდომი და რომელ როლებს შეეძლოთ მათი გამოყენება. მოთხოვნები იცავს დაკავშირებული ანგარიშის არსებულ ნებართვებს, მათ შორის ცხრილის, მწკრივისა და სვეტის შეზღუდვებს.
შედეგების გამოსაკვლევად დასვით დამატებითი კითხვები და გაეცანით თითოეული მიგნების დამადასტურებელ მასალას.
ჩაშენებული ვიზუალიზაციებით ანალიზი ინტერაქციულ საინფორმაციო დაფად აქციეთ. თქვენს გუნდს საჭიროებისამებრ შეუძლია მისი რედაქტირება, გაზიარება და განახლება. გააზიარეთ თქვენი ბრენდის სახელმძღვანელო, რათა შედეგები ორგანიზაციის ვიზუალურ სტილს მოერგოს.
მონაცემთა აგენტს ასევე შეუძლია საინფორმაციო დაფების შექმნა და მათთან მუშაობა Omni-ში, Oracle BI-ში, Power BI-ში, Sigma-ში, Tableau-სა და ThoughtSpot-ში. მართეთ სამუშაო მარტივი ენით იმ ინსტრუმენტებში, რომლებსაც თქვენი გუნდი უკვე იყენებს.
სთხოვეთ ChatGPT მუშაობას, გირჩიოთ შემდეგი ნაბიჯები და განსაზღვროს, ვინ უნდა ჩაერთოს. მას შეუძლია მიგნებების Slack-ით ან ელფოსტით გაზიარება და დაკავშირებული ინსტრუმენტებით თქვენ მიერ დამტკიცებული მოქმედებების შესრულება.
მონაცემთა აგენტის საფუძვლად არსებულ შესაძლებლობებს OpenAI-ში ფართოდ ვიყენებთ. ჩვენი პროდუქტის გუნდის თითქმის ყველა წევრი და გაყიდვებისა და ბაზარზე გასვლის ორგანიზაციის ორ მესამედზე მეტი კომპანიის მონაცემების დამოუკიდებლად გასაანალიზებლად ChatGPT მუშაობის მონაცემთა აგენტებს იყენებს. ეს ჩვენმა მონაცემთა გუნდმა შესაძლებელი გახადა: შექმნა საერთო ბიზნესგანსაზღვრებები, დააწესა წვდომის წესები და სენსიტიური მონაცემების დაცვის ზომები დანერგა. მეტის გასაგებად წაიკითხეთ ეს პოსტი(იხსნება ახალ ფანჯარაში) და დაესწარით ჩვენს ვებინარს(იხსნება ახალ ფანჯარაში).
NTT Data, Thermo Fisher, ServicePiston და ჩვენი Alpha პროგრამის სხვა ორგანიზაციები ChatGPT მუშაობის მონაცემთა აგენტს გაყიდვებისა და ხარჯების გასაანალიზებლად, ანგარიშგების შეცდომების აღმოსაჩენად და იმის გადასაწყვეტად იყენებენ, რომელ შესაძლებლობებს მიჰყვნენ და როგორ დააკომპლექტონ ისინი.
ChatGPT მუშაობის პლაგინების კატალოგში მონაცემთა აგენტს იპოვით სახელით მონაცემები(იხსნება ახალ ფანჯარაში). ადმინისტრატორებს შეუძლიათ ის გუნდებისთვის ხელმისაწვდომი გახადონ ან დააინსტალირონ მენიუდან „სამუშაო სივრცის პარამეტრები > პლაგინები“. მათ ასევე შეუძლიათ მონაცემთა შესაბამისი წყაროების პლაგინების, მაგალითად Databricks-ისა და Snowflake-ის, ჩართვა და კონფიგურაცია, ასევე მათი მომხმარებლების მართვა.
თუ „მონაცემები“ ჯერ არ არის დაინსტალირებული, იპოვეთ ის პლაგინების კატალოგში და აირჩიეთ „პლაგინის ინსტალაცია“, ან პირდაპირ გადადით მონაცემების გვერდზე(იხსნება ახალ ფანჯარაში). შეასრულეთ ანგარიშის დასაკავშირებლად საჭირო ნაბიჯები, შემდეგ დაიწყეთ საუბარი @Data-სთან და დასვით თქვენი ბიზნესკითხვა.
Diagnose a metric change
@Data Diagnose why weekly active users changed last week. Identify likely drivers, compare against prior periods, and recommend the next checks.


