Comment utiliser l’intelligence artificielle aujourd’hui : analyse avancée des données
Dans le cadre d’une série en cours, j’essaie de mettre la théorie en pratique et d’aider tous ceux qui lisent cette chronique à appliquer l’IA à leur vie professionnelle quotidienne. Dans mon premier article, j’ai expliqué comment démarrer avec la technologie de synthèse vocale en quelques étapes simples. Aujourd’hui, je vais aborder l’analyse des données, qui va être un cas d’utilisation de plus en plus populaire (ce qui n’est pas sans défauts).
Comment l’IA fonctionne-t-elle avec les feuilles de calcul ?
Vous êtes probablement habitué à avoir dans votre équipe un analyste de données qui est un expert absolu des feuilles de calcul et qui est votre interlocuteur lorsque vous avez besoin d’effectuer un travail Excel personnalisé. J’étais autrefois cette personne – j’utilisais une combinaison d’Excel, MS Access (avec SQL) et d’outils comme SAS pour effectuer une analyse de données volumineuses. Mais maintenant, avec l’IA, le processus est beaucoup plus simple : votre meilleur analyste peut disposer d’un effet de levier beaucoup plus important, car il n’aura pas besoin de perdre son temps sur des tâches inutiles comme le nettoyage des données.
Voici une idée générale du fonctionnement de l’IA :
- Analyse des données : l’IA déchiffre la structure de votre feuille de calcul, identifiant les lignes, les colonnes, les en-têtes et les types de données.
- Reconnaissance de modèles : grâce à l’apprentissage automatique, l’IA reconnaît les modèles et les corrélations au sein des données, même celles qui ne sont pas immédiatement apparentes aux analystes humains.
- Nettoyage des données : il détecte et corrige automatiquement les erreurs ou les incohérences, comme les valeurs manquantes ou les valeurs aberrantes.
- Génération d’informations : en appliquant des modèles statistiques, l’IA obtient des informations, prévoit des tendances et fait des prédictions basées sur les données.
Tout cela pour dire qu’un grand analyste qui sait poser les bonnes questions générera plus d’informations qu’un analyste sans IA.
Comment puis-je essayer cela ?
- Créez un compte Chat GPT Plus. D’autres options s’offrent à vous ici, mais comme la plupart d’entre vous sont probablement familiers avec Chat GPT, optez pour ce qui vous est familier.
- Recherchez l’onglet Explorer les GPT dans le volet de gauche. Une fois que vous y êtes, sélectionnez l’analyste de données GPT – illustré – et vous ouvrirez une interface de discussion avec lui.
- Sélectionnez l’ensemble de données avec lequel vous souhaitez travailler, téléchargez-le au format CSV (ou tout autre format). Si vous recherchez des exemples de données avec lesquelles travailler, rendez-vous sur Kaggle pour un excellent référentiel contenant de nombreuses choses intéressantes.
- Téléchargez le CSV dans la fenêtre de discussion et invitez Chat GPT à interagir avec la feuille de calcul. J’utilise souvent l’invite : Veuillez lire le CSV que je suis sur le point de télécharger, nettoyez-le de toute erreur et préparez-vous à une série de questions que je poserai pour une analyse approfondie.
- Poser des questions. C’est la clé : posez les bonnes questions. Les exemples pourraient inclure Découvrez 5 informations non évidentes à partir de ces données. Aidez-moi à repérer les tendances à long terme qui me manqueraient d’une manière ou d’une autre.
Dans l’exemple ci-dessous, j’ai téléchargé un ensemble de données sur l’immobilier new-yorkais depuis Kaggle. Je l’ai ensuite téléchargé sur Chat GPT et lui ai demandé de découvrir quelques informations. Voici ce qu’il a trouvé :
Bien sûr, les analyses de corrélation ne sont pas très approfondies, mais sans beaucoup d’incitations supplémentaires, elles sont devenues beaucoup plus perspicaces très, très rapidement. Une lacune évidente que j’ai remarquée, à titre de divulgation, est qu’à mesure que les ensembles de données deviennent plus volumineux, ils peuvent parfois avoir des difficultés en termes de rapidité et de précision de l’analyse.
Comment devriez-vous utiliser l’analyse des données aujourd’hui ?
Il existe aujourd’hui un certain nombre de cas d’utilisation pratiques de l’analyse de données que vous devriez envisager d’utiliser. Les exemples incluent :
- Prévisions financières – ingérez vos données financières existantes pour voir s’il existe des tendances telles que la saisonnalité que vous pouvez identifier plus facilement grâce à l’IA.
- De meilleures pratiques RH – réduisez le nombre d’employés, le taux de désabonnement, la rétention et améliorez vos processus de recrutement en identifiant ce qui ne va pas.
- Analyse compétitive – suivez la concurrence en évaluant la stratégie SEO de vos concurrents, etc.
Les options sont en quelque sorte illimitées, mais ce serait un énorme échec si vous ne commenciez pas à jouer avec certains de ces outils plus tôt. Ils ne feront que s’améliorer de façon exponentielle à partir d’ici.
Suivez-moi sur Twitter ou LinkedIn.