Paggamit ng GPT-n Para sa Pinahusay na Proseso ng Pag-unlad ng Qlik

Tulad ng maaaring alam mo, dinala namin ng aking koponan sa komunidad ng Qlik ang isang extension ng browser na nagsasama ng Qlik at Git upang i-save ang mga bersyon ng dashboard nang walang putol, na gumagawa ng mga thumbnail para sa mga dashboard nang hindi lumilipat sa ibang mga window. Sa paggawa nito, nakakatipid kami ng mga developer ng Qlik ng malaking tagal ng oras at binabawasan ang stress araw-araw.

Palagi akong naghahanap ng mga paraan upang mapabuti ang proseso ng pagbuo ng Qlik at i-optimize ang mga pang-araw-araw na gawain. Kaya naman napakahirap iwasan ang pinaka-hyped na paksa, ang ChatGPT, at GPT-n, ng OpenAI o Large Language Model sa karaniwan.

Laktawan natin ang bahagi tungkol sa kung paano gumagana ang Large Language Models, GPT-n. Sa halip, maaari kang magtanong sa ChatGPT o basahin ang pinakamahusay na paliwanag ng tao ni Steven Wolfram.

Magsisimula ako sa hindi sikat na thesis, "Ang GPT-n Generated Insights mula sa data ay isang Curiosity-Quenching Toy," at pagkatapos ay magbahagi ng mga halimbawa sa totoong buhay kung saan ang isang AI assistant na pinagtatrabahuhan namin ay maaaring mag-automate ng mga nakagawiang gawain, libreng oras para sa mas kumplikado. pagsusuri at paggawa ng desisyon para sa mga developer/analyst ng BI.

AI assistant mula sa aking pagkabata

Huwag Kang Iligaw ng GPT-n

… ito ay nagsasabi lamang ng mga bagay na “tama” batay sa kung anong mga bagay ang “parang” sa materyal ng pagsasanay nito. © Steven Wolfram

Kaya, nakikipag-chat ka sa ChatGPT buong araw. At biglang may naisip na magandang ideya: "Ipo-prompt ko ang ChatGPT na bumuo ng mga naaaksyunan na insight mula sa data!"

Ang pagpapakain sa mga modelo ng GPT-n gamit ang OpenAI API sa lahat ng data ng negosyo at mga modelo ng data ay isang mahusay na tukso upang makakuha ng mga naaaksyong pananaw, ngunit narito ang mahalagang bagay — ang pangunahing gawain para sa Malaking Modelo ng Wika bilang GPT-3 o mas mataas ay upang malaman kung paano upang ipagpatuloy ang isang piraso ng teksto na ibinigay nito. Sa madaling salita, "Sinusundan nito ang pattern" ng kung ano ang nasa web at sa mga libro at iba pang materyales na ginamit dito.

Batay sa katotohanang ito, mayroong anim na makatwirang argumento kung bakit ang mga nabuong insight ng GPT-n ay isang laruan lamang upang pawiin ang iyong kuryusidad at tagapagtustos ng gasolina para sa generator ng ideya na tinatawag na utak ng tao:

1. GPT-n, ChatGPT ay maaaring bumuo ng mga insight na hindi nauugnay o makabuluhan dahil kulang ito ng kinakailangang konteksto upang maunawaan ang data at ang mga nuances nito—kawalan ng konteksto.
2. GPT-n, ChatGPT ay maaaring makabuo ng mga hindi tumpak na insight dahil sa mga error sa pagproseso ng data o mga maling algorithm — kakulangan ng katumpakan.
3. Ang pag-asa lamang sa GPT-n, ang ChatGPT para sa mga insight ay maaaring humantong sa kakulangan ng kritikal na pag-iisip at pagsusuri mula sa mga eksperto ng tao, na posibleng humantong sa hindi tama o hindi kumpletong mga konklusyon — labis na pag-asa sa automation.
4. Ang GPT-n, ChatGPT ay maaaring makabuo ng mga bias na insight dahil sa data kung saan ito sinanay, na posibleng humahantong sa nakakapinsala o nakakadiskrimina na mga resulta — ang panganib ng bias.
5. GPT-n, Maaaring kulang ang ChatGPT ng malalim na pag-unawa sa mga layunin at layunin ng negosyo na nagtutulak sa pagsusuri ng BI, na humahantong sa mga rekomendasyong hindi naaayon sa pangkalahatang diskarte — isang limitadong pag-unawa sa mga layunin sa negosyo.
6. Ang pagtitiwala sa data na kritikal sa negosyo at pagbabahagi nito sa isang "itim na kahon" na maaring matuto sa sarili ay magbubunga ng ideya sa TOP management na mahuhusay na ulo na tinuturuan mo ang iyong mga kakumpitensya kung paano manalo — kawalan ng tiwala. Nakita na namin ito noong nagsimulang lumitaw ang mga unang cloud database tulad ng Amazon DynamoDB.

Upang patunayan ang kahit isang argumento, suriin natin kung paano maaaring maging kapani-paniwala ang ChatGPT. Ngunit sa ilang mga kaso, ito ay hindi tama.

Hihilingin ko sa ChatGPT na lutasin ang simpleng pagkalkula 965 * 590 at pagkatapos ay hihilingin itong ipaliwanag ang mga resulta nang sunud-sunod.

568 350?! OOPS... may mali.

Sa aking kaso, isang hallucination ang pumasok sa tugon ng ChatGPT dahil ang sagot na 568,350 ay mali.

Gawin natin ang pangalawang shot at hilingin sa ChatGPT na ipaliwanag ang mga resulta nang sunud-sunod.

Ganda ng shot! Pero mali pa rin...

Sinusubukan ng ChatGPT na maging mapanghikayat sa isang sunud-sunod na paliwanag, ngunit mali pa rin ito.

Mahalaga ang konteksto. Subukan nating muli ngunit pakainin ang parehong problema sa prompt na "gumawa bilang ...".

BINGO! 569 350 ang tamang sagot

Ngunit ito ay isang kaso kung saan ang uri ng generalization na madaling gawin ng isang neural net — kung ano ang 965*590 — ay hindi magiging sapat; isang aktwal na computational algorithm ang kailangan, hindi lang isang statistical-based na diskarte.

Sino ang nakakaalam… baka sumang-ayon lang ang AI sa mga guro sa matematika sa nakaraan at hindi gumagamit ng calculator hanggang sa mga matataas na grado.

Dahil ang aking prompt sa nakaraang halimbawa ay diretso, maaari mong mabilis na matukoy ang kamalian ng tugon mula sa ChatGPT at subukang ayusin ito. Ngunit paano kung ang guni-guni ay pumasok bilang tugon sa mga tanong tulad ng:

1. Aling salesperson ang pinaka-epektibo?
2. Ipakita sa akin ang Kita para sa huling quarter.

Maaari itong humantong sa paggawa ng HALLUCINATION-DRIVEN DECISION, nang walang mushroom.

Siyempre, sigurado ako na marami sa aking mga argumento sa itaas ay magiging walang kaugnayan sa loob ng ilang buwan o taon dahil sa pagbuo ng mga solusyong makitid na nakatuon sa larangan ng Generative AI.

Bagama't hindi dapat balewalain ang mga limitasyon ng GPT-n, ang mga negosyo ay maaari pa ring lumikha ng isang mas matatag at epektibong proseso ng pagsusuri sa pamamagitan ng paggamit ng mga lakas ng mga analyst ng tao (nakakatuwa na kailangan kong i-highlight ang HUMAN) at mga AI assistant. Halimbawa, isaalang-alang ang isang senaryo kung saan sinusubukan ng mga taong analyst na tukuyin ang mga salik na nag-aambag sa pag-churn ng customer. Gamit ang mga AI assistant na pinapagana ng GPT-3 o mas mataas, mabilis na makakabuo ang analyst ng listahan ng mga potensyal na salik, gaya ng pagpepresyo, serbisyo sa customer, at kalidad ng produkto, pagkatapos ay suriin ang mga suhestyong ito, siyasatin pa ang data, at sa huli ay matukoy ang mga pinakanauugnay na salik. na nagtutulak sa customer churn.

IPAKITA MO SA AKIN ANG MGA TEXTS NA PARANG TAO

HUMAN ANALYST na gumagawa ng mga prompt sa ChatGPT

Magagamit ang AI assistant para i-automate ang mga gawain na ginugugol mo ng hindi mabilang na oras sa paggawa ngayon. Malinaw, ngunit tingnan natin nang mas malapit ang lugar kung saan ang mga AI assistant na pinapagana ng Malaking Modelo ng Wika gaya ng GPT-3 at mas mataas ay mahusay na nasubok — bumubuo ng mga text na parang tao.

Mayroong isang grupo ng mga ito sa pang-araw-araw na gawain ng mga developer ng BI:

1. Pagsusulat ng mga tsart, pamagat ng sheet, at paglalarawan. Makakatulong sa amin ang GPT-3 at mas mataas na makabuo ng mga pamagat na nagbibigay-kaalaman at maigsi, na tinitiyak na madaling maunawaan at ma-navigate ang aming visualization ng data para sa mga gumagawa ng desisyon at gamit ang prompt na "act as .."
2. Dokumentasyon ng code. Sa GPT-3 at mas mataas, mabilis kaming makakagawa ng mga snippet ng code na mahusay na dokumentado, na ginagawang mas madali para sa mga miyembro ng aming team na maunawaan at mapanatili ang codebase.
3. Paglikha ng mga master item (diksiyonaryo ng negosyo). Ang AI assistant ay maaaring tumulong sa pagbuo ng isang komprehensibong diksyunaryo ng negosyo sa pamamagitan ng pagbibigay ng tumpak at maigsi na mga kahulugan para sa iba't ibang mga punto ng data, pagbabawas ng kalabuan, at pagtaguyod ng mas mahusay na komunikasyon ng koponan.
4. Paggawa ng nakakaakit na thumbnail (mga pabalat) para sa mga sheet/dashboard sa app. Maaaring makabuo ang GPT-n ng mga thumbnail na nakakaengganyo at nakakaakit sa paningin, na nagpapahusay sa karanasan ng user at nakakahimok sa mga user na i-explore ang available na data.
5. Pagsusulat ng mga formula ng pagkalkula sa pamamagitan ng mga expression ng set-analysis sa mga query sa Qlik Sense / DAX sa Power BI. Matutulungan kami ng GPT-n na i-draft ang mga expression at query na ito nang mas mahusay, na binabawasan ang oras na ginugol sa pagsusulat ng mga formula at nagbibigay-daan sa amin na tumuon sa pagsusuri ng data.
6. Pagsusulat ng data load scripts (ETL). Makakatulong ang GPT-n sa paggawa ng mga ETL script, pag-automate ng pagbabago ng data, at pagtiyak ng pagkakapare-pareho ng data sa mga system.
7. Pag-troubleshoot ng data at mga isyu sa application. Maaaring magbigay ang GPT-n ng mga mungkahi at insight para makatulong na matukoy ang mga potensyal na isyu at mag-alok ng mga solusyon para sa mga karaniwang problema sa data at application.
8. Ang pagpapalit ng pangalan ng mga field mula teknikal patungo sa negosyo sa Modelo ng Data. Matutulungan kami ng GPT-n na isalin ang mga teknikal na termino sa isang mas naa-access na wika ng negosyo, na ginagawang mas madaling maunawaan ang modelo ng data para sa mga hindi teknikal na stakeholder na may kaunting pag-click.

Ang mga AI assistant na pinapagana ng mga modelong GPT-n ay makakatulong sa amin na maging mas mahusay at epektibo sa aming trabaho sa pamamagitan ng pag-automate ng mga nakagawiang gawain at paglalaan ng oras para sa mas kumplikadong pagsusuri at paggawa ng desisyon.

At ito ang lugar kung saan ang aming browser extension para sa Qlik Sense ay maaaring maghatid ng halaga. Naghanda kami para sa paparating na paglabas — ng AI assistant, na magdadala ng mga pamagat at pagbuo ng paglalarawan sa mga developer ng Qlik sa app lang habang bumubuo ng mga analytics app.

Gamit ang fine-tuned na GPT-n ng OpenAI API para sa mga nakagawiang gawain na ito, ang mga developer at analyst ng Qlik ay maaaring makabuluhang mapabuti ang kanilang kahusayan at maglaan ng mas maraming oras sa kumplikadong pagsusuri at paggawa ng desisyon. Tinitiyak din ng diskarteng ito na ginagamit namin ang mga lakas ng GPT-n habang pinapaliit ang mga panganib na umasa dito para sa kritikal na pagsusuri ng data at pagbuo ng mga insight.

Konklusyon

Bilang konklusyon, hayaan mo ako, mangyaring bigyang-daan ang ChatGPT:

Ang pagkilala sa mga limitasyon at potensyal na aplikasyon ng GPT-n sa loob ng konteksto ng Qlik Sense at iba pang tool sa business intelligence ay nakakatulong sa mga organisasyon na masulit ang makapangyarihang teknolohiyang AI na ito habang pinapagaan ang mga potensyal na panganib. Sa pamamagitan ng pagpapatibay ng pakikipagtulungan sa pagitan ng mga insight na binuo ng GPT-n at kadalubhasaan ng tao, ang mga organisasyon ay maaaring lumikha ng isang mahusay na proseso ng analitikal na ginagamit ang mga lakas ng parehong AI at mga analyst ng tao.

Upang mapabilang sa mga unang makaranas ng mga benepisyo ng aming paparating na paglabas ng produkto, gusto ka naming imbitahan na punan ang form para sa aming early access program. Sa pamamagitan ng pagsali sa programa, magkakaroon ka ng eksklusibong access sa mga pinakabagong feature at pagpapahusay na tutulong sa iyong gamitin ang kapangyarihan ng AI assistant sa iyong mga Qlik development workflow. Huwag palampasin ang pagkakataong ito na manatiling nangunguna sa curve at i-unlock ang buong potensyal ng mga insight na hinimok ng AI para sa iyong organisasyon.

Sumali sa Aming Early Access Program