Generative Analytics Experience - Hype Cycle for Analytics and Business Intelligence, 2023

오늘은 2023년 7월 27일에 발표한 가트너에서 발표한 Analytics and Business Intelligence Hype cycle 중에서 2~5년 기간 내 가장 기대감이 높은 항목 중에 하나인 Generative Analytics Experience에 대해 알아 보겠습니다. 

출처 : 가트너

Generative Analytics Experience 이란?

생성적 분석 경험은 프롬프트를 통해 자연어로 표현된 비즈니스 용어를 사용하여 전체 데이터 및 분석 프로세스를 강화하고, 정성적 분석과 정량적 분석을 연결하는 진화된 분석입니다. 생성적 AI를 활용하여 비즈니스 문제와 D&A 문제의 해석을 양방향으로 연결합니다. 데이터와 상호 작용하는 코드(Python, R 및 SQL)를 자동 생성하고, 비즈니스 컨텍스트에 대한 통찰력을 설명함으로써 비즈니스 사용자의 역량을 강화합니다.

Generative Analytics Experience 중요성

 

기업은 생성적 AI를 사용하여 비즈니스 질문을 더 잘 이해하고 이를 분석 질문으로 변환하며 비즈니스 친화적인 데이터 스토리텔링으로 큐레이팅함으로써 비즈니스 분석 경험을 개선하고 있습니다. Generative AI는 데이터, 텍스트, 코드를 포함하여 자동 생성된 콘텐츠로 증강 분석을 향상합니다. 기술 Vendor 들은 생성 AI를 주요 증강 분석 서비스에 통합하여 새로운 제품 라인과 혁신적인 고객 참여를 개발하고 있습니다.

Business Impact

• 기업은 생성적 분석 경험을 구현하여 다음을 수행할 수 있습니다.
• D&A 맥락에 대한 심층적인 이해가 없거나 데이터 활용 능력이 낮은 비즈니스 임원이 중요한 비즈니스 질문에 답변하고 의사 결정 지원을 개선할 수 있도록 지원합니다.
• 자동 생성된 R 및 Python 코드에서  트리거되는 고급 분석 기능을 통해 기업의 분석 기능을 한 층더 발전 시킬수 있습니다. 
• 분석 작성자 역할을 하는 더 많은 비즈니스 사용자와 더 많은 서술형 비즈니스 컨텍스트를 통해 분석 콘텐츠의 품질과 양을 모두 개선합니다.
• 생성 AI를 의미 계층과 통합하여 데이터의 비즈니스 컨텍스트를 자동 생성하기 위해 메타데이터 사용을 활성화합니다.

Drivers

• 데이터 및 분석의 비즈니스 결과를 달성하려면 통찰력을 실행으로 연결하는 폐쇄 루프 활동이 필요합니다. 생성적 분석 경험은 D&A 솔루션의 연결을 자연어를 사용하는 더 광범위한 생성적 AI 비즈니스 애플리케이션으로 확장합니다.
• 기업에서는 코드 중심 데이터 과학 및 기계 학습(DSML) 솔루션을 사용했고,  보다 복잡한 의사 결정을 지원하기 위해 분석 채택을 가속화하고 있습니다. 생성 분석 경험은 프로세스 중에 코드(Python, SQL 및 R)가 명확하게 생성되므로 오늘날의 많은 증강 분석 솔루션에 비해 더 나은 설명성을 갖춘 분석 및 비즈니스 인텔리전스(ABI) 및 DSML 솔루션을 모두 구성하는 통합 경험 계층으로 작동할 수 있습니다. .
• 시장에는 인재가 부족합니다. 비즈니스 도메인 지식과 고급 분석 기술을 모두 갖춘 사람은 거의 없습니다. 생성적 분석 경험은 도메인 지식을 갖춘 더 많은 비즈니스 사용자가 복잡한 비즈니스 질문을 할 수 있도록 하여 격차를 메울 수 있습니다.
• ABI 및 DSML 솔루션 제공업체, 특히 검색 우선 공급업체는 생성 AI 기술과 통합할 수 있는 우수한 기술 기반을 갖추고 있으며, 이는 적절하게 통합되면 고객에게 즉각적인 가치를 제공할 것입니다. 여기에는 의미 체계 계층, MLOps, 지식 그래프, 자연어 쿼리 및 카탈로그 기술이 포함됩니다.
• Slack 및 Teams와 같은 디지털 업무 공간 애플리케이션은 이미 ABI 및 DSML 솔루션과 통합되었습니다. 분석을 수행하기 위해 디지털 작업 공간 애플리케이션의 자연어를 사용하면 양쪽 모두 대규모 언어 모델을 통합하므로 생성적 분석 경험이 형성됩니다.
• 데이터 중심 AI 접근 방식을 채택하는 기업은 새로운 기술 혁신의 결과를 달성하기 위한 많은 사용 사례 중 하나로서 생성 분석 경험을 진행할 것입니다.

Obstacles

• 지난 1년간 Gartner 고객 상호 작용에 따르면 자연어 쿼리는 수요가 높은 기능이 아닙니다. 기업에서는 여전히 이 기능을 사용하면 좋은 기능이라고 생각하며, 생성 AI를 통합해도 단기적으로 채택률이 향상되지는 않습니다.
• 생성 AI와 모든 ChatGPT 과대 광고는 여전히 시장에 새로운 것입니다. 공급업체는 여전히 미성숙한 기능을 갖춘 새로운 제품 라인을 혁신하고 있습니다. 기존 분석 기능과 원활하게 통합하기 위해 올바른 거버넌스와 대규모 언어 모델을 통합하는 것은 여전히 ​​어려운 일입니다. 특히 생성 AI의 정확성이 여러 공급업체에 걸쳐 D&A 메타데이터 활성화를 기반으로 한다는 점을 고려할 때 더욱 그렇습니다.
• 대부분의 공급업체가 GPT-3 또는 GPT-4 API를 통합하고 있으므로 생성 분석 경험을 사용하면 추가 비용이 발생합니다. 더 광범위한 비즈니스 사용자의 사용으로 인해 비용 문제가 더 커질 것입니다.

User Recommendations

• 생성적 분석 경험을 활용하여 통찰력을 자연어를 통한 행동으로 연결하는 사용 사례를 시험함으로써 D&A의 특정 폐쇄 루프 비즈니스 결과의 자동화를 목표로 합니다.
• 기존 공급업체의 로드맵 항목을 평가하고 모니터링하여 디지털 업무 공간 애플리케이션, 모바일 BI 및 자연어 쿼리 기능에서 생성적 분석 경험을 시작하세요.
• 공급업체의 출력 정확성과 진실성을 평가하고 오류를 수정하고 모니터링하기 위한 피드백 루프를 평가하여 오류와 "환각"을 최소화하기 위한 생성 분석 경험의 거버넌스를 확립합니다.

Sample Vendors

Aible; AnswerRocket; Hex Technologies; Microsoft; Pyramid Analytics; Tellius