Analyste de données

Un tutoriel d'éditeur et une implémentation de référence, non un compte rendu d'usage dans une entreprise — aucun employeur n'est nommé comme l'exploitant. Enregistré comme capacité, ce qui sur ce site ne déplace jamais une appréciation. Sur quoi repose chaque lien de tâche : les instructions du modèle couvrent la découverte des tables, du SQL en lecture seule et l'explication des constats (écrire des requêtes) ; ses prérequis et son étape 3 exigent de l'équipe qu'elle fournisse les définitions de métriques, les filtres de confiance et les requêtes déjà relues, et l'étape 9 n'enregistre une correction que lorsqu'une personne le demande (posséder les définitions dont les outils dépendent) ; et les filtres qu'il imprime en exemple — exclure les salariés et les comptes de test, exclure la journée en cours incomplète, le suivi du paiement mobile a changé le 18 août — sont le savoir d'un analyste sur les endroits où les données mentent, fourni par une personne et non trouvé par l'agent. Daté du commit du recueil qui a ajouté l'exemple, parce que la page de présentation ne porte pas de date.

Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.

Rédigé par les auteurs du banc d'essai, qui ont aussi un système concurrent (Rubicon) à promouvoir — la partie intéressée soutient ici que les bancs d'essai faciles ont tort. L'affirmation de fond est vérifiable : Beaver est construit à partir de vrais journaux de requêtes de l'entrepôt Oracle de 1 400 tables du MIT et de trois autres, et son classement est public. Les quatre raisons données sont structurelles plutôt que liées à la qualité des modèles — les données des bancs d'essai publics sont dans le corpus d'entraînement, les vrais schémas pourrissent en six colonnes différentes nommées « salary », les entrepôts portent un jargon local, et les vraies requêtes joignent deux ou trois tables plutôt qu'une.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

Le régulateur britannique de la statistique, institué par la loi, rend compte du système des statistiques officielles. Il indique que les producteurs qui utilisent l'IA pour produire ou communiquer des statistiques officielles devraient appliquer le « Code of Practice for Statistics » comme ils le feraient pour d'autres méthodes ou modèles statistiques, que ses lignes directrices mises à jour couvriront l'assurance qualité, la supervision humaine et une responsabilité claire sur les résultats, et que l'usage de l'IA dans les statistiques officielles reste principalement de la recherche, des essais et du soutien administratif plutôt que de la production courante. Il concerne les statisticiens de l'administration plutôt que les analystes métier, et les lignes directrices sont encore en cours de mise à jour.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

Un article d'employés de LinkedIn sur leur robot conversationnel interne de langage naturel vers SQL, disponible dans la plateforme de requêtes de LinkedIn depuis juillet 2024 et utilisé régulièrement par plus de 300 utilisateurs actifs hebdomadaires. Il repose sur un graphe de connaissances dans lequel les propriétaires des jeux de données indiquent si une colonne est une métrique, une dimension ou un attribut, et où les tables les plus utilisées ont des descriptions rédigées par des personnes ; ces composants ont fait passer les réponses jugées correctes ou presque correctes de 9 % à 48 %. Dans un examen par des experts de 124 réponses en production, 53 % ont été jugées correctes ou avec des défauts mineurs, et le défaut le plus fréquent était un filtre erroné (24 %) ; les auteurs notent qu'une demande portant sur le dernier taux de clics ne veut pas dire la même chose d'une équipe à l'autre. C'est l'outil interne d'une seule entreprise, mesuré par ceux qui l'ont construit.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Des ingénieurs de Grab décrivent leurs propres outils de données internes. Seules 20 % des tables les plus fréquemment interrogées avaient une documentation ; l'équipe a prérempli une documentation générée par l'IA pour les tables les plus critiques et a notifié les producteurs de données pour qu'ils la relisent, en l'affichant avec une étiquette « AI-generated » jusqu'à ce qu'un producteur l'accepte ou la modifie, et la couverture de ces tables a augmenté de 70 points de pourcentage, pour atteindre environ 90 %, avant le lancement du robot de découverte fondé sur un grand modèle de langage. Le robot tourne sur la plateforme d'un fournisseur que Grab utilise ; les chiffres sont ceux de l'entreprise.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Une entreprise, diffusion restreinte ; la plateforme d'Uber traite environ 1,2 million de requêtes interactives par mois, donc il s'agit d'une part minime. Le billet signale lui-même les tables et colonnes inventées et la qualité des consignes comme des problèmes ouverts.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Entrer sur la seule compétence SQL est plus faible qu'avant, parce que c'est la part que les outils font. L'entrée la plus forte est le domaine plus les données : apprenez un secteur d'activité assez profondément pour savoir ce que ses chiffres veulent dire et comment ils cassent, et servez-vous des outils pour l'interrogation. Portez-vous volontaire pour le travail ingrat de documenter les définitions — c'est là que le nouveau poste d'analyste se forme, et presque personne n'en veut encore.

Si l'essentiel de votre semaine consiste à satisfaire des demandes de rapports, attendez-vous à ce que cette file se réduise à mesure que les demandeurs se servent eux-mêmes, et à être évalué sur les décisions que votre travail a changées plutôt que sur le nombre de tableaux de bord livrés. Votre connaissance accumulée des endroits où les données cassent est l'actif. Transformez-la en couche sémantique et en définitions, et vous devenez la raison pour laquelle les outils en libre-service donnent des réponses correctes.

Refaçonner le poste

De répondre aux questions à détenir les définitions

L'analyse en libre-service déplace le goulot de l'écriture des requêtes vers la justesse des métriques en dessous. Les éditeurs le disent eux-mêmes : le modèle d'agent qu'OpenAI publie pour ce métier liste les définitions de métriques, les filtres de confiance et les requêtes déjà relues parmi les choses que l'équipe doit fournir avant de pouvoir commencer. Détenir cette couche est plus durable et plus senior que détenir un tableau de bord.

Mouvement latéral

Ingénierie analytique

Construire les modèles et les chaînes qui nettoient les données en amont est là où va beaucoup de l'effort des analystes, et c'est mieux payé que le reporting.

Mouvement latéral

Analyste intégré à une fonction métier

Les équipes finance, opérations et produit veulent de plus en plus leur propre analyste qui connaît le domaine plutôt qu'un service central qui prend des tickets. Le savoir métier est le rempart.

Oui, mais pour une autre raison qu'avant. Vous en écrirez moins, et vous en lirez et vérifierez beaucoup plus. Comprendre ce que fait une requête est ce qui vous permet d'attraper la réponse fausse et assurée que l'outil a produite depuis un schéma ambigu — et cette prise est désormais le métier. Apprenez le SQL comme un relecteur connaît la grammaire : non pour produire chaque phrase, mais pour savoir instantanément quand l'une est fautive.

Le signal est qui lance la requête. Quand les dirigeants commencent à répondre eux-mêmes à leurs questions dans un outil en libre-service au lieu de vous les envoyer, le changement est arrivé — et la première chose que vous perdez n'est pas le poste mais le contact quotidien avec les données qui vous rendait capable de repérer quand elles se trompent.

Écrire des requêtes et bâtir des tableaux de bord — la tâche marquée ici comme en cours d'automatisation. Cadrer la question et savoir quand les données mentent ne le sont pas, mais les deux dépendent d'être assez près du travail pour en avoir le contexte, et le libre-service vous en éloigne.

C'est un vrai travail et ce site le marque comme une tâche émergente. C'est aussi un poste par organisation et plus petit que répondre aux questions. Dire que des effectifs y sont « redirigés » est une façon polie de décrire une équipe plus petite faisant un autre travail.