Speaker A
Po pierwszym tygodniu programu znacie już fundamenty pracy z AI. Nie będziemy ich tutaj omawiać od zera, ale pokażę wam teraz, jak powinny one wyglądać w praktyce przy pracy z Google Analytics 4 na przykładzie czterech złotych zasad.
Poznaj cztery złote zasady pracy z AI i danymi na przykładzie Google Analytics 4, by efektywnie korzystać z AI w analizie danych.
Ask about this video. Answers come from its transcript only — with the timestamp, so you can check them.
Generated from the transcript and can be wrong — check the timestamp.
Key Takeaways
- Dokładne opisanie danych i kontekstu jest kluczowe dla skutecznej pracy z AI.
- Precyzyjne określenie celu pytania pozwala AI skupić się na istotnych problemach.
- Forma odpowiedzi powinna być dostosowana do potrzeb użytkownika.
- Weryfikacja wyników AI jest niezbędna ze względu na możliwe błędy i nadmierną pewność AI.
- Bezpieczeństwo danych jest priorytetem – nie udostępniaj danych wrażliwych w publicznych narzędziach AI.
What the video covers
- Wideo omawia cztery kluczowe zasady pracy z AI na przykładzie danych z Google Analytics 4.
- Pierwsza zasada: dokładnie opisz AI dane, z którymi pracujesz, ich pochodzenie i znaczenie kolumn.
- Druga zasada: podaj kontekst i cel pytania, aby AI mogło skupić się na istotnych aspektach.
- Trzecia zasada: określ formę odpowiedzi i jej przeznaczenie, np. krótkie wnioski do prezentacji.
- Czwarta zasada: zawsze weryfikuj odpowiedzi AI, ponieważ mogą być błędne lub niepełne.
- AI działa jak nowy, inteligentny pracownik – im lepiej go wdrożysz, tym lepsze wyniki uzyskasz.
- Zalecane jest unikanie wprowadzania danych wrażliwych do publicznych narzędzi AI ze względów bezpieczeństwa.
- Można nagrywać opis danych zamiast pisać, co ułatwia przygotowanie kontekstu dla AI.
- AI powinno być traktowane jako punkt startowy analizy, a ostateczne decyzje podejmuje człowiek.
- W kolejnej części autor omówi pułapki analizy danych przez AI i sposoby ich unikania.
Full Transcript — Download SRT & Markdown
Speaker A
Przejdziemy przez nie tak, abyście zobaczyli, jak skonstruować idealne zapytanie, dzięki któremu otrzymacie dokładnie to, co was interesuje.
Speaker A
I mam do tego taką analogię. Wyobraź sobie, że zatrudniasz nowego pracownika, świetnie wykształconego, bardzo inteligentnego, ale to jego pierwszy dzień w pracy. Przychodzi do ciebie i mówi: "Czym mam się zająć?" No i odpowiadasz: "No wiesz, zrób coś z tymi danymi." To co on zrobi? Nie wiadomo,
Speaker A
bo nie wie, co jest dla ciebie ważne, nie zna kontekstu twojej firmy, nie wie, czego oczekujesz.
Speaker A
I dokładnie tak samo działa AI. Im lepiej mu wytłumaczysz, co masz, po co to robisz i czego oczekujesz, tym lepsza będzie odpowiedź. I właśnie o tym są te cztery zasady.
Speaker A
Pierwsza zasada jest prosta: zanim zadasz pytanie, powiedz AI, z jakimi danymi pracuje. Skąd pochodzą, co przedstawiają, jaki to jest okres, co oznaczają poszczególne kolumny.
Speaker A
Wystarczy jedno, dwa krótkie zdania na początku. Na przykład: "Mam dane z Google Analytics 4.
Speaker A
Eksport sesji według źródła ruchu za ostatnie trzydzieści dni. Kolumny to: źródło, liczba sesji, współczynnik konwersji i przychód.
Speaker A
Dane dotyczą tylko sklepu internetowego działającego w Polsce w branży fashion." To wystarczy. Teraz AI wie, na czym stoi i może zacząć pracować z twoim kontekstem, a nie z jakąś ogólną wiedzą o analityce. Dobra, zdaję sobie sprawę, że część z was może uznać, że takie opisywanie danych
Speaker A
zajmuje bardzo dużo czasu i jest męczące. Ale po pierwsze, tylko za pierwszym razem, bo jak już raz coś takiego sobie przygotujemy, to możemy to wykorzystywać wielokrotnie albo dodać w ogóle taką instrukcję do Gema, czyli naszego dedykowanego asystenta.
Speaker A
A po drugie, jak męczy was pisanie, to uwaga: zawsze możecie włączyć nagrywanie i po prostu opowiedzieć o waszych danych. Tak że nie macie żadnych wymówek.
Speaker A
Ale przejdźmy dalej. Druga zasada: powiedz AI, dlaczego go o to pytasz. Wyjaśnij, co chcesz osiągnąć, jaki problem próbujesz rozwiązać, co się dzieje w twoim biznesie. To robi ogromną różnicę.
Speaker A
Porównaj sobie: "Przeanalizuj te dane" albo: "Przeanalizuj te dane, bo zauważyłem, że sprzedaż spadła w ostatnim tygodniu i chcę zrozumieć, dlaczego." To są zupełnie dwa różne prompty.
Speaker A
W pierwszym przypadku dostaniesz jakieś ogólne obserwacje. W drugim AI skupi się na szukaniu anomalii i przyczyn, bo wie, czego szukasz. Albo ten przykład: "Prowadzimy sklep z elektroniką. W tym tygodniu przychód z kampanii Google Ads spadł o trzydzieści procent,
Speaker A
mimo że budżet się nie zmienił. Chcę zrozumieć, czy problem leży po stronie ruchu, konwersji czy wartości zamówień." Widzisz różnicę?
Speaker A
Teraz AI wie, gdzie szukać, i nie analizuje wszystkiego po kolei, tylko to, co ma znaczenie dla twojego pytania. Ale to jeszcze nie koniec.
Speaker A
Trzecia zasada: powiedz AI, w jakiej formie chcesz dostać odpowiedź i co z nią później zrobisz.
Speaker A
Na przykład: "Na końcu chcę dostać maksymalnie trzy konkretne wnioski i do każdego jedną rekomendację, co zrobić.
Speaker A
Bez długich opisów. Piszę to do prezentacji dla szefa." Dostaniesz zupełnie inny wynik, który będzie pasował do tego, czego oczekujesz.
Speaker A
A teraz czwarta zasada, ta, która łączy się z kolejną częścią lekcji. Zawsze weryfikuj to, co dostajesz od AI. Nie dlatego, że AI, nie wiem, jest bezużyteczne, ale dlatego, że AI bywa zbyt pewne siebie.
Speaker A
Potrafi podać liczbę, która wygląda wiarygodnie, ale jest po prostu błędna. Potrafi wyciągnąć wniosek, który brzmi logicznie, ale nie uwzględnia czegoś ważnego, co ty wiesz o swoim biznesie.
Speaker A
Dlatego zasada jest prosta: AI to punkt startowy, nie punkt końcowy. Używaj go, żeby szybciej dojść do wniosku, ale ostateczną decyzję na końcu zawsze podejmujesz ty i to ty za nią odpowiadasz.
Speaker A
O tym, jak konkretnie weryfikować i na co uważać, opowiem w następnej części. Jeszcze jedna rzecz, o której nie możemy zapomnieć, nigdy nie wrzucaj do publicznych narzędzi AI danych wrażliwych, takich jak imiona, nazwiska, adresy e-mail czy na przykład dane finansowe.
Speaker A
Korzystasz z zewnętrznego modelu i dane, które tam wklejasz, wychodzą poza twoją organizację. Excelowa tabelka z segmentem klientów jest jak najbardziej okej, ale lista z imionami i mailami już raczej nie.
Speaker A
Pamiętaj: bezpieczeństwo przede wszystkim. Dobra, podsumujmy sobie te cztery zasady, bo za chwilę będziemy ich potrzebować w praktyce.
Speaker A
Pierwsza: opisz dane. Druga: dodaj kontekst. Trzecia: określ efekt. I czwarta: na koniec zawsze weryfikuj to, co dostajesz. Możesz zapamiętać to tak, traktuj AI jako tego bardzo inteligentnego, nowego pracownika, ale im lepiej go wdrożysz w każdym pytaniu, tym lepsza będzie jego odpowiedź.
Speaker A
A jeżeli coś ci poda, to sprawdź, zanim przekażesz to dalej. A teraz zapraszam do następnej części, w której opowiem ci o pułapkach związanych z analizą danych przez AI i jak tych pułapek unikać.
Speaker A
Do zobaczenia.
Topics:AIGoogle Analytics 4analiza danychpraca z AIzasady pracy z AIbezpieczeństwo danychprompt engineeringumiejętności jutrasztuczna inteligencjaanaliza biznesowa
