View a markdown version of this page

用于分析和见解的生成式 AI 用例 - AWS 规范性指导

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

用于分析和见解的生成式 AI 用例

分析和见解功能有助于将大量数据转化为可行的见解,从而推动决策和持续改进。通过使用生成式人工智能,该功能可以处理来自各种来源的数据,包括代码存储库、项目管理工具和团队协作平台,以提供开发过程和团队生产力的整体视图。生成式 AI 超越了传统指标,可以提供预测性和规范性分析。它可以预测潜在的问题并提出有针对性的改进建议。例如,它可以分析代码提交模式、错误解决率和功能交付速度,以识别高绩效团队、查明瓶颈并提出流程优化建议。此外,它还可以提供对团队动态和个人绩效的见解。这些见解可以帮助领导者就工作量分配、培训需求和团队组成做出以数据为依据的决策。通过交互式仪表板展示这些见解,该功能使各级利益相关者能够做出明智的决策,优化流程并持续提高团队生产力,从而更快地交付高质量的软件。

下表显示了您可以使用生成式 AI 来增强的分析用例以及负责这些用例的角色。

使用案例 女神异闻录
监控个人和团队的工作效率 开发经理
分析生产力趋势以发现潜在的倦怠,以便您可以采取积极措施来维持团队的健康和工作效率 开发经理
跟踪将代码更改部署到生产环境的频率,以衡量开发过程的速度和敏捷性 产品经理
分析部署频率数据,以确定可能表明流程效率低下或资源限制的低部署活动时段 产品经理
衡量代码提交到部署之间的时间,以确定简化开发和部署流程的机会 开发经理
跟踪导致需要立即修复的故障的部署百分比,以评估发布过程的可靠性 现场可靠性工程师
使用更改失败率指标来确定经常导致问题的代码区域,以指导有针对性的重构和测试工作 软件开发人员
监控中断或事故发生后恢复服务所需的时间,这样您就可以减少停机时间并提高系统的整体弹性 现场可靠性工程师
分析恢复时间趋势,以增强事件响应流程并加快从系统故障中恢复的速度 DevOps 工程师
创建自定义控制面板,汇总部署频率、交货时间和变更失败率等关键指标,以便全面了解开发和运营状况 产品经理
创建针对不同团队需求量身定制的仪表板,以便针对其特定职责领域(例如开发、运营或业务)提供有针对性的见解 产品经理
跟踪业务关键绩效指标 (KPIs),例如收入影响、客户满意度和市场份额,以便使开发工作与更广泛的业务目标保持一致 产品经理
分析新功能对业务的影响, KPIs 以评估其成功与否,并指导未来的产品开发 业务分析师
监控代码质量指标,例如代码复杂性、测试覆盖率和错误密度,以确保代码库保持可维护和安全 软件开发人员
确定代码库中需要重构的区域,以推动长期可持续性并减少技术债务 解决方案架构师