根據Gartner的說法，在未來五年內，增強分析能力將成為商業智能中最熱門的趨勢。此外，根據數字工作場所2018的Hope cycle，在不久的將來，即將到來的新一代數據分析將見證商業智能的發展高潮。

不斷增長的數據量使數據分析成為業務發展的必要組成部分。要在業務中擊敗對手，您必須隨時了解業務分析的變化。“智能數據發掘”這一表述于2017年正式提出，并且作為企業橫向的強烈差異化因素占主導地位。為了清楚地理解，大多數企業目前正專注于構建模型并整合信息以簡化它和任務自動化。這擴大了市場對熟練數據科學家的需求。增強分析是這些數據科學家的選擇，可以迭代地發揮數據到知識的行動活動，如匯編數據，解釋數據示例和構建模型，并傳播和實施數據調查結果。這節省了用于從數據中獲取重要業務洞察的時間和資產。

Gartner將增強分析定義為“?使用機器學習和自然語言生成自動化洞察的方法。”雖然有些人將其稱為智能數據發現，但最終它將BI與AI融合在一起，以自動化查找數據的過程，為分析做好準備。產生見解。將原始數據轉換為洞察力的傳統過程基本上是一個耗時的過程，需要大量的程序。

在進行任何分析之前，我們需要建立一個超級特征的研究問題。這個問題是它變成了一個相當大的措施，如過濾，類似于專注于一個單一的查詢，某些信息因此被忽略，因此從未調查過一些經驗。當建立一個明確的研究問題時，那時的組織就有建立模型或算法的工作。這真的不是一夜之間的過程，包括大量的時間和困難的工作。在這兩個階段完成之后，最麻煩的部分是將這些不同的數據解釋為值得注意的見解，同時限制人類傾向的狂野力量。

除了目前明確的預測和利用數據分析工具的能力之外，尖端的增強分析挖掘得更加深刻。它提供真實的報告和儀表板，并提供機械化和值得注意的先見之明和規范性指導。利用增強分析快速完成各種令人困惑的物理解決方案，并且可能非常繁瑣。它因此清理和準備數據，解釋數據中的隱藏模式并利用它們構建模型。AI算法和軟件用于理解數據并顯示進行適當移動的見解和建議。組織可以測試他們的推測和假設，因為他們可以使用統計算法破譯他們的數據并訪問關鍵數據。

Gartner強調，增強分析的存在將很快占據主導地位，居民數據科學家將超越數據科學家所產生的先進分析材料。增強分析為非技術用戶提供了以前無法運行的復雜分析的能力。Gartner進一步預計，在未來兩年內，超過40％的基于數據科學的任務將實現自動化。這可確保非技術用戶可以使用自動分析執行更多操作。Gartner研究總監Carlie Idoine認為，機器學習和數據科學的見解在企業中將更加開放和不可避免。賦予數據科學權力的關鍵是新的增強分析功能。

此外，增強分析消除了人類偏見所帶來的方面。增強分析不是特定研究問題的義務，也使企業能夠靈活地解鎖數據集中隱藏的洞察層。它甚至提供了最初從未考慮過的見解。最終，這確保了跨企業，管理人員可以專注于制定戰略而不是被日常的日常手動任務占用。有人甚至預測，一旦增強分析達到頂峰，就不需要數據科學家。但是，專家們不同意這一點，并相信他們的角色將演變為最終集中在特定問題上以及在大型企業應用程序中安裝模型，與Augmented Analytics合作以更有效地完成工作。

我們現在正在觀察更多突破性的安排供應商，包括人工智能和基于機器學習的能力，以及他們的旗艦商業智能和調查工具。商業中心的重要參與者正在迅速發展，以確保他們能夠超越這種模式。通過我們網站的新聞片段直觀地展示了這一點，并且可以令人驚訝地首先看到處于最前沿的商家。

增強分析的原因不是要取代基本的決策過程，而是要幫助它。增強分析的宏偉之處在于，與替換組織內部某些專業工作的要求相反，它確實使用了人的能力。使用增強分析，人類能力確實比任何其他時間都更加重要。豐富的見解提供了參與“閃亮的物體紊亂”的誘惑，因為每一個洞察力都可以提供類似于激發潛在的調查結果。專家必須將他們的技能與處理這些塊的計劃相結合，并選擇那些與更廣泛的業務系統協調一致的計劃。

?