有史以來最偉大的（盡管是虛構的）數據分析師之一夏洛克·福爾摩斯曾經說過：“在一個人擁有數據之前進行理論化是一個巨大的錯誤。不知不覺中，人們開始扭曲事實以適應理論，而不是讓理論適應事實。”

事實上，人類在其歷史上的一項重大成就，就是從基于信念和猜想來解釋現實逐漸轉變為根據實際數據分析事件或情景。引入越來越先進的方法和技術無疑促進了這種方法。另一方面，幾個世紀以來，我們的世界也變得更加復雜，即使對于最有洞察力和裝備精良的研究人員來說，深入研究驅動其動態的所有潛在趨勢和現象也被證明是一項具有挑戰性的任務。

為了解決這個問題以及與永無止境的真理追求相關的許多其他問題，商業智能咨詢公司已開始提供一種新型服務，現在稱為“增強分析”。

01、什么是增強分析

根據 2017 年創造該術語的 Gartner 的說法，增強分析涉及將人工智能和相關技術實施到典型的數據分析工作流程中，以促進數據收集和準備、洞察力生成和數據查詢。這可以通過自動化數據科學和數據分析生命周期的幾個階段（包括數據管理、數據模型開發和數據可視化）并使用更高級的功能改進數據分析和商業智能軟件來解鎖上述升級來實現。

近年來，Gartner 還為更好地定義增強分析和增強商業智能的概念做出了重大貢獻，同時關注這些學科的核心趨勢及其從商業角度日益增長的重要性。

利用 Gartner 的研究和其他相關資源，讓我們探討增強分析和增強 BI 成功背后的原因、它們最重要的采用領域以及市場上可用的主要平臺，以及將它們正確實施到您的業務中的一些技巧。

02、從傳統分析到增強分析

今天，數據是公司的燃料，任何利用它的工具都是每個商業決策者的重要組成部分。不幸的是，傳統的數據分析方法未能跟上時代的步伐，因為新的潛在威脅正在逼近：

復雜的數據集：如果您知道如何管理數據，它可以成為無價的資產。但鑒于現代數據集（包括結構化數據，如簡單的數字，以及從視頻、圖像和其他多媒體內容中提取的非結構化數據）的數量、復雜性和多面性不斷增長，這項任務的要求越來越高在時間、計算能力和專業知識方面。

苛刻的分析周期：將原始數據轉化為業務洞察力所需的過程比數據本身還要復雜，因為它包含需要由數據科學家和分析師等合格專業人員執行的多個步驟。這包括選擇合適的數據源，設置 ETL 管道以提取、轉換和加載數據到適當的數據存儲中，使用算法處理數據以識別有意義的模式、趨勢或異常，并將這些結果可視化。

缺乏數據專業知識：我們談到了專業人士，但他們的實際可用性到底如何？好吧，根據 Verified Market Research 的 2021 年增強分析市場研究，到 2024 年，僅美國就可能缺少 25,000 名數據科學家。

結果解釋：最后一個挑戰是將抽象的見解轉化為現實世界，即理解數據分析的結果并將其用作實際建議，以推動決策制定并在我們運營的特定業務場景中采取行動。正如 Gartner 在其2020 年營銷數據和分析調查中指出的那樣，這是采用數據分析策略做出明智決策的最大障礙之一。

如上所述，在數據分析技術和工具與人工智能、機器學習、自然語言處理 (NLP) 和其他認知技術的日益集成中，找到了解決此類問題的合適解決方案。這些先進的技術推動者可以更加關注自動化、數據民主化和以業務為中心的洞察力生成，推動將標準分析功能轉變為所謂的增強分析和增強 BI 的轉型過程。

在最新的增強分析市場動態中可以發現這種轉變的明顯跡象。例如，根據 Verified Market Research 的上述研究，2020 年全球增強數據分析和增強 BI 市場價值 77 億美元，到 2028 年將達到 625 億美元，復合年增長率為 29.8%。

這種積極趨勢可以解釋為越來越多的公司依靠先進的分析軟件解決方案和商業智能服務來充分利用其數據資產，以及需要民主化獲取商業洞察力并進一步提高基于此類信息的生產力。

03、增強分析采用領域和機會

我們已經詳細介紹了數據科學家、數據分析師和企業決策者每天在將數據轉化為商業建議時面臨的一些關鍵挑戰。我們還說過，由人工智能和其他相關技術驅動的增強型分析可以解決或至少大大緩解此類問題。現在，我們只需要解釋如何以及它帶來了什么好處。

這里有三個用例，代表了增強分析和增強商業智能在典型商業場景中的主要作用。

1、自動化的數據管理

我們已經指出，在我們分析數據之前，我們需要找到并收集它。鑒于數字化時代數據集的規模和復雜性不斷增長，這一過程需要 amanuensis 僧侶的精確度和耐心。數據科學家盡力而為，但與僧侶不同，他們寧愿不遵守 ora et labora（祈禱和工作）規則，一生都在執行機械任務，例如清理和標記數據。

幸運的是，這些數據準備過程中的大部分都可以通過增強分析實現自動化。具體來說，基于算法的系統將負責將多個數據源（如企業數據庫或在線廣告平臺）集成到一個連貫的數據流中，將其轉換為統一的存儲格式，將其加載到數據倉庫中，并對其進行重新設計以用于未來的處理。與手動方法相比，這確保了更高的數據管理速度和準確性。

2、洞察力的產生

正如海流的運動反映了多種力量的作用，如風和溫鹽環流，浩瀚的數據海洋中交叉著無數相當神秘的動態，即使是最細心的觀察者也可能難以掌握和破譯。用不那么詩意的、與商業相關的術語來說，我們如何才能在巨大的數據集中確定關鍵參數，將它們與特定的市場趨勢、客戶行為模式或其他事件聯系起來，從而獲得實用的建議來指導我們的決策？

考慮數以千計的指標并確定它們之間的任何關系，這對人類來說聽起來極具挑戰性，也很耗時。另一方面，機器學習算法可以輕松地篩選數據，發現模式、異常和變量之間的關聯，并建立代表它們的數據模型，幫助我們全面了解我們需要分析的現象。此外，這種算法在處理新數據時對其模型進行微調，通過經驗學習數據點之間的新關系（正如 "機器學習 "一詞所暗示的）。

至于實際的實地部署，例如，這意味著增強型分析平臺可以監測與你的銷售業績、社交媒體上的廣告覆蓋率和市場統計有關的數據。基于這些信息，它可能會發現最近的銷售增長并不那么依賴于你的營銷舉措，而是來自于你的目標市場的有利趨勢，因此建議你應該重新考慮你的廣告活動，盡管你很熱情。

3、對話式和可視化分析

當你向分析師詢問業務建議時，他們會用完全可以理解的人類語言回答你。但是，我們所依賴的用于自動生成上述洞察力過程的機器卻無法做到這一點，因為，計算機不會說話。或者，也許是的？實際上，這是一個反問句，因為我們都知道，最近人工智能和NLP的發展使我們周圍幾乎任何軟件或設備都能理解和模仿人類的交流。

增強型分析平臺也不例外，因為它們為用戶提供了各種功能，以自然語言（無論是書面的還是口頭的）而不是代碼來查詢數據并接收清晰的商業見解和建議。基于NLP的對話式互動通常輔以數據可視化功能（如儀表盤、報告和圖表），以突出相關指標或趨勢，并進一步簡化對平臺結果的解釋。

這種組合最顯著的效果是有可能使我們接近和利用數據的方式民主化，確保非技術用戶能夠獲得有價值的信息。

04、增強型分析平臺的選型

增強型分析和增強型商業智能代表了分析平臺市場最熱門的趨勢，所有主要的參與者都在其產品中實現了一系列一致的功能，以增強或自動化分析工作流程。這意味著，任何愿意依靠這種能力并因此加強數據驅動決策的組織，都可以依靠全范圍的軟件解決方案來選擇。

選擇一個適合你的業務需求的平臺不是一個簡單的任務。為了幫助你選擇合適的，值得定義你在增強型分析和增強型商業智能解決方案中應該尋找的核心功能，并研究市場上主要工具的優勢和劣勢。

至于第一點，Gartner的分析師編制了一份推薦的增強型分析功能清單，其中包括。
基于云和內部部署的可能性
堅實的網絡安全功能，如身份和訪問管理
與存儲平臺和其他數據源的連接
協助來自各種來源的數據組合和準備
自動化的洞察力，為最終用戶提供業務建議
數據可視化和講故事，以方便解釋和分享關鍵結果
基于NLP的數據查詢和報告，以快速和順利地獲得信息

05、開始增強分析之前的四個提示

增強型分析法正在徹底改變我們探索數據并將其作為潛在資產的方式。但是，它不是萬能藥，增強數據分析在企業工作流程中的實施的一般建議對其更高級的對應物仍然適用。

如果你需要一個前期成本較低、實施時間較短的解決方案，請選擇建立在上述平臺之上的增強型分析工具。如果在另一端，你優先考慮完全的個性化和一套定制的功能，那么定制的分析系統可能是最好的選擇。

數據保護不僅僅是一個嵌入在你創建或選擇的平臺中的網絡安全措施問題。通過實施堅實的數據治理政策和工具（如數據質量通知、企業數據目錄和映射功能）來監督整個公司的數據共享和利用，從而照顧好你的企業數據集。

確保你實施的增強型分析解決方案符合你所在行業的數據管理質量法規和數據保護國際立法，包括GDPR、HIPAA、FISMA等。

雖然增強型分析大大簡化了分析周期中最具挑戰性的步驟，但它仍然是一個應該在充分了解事實的情況下采用的工具。投資于有針對性的培訓計劃，促進擁抱數據素養和分析能力的企業文化，以消除這一學科的神秘感，并建立卓越中心來監督其實施。

這樣的指導方針應該幫助你釋放增強型分析的全部潛力，簡化你的分析師和經理的工作流程，并最大限度地利用你的數據資產。在這方面，讓我用老夏洛克的另一句名言來結束我們的概述。

“數據！數據！數據！沒有粘土，我不能做磚！”

嗯，他當然是對的。但是有了更好的工具，塑造磚塊會容易得多。如今，我們可以使用的最強大的工具是增強分析。