有史以来最伟大的（尽管是虚构的）数据分析师之一夏洛克·福尔摩斯曾经说过：“在一个人拥有数据之前进行理论化是一个巨大的错误。不知不觉中，人们开始扭曲事实以适应理论，而不是让理论适应事实。”

事实上，人类在其历史上的一项重大成就，就是从基于信念和猜想来解释现实逐渐转变为根据实际数据分析事件或情景。引入越来越先进的方法和技术无疑促进了这种方法。另一方面，几个世纪以来，我们的世界也变得更加复杂，即使对于最有洞察力和装备精良的研究人员来说，深入研究驱动其动态的所有潜在趋势和现象也被证明是一项具有挑战性的任务。

为分析决这个问题以及与永无止境的真理追求相关的许多其他问题，商业智能咨询公司已开始给予一种新型服务，现在称为“增强分析”。

01、什么是增强分析

根据 2017 年创造该术语的 Gartner 的说法，增强分析涉及将人工智能和相关技术实施到典型的数据分析工作流程中，以促进数据收集和准备、洞察力生成和数据查询。这可以顺利获得自动化数据科学和数据分析生命周期的几个阶段（包括数据管理、数据模型开发和数据可视化）并使用更高级的功能改进数据分析和商业智能软件来解锁上述升级来实现。

近年来，Gartner 还为更好地定义增强分析和增强商业智能的概念做出了重大贡献，同时关注这些学科的核心趋势及其从商业角度日益增长的重要性。

利用 Gartner 的研究和其他相关资源，让我们探讨增强分析和增强 BI 成功背后的原因、它们最重要的采用领域以及市场上可用的主要平台，以及将它们正确实施到您的业务中的一些技巧。

02、从传统分析到增强分析

今天，数据是公司的燃料，任何利用它的工具都是每个商业决策者的重要组成部分。不幸的是，传统的数据分析方法未能跟上时代的步伐，因为新的潜在威胁正在逼近：

复杂的数据集：如果您知道如何管理数据，它可以成为无价的资产。但鉴于现代数据集（包括结构化数据，如简单的数字，以及从视频、图像和其他多媒体内容中提取的非结构化数据）的数量、复杂性和多面性不断增长，这项任务的要求越来越高在时间、计算能力和专业知识方面。

苛刻的分析周期：将原始数据转化为业务洞察力所需的过程比数据本身还要复杂，因为它包含需要由数据科学家和分析师等合格专业人员执行的多个步骤。这包括选择合适的数据源，设置 ETL 管道以提取、转换和加载数据到适当的数据存储中，使用算法处理数据以识别有意义的模式、趋势或异常，并将这些结果可视化。

缺乏数据专业知识：我们谈到了专业人士，但他们的实际可用性到底如何？好吧，根据 Verified Market Research 的 2021 年增强分析市场研究，到 2024 年，仅美国就可能缺少 25,000 名数据科学家。

结果解释：最后一个挑战是将抽象的见解转化为现实世界，即理解数据分析的结果并将其用作实际建议，以有助于决策制定并在我们运营的特定业务场景中采取行动。正如 Gartner 在其2020 年营销数据和分析调查中指出的那样，这是采用数据分析策略做出明智决策的最大障碍之一。

如上所述，在数据分析技术和工具与人工智能、机器学习、自然语言处理 (NLP) 和其他认知技术的日益集成中，找到分析决此类问题的合适解决方案。这些先进的技术有助于者可以更加关注自动化、数据民主化和以业务为中心的洞察力生成，有助于将标准分析功能转变为所谓的增强分析和增强 BI 的转型过程。

在最新的增强分析市场动态中可以发现这种转变的明显迹象。例如，根据 Verified Market Research 的上述研究，2020 年全球增强数据分析和增强 BI 市场价值 77 亿美元，到 2028 年将达到 625 亿美元，复合年增长率为 29.8%。

这种持续趋势可以解释为越来越多的公司依靠先进的分析软件解决方案和商业智能服务来充分利用其数据资产，以及需要民主化获取商业洞察力并进一步提高基于此类信息的生产力。

03、增强分析采用领域和机会

我们已经详细介绍了数据科学家、数据分析师和企业决策者每天在将数据转化为商业建议时面临的一些关键挑战。我们还说过，由人工智能和其他相关技术驱动的增强型分析可以解决或至少大大缓解此类问题。现在，我们只需要解释如何以及它带来了什么好处。

这里有三个用例，代表了增强分析和增强商业智能在典型商业场景中的主要作用。

1、自动化的数据管理

我们已经指出，在我们分析数据之前，我们需要找到并收集它。鉴于数字化时代数据集的规模和复杂性不断增长，这一过程需要 amanuensis 僧侣的精确度和耐心。数据科学家尽力而为，但与僧侣不同，他们宁愿不遵守 ora et labora（祈祷和工作）规则，一生都在执行机械任务，例如清理和标记数据。

幸运的是，这些数据准备过程中的大部分都可以顺利获得增强分析实现自动化。具体来说，基于算法的系统将负责将多个数据源（如企业数据库或在线广告平台）集成到一个连贯的数据流中，将其转换为统一的存储格式，将其加载到数据仓库中，并对其进行重新设计以用于未来的处理。与手动方法相比，这确保了更高的数据管理速度和准确性。

2、洞察力的产生

正如海流的运动反映了多种力量的作用，如风和温盐环流，浩瀚的数据海洋中交叉着无数相当神秘的动态，即使是最细心的观察者也可能难以掌握和破译。用不那么诗意的、与商业相关的术语来说，我们如何才能在巨大的数据集中确定关键参数，将它们与特定的市场趋势、客户行为模式或其他事件联系起来，从而取得实用的建议来指导我们的决策？

考虑数以千计的指标并确定它们之间的任何关系，这对人类来说听起来极具挑战性，也很耗时。另一方面，机器学习算法可以轻松地筛选数据，发现模式、异常和变量之间的关联，并建立代表它们的数据模型，帮助我们全面分析我们需要分析的现象。此外，这种算法在处理新数据时对其模型进行微调，顺利获得经验学习数据点之间的新关系（正如 "机器学习 "一词所暗示的）。

至于实际的实地部署，例如，这意味着增强型分析平台可以监测与你的销售业绩、社交媒体上的广告覆盖率和市场统计有关的数据。基于这些信息，它可能会发现最近的销售增长并不那么依赖于你的营销举措，而是来自于你的目标市场的有利趋势，因此建议你应该重新考虑你的广告活动，尽管你很热情。

3、对话式和可视化分析

当你向分析师询问业务建议时，他们会用完全可以理解的人类语言回答你。但是，我们所依赖的用于自动生成上述洞察力过程的机器却无法做到这一点，因为，计算机不会说话。或者，也许是的？实际上，这是一个反问句，因为我们都知道，最近人工智能和NLP的开展使我们周围几乎任何软件或设备都能理解和模仿人类的研讨。

增强型分析平台也不例外，因为它们为用户给予了各种功能，以自然语言（无论是书面的还是口头的）而不是代码来查询数据并接收清晰的商业见解和建议。基于NLP的对话式互动通常辅以数据可视化功能（如仪表盘、报告和图表），以突出相关指标或趋势，并进一步简化对平台结果的解释。

这种组合最显著的效果是有可能使我们接近和利用数据的方式民主化，确保非技术用户能够取得有价值的信息。

04、增强型分析平台的选型

增强型分析和增强型商业智能代表了分析平台市场最热门的趋势，所有主要的参与者都在其产品中实现了一系列一致的功能，以增强或自动化分析工作流程。这意味着，任何愿意依靠这种能力并因此加强数据驱动决策的组织，都可以依靠全范围的软件解决方案来选择。

选择一个适合你的业务需求的平台不是一个简单的任务。为了帮助你选择合适的，值得定义你在增强型分析和增强型商业智能解决方案中应该寻找的核心功能，并研究市场上主要工具的优势和劣势。

至于第一点，Gartner的分析师编制了一份推荐的增强型分析功能清单，其中包括。
基于云和内部部署的可能性
坚实的网络安全功能，如身份和访问管理
与存储平台和其他数据源的连接
协助来自各种来源的数据组合和准备
自动化的洞察力，为最终用户给予业务建议
数据可视化和讲故事，以方便解释和分享关键结果
基于NLP的数据查询和报告，以快速和顺利地取得信息

05、开始增强分析之前的四个提示

增强型分析法正在彻底改变我们探索数据并将其作为潜在资产的方式。但是，它不是万能药，增强数据分析在企业工作流程中的实施的一般建议对其更高级的对应物仍然适用。

如果你需要一个前期成本较低、实施时间较短的解决方案，请选择建立在上述平台之上的增强型分析工具。如果在另一端，你优先考虑完全的个性化和一套定制的功能，那么定制的分析系统可能是最好的选择。

数据保护不仅仅是一个嵌入在你创建或选择的平台中的网络安全措施问题。顺利获得实施坚实的数据治理政策和工具（如数据质量通知、企业数据目录和映射功能）来监督整个公司的数据共享和利用，从而照顾好你的企业数据集。

确保你实施的增强型分析解决方案符合你所在行业的数据管理质量法规和数据保护国际立法，包括GDPR、HIPAA、FISMA等。

虽然增强型分析大大简化了分析周期中最具挑战性的步骤，但它仍然是一个应该在充分分析事实的情况下采用的工具。投资于有针对性的培训计划，促进拥抱数据素养和分析能力的企业文化，以消除这一学科的神秘感，并建立卓越中心来监督其实施。

这样的指导方针应该帮助你释放增强型分析的全部潜力，简化你的分析师和经理的工作流程，并最大限度地利用你的数据资产。在这方面，让我用老夏洛克的另一句名言来结束我们的概述。

“数据！数据！数据！没有粘土，我不能做砖！”

嗯，他当然是对的。但是有了更好的工具，塑造砖块会容易得多。如今，我们可以使用的最强大的工具是增强分析。