增强分析到底是什么，它是BI的未来吗？_互联网资讯__分享互联网新鲜有趣好玩的事物-云易优站长平台

从2017年Gartner初次提出加强阐发的概念，持续多年将加强阐发确定为将来数据与阐发手艺开展趋向，考虑到加强阐发跟人工智能，出格是NLP有着千丝万缕的关系，进而与ChatGpt也有了联系关系，本身突然对加强阐发有了兴趣，那个被看成是BI3.0的阐发范畴的大杀器，到底是个什么工具，下面分为六部门停止介绍。

1、加强阐发定义

2、加强阐发办法

3、加强阐发手艺

4、加强阐发价值

5、加强阐发演示

6、加强阐发挑战

一、加强阐发定义

贸易智能最容易分为三代手艺，每一代都由处理计划供给的可拜候性、速度、数据集大小和洞察量量来定义。

BI 1.0-传统贸易智能

传统贸易智能被认为是最古老的 BI 版本，也是最不友好的。传统的 BI 成立在需要 IT 专业人员聚合数据和构建 OLAP 多维数据集以停止阐发，传统的 BI 交付陈述和静态仪表板做为其次要输出。从手动从数据库中提取数据并手动清理数据，到构建模子、发掘数据以及生成整个组织的部分和团队所需的数据丰硕的陈述，即一切都由专家处置。

更大的问题是需要数周时间才气为营业供给关键洞察，因为需要 IT 来设想模子和陈述。因为该系统仅供给查询的回忆性视图，因而无法供给预测性见解。因而，决策者最末只能“凭曲觉”寻找新的时机息争决严重问题的办法。

BI 2.0-自助贸易智能

自助式贸易智能 (SSBI) 处理计划对传统数据阐发模子停止了严重晋级。最值得留意的是，它们允许数据阐发师和其他营业用户利用 IT 构建的模子创建本身的陈述和数据可视化。组织中的每小我都能够按需拜候，那种 BI 办法利用户可以创建临时陈述、提出后续问题，并手动更深切地发掘洞察以获得更有针对性的信息。

不幸的是，自助办事仍然无法处理最初一英里的问题，因为它用于数据摸索的可视化界面利用传统的拖放式度量和维度，那对营业用户来说很复杂。跟着数据量和复杂性的增加，利用自助式 BI 东西手动阐发数据的每个组合以找到重要见解变得不大现实，即便关于专家数据阐发师也是如斯。

BI 3.0-加强阐发

做为下一代贸易智能，加强阐发以几种差别的体例改良了自助办事模子。Gartner指出，加强阐发是利用机器进修和人工智能等撑持手艺来协助数据筹办、数据发现、洞察生成和洞察解释，以加强人们在阐发和 BI 平台中摸索和阐发数据的体例。

它利用机器进修和人工智能，通过主动从各类数据库和集成东西中获取数据来简化数据筹办。一旦数据在平台中，它允许用户利用天然语言查询在会话 UI 上自助供给临时陈述。

加强阐发不只简化了后端的数据阐发。它还通过天然语言生成 (NLG) 供给洞察力和可视化效果，使数据对通俗用户而言更易于拜候和更有价值。该软件还实时对数据停止切片和切块，以深切领会陈述信息背后的“原因”——而不单单是内容、人员和时间。并且，跟着时间的推移，该算法对用户企图有了更深切的理解，那使其可以为复杂问题供给更有针对性和更详尽的谜底。那些功用配合使数据阐发师和数据科学家可以比以往更快、更轻松地设想自定义可视化并生成见解。

二、加强阐发办法

加强阐发跟传统的BI阐发流程类似，但通过利用 ML、NLG 和 AI 等手艺加强了数据阐发的三个次要阶段：

1、数据筹办

数据筹办涉及数据的收罗、清洗、转化和验证等繁琐的工做，传统BI凡是需要依赖开发人员和数据科学家专业常识和人工操做才气完成。

借助加强的阐发东西，其能够借助算法检测机造，主动对数据停止阐发、标识表记标帜、正文并清洁以停止可靠的阐发，主动未来自多个来源的数据整合在一路，主动生成数据目次，元数据和数据血缘，所需时间仅为手动操做时间的一小部门。

2、洞察发现

洞察力发现是数据阐发过程中的一个步调，传统BI次要基于可视化引擎停止手工操做数据和手工建模来发现规律，因为传统上模子必需由数据科学家手动开发，因而见解往往缺乏特异性。

通过加强阐发，洞察发现更容易启动，也更彻底。通俗人能够利用天然语言和语音输入来停止查询，加强阐发通过算法主动找到数据中的规律，主动生成模子，主动从数据中找到形式和规律来针对性的答复问题。

3、见解分享

见解共享是通过陈述或可视化向最末用户供给见解的过程。传统BI通过仪表盘等形式展现成果，往往需要数据科学家停止解释。

通过加强阐发，获得洞察力的时间和人力都能够大大削减。利用天然语言生成，加强阐发平台实时供给见解，那些见解包罗对天然语言查询的间接答复和答复的推理，或者将决策间接传入消费和办公应用。

三、加强阐发手艺

要实现加强阐发，需要四个关键手艺：

1、加强数据筹办

那些凡是包罗数据筹办方面的前进，或者更典型的是 ETL（提取、传输、加载）阶段，详细包罗：

数据洞察：在数据筹办前就对数据停止多维度的洞察，包罗行列数据阐发，为选择契合的数据供给参考。

主动毗连：可以按照用户、角色，汗青数据等智能保举数据源，主动完成数据毗连设置装备摆设。

主动清洗：基于预置的数据量量规则（如合并反复记录）主动停止数据清洗和转化，实现数据的一致性、准确性，独一性，可以实时呈现清洗成果。

2、机器进修 (ML)

做为一种 AI，ML 利用算法快速搜刮汗青数据、识别形式、发现异动并生成见解和建议。ML 模子是大大都加强阐发功用的根底。

主动阐发：主动识别数据中的影响因素、关键驱动因素和异常因素，供给主动化阐发成果。

主动建模：主动调参和算法选择，实现主动化建模，撑持第三方算法或模子集成，主动选择适宜的模子实现预测。

3、天然语言手艺

人类和计算机能够通过天然语言处置 (NLP) 和天然语言生成 (NLG) 更轻松地彼此扳谈，前者为计算机解释人类语言，后者将计算机代码翻译成人类语言。因而，商务人士能够利用熟悉的范畴和行业术语在来回的问答会话中与机器互动，天然语言手艺让任何用户，以至是未经培训的营业用户，都能够就他们的数据提出问题，并以简单的对话体例获得谜底。

4、主动可视化

基于现有数据内容和格局，为用户主动保举适宜的图表展示款式，按照洞察成果主动组拆阐发陈述，展现阐发成果，并以用户指定的频次分发，加速洞察共享。

望文生义，加强阐发并没有代替而是加强了人类的聪慧、曲觉和猎奇心。机器进修模子操纵跟着时间的推移从用户那里搜集的上下文和行为线索，评估人类的企图和偏好，并通过天然语言供给恰当的见解、指点和建议。他们将现实的决策权留给人们。

四、加强阐发价值

加强阐发能够使阐发师的工做更快、更高效、更准确。机器进修和天然语言手艺能够降低阐发的手艺障碍，包罗让数据技能和经历不太成熟的人能够利用更先辈的手艺，帮忙范畴专家（深切营业的人员）更敏捷的利用他们的数据。

敏捷性：进步洞察速度

AI 驱动的阐发加强能够通过缩小搜刮空间（好比特征变量主动选择）、在准确的时间向准确的人显示相关数据以及通过建议富有效果的阐发途径来加速对洞察力的搜刮。通过普遍跟踪阐发用户利用行为，加强阐发能够供给更智能的默认设置和保举操做，并停止迭代优化，加速与用户的信赖关系。当人们更快地答复他们的数据问题时，他们能够专注于更具战略性，挑战性的使命，并花更少的时间梳理数据以获取见解。

准确性：供给全面视角

机器能够不睡觉不歇息，高量量地施行反复使命和计算。加强阐发背后的 AI 和 ML 手艺能够有效地查抄每个细节，让用户能够按照透辟的阐发做出最明智的决策。那种全面的视角能够帮忙人类制止本身的结论遭到确认偏误的影响，提醒用户从未想过他们需要的见解，好比机器能够快速的对100个维度停止阐发，而阐发师则因为精神问题和范畴常识的缺乏只挑选自认为重要的维度停止摸索。

效率化：主动操做使命

将机器进修和人工智能集成在高度专业化、反复性的算法驱动的流程中已经获得了庞大前进，例如针对相关内容或产物供给“您可能有兴趣领会…”的建议的网站，加强阐发通过使命主动化来削减人们在处置数据（例如数据筹办、数据发现、运行统计阐发等）时需要付出的时间和精神。

民主化：加速阐发普及

加强手艺凡是易于利用，降低了手艺门槛，那使得普遍的营业人员能够大幅削减对数据科学家的依赖，可以基于加强阐发的成果更充实的阐扬本身的营业专业常识，当更多人参与数据阐发时，数据素养就会进步。跟着时间的推移，组织文化发作了变革。越来越多的团队起头习惯于利用数据并通过协做来缔造贸易价值。

五、加强阐发演示

目睹为实，耳听为虚，那里介绍几个加强阐发的详细演示案例。

1、数据问答

数据问题让您的用户利用天然语言答复营业问题。此过程十分简单，只需输入您的问题，然后获得可视化谜底。“数据问答”供给了一种曲不雅的引导式体验来构建查询，用户不消停止拖放，也无需领会维度和度量。主动更正和同义词识别功用有助于填补空缺，最准确地表现问题中隐藏的用户企图。

“数据问答”能够间接集成到仪表板中，因而用户在查看颠末整理的数据后，只需单击一下就能够提出下一个问题。您能够在任何门户或应用法式中嵌入“数据问答”，进一步扩大其影响力，以下是Tableau产物的一个示意：