2019年，在澳大利亞悉尼舉行的Gartner數據與分析峰會上，Gartner將增強分析作為今年十大戰略趨勢、整體IT十大戰略趨勢之一推到了公眾面前。在Gartner 最新發布的魔力象限報告中，明確指出增強型分析功能是 BI 產品發展的最重要、也是最顯著的發展趨勢之一。那么究竟什么是增強分析?為什么增強分析是趨勢?怎么著手去建設增強分析能力? 

什么是增強分析?

簡單來說就是借助AI技術智能化、自動化的數據分析，挖掘數據價值，降低分析門檻，提升分析深度。

增強分析的實現過程可以簡單概述為：通過對于未知的數據以及已知的問題，對現有的模型進行訓練，最終羅列各種可能性和影響因素，從而幫助用戶加速并開展有效的數據分析工作。

增強分析的終極目標為：智能和自動地完成數據準備和數據分析工作，交給機器大量原始數據，機器直接針對特定場景給出決策建議。 

為什么增強分析是趨勢?

人工智能和數據分析的概念在近年來已經炒得火熱，可以說什么東西都要和大數據、AI扯上關系才顯得高大上，那么究竟是什么理由讓我們相信增強分析真的是下一個風口，而不是新的韭菜收割機呢?

指數級增長的數據及應用需求和極其短缺的產業工人之間的矛盾。大數據時代，基礎數據的維度、數量、類型(結構化和非結構化)更大、更分散，企業要分析和探索的數據越來越復雜。另一方面能兼顧專業數據分析和業務洞察的人才少之又少，增強分析正是解決這一矛盾，讓數據分析普惠所有業務用戶的良藥。

目前應用業務中最普遍的分析工具是自助式分析，通過拖拉拽的圖像化界面去探索發現業務中隱藏的洞察，這種分析建立在豐富的業務經驗之上且不能適應激增的數據分析需求。在數字化全面普及的將來，“分析孤島”這一問題將無法被忽視。 

增強分析的應用

智能數據洞察

智能、自動化地實現數據的收集、準備、集成、分析、建模，輸出各種洞察，幫助人們發現相關關系、預測和判斷趨勢，輔助決策。

增強數據準備

業務人員可以快速、容易的訪問數據，并鏈接各種數據源通過統一的、標準化的、可交互的視圖展現內容、數據間的關系等。自動數據規約、清洗、智能化分箱、降噪等。

分析層次的提升

描述式分析--診斷式分析--預測式分析--處方式分析。增強型分析可以在提供分析結果的同時給出一些解釋，告知用戶為什么能得到這樣的結果，而不是單純地停留在一些簡單的描述型分析上。 

怎么著手去建設增強分析能力?

目前增強分析的解決方案還比較少，并且還僅僅是應用于定制化的場景，但實現大規模、產品化的增強分析應用的基礎是毋庸置疑的：

• 大數據存儲和訪問
• 數據分析流程的組件化、標準化改造
• 提供大量的算法支持數據處理、模型構建
• 將模型洞見到業務決策納入到分析范圍，實現洞見-決策-行動全流程自動化 

雖然增強分析聽起來十分美好，但并不意味著數據分析人員和現有的BI工具就要被取代。專業的數據分析人員可以做更多高級工作，傳統BI同樣可以制作很多固定的報表，而增強分析是增強型的BI。