强化分析到底是什么，它是BI的未来吗？

发布时间：2023-02-28 10:45:46 所属栏目：大数据来源：

导读：Gartner从2017年首次提出了增强分析的理念，连续多年将增强分析确定为未来数据分析技术发展趋势，考虑到增强分析跟人工智能，特别是NLP有着千丝万缕的关系，进而与ChatGpt也有了关联，自己突然对增强分析有了兴趣，这

Gartner从2017年首次提出了增强分析的理念，连续多年将增强分析确定为未来数据分析技术发展趋势，考虑到增强分析跟人工智能，特别是NLP有着千丝万缕的关系，进而与ChatGpt也有了关联，自己突然对增强分析有了兴趣，这个被看成是BI3.0分析领域的大杀器，到底是个什么东西，下面分为六部分进行介绍。

一、增强分析定义

商业智能最容易分为三代技术，每一代都由解决方案提供的可访问性、速度、数据集大小和洞察质量来定义。

BI 1.0-传统商业智能

传统商业智能被认为是最古老的 BI 版本，也是最不友好的。传统的 BI 建立在需要 IT 专业人员聚合数据和构建 OLAP 多维数据集以进行分析，传统的 BI 交付报告和静态仪表板作为其主要输出。从手动从数据库中提取数据并手动清理数据，到构建模型、挖掘数据以及生成整个组织的部门和团队所需的数据丰富的报告，实际上实验室内的一切都由物理学专家进行处理。

最大的问题是需要数周时间才能为业务提供关键洞察，因为需要 IT 来设计模型和报告。由于该系统仅提供查询的回顾性视图，因此无法提供预测性见解。因此，决策者最终只能“凭直觉”寻找新的机会和解决重大问题的方法。

BI 2.0-自助商业智能

自助式商业智能 (SSBI) 解决方案对传统数据分析模型进行了重大升级。最值得注意的是，它们允许数据分析师和其他业务用户使用 IT 构建的模型创建自己的报告和数据可视化。组织中的每个人都可以按需访问，这种 BI 方法使用户能够创建临时报告、提出后续问题，并手动更深入地挖掘洞察以获得更有针对性的信息。

二、增强分析方法

增强分析跟传统的BI分析流程相似，但通过使用 ML、NLG 和 AI 等技术增强了数据分析的三个主要阶段：

1、数据准备

数据准备涉及数据的采集、清洗、转化和验证等繁琐的工作，传统BI通常需要依赖开发人员和数据科学家专业知识和人工操作才能完成。

借助增强的分析工具，其可以借助算法检测机制，自动对数据进行分析、标记、注释并清洁以进行可靠的分析，自动将来自多个来源的数据整合在一起，自动生成数据目录，原数据和数据血缘，所需时间仅为手动操作时间的一小部分。

2、洞察发现

洞察力发现是数据分析过程中的一个步骤，传统BI主要基于可视化引擎进行手工操作数据和手工建模来发现规律，由于传统模型必须由数据科学家手动开发，因此见解往往缺乏特异性。

通过增强分析，洞察发现更容易启动，也更彻底。普通人可以使用自然语言和语音输入来进行查询，增强分析通过算法自动找到数据中的规律，自动生成模型，自动从数据中找到模式和规律来针对性的回答问题。

3、见解分享

见解共享是通过报告或可视化向最终用户提供见解的过程。传统BI通过仪表盘等形式展示结果，往往需要数据科学家进行解释。

通过增强分析，获得洞察力的时间和人力都可以大大减少。使用自然语言生成，增强分析平台实时提供见解，这些见解包括对自然语言查询的直接回答和回答的推理，或者将决策直接传入生产和办公应用。

三、增强分析技术

要实现增强分析，需要四个关键技术：

1、增强数据准备

这些通常包括数据准备方面的进步，或者更典型的是 ETL(提取、传输、加载)阶段，具体包括：

数据洞察：在数据准备前就对数据进行多维度的洞察，包括行列数据分析，为选择符合的数据提供参考。

自动连接：能够根据用户、角色，历史数据等智能推荐数据源，自动完成数据连接配置。

自动清洗：基于预置的数据质量规则(如合并重复记录)自动进行数据清洗和转化，实现数据的一致性、准确性，唯一性，能够实时呈现清洗结果。

2、机器学习 (ML)

作为一种 AI，ML 使用算法快速搜索历史数据、识别模式、发现异动并生成见解和建议。ML 模型是大多数增强分析功能的基础。

自动分析：自动识别数据中的影响因素、关键驱动因素和异常因素，提供自动化分析结果。

自动建模：自动调参和算法选择，实现自动化建模，支持第三方算法或模型集成，自动选择合适的模型实现预测。

3、自动可视化

顾名思义，增强分析并没有取代而是增强了人类的智慧、直觉和好奇心。机器学习模型利用随着时间的推移从用户那里收集的上下文和行为线索，评估人类的意图和偏好，并通过自然语言提供适当的见解、指导和建议。他们将实际的决策权留给人们。

四、增强分析价值

AI 驱动的分析增强可以通过缩小搜索空间(比如特征变量自动选择)、在正确的时间向正确的人显示相关数据以及通过建议富有成效的分析路径来加速对洞察力的搜索。通过广泛跟踪分析用户使用行为，增强分析可以提供更智能的默认设置和推荐操作，并进行迭代优化，加速与用户的信任关系。当人们更快地回答他们的数据问题时，他们可以专注于更具战略性，挑战性的任务，并花更少的时间梳理数据以获取见解。这些见解将帮助企业实现他们的目标，并在未来几年内提供竞争优势。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!