改造了传统的数据分析；这是增强分析的时代。组织现在可以在不依赖专业数据科学技能或 IT 支持的情况下做出有把握、自信的决策。


SAP 合作伙伴 Ronald Van Loon 参加了巴塞罗那 SAP TechEd。他会见了 Orla Cullen 和 Richard J. Mooney 等专家，并讨论了他们在包括增强分析在内的各种主题上的观点和专业知识。

增强分析进入市场促进了公司应用人工智能 (AI) 和机器学习 (ML) 来增强整个组织的员工能力。通过这种方式，他们可以：

⦁ 获得易于理解和详细的见解。与传统的洞察力不同，在分析中使用 ML，他们能够利用“上下文”。

⦁ 观察模式和趋势。

⦁ 利用增强分析的最大优势之一：数据民主化——允许普通非技术最终用户访问信息。

⦁ 利用人工智能技术在开发、消费和共享方面转变分析内容。

分析已经摆脱了传统的根源，并演变​​为与预测、对话和自动化功能交织在一起。企业需要能够满足以下要求的分析解决方案：

⦁ 帮助每个用户从分析中受益。

⦁ 加快洞察力开发阶段，以增强业务流程及其相应成果。

⦁ 在解开和产生新见解的过程中，从等式中消除人为偏见。

⦁ 推测和预测未来。

什么是增强分析？

根据领先的研究和咨询公司 Gartner 的说法，增强分析是指：

“下一代数据和分析范式，使用机器学习为广泛的业务用户、运营人员和公民数据科学家自动化数据准备、洞察发现和洞察共享。”

增强分析将人工智能、机器学习和商业智能整合到现有工作流程中。它使用 NLP（自然语言处理）、NLQ（自然语言查询）和 NLG（自然语言生成）使用户能够访问会话分析和用户友好的查询。机器学习和自动化的结合提供了一键式答案的视图。

增强分析适用于各种行业，包括销售和营销、金融、人力资源和会计。

增强分析提供了新的用户体验。以前的分析解决方案仅限于预定义的 KPI，并且需要更多的人工干预。另一方面，增强分析揭示了动态的洞察力，用于评估内容并从统计信息中找出“重要”部分。这里的上下文利用了用户数据，例如他们担任什么角色，他们过去曾经找到什么数据，以及他们各自的网络搜索的数据。

适用于所有业务用户的增强分析

增强分析的主要目的是确保常规业务用户可以从中受益。企业不再需要依赖具有数据相关学位的人来理解他们的分析。

好处

⦁ 通过优化数据收集和显示设计，获得更多时间做出自信的决策。

⦁ 利用 NLP 顺利访问关键信息。

⦁ 使用机器学习自动呈现以前隐藏的见解。

⦁ 为分析师提供正确且易于使用的假设模拟建模解决方案。

⦁ 寻求上下文建议以协助未来的行动。

为了使用 AI 促进分析，业务分析师通过熟悉的商业智能 (BI) 和规划工作流程深入研究机器学习。它不断地揭示新功能。分析的上下文性质使用户只需单击几下即可获得更广泛和更深刻的见解。通过这种方式，他们摆脱了对数据科学家（进行解释）和 IT 的数据收集的依赖。

由于人的参与被最小化，这确保了人的偏见也被减少了。因此，增强分析促进了一种完全基于事实和数据的决策文化。

SAP Analytics Cloud 的使用可确保客户不再使用神秘的查询来构建传递见解的途径。使用对话式查询，您所要做的就是提出与您对同事的方式类似的问题，从而简化您的搜索和分析。作为回应，系统将像您有经验的同事一样掌握主题，并提供相关的上下文解释和可视化——所有这些都是实时创建的。

流行用例

没有为此图像提供替代文字
*AG房地产

**普华永道报告 5.0

搜索洞察
如果用户需要洞察力，那么他们可以简单地输入有关主题的一般问题，而无需指定任何维度或度量。此查询可以为连接的趋势和数据关系生成实时信息。

智能洞察
在此阶段，您可以更详细地探索您的数据。同样，您可以发现以前被忽视的隐藏趋势和模式。

智能发现
Smart Discovery 允许用户检查变量之间的关系。您可以找出提高 KPI 的关键影响者并向他们学习。

智能预测
预测是增强分析之旅的最后阶段。它使用机器学习从历史数据集中学习并预测未来事件。

最后的想法
增强分析重塑了决策者采取行动的方式。AI 和 ML 消除了人为偏见并加快了 BI 和规划工作流程的步伐，因此决策者可以从可靠的信息中采取快速、有保障的行动。

组织必须调整其工作文化的视角以进行决策，否则他们无法在现代数字化转型中取得进展。他们必须减少对数据分析师、数据科学家和 IT 专业人员的严重依赖。在数据时代，他们迫切需要快速可靠的洞察力。


编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选