增强分析：民主化见解并赋予业务用户权力
传统数据分析已得到改进；这是增强分析的时代。企业现在可以在不依赖专门的数据科学技能或IT支持的情况下做出可靠，自信的决策。
SAP合作伙伴Ronald Van Loon参加了SAP TechEd Barcelona。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个主题上的观点和专业知识。
增强分析进入市场已促进公司应用人工智能（AI）和机器学习（ML）来增强组织中的员工的能力。这样，他们可以：
?获得易于理解的详细见解。与传统的见解不同，借助ML进行分析，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天赋之一：数据民主化–允许普通非技术最终用户访问信息。
?利用AI技术在开发，使用和共享方面转变分析的内容。
Analytics（分析）摆脱了传统的根源，并逐渐发展为与预测，对话和自动化功能交织在一起。企业需要可以满足以下要求的分析解决方案：
ate促进每个用户从分析中受益。
?加速洞察力开发阶段，以增强业务流程及其相应的结果。
during在展开和产生新见解期间，从方程式中消除人为偏差。
?推测并预测未来。
什么是增强分析？
据领先的研究和咨询公司Gartner称，增强分析指的是：
“下一代数据和分析范式，它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，见解发现和见解共享。”
增强分析将AI，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）来使用户能够访问对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带有一键式答案的视图。
增强分析已在各种行业中实施，包括销售和营销，财务，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，并且需要更大的人工干预。另一方面，增强分析发现本质上是动态的洞察力，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，例如用户所扮演的角色，过去曾经查找的数据以及各自网络搜索的数据。
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。企业不再需要依靠具有数据相关学位的人员来进行分析。
好处
optimizing通过优化数据收集和显示设计，有更多时间做出自信的决定。
?利用NLP可以平稳地访问关键信息。
?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分析建模解决方案。
?寻求上下文建议，以协助将来的行动。
为了增强使用AI的分析能力，业务分析师通过熟悉的商业智能（BI）和计划工作流来深入研究机器学习。它稳定地公开了新功能。分析的上下文性质使用户仅需单击几下即可获得更广泛，更深刻的见解。通过这种方式，他们可以摆脱依赖数据科学家（用于解释和依靠IT）进行数据收集的麻烦。
随着人的参与被最小化，这确保了人的偏见也被减少。因此，增强分析促进了仅基于事实和数据的决策文化。
SAP Analytics Cloud的使用可确保客户端不再使用隐秘查询来构建传递见解的途径。使用对话式查询，您所要做的就是询问与您的同事类似的问题，从而简化了搜索和分析。作为响应，系统将像您经验丰富的同事一样抓住主题，并提供相关的上下文说明和可视化效果-所有这些都是实时创建的。
热门用例
没有为此图片提供替代文字
* AG房地产
** PWC报告5.0
搜索到洞察
如果用户需要洞察力，那么他们只需输入有关主题的一般问题，而无需指定任何维度或度量。该查询可以为连接的趋势和数据关系生成实时信息。
智能见解
在此阶段，您可以更详细地浏览数据。同样，您可以发现以前被忽略的隐藏趋势和模式。
智能发现
智能发现使用户可以检查变量之间的关系。您可以找出可以提高您的KPI的关键影响因素并向他们学习。
智能预测
预测是增强分析过程的最后阶段。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
增强型分析重塑了决策者如何采取行动。AI和ML消除了人为偏见，并加快了BI和计划工作流程的速度，因此决策者可以从可靠信息中采取快速，有保证的行动。
组织必须调整其工作文化的观点以进行决策，否则它们将无法进行现代数字化转型。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，他们非常需要快速且可信赖的见解。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！