增强分析的未来:将“为什么”输入你的数据
有很多文章会告诉你这个或那个是未来。到目前为止，随着大数据、人工智能(AI)、机器学习(ML)和自然语言处理(NLP)的出现，我们已经习惯了流行词汇。然而，我们在这里要告诉你的是，增强分析不是“另一个趋势但实际上，它将使商业智能变得更好。由于数据的爆炸式增长以及新技术和工具的发展，我们很快就会以全新的自动化方式看到千兆字节、千兆字节甚至千兆字节的信息。在Altair，我们称之为增强分析。
增强分析提供了一种或许是乌托邦式的未来视角，在那里数据、科学和人工智能被融合成一种可信的、即时可得的资源。但是，未来真的那么遥远吗?今天，增强分析正在获得动力，从行业的下一件大事转变为行业的必备工具。与其考虑它明天能为我们带来什么，不如让我们想想如何把这些下一代的见解送到我们今天的员工手中。
增强分析的运动始于20世纪60年代，当时道格拉斯·恩格尔巴特(Douglas Engelbart)意识到，计算机不仅可以执行计算，实际上还可以用来增强人类思维的能力。在随后的几十年里，描述性分析成为主流，用户开始查询他们的历史信息，构建静态报表，并在一个易于使用的图形界面或仪表板中可视化。然而，问题是它的回顾性太强了。我们想要展望未来，而不是担心过去。
随之而来的是预测分析。机器学习和人工智能承诺用复杂的编码算法改变世界。然而，这种类型的数据科学是一种稀缺资源的精英游戏;麦肯锡预测，到2024年，仅美国就将出现约25万名数据科学家的短缺。我们不是着眼于决策树，而是着眼于战略树，并开始将我们所看到的数字与具体的业务行动和kpi相一致。数据科学家和更广泛的组织真正需要的是背景。如果数据表明了一件事，那么我们需要知道“是什么”和“为什么”。
经过所有这些迭代，我们终于到达了增强分析——数据的下一个前沿。我们在高德纳的朋友将其称为“利用机器学习和人工智能等技术来协助数据准备、洞察力生成和洞察力解释，以增强人们探索和分析数据的方式。”
这将如何为我的组织带来价值?
首先，令人难以置信的是，数据采集和数据准备仍然是一个非常手工的、容易出错和偏见的过程。我们都听说过这样一个广为引用的统计数据:数据科学家花费80%的时间手工准备数据。值得庆幸的是，增强分析将拥有AI组件，这将从根本上简化和加速数据的准备、清理和标准化，让你能够将所有精力集中到最重要的分析中。
此外，数据探索、特征工程和特征选择需要是一个即时可见的过程。我们不再需要仅仅依赖于复杂的编码或脚本。增强分析将允许你以前所未有的速度观察你的数据，获得宝贵的洞察力。更进一步，同事还可以对团队成员的数据管道进行赞、分享和评论，这些数据管道将把工作场所变成最新的社交网络。移动在Facebook !
数据民主化是增强分析的关键元素。2020年，企业的组织结构比以往任何时候都要扁平，决策和创意都来自企业的各个角落。因此，我们需要打破办公室的壁垒，确保企业中的每个人都能使用这些分析工具。这些模型需要是无代码的，同时也是代码友好的，以确保它们对数据科学家足够强大，对数据分析师足够可访问，对高级管理人员足够可视化。
最后，大数据的三个V被广泛提及——量、速度和多样性。不用说，一种增强的分析方法将使组织不再挣扎，而是从更多的数据源(结构化、半结构化和非结构化)获得更多的数据，并以前所未有的实时速度蓬勃发展。新一代的模型将在企业范围内进行扩展，并为未来的组织提供证据。
Gartner怎么说?
在2019年的白皮书《增强分析是分析的未来》(Augmented Analytics is the Future of Analytics)中，Gartner为希望采用这些工具的组织提出了五条主要建议:
- 试点和验证-确定试点计划和测试
- 更新角色并投资于数据素养——教育和培训您的团队
- 整个企业的规模-推出和教育商业领袖
- 减少专家的推后和用户的误解——设定期望，并诚实地知道这能做什么和不能做什么
- 评估供应商——识别能够展示增强分析能力的服务提供商
未来的增强分析到底是什么样的?
最终，增强分析让所有企业更容易成为数据驱动型企业，让所有员工保持人性化。我们再也不用绞尽脑汁去思考我们的数据意味着什么。我们的数据很快就会以创纪录的时间为我们提供见解，让组织能够将“是什么”和“为什么”结合起来。
想了解更多吗?请看本次按需网络研讨会的标题:“增强分析的未来”深入了解增强分析的世界，以及它对现代商业的意义。
