大数据分析之增强分析

大数据分析之增强分析

什么是增强分析?

增强分析的实现过程可以简单概述为：通过对于未知的数据以及已知的问题，对现有的模型进行训练，最终罗列各种可能性和影响因素，从而帮助用户加速并开展有效的数据分析工作。

增强分析的终极目标为：智能和自动地完成数据准备和数据分析工作，交给机器大量原始数据，机器直接针对特定场景给出决策建议。

为什么增强分析是趋势?

人工智能和数据分析的概念在近年来已经炒得火热，可以说什么东西都要和大数据、AI扯上关系才显得高大上，那么究竟是什么理由让我们相信增强分析真的是下一个风口，而不是新的韭菜收割机呢?

指数级增长的数据及应用需求和极其短缺的产业工人之间的矛盾。大数据时代，基础数据的维度、数量、类型(结构化和非结构化)更大、更分散，企业要分析和探索的数据越来越复杂。另一方面能兼顾专业数据分析和业务洞察的人才少之又少，增强分析正是解决这一矛盾，让数据分析普惠所有业务用户的良药。

目前应用业务中最普遍的分析工具是自助式分析，通过拖拉拽的图像化界面去探索发现业务中隐藏的洞察，这种分析建立在丰富的业务经验之上且不能适应激增的数据分析需求。在数字化全面普及的将来，“分析孤岛”这一问题将无法被忽视。

增强分析的应用

智能数据洞察

智能、自动化地实现数据的收集、准备、集成、分析、建模，输出各种洞察，帮助人们发现相关关系、预测和判断趋势，辅助决策。

增强数据准备

业务人员可以快速、容易的访问数据，并链接各种数据源通过统一的、标准化的、可交互的视图展现内容、数据间的关系等。自动数据规约、清洗、智能化分箱、降噪等。

分析层次的提升

描述式分析--诊断式分析--预测式分析--处方式分析。增强型分析可以在提供分析结果的同时给出一些解释，告知用户为什么能得到这样的结果，而不是单纯地停留在一些简单的描述型分析上。

怎么着手去建设增强分析能力?

目前增强分析的解决方案还比较少，并且还仅仅是应用于定制化的场景，但实现大规模、产品化的增强分析应用的基础是毋庸置疑的：

大数据存储和访问

数据分析流程的组件化、标准化改造

提供大量的算法支持数据处理、模型构建

将模型洞见到业务决策纳入到分析范围，实现洞见-决策-行动全流程自动化

虽然增强分析听起来十分美好，但并不意味着数据分析人员和现有的BI工具就要被取代。专业的数据分析人员可以做更多高级工作，传统BI同样可以制作很多固定的报表，而增强分析是增强型的BI。