增強分析：2019 年您需要了解的內容

隨著公司開始或繼續其數字化轉型之旅，他們處理的數據量和復雜性都會增加。

傳統分析——準備和分析數據、解釋結果和用數據講述故事的過程——是一個手動的、耗時的過程。 它對試圖處理持續爆發的數據的公司構成了重大挑戰。

為了滿足數字化轉型的市場準備時間表，必須減少手動分析的時間密集度。

為此，我們可以通過機器學習 (ML) 和人工智能 (AI) 來增強人類數據科學家，以加快分析過程中的每一步——這稱為增強分析。

在過去的 12-18 個月中，增強分析作為一個領域不斷發展，越來越多的企業開始接受這一過程。

在製藥、零售、製造等多個行業進行數字化轉型的公司開始使用增強分析。

我相信在來年這個新興領域將得到更廣泛的使用和理解。

增強分析的簡要背景

在 2000 年代中期，雲存儲和大量可用的計算能力變得更加主流。 這導致大數據分析爆炸式增長。

這是一個重大變化，但該過程仍然是高度手動的——這意味著分析專業人員仍然必須編寫大量代碼。

在大數據革命之前，公司可能需要掃描數千個流才能獲得有意義的洞察力，但今天我們談論的是數百萬個流。

問題變成了：數據分析如何在提供相同價值的同時大幅減少所需時間，知道更快的分析=更快的上市時間=更高的投資回報率。

這就是增強分析的目的——加速數據分析領域以獲得更多價值

由於需要爭論和理解不斷增長的數據量，增強分析代表了這一研究領域的重大轉變。

增強分析已經對分析的解釋、創建和共享造成了破壞。 反過來，與傳統的手動方法相比，這使數據科學家能夠花更少的時間探索數據，而將更多的時間用於處理最相關的見解。

這種方法是一種強大的機制，使公司能夠更快速地響應和敏捷——這是數字化轉型的一個必要方面。

讓我們首先看看增強分析的主要優勢以及這種做法如何改變傳統業務模式。 增強分析：

• 加速數據準備和發現過程；
• 民主化數據分析較少的業務背景的用戶;
• 使執行團隊和整個組織能夠採用可操作的見解。

這些好處對數字業務的重要性是顯著的

眾所周知，對於要在數字時代競爭的組織而言，數據是獲得相關的、可操作的洞察力的關鍵。

然而，手動分析過程中固有的潛在復雜性造成了許多障礙。

一方面，精通數據科學實踐並且對商業模式和運營有著敏銳理解的數據科學家是稀有的。

此外，數據科學家的時間很寶貴——但其中很大一部分時間花在通過清理和標記手動準備數據上。 這種時間和容量的短缺意味著大多數數據分析是對一小部分數據執行的，而大部分數據資產並未被挖掘。

讓我們探索上面列出的好處，看看真正具有破壞性的增強分析。

增強分析的三大優勢

1. 加速數據準備和發現

手動執行時，數據準備是一項繁瑣複雜的工作。

當數據科學家有數百萬條記錄需要梳理時，例如，查找來自特定地區的所有客戶的簡單任務可能需要數月時間。

以一家大型特種紙製品零售商為例。 作為數字化旅程的一部分，他們需要更好地了解客戶，但來自遺留系統的數據質量很差。

不僅要檢查的數據量巨大，而且各個領域還存在不一致的情況，將它們統一為一種格式令人生畏。

有 2600 萬條記錄需要評估，包含 1200 種不同的 XML 文件格式。

使用手動流程清理數據需要 6 到 12 個月。 通過利用增強分析數據準備技術和機器學習算法，零售商能夠在大約三週內清理數據。

通過自動化這些迭代步驟，整個數據準備和發現時間可以縮短 50-80%。

想像一下，如果是這樣的話，您的數據分析團隊的生產力和效率會有多高！

2. 使數據分析民主化

準備好數據後，增強分析會檢測影響業務模型的信號，而不太懂業務的數據科學家可能不擅長發現這些信號。

借助增強分析，數據科學家無需確定要使用的適當算法或編寫代碼即可獲得結果。

增強型分析工具集將對數據運行 8 到 10 種算法，並將其裝入通用格式以檢測模式和異常值。

例如，一家大型企業可能希望了解其供應商的發票，以確定是否存在任何需要進行更多調查的異常值。

對於全球各地的運營和員工，這可能相當於每月來自數千或數十萬供應商的賬單。

根據基礎數據，增強分析將開始檢測模式並自動創建異常值分析，以檢測特定供應商（每月向公司收取 50,000 美元的發票）何時發送 500,000 美元的發票。

雖然這不會被自動標記為欺詐活動，但比平常更大的金額將被標記為數據分析專業人員進一步調查的內容，並消除首先編寫算法以進行發現的負擔。

換句話說，增強分析使洞察民主化，使業務用戶可以輕鬆提取複雜的洞察並為他們節省大量時間。

3. 使高管和整個組織能夠採用可操作的見解

一旦確定了信號和模式，就需要與高管溝通結果。

執行此操作的傳統方法（例如創建報告或儀表板）給通常沒有時間登錄平台並進行自己的數據解釋的管理人員帶來了額外的負擔。

通過增強分析，該工具將讀取圖表或報告，並將信息轉換為自然語言陳述，例如“您在 X 地區的銷售額正在下降，這一趨勢在過去幾個月中一直在持續。” 或者，“你正在失去競爭對手 Y 的市場份額。”

團隊負責人可以獲得諸如“銷售額在廣泛層面上增長了 10%，但每個區域層面的利潤率如何？”等問題的答案。 提供這種級別的可操作洞察力支持數據驅動的決策制定並提高整個組織的採用率。

複雜的分析系統提供語音和自然語言處理功能，並嵌入到企業搜索界面和 BI 平台中。

想像一下：數據科學家只需提出一個問題，就可以使用自然語言與增強分析平台進行交互，例如：“我們的銷售工作與競爭對手相比如何？”

增強分析解決了幕後的複雜性，使數據分析過程對商業用戶和公民數據科學家等都變得簡單。

您如何推進增強分析？

有了上面概述的好處和支持這種重大破壞的可用技術，問題就不是您是否應該採用增強分析。 問題是何時開始，以及如何開始。

雖然針對上述不同步驟有多種類型的工具，但沒有一種工具可以執行所有功能或適合所有組織。

公司繼續前進的最佳方式是與在分析和新興增強分析工具集和方法方面擁有豐富經驗的諮詢合作夥伴合作，以創建自定義路線圖。 為了創造一條成功的前進道路，人員、流程和技術的正確組合需要走到一起。

增強分析仍然是一個不斷發展的領域。 今天，大多數公司並沒有在整個端到端流程中採用增強分析，而是從一小部分開始——這是一個很好的方法。

在接下來的幾年裡，我預計這種情況會發生變化，組織將在整個數據分析生命週期中使用增強分析。

2019 年，增強分析提供的顯著優勢是需要考慮的關鍵領域：速度、民主化和廣泛採用。

憑藉這些能力，組織能夠充分了解和預測客戶需求，調整和改進業務流程，並為在今天和未來取得成功做好準備。