什么是“增强分析”？百度百科尚未收录的数据新概念

本文链接：https://blog.csdn.net/shipinginfo/article/details/80858622

（本文原创，源自微信公众号：世平信息，转载请注明来源“杭州世平信息科技有限公司”）

在这个人人玩概念的科技领域，今天我们一起玩一波概念。

如果你每天的工作都围绕着商业分析（对企业等机构所拥有的数据进行分析，包括市场数据以及用户行为和喜好等数据，导出对商业决策和商业活动有用的信息；“商业分析”也是近几年十分热门的新兴专业），那么一定对“智能数据发现”这个术语不陌生。

“如果你（数据）不尽快产生价值，休怪我把你碎尸万段！”

（图片来源：timoelliott）

智能数据发现

智能数据发现比一般的数据监控更“高端”，帮助商业用户发现细微但非常重要的信息，发现数据中存在的问题和模式，及时看到商业机遇中的挑战与价值。这些工具能够帮助用户在没有技术专家或分析师协助的情况下仍然能够利用复杂的分析技术。也就是说，即使没有任何统计分析与算法的知识背景，用户也可以在一个易于使用的拖拽界面中执行高级分析（听起来就很酷啊）。

图片来源：techcircle.vccircle.com

一个优秀的智能数据发现工具能够完成数据的收集、准备、整合和分析，帮助用户及时分享发现内容，并应用于商业活动中，确认数据之间的关系、数据模式，为可视化技术提供信息，最终做出科学的趋势预测，并预估计划项目的结果。

增强数据准备

在正式进入数据分析之前，都需要对数据进行数据抽取、数据清洗、数据融合等数据准备工作，有效的数据准备工作能提高数据分析的效率和准确性，更利于决策。数据准备的过程也有利于梳理各业务规则的实现逻辑，便于后续的架构搭建、部署实施和分析处理等工作。

而增强数据准备能够帮助普通用户在没有数据科学专家或IT人员协助的情况下，访问有用数据，并对理论和假设情况展开测试与验证。也就是说，普通用户也能够访问关键数据与关键信息，与多个数据源（个人、外部、云、IT数据等）建立联系。用户可以在单一且统一的交互式视图中混合和集成数据，并利用工具自动给出的关系、JOIN、类型转换，层次结构展开数据清理（简化数据的使用与解释过程），使用像binning、聚类和回归的集成统计算法减少数据噪音、总结有用数据中反映出来的趋势。理想的解决方案应做到敏捷性与数据治理的平衡。

增强分析

2017年7月，Gartner发布报告称，增强分析是数据分析的未来。

增强分析是指通过机器学习和自然语言处理实现数据准备的自动化并启用数据共享的过程。这种对数据的高级利用、操作和展现不但简化了数据处理过程，而且能够呈现出清晰的结果，为更加复杂的工具提供了资源支持，帮助商业用户自信地做出日常决策，摒弃错误观点，准确快速地开展业务活动。