谈到数据分析技术趋势，Gartner预计到2020年，增强型分析将成为分析与商业智能（analytics and BI）、数据科学与机器学习平台（data science and ML platforms）以及嵌入式分析新增购买的主要驱动力。
这里说的增强型分析是什么？对于用户来说，又会带来哪些新的变化和帮助呢？为此，我采访了Gartner研究总监孙鑫先生。
Gartner研究总监 孙鑫（Julian Sun）
孙鑫介绍给我带来了新的启发，即对于用户来说，其实并不需要急着搞清楚什么是“增强型分析”，重要的是利用新技术，了解技术能够带来哪些改变。
用户最熟悉的数据分析，就是各种报表。业务部门提需求，由IT技术人员实现，这就是现状。然而报表不是分析，只是一种展现。
由技术人员提供的报表可以满足数据分析的需要吗？很多时候，分析的结果差强人意。而怎么样改善数据分析的效果？这就是“增强型分析”要解决的问题。
所谓“增强”体现在哪里呢？
首先体现在业务，不是技术。在增强型分析技术的支持下，分析的门槛降低了，业务人员主动进行数据分析，并不依赖类似技术人员提供的“报表”。
业务人员的技术水平能够支持他们完成数据分析吗？
答案是可以借助机器学习（ML）和人工智能技术（AI）完成数据分析。但是对于业务人员来说，让他们学习掌握AI、ML并不现实。因此，比较实际的做法是商业化的软件产品——即通过对于未知的数据以及已知的问题，对于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。
以此为基础，业务人员通过新的数据准备和输入，对业务变化进行分析。与以往相比，“增强型分析”最大的变化是可以由业务人员主导分析流程，由增强型分析软件工具遍历引发变化的影响因素，从而推荐用户做出可以参考的“下一步分析推荐”。
那么，所谓的“下一步分析推荐”提供的结果可行吗？正确吗？
其实，这并不是问题的关键。最终的判断还是要依靠业务人员做出，“增强型分析”也不过是助力作用。虽然不必盲从机器分析的结果，但是机器可以帮助人拓宽视野。通过交叉稽核、反复推演，在机器的帮助下，也许业务人员最终能够获取数据背后的价值。
简单来说，“增强型分析”就是建立在机器学习、AI基础上的人工数据分析助手。
目前市场上，有这样的商用化产品吗？
主流的一些产品如IBM Cognos Analytics、Microsoft Power BI、Oracle Analytics Cloud、Qlik、Salesforce Einstein Discovery、Tableau、SAP Analytics Cloud、Sisense、Tellius、ThoughtSpot等。细心的读者会发现，这些也是商业智能分析的主流玩家。
事实的确如此，“增强型分析”可以视为商业智能分析的演进和升华。
笔者认为，用户没有必要迷信某一个软件，更加重要的还是采用“增强型分析”思考问题的方法。简单说，就是“数据+智能”——通过智能的分析体验，降低分析的门槛，提高业务人员分析问题的深度，拓宽业务人员的视野，从而提高企业员工的数据素养。
建立在机器学习的基础上，通过不断地训练，相信你的“增强型分析”也会变得越来越智能，越来越聪明，这是一个动态成长的过程。
那么现在，对于Gartner所说的“增强型分析”，你了解了吗？
“增强型分析”之外，Gartner还定义了“增强型数据管理”、“持续型智能”、“可解释型人工智能”以及“图谱分析”，他们和“增强型分析”有什么关系呢？
“他们的关系是紧密相连，并为彼此加强在生态的影响。”孙鑫说。
