什麼是增強分析？
增強分析是一種採用人工智慧 (AI) 和機器學習 (ML) 的分析技術，可擴展人類在脈絡層級與資料互動的能力。增強分析包含可以為更多人提供分析能力的工具和軟體 — 無論是建議、見解還是對查詢的指引。
全球研究顧問公司的現身說法 Gartner：「增強分析是使用機器學習與 AI 等賦予使用者能力的技術，協助使用者準備資料、產生見解並詮釋見解，藉此加強使用者在分析與商業智慧平台中探索與分析資料的方式。」
機器學習在增強分析中發揮的作用
機器學習是使用資料擷取演算法和學習模型的電腦科學領域，這是許多增強分析功能的核心技術。機器學習通常會透過減少或消除繁瑣的工作來協助使用者進行分析，讓使用者更快速獲得見解並運用資料做出決策。這包括清理、整理、檢查和篩選資料，以便進行更精確和更深入的檢查。
BI 平台中的機器學習功能通常會將進階演算法的結果以建議的形式加以呈現出來。此外，增強分析的部分應用程式會運用 ML 來學習業界和組織語義，以及隨時間變化的使用者偏好，讓系統在分析期間能夠以更個人化和有效的方式在業務情境中顯示問題和結果。
增強分析與自動化
自動化是增強分析解決方案中常用的功能，不過必須瞭解將工作自動化（許多技術均發揮這方面的功用）和將根據分析做決策的過程自動化這兩者之間的區別。將 資料驅動的決策過程 自動化就不需要真人來做決策，而這樣的增強可以為基礎技術提供方法來引導使用者發現可能無法看見或探索的見解。
領域知識對分析而言一直都很重要，不過，增強分析在 AI 和機器學習的推波助瀾之下，讓這項技能變得更重要。使用者經常必須要必要的脈絡中填補空白，並使用從分析中獲得的見解針對面臨的問題做出最佳決策。
增強分析適合哪些人使用？
商業使用和高階主管從增強分析中獲得絕佳的價值，因為這些技術協助這些人迅速從資料中獲得價值，完全不需要深入的技術技能或處理資料的專業知識。增強分析有助於商業使用和高階主管更輕鬆地找到相關資料、提出最佳問題並在業務脈絡中迅速發現見解。
雖然增強分析的大部分效益都著重在為不具備深入分析專業知識的人提供支援，不過這也有助於分析師和進階使用者更迅速執行更徹底的分析和資料準備工作。
增強分析有什麼效益？
增強分析可以讓分析師更迅速、更有效率且更精確地完成工作。機器學習和自然語言技術也有助於消除分析的技術障礙，包括向資料技能和經驗不太成熟的人提供更先進的技術，藉以協助領域專家（業界人士）更瞭解自己的資料。
敏捷性：提高獲得見解的速度
採用 AI 技術的增強功能可以加速搜尋見解，使用的方法就是透過修整搜尋空間、在合適的時間將相關資料呈現給合適的人，以及建議富有成效的分析路徑。透過廣泛追蹤使用者行為，系統可以提供更智慧的預設設定和建議動作，並按照使用者的反應隨時間進行調整和個人化。當使用者能夠更迅速回答資料問題時，就可以專注於更有策略意義的工作，花費更少的時間整理資就能獲得見解。
準確性：展現更完整的樣貌
機器不必休息，因此執行重複性工作和計算的效果相當好。增強分析採用的 AI 和 ML 技術可以有效地查看每個細節，因此使用者可以根據徹底分析的結果做出最周詳的決策。這種類型的完整樣貌有助於使用者避免結論出現確認偏見。
效率：將操作工作自動化
在需要處理高度專業化且重複性工作的應用程式演算法中，機器學習和人工智慧已經獲得重大進展（試想對相關內容或產品提供「您可能有興趣…」建議或甚至詐欺偵測程式的網站）。增強分析提供工作自動化機制，可以省下使用者處理資料的時間和心力 — 無論是資料準備、資料探索、執行統計分析等。
信心：強大的脈絡分析
增強技術通常都簡單易用，因此可以讓資料處理變得更平易近人，並且讓更多人更容易獲得見解。您可以自訂增強技術建立資料模型並且在脈絡中顯示資料，因此您能夠證實自己的直覺並對結論的品質充滿信心。雖然商務使用者可能並沒有深入瞭解分析技術，不過他們確實瞭解本身的領域或產業，而且可以在評估如何使用增強分析提供的結果時運用這些專業知識。部分增強技術是內建在業務工作流程中並與其他工具和軟體整合，因此可以讓使用者在不中斷分析的情況下迅速探索自己的特定問題 — 在某些情況下，準備資料並不需要執行額外的步驟。
增強分析功能
自動資料識別
一些現代 BI 平台使用 AI 來自動偵測資料的某些屬性，例如某個欄位是否包含 地理資訊 （例如郵遞區號）或個人資訊（例如電話號碼或電子郵件地址）。
此外，系統可以讀取 PDF 和文字文件等格式的資料表、自動移除特殊格式，並轉換這些資料表進行高效率的分析。
統計技術
增強分析技術也可以根據能提供最高確定性的目標選擇最佳的 預測、聚類分析和其他統計演算法。在某些系統中，模型會自動執行，以便呈現和提供使用者可能看不見的資料中存在的見解。這些技術可以解說資料點實際的「原因」，例如造成資料集出現異常值或非預期值的實際因素。最終使用者只需要按一下即可使用這些功能，完全不需要撰寫計算或程式碼的專業知識。
智慧資料準備
在資料準備期間，強大的演算法會在背景中運作，協助使用者更快備妥資料，將手動清除作業減少到最低的程度。增強分析系統可以按照發音或常用字元對相關字詞編製索引和分組，藉以節省使用者手動搜尋和更新欄位和值所花費的時間。
在某些情況下，系統也可能會建議清理步驟，例如移除空值或將欄位拆分為個別的資料欄。
建議
許多增強分析系統的重要功能，就是為使用者提供 AI 驅動的建議。建議涵蓋資料準備、探索、分析和共享。例如，系統可能會建議資料來源在準備期間加入或清理步驟，或按照使用者查看的資料列和資料欄建議使用的有效圖表類型。
使用者也會收到按照本身角色、團隊和分析瀏覽行為探索分析內容的建議 — 如同許多企業提供的「您可能也喜歡」一樣 — 這有助於新使用者更迅速加入並找到與自己最相關的資料資產。
自然語言互動
自然語言查詢是增強分析功能，可以允許使用者以簡單的語言輸入問題來查詢資料，而非使用資料查詢語言或程式碼。這套系統將文字翻譯成查詢並提出填補空白的建議，藉此嘗試瞭解使用者問題實際的意圖和脈絡來提供引導式體驗。這有助於許多人從自己的資料中獲得見解，完全不需要瞭解基礎資料模型。
自然語言產生過程可以從資料建立見解的文字描述，其中可以包括資料視覺化的解說。以容易瞭解的語言進行這些解說有助於使用者瞭解資料中的脈絡，完全不需要瀏覽和解說視覺化的深厚專業知識。
瞭解 Tableau 增強分析如何讓您做出更明智的決策
增強分析的使用案例
在增強分析的眾多使用案例中，AI 和機器學習都力求更迅速、更容易完成更進階的分析，讓更多人 — 無論這些人本身的資料技能和技術能力如何 — 可以提出最佳問題，從本身的資料中獲得價值並 做出最周詳的決策。
角色別範例
- 銷售團隊 可以使用增強分析來調查配額和交易的趨勢。
- 高階主管 可以使用增強分析在董事會會議期間輕鬆探索即時資料，而非仰賴靜態報告。
- IT 部門 可能會使用增強分析來找出造成伺服器和系統使用量激增的因素。
- 分析師和資料管理員 可以使用增強分析更迅速清理、整理和準備資料以進行分析作業。
產業別範例
- 供應鏈管理 可以使用增強分析來瞭解某些地點為什麼並未以預期的速度交付產品。
- 旅遊和酒店業 組織可以使用增強分析為追加銷售或交叉銷售客戶找到最佳的個人化優惠。
- 行銷和傳播機構 可以使用增強分析來探索廣告活動的有效性並找出資料中可能隱藏的變數。
其他常見使用案例
- 大公司在將分析程序擴展到新使用者時通常仰賴增強分析，因為許多功能有助於加快資料處理經驗較少的員工順利就任的過程。
- 一些組織甚至使用增強型互動式報告取代靜態報告 儀表板。這不僅可以節省分析師製作報告的時間，而且可以減少更多人使用儀表板有效回答本身的資料問題所需的入門障礙。
使用增強分析的挑戰
對於 AI 和 ML 的誤解
由於 AI 和機器學習的潛在複雜性，使用者仍然相當關注技術本身，而非一般人如何與此互動並從中獲益。由於 誤解 機器取代真人工作的意義，這可能不利於為處理資料的人採用有實際效益的解決方案。如果使用者不瞭解和信任價值，就不會使用 AI 和增強分析。
增強分析限制
另一方面，有些人可能對這些技術可以實現和達成的效用抱持過高的期望。如果在不瞭解技術如何實際協助使用者的情況下進行大筆投資，或者沒有明確的實施和支援策略，這可能會導致沉沒成本。
這也需要瞭解人類在哪些方面優於機器。機器很難在有限的脈絡中瞭解一個人的意圖。機器本身有資料，不過並不能像具備領域專業知識的真人一樣掌握更完整的全貌。透過監控使用行為和使用者意見反映，機器必須隨著時間變化瞭解使用者的偏好。
資料素養和分析技能
工具和技術當然是這個重要過程的必要部分，不過員工也必須學習以批判性角度思考資料。處理錯誤的資料或來自 AI 系統的錯誤建議將導致決策錯誤和浪費資源。這就是 資料素養、批判性思維和真人發展共同產生作用之處。
只有在組織優先考慮跨部門的分析技能時，增強分析才有作用，使用者才能有信心說出和瞭解資料語言。只有在取用者瞭解資料概念以及這些概念與自己的業務資料之間的關聯時，解說或建議才有作用。例如，當機器探索相關性時，掌握業務脈絡的人更有可能確認或否認因果關係。
資料控管、管理和整理
資料是 AI 系統的基礎。因此，支援 AI 的規範性建議或自動化工作所達到的品質和可靠性，與用於訓練系統的資料所達到的品質和可靠性直接相關。尚未投資採用良好 資料控管 或 資料管理 實務，或努力在 BI 部署中建立牽引力和信心的組織，成功運用 AI 的機會微乎其微。
以符合道德規範的方式使用 AI
雖然演算法和模型變得愈來愈複雜，不過重點是這些不會變得難以瞭解。換句話說，組織必須要對「黑箱」AI 解決方案感到厭煩。透明和「可解說的 AI」的概念是強大的概念 — 使用者應該能夠瞭解提出解答所用的操作和邏輯。這不僅有助於確保組織不使用有偏見的模型，而且使用者相信能夠信賴解答做出明智決策。
增強分析最佳做法
從現代分析的堅實基礎開始
現代 BI 引導所有技能程度的使用者回答自己的問題，同時均衡滿足敏捷性與安全性和控管的需求。對現代 BI 平台而言，AI 和 ML 功能是這種典範的延伸。這些功能代表邁向數位轉型的另一步，將組織從傳統的 BI 和報告推向現代化的 自助式環境 ，在這種環境中每個人都可以提出自己的資料問題。
在擴展 AI 分析投資之前證明成功
有了大膽的新構想之後，最適合從範圍測試開始，而不要設法使用完善的系統大規模實施。從非常明確的範圍開始，例如某個部門或使用案例。然後，一旦投資價值獲得證實，就可以對整個組織的更多群組實施。
藉由解秘和教育來建立信任和資料素養
有影響力的資料教育既需要實務技能，也需要創造性技能。將 AI 分析導入業務程序，必須要信任這些技術以及員工的良好判斷力。資料科學家在自己經歷實際體驗時可能會猶豫是否要信任機器；新手分析使用者將需要學習如何與增強分析建議進行互動和驗證，或運用人類知識修正整個過程。
透過協作和社群促進成功
由於這些功能將嵌入到現有的工作流程中，因此資料擁護者和領域專家之間的密切溝通將有助於使用者獲得成功並鼓勵採用。為其他人建立儀表板的分析師應該瞭解使用者如何使用 AI 和機器學習功能，並鼓勵進行解說和資料本身的坦誠溝通。分析員可以向領域專家提供正確的資料和正確的脈絡，藉以深入瞭解對這些人相當重要的資料點；例如，允許互動、探索和採用的入門儀表板。
增強分析在商業智慧 (BI) 中扮演的角色
資料是創造更好的客戶體驗、更有效的操作和開啟新收入流所需的要素。最擅長分析資料的組織，也會是最有競爭力和影響力的組織。因此，許多組織正在改採 AI 分析技術和增強分析 — 其中包括 機器學習、 自然語言互動和複雜的演算法 — 找出優勢並進一步提升員工的分析能力、促進數位轉型，並在面對變化時展現業務彈性。
增強分析有望將人類的好奇心更進一步轉化為有關聯的解答。這些功能可以擴大分析的使用範圍，並嘉惠許多不太習慣使用資料的人。這有助於組織中的每個人都能有信心使用自己的資料回答業務問題。
在 Tableau， 我們使用 AI 協助使用者回答問題 並運用資料讓使用者做出有意義的決策。從智慧資料準備和一鍵式統計分析到自然語言查詢，我們的增強分析功能可讓更多人瞭解如何從資料獲得見解，並對結果更具信心。我們提供的功能可以使更多商業使用者使用資料來回答問題，協助組織運用持續增加的資料。
進一步瞭解 Tableau 的增強分析。
其他資源