共计 2276 个字符，预计需要花费 6 分钟才能阅读完成。
提到“加强剖析”，就不得不提 Gartner 这家征询公司。“商业智能”这个概念，就是由 Gartner 最早提出来的。在 2017 年，Gartner 首次提到“加强剖析”，并对其进行定义：加强剖析是下一代数据和剖析范式，它面向宽泛的业务用户、经营人员和民间数据科学家，利用机器学习将数据筹备、洞察发现和洞察共享等过程自动化。
这个概念刚开始比拟含糊，起初逐步清晰。间接到 2021 年，Gartner 在公布的《Hype Cycle for ICT in China, 2021》中做了最新的定义：加强数据分析包含机器学习 (ML) 和人工智能(AI)，在对立的平台上提供数据治理和剖析能力。它通过将 ML 和 AI 利用于现有的操作流程中，使数据管理和剖析自动化，从而更无效地进行数据分析。它使更多的用户取得更深刻的洞察力，缩小了以后依赖 IT 解决所带来的效率问题和口径偏差。
从定义能够看出，加强剖析并不是一种技术或是一个产品，而是一系列的技术和办法，其目标就是为了晋升数据分析的效率和升高数据分析的门槛。加强剖析相干的技术能够分为了三类：加强数据筹备、加强数据分析和加强机器学习。
1、加强数据筹备
筹备数据是数据分析的前提，也是最耗时的工作。数据筹备不仅蕴含 ETL，通常还蕴含有数据探查、数据品质、数据模型、数据荡涤等工作，涵盖了数据管理的各个方面，甚至还包含数据集成和数据仓库的治理。
加强数据筹备通过两个方面来晋升效率，一方面是可视化交互，通过利落拽的形式实现可视化的数据配置、数据源的混合以及数据荡涤工作，让数据筹备变得更加快捷；另一方面是算法辅助，利用 ML 和 AI 技术实现局部流程的自动化。例如主动查找数据之间的关系，对数据品质进行评估，举荐用于连贯、丰盛、荡涤数据的最佳办法，还有主动查找元数据和血缘关系等性能。
2、加强数据分析
加强数据分析的指标是为了让剖析更加易用和智能。
易用方面
加强数据分析帮忙用户无需建模和编写代码，通过可视化的界面即可洞察数据，进步剖析的可用性，技术次要蕴含了自然语言查问（Natural Language Query,NLQ）和自然语言生成（Natural Language Generation,NLG）两个方向。
NLQ 是指用户间接在搜寻框输出或通过对话的形式查问数据。想要将用户的问题与数据表中的数据对应上，NL2SQL (Natural Language to SQL) 技术就是其中的要害。NL2SQL 这一工作的实质，是将用户的自然语言语句转化为计算机能够了解并执行的标准语义示意，是语义剖析 (Semantic Parsing) 畛域的一个子工作。
NLG 是将语义信息以人类可读的自然语言模式进行表白。依据输出信息的不同，NLG 又可分为：数据到文本的生成、文本到文本的生成、意义到文本的生成等。在数据分析中利用 NLG 次要是数据到文本的生成，它可能将剖析后果转换为人类了解的清晰叙述，以帮忙用户更好的了解数据，讲好数据故事。
智能方面
加强数据分析帮忙用户主动寻找数据法则，将相干后果主动转化为可视化图表，进步剖析的效率，典型的技术包含主动洞察 (automated insights) 和主动可视化 (automated visualization)。
主动洞察是加强剖析的外围性能，但同样也是一个宽泛的概念。当初大部分的支流 BI 平台都有主动洞察的相干性能推出，且方向各有不同。主动洞察的指标就是代替一部分分析师的工作，从数据中发现潜在信息和价值。
主动可视化是依据数据分析后果主动抉择可视化的形式进行展现，与 NLQ、NLG 等技术配合，将大大放慢整个剖析流程，特地适宜业务人员应用。
3、加强机器学习
加强机器学习更加关注模型，比方特色工程、模型训练、模型部署、模型解释以及最初的模型监控和治理。与加强数据分析相比，加强机器学习面向的更多是数据科学家，通过算法将特色工程、模型抉择与超参数优化，以及深度神经网络构造搜寻等机器学习过程中的关键步骤自动化，帮忙数据科学家更高效地失去称心的模型。
这部分的核心技术就是主动机器学习 AutoML。晚期的 AutoML 钻研起源于 Meta Learning，早在上个世纪八十年代就被提出，数十年间在机器学习畛域的相干钻研次要集中在超参优化。近年来随着深度学习的广泛应用，Meta-Leaning 畛域在学术界又一次升温。同时，自动化特色工程、自动化模型评估等技术的钻研和商业化也使得 AutoML 的概念笼罩到了机器学习的全流程。
看了下面的介绍，大家对“加强剖析”是否有了更加清晰的意识？咱们再回顾近几年 Smartbi 推出的新性能就会发现，其实 Smartbi 很早就在加强剖析畛域进行布局。
1、加强数据筹备方面
Smartbi 的数据模型，集成一体化的 ETL，无需独立部署就能够应用，并且齐全可视化操作，业务人员也能参加。
2、加强数据分析方面
Smartbi 的数据挖掘，提供一站式的数据挖掘服务，涵盖数据预处理、机器学习算法利用、模型训练、评估、部署、服务公布全生命周期；Smartbi NLA 提供基于 AI 技术的自然语言剖析，用户可通过“智能小麦”对系统收回语音指令，解放双手实现关上报表、切换参数、摸索剖析等操作。
3、加强机器学习方面
Smartbi AutoML 通过三步向导化的点选，就主动实现整个模型的构建。当对同一需要应用不同算法实现建模后，只须要一步就能生成比照报告，从中挑选出最合适的进行上线。
正是因为对加强剖析的一直投入，Smartbi 在 2020 和 2021 间断两年入选 Gartner 加强数据分析代表厂商。尽管加强剖析离全面遍及的路还很长，但方向是很明确的，让咱们独特期待吧！