Gartner增强分析介绍&工业界应用整理

Gartner 认为，增强分析将颠覆目前的数据分析模式，代表了数据和 BI 能力的第三大浪潮。

Gartner

这里把相关的增强分析的介绍和工业界应用做了一些整理。

概念

增强分析的概念由 Gartner 在2017年提出，在 Gartner 当年的报告《Augmented Analytics Is the Future of Data and Analytics》中，给出了增强分析的定义：

"Augmented analytics is a next-generation data and analytics paradigm that uses machine learning to automate data preparation, insight discovery and insight sharing for a broad range of business users, operational workers and citizen data scientists.——增强分析是下一代数据和分析范式，它面向广泛的业务用户、运营人员和民间数据科学家，利用机器学习将数据准备，洞察发现和洞察共享等过程自动化。"

从 Gartner 这个定义看来，在概念提出之初定义还是很模糊和宽泛的，在之后的两三年，Gartner 也在不同的报告中围绕这一概念做了许多的讨论。我们对其中的观点进行了总结，从三个角度来看增强分析相较于传统数据分析到底"增强"在哪里。

从数据分析的流程而言，数据分析的过程可以抽象为三个阶段：

增强分析的重点在于提高这一流程的易用性 ( 无代码化 ) 和自动化程度。如下图所示，在数据准备，增强分析通过自动化帮助我们加速一些耗时耗力的工作；在洞见发现阶段中，自然语言查询将优化人机之间的交互方式，而自动化洞察能够帮助我们及时的发现数据中的规律和变化，原本复杂的建模也被自动化建模过程取代；此外，在结果的展示方面，自然语言生成、自动化报表等技术也大大降低了数据分析的门槛，催生出更多的"民间数据科学家"。

图2 数据分析流程变化

从数据分析中各角色的分工而言，增强型分析带来的变化非常显著。从下图可见，增强分析在赋能数据分析人员，从而为 IT 人员减压。数据分析人员可以把控的事情变得更多，以前可能需要 IT 技术人员提供的支持，现在数据分析人员自己就能按具体需求操作。这样的变化将带来业务流程的效率大幅提升，也避免了需求传递造成的信息偏差。

数据分析角色任务变化

从数据分析的层次而言，之前 Gartner 曾定义了数据分析的四种能力，如图4。传统的数据分析主要关注于利用统计学方法给出描述性分析和诊断性分析。而对于预测性和处方性分析，之前则必须在数据科学家的帮助下才能完成。随着数据建模的过程不断自动化，基于数据挖掘模型的数据分析能力将越来越普及，也就是说我们能够轻松的做更多的预测性分析和处方性分析，企业对数据认识的整体能力也将不断加强，数据的价值也将被更大程度的释放。

数据分析的四种能力

总结而言，增强分析并不是一种技术或是一个产品，而是一系列的技术和方法，其目的就是为数据分析提效和降低数据分析的门槛。这其中包含的很多技术其实已经问世多年，而 Gartner 为他们取了个酷炫的名字以后，就成功将他们推向了风口浪尖。值得一提的是，"商务智能"这个古老的概念也是由 Gartner 提出的。

方向

对增强分析的概念有了基本的认知之后，我们来看看增强分析具体包含了哪些技术能力。结合 Gartner 的分类，可以将增强分析相关的技术分为三类：增强数据准备、增强数据分析和增强机器学习。下面我们通过一个树状图来说明增强分析的技术能力矩阵：

工业应用

阿里妈妈自动洞察平台AutoInsight

系统架构

智能洞察系统AutoInsight一共包含四个大的组成部分，分别为：数据源接入&ETL模块、元数据配置服务、InsightCore服务层以及文案展示服务层，整体架构为下图所示：

系统能力

AutoInsight系统能力为实现两个核心自动化能力目标，一是自动化智能化程度高，二是具备个性化诊断洞察能力。这里我们就需要解决InsightCore服务层的‘三步走策略’的三个基础性问题：

对于广告业务场景下多层级维度下钻、组合分析；对于复杂的多类型的业务指标异常波动量化分析；针对不同广告商家，关注的业务视角也不同，如何进行洞察结果的个性化展示；

应用场景和案例

阿里妈妈具备国内领先的数字营销技术和强大的数据优势，为广告商家提供多场景的营销平台和广告营销全链路解决方案，阿里妈妈智能洞察系统AutoInsight已经成功应用在智能化诊断、智能预警等多个广告营销分析场景，同时与客户增长平台北斗对接，实现一站式波动分析能力。下面我们将具体介绍AutoInsight在广告营销分析场景下的两个应用案例：

案例一：广告投放平台智能化诊断

阿里妈妈依托核心商业数据和超级媒体矩阵，赋能商家、品牌及合作伙伴应用分析，帮助客户实现数字媒体的一站式全域传播。广告投放平台是广告商家进行商品推广的重要一站式投放、报表、营销分析和智能诊断等功能工具平台，例如广为人知的直通车、超级推荐、UniDesk等产品。该案例智能化诊断模块的产品功能样例如下图所示，主要包含两个功能点：一是数据分析模块，对报表数据的关键信息挖掘和波动诊断、个性化展示；二是机会洞察模块，向广告商家个性化展示业务可优化的点和商业机会，根据广告商家的投放操作行为进行个性化的投放建议诊断。

AutoInsight 在广告投放平台报表洞察诊断升级能力上，结合数据诊断及算法个性化建议分发，完善“报表+诊断”的一体化设计，实现投前、投中、投后全链路的数据和算法支持能力。实现商家广告投放收益的增长以及在诊断页面停留时长和活跃增长；同时一站式的诊断分析，也为广告商家带来了良好的体验和分析效率的提升。

案例二：移动端投放平台智能预警

基于移动端投放平台的特性，方便广告商家随时随地查看和调整投放配置，不受时间和地点的限制。为提高广告商家对业务监测和决策的时效性，我们在移动端增加支持业务指标异动洞察能力，并通过发送预警信息帮助广告商家更好的发现业务问题，更及时的进行业务判断和决策。例如在大家所熟知的千牛APP中，我们利用AutoInsight自动化数据洞察诊断能力，在千牛APP的广告投放模块中实现了智能预警、异动通知提示功能，赋能移动端广告商家的广告效果诊断，提升投放效率。异动通知提示功能如下图所示：

AutoInsight通过对广告商家业务的诊断分析，发送业务指标异动预警消息，一方面提高广告商家对产品的使用粘性和活跃度，另一方面帮忙用户更好更及时的发现业务问题，进行有针对性业务决策，助力业务增长。

平安：增强分析的一种实现：BI的AI化

我们很多时候逛博物馆，或者逛一些旅游景点觉得没意思，主要因为没有懂行的人给你讲解其中的门道。而且你得承认，没有什么服务体验，能高过一对一的专业私人服务。BI报表作为一种数据服务，也完全可以追求这种效果，成为你的数据小助理：

我们把上述特征具像化，通过一个示例场景感受下：

用户：“为什么今天表现不好？”——用户提了个坏问题，缺乏具体分析对象（谁的什么表现不好？）。小助理：“您想了解的是哪个产品的数据表现？”——通过猜你想问形式，引导用户填充分析对象槽位信息。

用户：“就是产品A用的人变少了啊！”——用户没有直接点击猜你想问，但在引导下直接输入更加聚焦准确的问题。

小助理：“好的，产品A昨天的日活是1.2w，前天的日活是2.4w，环比下降50%”——将用户口语化措辞“用的人”，转译成系统可识别可处理的指标“日活”，并返回查询结果。

小助理：“经分析，是渠道X带来的日活环比大幅下降75%导致，请关注”——将经典归因分析方法内嵌系统，直接反馈分析结论。

正如上述对话示例的解读，小助理背后的技术原理并没有想象中那么复杂：

识别&推测用户意图，通过多轮对话形式引导用户补充系统计算所需的关键输入信息；支持用户个性化输入，并能将其转化为系统可识别的标准化输入；将标准化输入对应到后台的不同组件化数据指标计算流程；将系统计算结果填充到预设的文案模版中，向用户显性化解读结果。

网易严选全链路市场投放的数据产品策略

谷维：快手如何提升数据化管理效率？

【阿里妈妈营销科学系列】第八篇：增强分析在营销分析场景下的实现和应用 - 知乎

网易严选全链路市场投放的数据产品策略 - 知乎

增强分析的一种实现：BI的AI化

增强分析技术原理与实践 - 知乎

MagicBI分析咨询 吴小进

18268159685

wuxiaojin@digitalpredict.cn

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!