被Gartner预言三年内最有颠覆潜力，增强分析到底厉害在哪里？
大数据文摘出品
作者：魏子敏
每一年，Gartner都会对未来几年最具颠覆性潜力的技术做出预测。今年2月，在澳大利亚悉尼举行的Gartner数据与分析峰会上，Gartner将增强分析作为今年十大战略趋势、整体IT十大战略趋势之一推到了公众面前。
增强分析是一种新兴数据分析方式，借助了机器学习跟AI，让用户可以更低门槛去将数据分析呈现出来。Gartner还预测到2020年，增强分析将成为企业购买分析与商业智能，数据科学学习平台新的驱动力。
那么，如此被Gartner推崇的增强分析好在哪呢？
7月初，国内大数据分析领域的前沿技术大会 Kylin Data Summit上，来自Gartner 的研究总监 Julian Sun为现场听众解答了这一问题。
由业务人员主导分析流程，更适应AI时代特点
增强分析是一种新兴数据分析方式，借助了机器学习跟AI，让用户可以更低门槛去将这个数据分析呈现出来。
过去，大家认为数据分析是一个结果，我们看了一些仪表盘，看了一些报告觉得自己做数据分析了，其实不然，数据分析是一个创新过程，需要用户高度融合才可以产生新一轮结果。
Julian Sun也提到，在数据流程的各个阶段，增强分析都能够给我们帮助。
在准备数据阶段，可以看见增强分析可以为我们推荐一些最适合业务需要的数据源，而不是杂乱无章的各种数据；业务发现的时候，增强分析又可以帮助我们做一些自动建模、模型管理、代码生成，从而使用一些更高阶功能；在分享的时候可以通过增强分析给我们带来一些自动的业务发现，而不是让我在很多的仪表盘，很多报告当中一个个摸索。
Gartner 研究总监 Julian Sun
这也是为什么增强分析不仅是Gartner今年数据分析十大趋势，同时也是Gartner今年十大战略趋势，整体IT十大战略趋势之一。
而增强分析也更能适应人工智能时代的数据特点。
在人工智能时代下，更多维度，数量更大的基础数据（结构化或非结构化数据）显得更加重要，所以需要采集的表的数量更多，数据也分布在更多的业务系统。
也就是说，企业要分析和探寻的数据越来越复杂，业务用户前所未有地希望通过自己自服务形式做分析。而增强分析可以给出一种全新数据分析方式，可以真正普惠所有的业务用户，而不是让数据分析只停留在企业当中的少部分人。
Julian Sun还提到，目前的数据分析模式多是可视化形式，或者拖拉拽形式做数据分析，很有可能会造成另外一种孤岛——分析孤岛。这个时候用增强分析可以把这样的增强分析模式放到业务情景当中，最契合业务实际做一些业务针织。
“不服务业务的数据分析师，都是耍流氓”
AI增强技术使得数据分析等技术的使用门槛越来越低。那么，传统的大量依赖数据工程师做分析的企业，将如何转型到增强分析的时代，需要做哪些准备？数据分析师又应该如何武装自己适应“增强分析”的到来呢？
会后，Kyligence CEO 韩卿接受了大数据文摘记者采访，也对以上问题进行了解答。
“这个时候最大的矛盾是什么？我们叫指数级增长的数据及应用需求和极其短缺的产业工人之间的矛盾。”在演讲中，韩卿如此描述了业内数据科学家人才短缺的问题。
Kyligence 联合创始人兼 CEO 韩卿
“行业里提出一个解决方案叫数据科学家，但产业和工业不能靠科学家，我们需要的是自动化，需要的是批量的做出来，重要是做的快和好，我们希望通过AI技术，通过这种创新来去为这样的领域，提供我们叫基于AI增强大数据管理与分析平台，我们希望不断地提升生产效率，提升我们这方面的能力。”
Kyligence在本次大会上发布的新一代产品 Kyligence Enterprise v4.0最核心的概念，也是希望用户能够直接可以获得数据洞察，而减少对数据工程师的依赖，通过AI增强引擎，不断优化调整，解决业务痛点，而让我们分析师做更加重要的工作。
“比如这么大数据量情况下，治理怎么做及业务模型怎么训练，管理怎么做，这些才是更多非常有价值工作，让那些重复性工作交给机器人做，这是我们今天，我希望能够告诉所有朋友Apache Kylin未来三五年战略，我们希望为客户提供'GAME'式的解决方案——即治理的（Governed）、增强的（Augmented）、管理的（Managed）、企业级的（Enterprise）大数据分析平台，我们未来会在整个这几个方向上不断地投入和创新，能够为客户提供这方面的能力。”韩卿表示。
整个公司的数据素养教育是第一步
“再不数据化智能化，就要被拍死在沙滩上了！”
大数据和人工智能似乎成为了这个时代的主题曲，与此同时，焦虑感也开始在行业中蔓延，从初创公司到行业巨头，都急切地想要跟上这股越炒越热的浪潮。
但在数据化转型的尝试中，很多企业却面临着数据团队建设目标不清晰、业务界限模糊、人才缺乏等问题。
韩卿告诉我们，进行数据素养的教育其实是很不容易的一件事。“尤其是传统行业，其实过去并不重视数据，但是今天，特别是金融和零售行业，现在都面临着精细化管理的挑战。那么精细化管理的第一步其实就是数据，并且是准确的数据。从老板到员工有这样的数据决策意识，这一点和数据的质量同样重要。”