AI能強化你的數據分析能力

科技迅速改變了企業數據分析的用途，但預測模型需要很大量的歷史數據，以及相當程度的專業，才能建立及使用模型，這些都限制了預測模型的使用方式及時機。然而，AI使新一代的企業分析法逐漸出現，同時納入了某種程度的自動化及情境資訊。不僅大企業能夠在數據分析面上更加游刃有餘，過去難以負擔數據科學家聘請費的中小型企業，將能夠更精準地分析自家的數據，並得到更清晰的見解。

過去幾年，科技迅速改變了企業數據分析的用途。結合了預測模型的數據分析法，已開始取代單純的描述型方法。描述型分析（descriptive analytics），對許多使用者仍然很有價值，但同時也一直演變發展，運用更多的視覺分析，並轉向一種自助服務模式，讓非技術背景的使用者往往也能開發出自己的分析。整體來說，數據分析正迅速變得更容易使用，而且更強大。儘管有這樣的進步，仍然很難使用數據及數據分析，來了解並預測組織裡的許多重要現象。預測模型需要很大量的歷史數據，以及相當程度的專業，才能建立及使用模型，這限制了預測模型的使用方式及時機。雖然讓描述型分析的使用者有更多掌控是好的，但這種轉變往往需要使用者投入更多時間。此外，現有的分析方法（包括描述型與預測型）向來有點狹隘，只專注在特定的職能或單位，但其實許多商業問題及議題，是跨職能與跨單位的。這個重要的情境資訊（contextual information），鮮少被整合納入分析模型，因為各自為政的系統與數據，導致難以進行這種整合，而且因為分類不當，使得數據分析師往往不知道或不能夠輕易地取用相關數據。好消息是，新一代的企業分析法逐漸出現，同時納入了某種程度的自動化及情境資訊。這些創新需要仰賴人工智慧（AI）及自動化、既有資訊系統之間的連結，以及以職務角色為基礎而建立一些假設，說明哪些決策應該是根據數據及分析來做。到最後，新一代的分析法能夠將各項見解與建議，直接送交給決策者，而不需要由分析師事前準備這些見解與建議。Google應用程式會根據你的住址、行事曆紀錄及地圖資訊，告訴你何時該出門才能趕上飛機；同樣地，公司也愈來愈能夠利用本身各項企業系統裡的情境資訊。分析自動化常被稱為「智慧數據發掘」（smart data discovery）或「擴增分析」（augmented analytics），這種自動化正在降低對人類專業及判斷的依賴，因為它能自動指出數據當中的各種關係與模式。在有些例子中，這種自動分析系統甚至能建議使用者應採取什麼行動，來處理在自動分析中找到的情況。