增强分析是Gartner创造的术语，用于描述整合自然语言处理、自然语言生成、文本挖掘和自动数据处理功能到BI系统的过程。所有主要BI供应商都在收购或构建这些功能到他们的BI平台，以便企业客户更容易地使分析大众化。

会话分析服务Chorus.ai 公司联合创始人兼研发主管Micha Breakstone称：“我相信BI领域的顶级供应商都明白，增强分析对他们来说既是承诺也是威胁，承诺是增强分析工具将使非技术业务专家更容易访问BI。而BI供应商面临的挑战是，他们的BI平台可能会被这些自动化系统取代，因为这些系统可更有效地主动展示可操作的洞察力。”

对此，顶级BI供应商都在试图简化界面和减少高技术界面及专有语言等障碍，以最大化其产品的潜在优势。与此同时，他们也在努力为数据科学家提供更深入的分析功能以及将其工具设计得更加直观，以最大限度降低风险。

Tibco Software公司分析总经理Mark Palmer表示：“现在业务分析师希望获得AI的好处，而又不必成为相关专家。因此，BI供应商正试图构建工具以轻松将机器学习提供给最终用户，为他们提供易于使用的界面，以便他们可以使用它来探索数据。”这包括从更简单的界面（用于构建机器学习模型）到自适应AI–其中可基于条件变化来调整结果。例如，当监控交易流和天气数据时，预测模型可根据相应地理区域的天气情况对销售活动进行实时调整。

增强分析工具的各个方面

在Gartner的模型中，增强分析可利用机器学习为业务用户、操作人员和大众数据科学家自动化数据准备、洞察发现和洞察共享。初创公司和大型供应商可能会赶超领先的BI和分析、数据科学、数据集成和嵌入式数据分析供应商。

增强分析工具的关键功能包括增强数据准备、增强数据发现和增强数据科学以及机器学习。增强型数据准备工作侧重于自动将数据提取到分析系统中。这包括数据分析、确保数据质量、建模数据、添加元数据以及将其存储在目录中等过程。

增强数据发现涉及帮助用户查找相关数据。这包括自动化、可视化和叙述相关发现。在这方面，机器学习可帮助减少构建模型或编写算法所需的技能。

同时，增强数据科学可降低业务专家和数据科学家测试新假设所需的技能。它包括自动机器学习模型功能选择等流程，可简化生成、部署和管理高级分析模型的流程。

机器学习是关键

这里的关键趋势是，顶级BI供应商正在探索不同的方法以将机器学习整合到BI的各个方面。有些供应商认为，这可使企业从事后发现趋势转移到在合适的时刻向业务用户提供自动和隐藏的见解。

SAP云计算产品营销全球副总裁Nic Smith表示：“BI正在从被动变为主动，它可根据数据以及用户创建的报告和仪表板自动生成见解。这一趋势是很大程度上受到机器学习和云技术的进步的推动，还有业务增长速度的推动。”

其中一个关键驱动因素是企业正在寻找创新方法来理解来自电子商务、移动应用、社交媒体、物联网和呼叫中心分析中不断增长的数据流。数据管理API提供商PubNub的创始人兼首席技术官Stephen Blum说：“商业智能供应商意识到只为团队提供手动查询数据的功能并不够。”增强分析提供了一种新方法来分析、处理这些数据，并从中获取洞察力。

增强分析工具应具备的功能

甲骨文业务分析产品管理副总裁John Hagerty建议，分析经理在与顶级BI供应商沟通时应考虑以下五种增强分析功能：

1. 建议：系统应该建议如何整理数据、特定数据的最佳视觉效果是怎样、如何丰富数据以进行更深入的分析和理解，以及如何整理和准备数据以供更广泛的使用。
2. 洞察力生成：增强分析工具应该能够深入挖掘是什么在推动特定性能。分析师可能会将自己的想法（偏见）带入流程，并会寻求结果来支持他们的假设。而洞察力生成使用算法来描述数据、识别关键驱动因素、解释哪些部分影响结果以及哪些情况是异常值，即与预期结果不同的行为。这需要无缝地进行，并向分析师显示结果以发现潜在的隐藏见解和驱动因素。
3. 自然语言处理：用户应该能够利用语言的力量-基于文本和/或语音，以对话模式与数据交互。
4. 自然语言生成：对于具有增强分析功能的BI工具，应该能够使用语言的力量以交互方式描述性能结果。随着用户更深入挖掘，叙述会进行调整以解释他们所看到的内容。
5. 预测：增强分析工具应该能够实现的是，通过简单的点击，就可轻松地预测趋势、识别异常值和类似值的群集组。这还包括使用算法训练各种用例的预测模型，例如流失、损耗或行为。它还应该能够将这些预测纳入分析主体。