BI和分析供应商正继续通过机器学习和AI现代化他们的产品，提升其增强分析功能。他们的产品将使数据科学家、分析师和公民数据科学家更快更轻松地获得所需的见解。但是，应该选择哪个供应商呢？这并非易事，因为他们的产品非常相似。

通常，BI关联着报告，而分析则关联着仪表板，尽管由于增强分析工具的出现，它们之间的区别正在逐渐消失。

Gartner公司分析师兼研究员Rita Sallam表示：“增强分析将从根本上改变用户的分析体验。原本仪表板是作为获取见解的主要机制和门户，而这可能会发生改变，用户将自动获得见解，并以自然语言进行解释，他们将获得非常个性化的体验。”

增强分析是通过提供动态数据故事来解释模式、驱动程序、集群、差异值和相关性，从而“跳到故事的结尾”，它可能还可以根据见解来告知用户应该做什么，而不是探索静态的仪表板，并将问题交给分析师进行更深入的探索和对结果的解释。

主要供应商以及如何做出选择

尽管这两家公司都没有在增强分析工具方面对供应商进行专门排名，但增强分析将在2020年发挥更大的作用。

Sallam说：“我们所看到的是，当今的分析和商业智能正在从Tableau和Tibco Spotfire引领的视觉探索范例发展为：自动生成见解、自然语言加以补充，并根据用户的背景、角色以及他们之前查看的内容、他们属于什么团体以及他们过去进行过哪些探索，更加动态地传递给用户。”

根据Gartner公司的《2019年分析和BI魔力象限》报告和《Forrester Wave：2019年第三季度企业版BI平台（供应商托管）》报告，Gartner和Forrester在跟踪的供应商包括：Birst（由Infor收购）、Domo、IBM、Information Builders、Looker、微软、甲骨文、Salesforce、SAP、Sisense、Tableau Software（由Salesforce收购）和Tibco Softwave。

2019年Gartner魔力象限还包括Board International、GoodData、Logi Analytics、MicroStrategy、Pyramid Analytics、Qlik、SAS、ThoughtSpot和Yellowfin。Forrester BI报告还包括1010data和Amazon Web Services，但Forrester副总裁兼首席分析师Boris Evelson表示，他还在追踪MicroStrategy、OpenStax、Qlik、SAS和Information Builders的WebFocus。

Evelson说，我们很难区分这些供应商是因为，当某个供应商推出一项功能，所有其他供应商都会迅速跟进。他建议企业在选择供应商时，应注意非技术方面，例如他们与该供应商的关系、定价和资源的可用性。

Evelson说：“不要花很多时间去研究每个单独的功能和特性，应该要研究所有相近因素。”有些供应商提供全栈功能，而其他供应商提供BI层，并依赖合作伙伴提供其他功能。展望未来，Evelson预计这些供应商会有更多合并动作。

其他考虑因素是企业的战略以及企业中已经存在的东西。如果大型企业致力于将所有内容迁移到Microsoft Azure，则除了向他们推荐Microsoft Power BI之外，很难推荐其他任何东西。同样，如果他们的企业ERP和CRM套件来自SAP或Oracle，那么不应该考虑除SAP或Oracle工具之外的其他工具。

对自然语言处理保持耐心

分析和BI供应商提供两种类型的自然处理功能：自然语言理解（NLU）和自然语言生成（NLG）。为理解用户的键入或口头查询，必须使用NLU。而NLG可解释数据可视化，并使自然语言响应键入或口头查询。

现在，自然语言的交互倾向于基于文本。在未来，BI和分析平台将具有更多更好的语音功能。

关于自动化机器学习

Gartner公司的Sallam认为自动化机器学习是“增强分析的未来”，因为机器学习和AI可以自动进行特征工程以及模型选择、模型管理和可解释性方面。自动化机器学习也可以识别模型中的潜在偏见和侵犯隐私的行为。

Sallam说：“我们先看到有DataRobot、H20.ai和RapidMiner，然后Microsoft Azure在数据科学或机器学习平台中添加自动机器学习]autoML功能或增强型分析。你也开始看到SAS和IBM在提供这些功能。”

自动化机器学习有助于提高数据科学和机器学习专家的生产效率，同时还有助于使数据科学和机器学习民主化，使公民数据科学家或分析师等技术水平较低的人可以利用某些相同的功能。在某些情况下，自动化机器学习和增强的分析功能正在融合。

Forrester的高级分析师Kjell Carlsson说：“现在很多供应商专注于让没有任何数据科学或编码技能的人可以上载数据集、选择他们想要预测的目标，然后分解数据以生成大量数据对于不同特征组合，尝试多种不同的算法，对其进行验证，以确保不存在过度拟合的情况，并按准确性对其进行排名。有些供应商通常会让你可选择性能指标，有时他们也会让你进行部署。”

但是，对于这些增强型分析工具，并没有“放之四海而皆准”的产品。Carlsson提到了两种类型的工具，“多模式预测分析和机器学习解决方案”，使数据科学家能够更有效地进行预测；以及“针对自动化的机器学习解决方案”，该工具可以使一切实现自动化。