2020年3月11日,
2020年3月11日,
贡献:劳伦斯Goasduff
增强分析转换用户如何与数据交互,做出决定和采取行动的见解。
手动识别数据中的模式就像寻找海里捞针。经常有太多的数据或数据太复杂了,一个人整理。增强分析使用机器学习和人工智能(人工智能)技术来自动确定可行的见解。
这项技术还可以帮助数据和分析领导人解决高价值的挑战,耗时和手动分析可能导致偏见的假说,错过了重要发现,不正确或不完整的结论。
超过60%的受访者Gartner数据和分析峰会的民意调查表示,他们相信增强分析将产生高或转型影响的能力在他们的组织规模的价值分析。
例如,快餐连锁餐厅的位置没有考虑利润更丰厚、喷泉饮料相对于瓶饮料。商店改造期间,餐厅的位置转移喷泉饮料和增强分析系统获得了喷泉饮料的销售和利润增长20%——改变未来存储计划的设计。
尽管大多数业务和IT领导人理解增强分析的承诺,努力将增强分析可能会遇到阻力。的一部分,这种不信任源于“黑盒”的方法来分析。不知道开车建议的具体因素,用户犹豫相信见解。提高透明度,努力增加可辩解的AI将有助于改变这种态度。
寻找业务领域,目前的数据和分析方法不能提供相关和及时的结果,或者分析师花大量的时间做根源分析。
通过识别漏洞、错误或耗时的步骤在历史的分析过程中,数据和分析领导人可以为新的和更加自动化的方法奠定基础。
阅读更多:为什么数据和分析是数字转换的关键
加入世界上最重要的收集的数据和分析领导人Gartner专家和适应不断变化的数据和分析的作用。
Gartner的客户推荐资源*:
增强分析是分析的未来丽塔Sallam和卡利Idoine却认为这些美国科学家。
*请注意,某些文件可能不会Gartner提供给所有客户。