增强数据分析竟然可以这么用？-增强数据分析系列之二
首先我们可以先看一段关于美国的thoughtspot的数据分析的视频：
增强数据分析拥有了增强数据准备的能力、增强的数据洞察能力和增强机器学习，那么它现在可以用在哪些应用场景了？
1、智能问答
它们为用户提供了各种功能，以自然语言（无论是书面的还是口头的）而不是代码来查询数据并接收清晰的商业见解和建议。基于NLP的对话式互动通常辅以数据可视化功能（如仪表盘、报告和图表），以突出相关指标或趋势，并进一步简化对平台结果的解释。
2、智能化诊断
在数字营销中，通过增强分析，增强数据分析应用到广告投放平台报表洞察诊断升级能力上，结合数据诊断及算法个性化建议分发，完善“报表+诊断”的一体化设计。实现了业务需要结论的需求。
3、智能化预警
在数字营销中，通过增强数据分析为提高广告商家对业务监测和决策的时效性，在移动端增加支持业务指标异动洞察能力，并通过发送预警信息帮助广告商家更好的发现业务问题，更及时的进行业务判断和决策。
4、营销优化
在数字营销中，通过归因分析可以，为了达到某个目标，可以通过归因分析，自动找到达到目标的优化方案。并以商务人士可以理解的建议方得到触达。
增强数据分析聚焦到具体的应用行业，可以产生不同的增强数据分析工具。因为增强数据分析的关键技术如下图所示：
增强数据准备、增强数据分析、增强的机器学习都需要有一个专业的数据输入域，越是精准的数据域，或者明确的数据场景，软件能够获取到的数据结果约准确，越能接近于用户想要的结果。
例如：
1. 金融风险预测：利用历史数据和机器学习算法，识别金融风险并预测未来的市场走向，帮助金融机构做出更明智的决策。
2. 营销优化：通过分析消费者数据，了解客户需求和行为，帮助企业优化产品、服务和营销策略，提高客户满意度和市场占有率。 3. 医疗健康：利用数据分析技术，对医疗数据进行挖掘和分析，提高医疗效率和质量，优化医疗资源配置。
4. 智能制造：利用机器学习算法和传感器数据，对生产过程进行优化和预测，提高制造效率和产品质量。
在不同的数据应用场景和数据域中，给到增强数据分析的数据输入和算法不同。整体自动化的流程不同。
例如： 阿里妈妈自动洞察平台AutoInsight
例如：北极九章增强分析引擎技术架构
结合阿里和北极九章的技术架构，不同的增强数据分析工具，在不同应用场景中，主要的差别是 数据处理层和服务层的区别，数据处理层所采用的算法和训练数据不同，服务层采用的训练数据不同。
增强数据分析未来的机会有两种，一种是聚焦于特定场景和特定行业的数据分析工具，一种是通用增强数据分析。
原文作者：Ruby的数据漫谈；如有侵权，请联系管理员删除。
