什麼是強化預測分析？
強化預測分析是運用人工智慧技術來「加強」的分析方法。
強化預測分析概觀
最簡單的強化預測分析定義是什麼？強化預測分析是使用人工智慧（AI）技術「強化」的分析，這些技術包括機器學習和自然語言處理（NLP）。機器學習將複雜的分析程序自動化，例如資料準備和洞察產生。NLP 可讓任何使用者（甚至是未受過訓練的企業使用者）以輕鬆的對話方式詢問資料問題，然後獲得答案。
「強化預測分析」（Augmented Analytics）一詞是由 Gartner 於 2017 年提出，現在廣泛被認為是商業智慧（BI）和資料分析的未來，包括預測分析。
強化預測分析為何至關重要？
採集大數據商機
資料在當今的經濟中成為最重要的資產。憑藉它，企業能夠明確知道何時生產、誰是目標市場、如何策略發展等。然而，目前的資料量龐大到超出人類的理解和無偏見地解讀的能力，特別是當需要即時的回應。為此，我們需要運用AI和機器學習等技術，在 Big Data的深海中挖掘有價值的見解。這也是強化預測分析日益受到重視的原因：它結合了資料科學與人工智慧，幫助企業實時地分析大數據。
減少對資料科學家的依賴
分析程序是一系列手動且耗時的步驟，因此非常複雜，通常只有資料科學家能執行這些步驟。這些專業分析師需要：
- 從多個來源收集資料
- 備妥資料進行分析
- 執行分析
- 尋找有意義的洞察
- 視覺化調查結果
- 以令人信服的方式分享調查結果
- 建立行動計劃
問題在於，全球資料科學家嚴重短缺，而且雇用這些科學家相當昂貴。雖然強化預測分析無法取代這些專業人員，但透過自動化資料收集、準備、清除和分析等程序，可以減少對專業人員的依賴。
除了騰出資料科學家的時間來完成更重要的任務，例如解讀結果，強化預測分析也能提升這些分析師為組織帶來的價值。AI 和機器學習分析可協助專家建立原本可能錯過的聯繫，並在更短的時間內找到更深入的洞察。這些技術也可強化擔任其他分析角色的員工，從企業分析師到公民資料科學家，藉此改善洞察，協助他們完成先前只能由專家資料科學家執行的工作。
使分析大眾化以供未經訓練的使用者使用
強化預測分析重要的另一個原因在於，可讓未經訓練的「資訊探索者」也加入遊戲中。藉由將複雜的分析程序自動化，讓使用者只需提出問題即可查詢資料，沒有資料科學技能的員工也可以使用進階分析。機器學習可以透過建議他們接下來應該詢問的問題，來引導這些資訊探索者，並建議深入瞭解的地方。
透過強化預測分析，查詢的答案會將現成的資料以視覺化的形式呈現，例如圖表、圖形和地圖，使用者不必自行建立。這些視覺化結果可以使用簡單的命令來調查、串在一起構成資料故事，並輕鬆地與其他團隊及主管共用，不需要博士就可以做到。
分析的演變
分析和 商務智慧 近年來取得了長足的發展，從資料及分析專業人員的精密工具，到任何人都能使用的機器學習分析。
傳統分析
由 IT 推動
使用者自主性有限
適用於資料和分析專業人員的精密工具
著重大規模報表製作
自助服務分析
由企業推動
使用者自主性更高
容易使用的介面
著重使用者導向的洞察
強化預測分析
由 AI 和機器學習推動
使用者有完全自主性
AI 工具和引導式程序
著重快速、深入和先前被隱藏的洞察
強化預測分析的使用案例
強化預測分析具有徹底革新企業流程的能力，但在現實世界中，到底呈現何種樣貌？以下為幾個財務、銷售和行銷、物流、人力資源和應收帳款中強化預測分析的使用案例。
財務中的強化預測分析 業務分析師可以使用強化預測分析，輕鬆預測並控制不同業務別的差旅和娛樂（T&E）費用。
應收帳款中的強化預測分析 收款經理可以在強化預測分析中使用機器學習來預測延遲付款、決定正確的收款策略，掌握現金流量。
銷售和行銷中的強化預測分析 銷售和行銷團隊可以使用強化預測分析獲得更完善的客戶個人檔案，並快速找出交叉銷售和向上銷售的商機。
製造中的強化預測分析 鋼鐵製造商的分析師可以使用強化預測分析來預測、監控和控制整個歐洲不同工廠的支出。
人力資源中的強化預測分析 人力資源經理可以透過 AI 分析，預測員工流失率、瞭解原因並採取修正行動，以留住績效頂尖人才。