格瑞特月神学院艾瑞咨询发布了《2022年中国大数据分析平台行业研究报告》，该报告全面梳理了大数据分析平台的行业界定、市场情况、架构、应用与趋势。

　　大数据分析平台基于集体智慧的分布式数据驱动决策，使用者的数据洞悉分析能力、用数效率和决策产出得到极大提升，数据资产的商业价值充分体现。

　　低代码和无代码的分析工具极大降低了业务人员使用数据分析的门槛，有利于企业形成数据驱动文化，提高数据驱动效能，让企业各个层级的人员都能够参与到数据分析当中。

　　大数据分析平台缩短了从数据提取到离线分析，再到报告制作的周期，无需重复提数，边际成本趋近于零，显著降低了时间和人力成本。

　　数据的价值在于通过分析得出洞察、驱动决策，进而产生业务价值。可以说，及时有效的分析是数据发挥商业价值的最后一公里。

　　过去数十年，由于数据分析工具的门槛极高，只有熟悉数据底层架构和数据库语言的专业人士才能对数据进行查询和分析，导致这项工作高度依赖数据分析师或IT人员，业务人员获取数据洞察的过程极为漫长和繁琐。

　　业务人员既不能与数据直接对话，又无法方便地用数据解决工作中的问题，自然感受不到数据的价值，也就难以认同“数字化转型”、“数据驱动业务”的战略。

　　这也是为什么很多企业推行数字化转型项目后，数据驱动的概念仍然只“漂浮”在管理层的心中，而无法下沉到广大一线员工。

　　为了提升员工的数据素养，很多企业选择通过培训或者设置KPI的方式鼓励或要求员工学习数据分析，不仅成本高昂而且见效慢，员工的积极性不高。

　　北极研究院认为，提升员工数据素养、培养数据文化，应该为员工创造更多使用数据的机会，通过及时的正向反馈，培养数据驱动决策的习惯。

　　搜索就是一种合适的方式：互联网产品普及多年，几乎人人都对搜索框不陌生；搜索已经成为人们获取信息最熟悉的方式。通过搜索分析数据能够有效地解决前述痛点。

　　随着大数据处理技术的发展，商业智能的洞察和分析能力进一步提升，数据分析和可视化的门槛不断降低，企业实现不同层级的自助分析和多种类型的图表展示，并在统一平台进行整合和共享，获得不同层级的数据洞察，最终用于商业决策。机器学习和人工智能在商业智能中扮演越来越重要的角色。

　　商业智能趋于集成数据仓库提供存储功能，集成Python及R语言提供数据挖掘，延伸范围越来越广。

　　商业智能与社交媒体和网络技术等协作工具融合，允许共享报告，增加涉众和专家互动，提升商业决策质量。

　　BI 1.0时代，以Cognos等产品为代表，通过写代码的方式生成报表，产品面向企业内少数程序员，以月为单位产出报表。数据分析结果只能服务于公司内的高管。

　　BI 2.0时代，以Tableau等产品为代表，通过拖拉拽的方式制作可视化图表。学习成本相比1.0时代的产品有所降低，但仍然需要上百个小时的培训才能掌握，产品面向数据分析师，以周为单位产出报告。数据分析结果只能服务于公司内数百个部门领导。

　　1.0和2.0时代，BI工具满足的是企业管理者和决策者的分析需求：中高层做决策，员工向下逐层拆解执行任务。

　　随着时代变化，企业架构越来越扁平化，一线员工通过数据支持决策的需求也愈发旺盛，传统的BI工具已经无法满足海量、个性化的分析需求。

　　BI 3.0时代，以北极九章等产品为代表，进一步变革交互方式，通过自然语言搜索的方式查询和分析数据，0学习成本，面向广大业务人员，所搜即所得，数据分析需求秒级响应。人人都能自由灵活地探索数据，获得个性化洞察。

　　此外，随着协同办公的演进，共享和协作也成为BI工具的重要发展趋势。北极九章允许用户在图表卡片和报告中与团队成员协作，共同关注业务问题，并跨终端查看和编辑，使数据分析不再受办公场景局限。

　　2017年由Gartner首次提出，并将其定义为下一代数据和分析范式，通过将机器学习和人工智能运用于现有的操作流程中，使数据管理和分析自动化，从而更有效地进行数据分析。增强分析使更多的用户获得更深入的数据洞察，减少了当前依赖IT处理所带来的效率问题和口径偏差。

　　一是可视化交互，实现可视化的数据配置、数据源的混合以及数据清洗工作，让数据准备更加快捷；二是算法辅助，利用ML和AI技术实现部分流程的自动化。

　　一是自动洞察，代替一部分分析师的工作，从数据中发现潜在信息和价值；二是自动可视化，根据数据分析结果自动选择可视化的方式进行展示，与NLQ、NLG等技术配合，将大大加快整个分析流程。

　　通过算法将特征工程、模型选择与参数优化，以及深度神经网络结构搜索等机器学习过程中的关键步骤自动化，帮助数据科学家更高效地得到满意的模型。

　　主要应用于BI领域，作为AI深度分析模块集成BI产品，使数据洞察更为精准化、自动化、智能化。

　　简而言之，增强分析通过融合人工智能技术，将数据分析自动化，使其成为人类的第二个“大脑”。其优势也显而易见：

　　首先，提高决策速度。快速对大量复杂数据进行分析，并生成可视化图表，节约了对需求、人工写代码取数做报表的时间。企业的业务人员无需再等待数据分析师的排期，即可快速获取洞察支持决策。

　　其次，探索更多可能。传统依靠人工的分析方式依赖分析师对业务和数据的理解，分析思路难免受到局限和固化。通过增强分析，机器自动自动探索数据背后的故事、挖掘数据之间的关联，可以为使用者提供更多的见解，探索更多隐藏的商机。

　　例如，利用北极九章分析数据时，系统自动基于搜索问题拓展多维度分析和预测分析，直观地展现最可能影响数据变化的重要维度，用户可以通过简单的点击无限下钻，层层挖掘数据背后的关联。专业的分析师可以简单快速获取更多洞察，0基础的用户也能轻松建立分析思路，不必困扰于“不会提数据问题”、“不知道分析什么”。

　　最后，为员工赋能。增强分析使人机交互变得更为简单，业务人员无门槛使用，使数据驱动日常决策成为可能。同时，专业的数据分析师也无需处理重复和繁琐的简单取数工作，增强型分析真正释放了他们的生产力，让专业的分析师有精力处理更复杂、更有价值的分析工作。

　　北极九章是新一代增强型数据分析领航者，通过打造人人可用的企业数据搜索和增强分析引擎，致力于做每个人的专属数据顾问，让数据成为真正的生产力和创造力。

　　北极九章基于自然语言处理、机器学习等AI技术，颠覆性地采用中文问答式搜索，帮助用户轻松、准确地查询并分析复杂的企业级数据，灵活快速获取数据洞察并辅助决策，培养“全民数据科学家”，帮助企业实现数据驱动业务增长。

　　公司已经服务国家电网、小红书、雅戈尔等数十家标杆企业，覆盖金融、互联网、快消、零售等多个行业，获得极高的客户认可。返回搜狐，查看更多