為什麼聰明的人會一直做出錯誤的決策？

打開AI增強分析的黑盒子

為什麼人會一直做出錯誤的決策？這個問題要先從什麼是決策講起。決策其實就是在條件不確定的時候發生的偶發事件所做的處理決定，你既無前例可循，又沒有什麼規律可以參考，這種時候，任何決定都要冒著一定的風險。一部分的人呢可能就馬上找有經驗的前輩詢問了，另一部分的人可能就會憑直覺去判斷了，這時候犯錯的機率就非常的大。

又有一群人懂的蒐集資料，可能訪問一下幾個相關的人，從資料中找到能幫助自己做決策的依據，這就是我們所謂的分析，而分析是對決策的品質有幫助的。從企業營運的角度來說，過去就是倚靠一些老師傅，或者在產業打滾很久的經理呀、主管的，當計畫執行遇到問題的時候，向上呈報，主管能憑經驗提出決策建議，基本上八九不離十。但是隨著科技的進步，產業的新知識量爆增，企業營運的數據也巨量成長，決策者們越來越難憑經驗看到問題的全貌。

現在AI技術這麼夯交給機器人去決定行不行？

拜科技所賜，現在很多問題都能交給機器人和自動化去解決，那可以讓AI完全取代人類做分析嗎？未來我們人類是不是躺著收割就好？其實影響決策的因素很多，主要的兩大原因，一個是分析，另一個是原則。分析就是蒐集資料，這部分AI可以做的比我們人類更好，可能是對決策背景的資料，前因後果的資料，關聯性的資料，也因為會一直不斷有新資料，所以更適合短期利益的決策。原則就恰好相反，數字可供參考，但是原則可不能犧牲，有的管理者客戶利益至上，有的是追求市場趨勢等等，這個更適合做企業發展的長期決策。事實上，大部分的企業高層也都是先用原則做了決定，再用分析的數字去確認，這兩個因素缺一不可。隨著人工智慧的發展，人機分工協作更能取長補短，而增強分析(Augmented Analytics)就是這樣一個帶我們進入新智慧時代的技術。

憑直覺做決策VS用數據洞察驅動決策！
但是挑戰來了，不是人人都會分析呀？

增強分析(Augmented Analytics)是什麼?

在解釋增強分析以前，要先拿傳統的資料分析來做個比對。傳統的資料分析，就像是用網子在一片汪洋大海中尋覓一根針。而使用增強分析，就如同在網中套上一層磁石，快速又有方向地讓你找到那一根針。

用一句白話文解釋就是: 一種技術，降低數據分析門檻，讓任何人都可以做分析。

為什麼會出現增強分析?

大概了解了增強分析是什麼之後，我們就要來看看到底是什麼樣的背景促成了增強分析的出現呢? 簡單來說就是供需不對等，人員不匹配的問題。想像一下，一個十幾萬人的大型企業會有多少的AI分析人員在裡面？大概數字是30–50位。也就是說，每一個AI專家需要支撐近一萬名業務單位的需求。

據調查了解，有近50%的受訪企業領導階層認為資料人才的培養和資料分析工具的選擇對企業發展至關重要。卻僅有部分企業具有專門的資料分析團隊或組織。於資料分析演化研究中，即便部分企業有專門的資料分析團隊或組織，在調用資料上也須耗費大量的時間成本。在上述調查中，約有65%認為目前資料過於分散，形成資料孤島，取數過程冗長。資料分析工具部分，其專業度或技術難度過高，對企業而言，專業的資料分析工具有其高度使用門檻與進入障礙。

隨著科技的演進，資料的量、維度和複雜度越來越高，企業決策和分析人員越來越難在茫茫的數據大海中找出接下來商業決策中重要的因子。越來越多的資料代表著更多的數據需要被分析、探索和測試，並找尋更多數據因子間的關係。其中包含數據管理、數據處理、數據分析和建立人工智慧機器學習模型、評估結果和最後轉換成決策行動。現行的流程已經無法支持這麼大量的數據並讓使用者找出各種組合與關聯。透過數據科學家手動地建立和管理模型也可能導致沒有能夠找出關鍵訊息或找到下不正確或不完整的結論。而增強分析恰好可以解決以上的問題。

從需要數據分析的使用者角度來看，增強分析透過結合及運用自動化與人工智慧技術，降低數據分析工具的使用門檻，為更多使用者打開數據分析的大門，讓可以做數據分析的人越來越多。

企業使用AI增強分析所帶來的好處

企業的分析流程是冗長的，數據量大，影響的人員也多。從導入資料，提出需求到決策產出，前後可能跨好幾個部門，負責產報告的人員，每個月有一週時間花在這上面。增強分析這樣的技術就能加速這件事。

對分析需求的人員來說: 他們可以加強對分析的掌握，減少了那些跟數據分析師溝通的時間，加速分析的流程，提升決策應變力。

對數據分析師來說: 而原來的數據分析師、數據科學家則可以不再被定期分析報告綁住時間，可以去做更有價值的事，找出更多更重要，更能幫助公司解決問題的算法和技術。

對IT人員而言: 以前打撈數據花去的大筆時間，現在透過增強分析平台的集中管理，節省下來的時間可以更專注數據維運和安全性。

打開AI增強分析的黑盒子

你以為這個厲害的新名詞用幾句白話文就解釋完了嗎? 當然不，如果只有這樣簡單，你把時間拿來看這篇文章就太浪費了! 接下來我們要來認真解釋增強分析背後所用到的技術。增強分析的技術是運用機器學習自動化和人工智慧的方法，目標是增強使用者能力，透過改造數據管理、分析手法和商業智能以及數據科學、機器學習、AI模型的開發和使用。最終增強分析是結合資料處理和商業分析、增強數據處理，透過機器學習和人工智慧技術加快數據準備的流程。其中包含自動化所有Anaytics and BI(簡稱ABI) 和Data science and ML Platform (簡稱 DSML)所需的數據管理、數據品質及剖析、數據協和、數據建模、處理、豐富化、原數據開發和數據目錄。

首先，在ABI部分 ，是透過運用AI和ML技術協助自動化數據準備、洞察生成、洞察描述增強商業業務人員探索和分析數據。業務人員和平民數據科學家可以利用增強分析工具，不需開發演算法和建模，就能自動和快速找尋、視覺化和關聯的探索，如: 相關性、異常、分群、關鍵因素和預測。商業分析師和平民數據科學家也可以快速簡單的做prototype和hypothesis development分析數據，不需要再用人工製造實驗。ABI系統也會運用ML和AI強化資料探索工作。此外，透過自動生成洞察，也會搭配分析BI工具提供的視覺化的資料探索與互動式可視化探索。加入對話式介面、自然語言搜尋之後，對於使用者的便利性和操作體驗也會透過自然語言技術大幅提升。

DSML平台則是自動化生成模型給平民數據科學家(分析師或是應用程式開發員)或是數據科學家專家。這些DSML平台則會輔助模型開發，和生命週期控管。

增強分析勢不可擋，企業中將有50%的人要做數據決策

Gartner 預測在2021年增強分析將會成為企業採買分析、BI和機器學習和數據分析平臺的主要採購的一大驅動力，透過自然語言處理，將能夠大幅提高使用率，讓員工能夠透過運用自然語言驅動資料分析與商業智能(BI)，從原本的32%到超過50%的使用率，意即所有領導者的企業，有50%的人都要做數據化的決策。自動化的數據科學將會讓公民數據科學家產出更大量的進階分析。在2025年，就算企業擁有少量的數據科學家，也不再侷限企業的數據科學和機器學習的能力。看到這裡，你就知道增強分析多麼來勢洶洶了吧！恭喜你，看完這篇文章也算是對增強分析有初步認識，關於AI的最夯趨勢你也是get到了！

作者介紹
Steven Yu
美國南加州大學(University of Southern California)資料科學碩士，
曾任美國知名企業GE集團子公司GE Digital 軟體工程師及醫學學術中心Keck Medicine of USC資料分析工程師，現為Synergies產品經理，對資料分析趨勢及商業智能(BI)應用多有研究。

Synergies Linkedin: https://www.linkedin.com/company/18008275/