落实到企业经营领域，既往野蛮增长的时代过去，未来精细化和效率将是企业竞争的胜负手。既往蒙眼狂奔将失去效果，数据驱动将会受到更多重视，并且逐步从无数到有数的可视化分析，向智能化分析进化，人工智能将全面落地在企业分析决策中。本篇借着这种趋势，聊聊数据分析的未来增强分析。

数据分析的局限

近年来国内企业逐步重视数据驱动的价值，开始注重数据收集和看数。从而促进15年之后神策数据、GrowingIO、诸葛IO、易观以运营分析产品为主的企业崛起。

但随着越来越多企业开始有数据和报表后，会发现下一步如何行动成了问题。因此近两年又火了一波营销自动化的产品，即可以设置运营规则自动发短信/push/弹窗等，解决action的工具问题。

去年花了一年时间搭建了规则推荐引擎的产品，通过设置运营规则可以快速实现站内栏位运营。而实际产品落地过程却不顺利，主要原因是工具非常好，但客户制定策略没有思路，产品也就难落地。

不难发现，数据驱动最终落地除了战略、组织、工具保障外，实际负责业务的人成了最大瓶颈。大量的企业运营人员运营和数据理解有限，对于数据的运用限于写周报汇总数据。在之前的环境中，大家都一边吐槽，一边继续服务客户。

问题的根本在于，之前的数据分析工具局限在描述性分析（看数）和诊断性分析（下钻看异常），没有做预测性分析和决策建议的能力。而数据驱动价值落地又需要行动依据和决策建议支撑，大多情况下，运营人员又不具备充分预测及决策的能力。才使传统的数据分析陷入了僵局。

增强分析价值

传统数据分析的局限，随着技术发展逐步有了解决办法—增强分析。增强分析是指利用大数据、人工智能技术，对数据做预测及决策分析，提供业务建议，辅助决策。

即通过决策分析可以解决描述性分析和诊断分析之外，提供预测性分析和最优决策建议，解决未来会发生什么，应该如何做最优决策的问题。

客观来讲，未来存在诸多不确定性，预测性分析和最优决策建议都依赖当时当下所能取到的数据和信息，并不能保证百分百准确。增强分析的价值在于在复杂环境和因素下，提供了一种降低不确定性的解决方案，从而辅助运营人员更好地做决策和落地工作。

增强分析举例

做实体生意无论是直面消费者还是走经销商渠道，都需要解决供应链需求预测问题。

在传统生意中，老板或做供应链计划的人，根据经验预测需求量。例如蔬菜生意，需要根据近日蔬菜需求量和未来天气情况，决定明天进货丰富度和量的问题。进多了，卖不掉，会导致库存积压，既有库存成本还有自然损耗的问题；进少了，不能满足顾客需求，易造成顾客流失，影响生意正常运行。

传统的人根据经验做需求预测，由于人不会经过精细化计算，如果有计算规则通常也较为简单，限制了需求预测准确度，从而导致库存积压问题或不能满足需求的问题。

通过人工智能进行预测性分析，可以将影响需求的各个因素考虑在内，并构建模型，依此提供相比于经验更加准确的需求预测，从而降低损失及提升销售额。

增强分析未来

随着各行各业进入存量竞争模式，自身运行效率高低，将会是在商业竞争中越来越核心的因素。增强分析可以在战略及落地中，提供有效的指引及参照，未来将会迸发越来越大的价值。