最近國家出手治理互聯網企業壟斷及擠壓實體經濟的問題，促使互聯網企業股價整體下行，既往「燒錢—合併—壟斷」的互聯網成功模式將一去不復返。未來互聯網行業想躺着收租掙錢，將變得更加困難。社會風氣會逐步注重實幹和科技創新。
落實到企業經營領域，既往野蠻增長的時代過去，未來精細化和效率將是企業競爭的勝負手。既往矇眼狂奔將失去效果，數據驅動將會受到更多重視，並且逐步從無數到有數的可視化分析，向智能化分析進化，人工智能將全面落地在企業分析決策中。本篇藉着這種趨勢，聊聊數據分析的未來增強分析。
數據分析的侷限
近年來國內企業逐步重視數據驅動的價值，開始注重數據收集和看數。從而促進15年之後神策數據、GrowingIO、諸葛IO、易觀以運營分析產品爲主的企業崛起。
但隨着越來越多企業開始有數據和報表後，會發現下一步如何行動成了問題。因此近兩年又火了一波營銷自動化的產品，即可以設置運營規則自動發短信/push/彈窗等，解決action的工具問題。
去年花了一年時間搭建了規則推薦引擎的產品，通過設置運營規則可以快速實現站內欄位運營。而實際產品落地過程卻不順利，主要原因是工具非常好，但客戶制定策略沒有思路，產品也就難落地。
不難發現，數據驅動最終落地除了戰略、組織、工具保障外，實際負責業務的人成了最大瓶頸。大量的企業運營人員運營和數據理解有限，對於數據的運用限於寫週報彙總數據。在之前的環境中，大家都一邊吐槽，一邊繼續服務客戶。
問題的根本在於，之前的數據分析工具侷限在描述性分析（看數）和診斷性分析（下鑽看異常），沒有做預測性分析和決策建議的能力。而數據驅動價值落地又需要行動依據和決策建議支撐，大多情況下，運營人員又不具備充分預測及決策的能力。才使傳統的數據分析陷入了僵局。
增強分析價值
傳統數據分析的侷限，隨着技術發展逐步有了解決辦法—增強分析。增強分析是指利用大數據、人工智能技術，對數據做預測及決策分析，提供業務建議，輔助決策。
即通過決策分析可以解決描述性分析和診斷分析之外，提供預測性分析和最優決策建議，解決未來會發生什麼，應該如何做最優決策的問題。
客觀來講，未來存在諸多不確定性，預測性分析和最優決策建議都依賴當時當下所能取到的數據和信息，並不能保證百分百準確。增強分析的價值在於在複雜環境和因素下，提供了一種降低不確定性的解決方案，從而輔助運營人員更好地做決策和落地工作。
增強分析舉例
做實體生意無論是直面消費者還是走經銷商渠道，都需要解決供應鏈需求預測問題。
在傳統生意中，老闆或做供應鏈計劃的人，根據經驗預測需求量。例如蔬菜生意，需要根據近日蔬菜需求量和未來天氣情況，決定明天進貨豐富度和量的問題。進多了，賣不掉，會導致庫存積壓，既有庫存成本還有自然損耗的問題；進少了，不能滿足顧客需求，易造成顧客流失，影響生意正常運行。
傳統的人根據經驗做需求預測，由於人不會經過精細化計算，如果有計算規則通常也較爲簡單，限制了需求預測準確度，從而導致庫存積壓問題或不能滿足需求的問題。
通過人工智能進行預測性分析，可以將影響需求的各個因素考慮在內，並構建模型，依此提供相比於經驗更加準確的需求預測，從而降低損失及提升銷售額。
增強分析未來
隨着各行各業進入存量競爭模式，自身運行效率高低，將會是在商業競爭中越來越核心的因素。而增強分析可以在戰略及落地中，提供有效的指引及參照，未來將會迸發越來越大的價值。
關於作者：
小樂帝，一線AI產品經理、簡書科技優秀作者、產品經理讀書會創始人。
「產品經理讀書會」
專注於愛讀書愛思考的產品人提供讀書推薦、產品思考、以書會友的環境