التحليلات المعززة

التحليلات المعززة هي منهجية لتحليل البيانات تستخدم التعلم الآلي ومعالجة اللغة الطبيعية لأتمتة عمليات التحليل التي يقوم بها عادةً متخصص أو عالم بيانات . ^{[ 1 ]} وقد طُرح هذا المصطلح لأول مرة عام 2017 من قِبل ريتا سلام، وسيندي هاوسون، وكارلي إيدوين في ورقة بحثية لشركة غارتنر. ^{[ 1 ] [ 2 ]}

تعتمد التحليلات المعززة على ذكاء الأعمال والتحليلات. ^{[ 3 ]} في خطوة استخراج الرسم البياني، يتم فحص البيانات من مصادر مختلفة. ^{[ 4 ]}

• التعلم الآلي – أسلوب حاسوبي منهجي يستخدم الخوارزميات لتحليل البيانات وتحديد العلاقات والاتجاهات والأنماط. وهي عملية تسمح للخوارزميات بالتعلم ديناميكيًا من البيانات بدلاً من الاعتماد على قاعدة ثابتة من القواعد المبرمجة. ^{[ 5 ] [ 6 ]}
• توليد اللغة الطبيعية (NLG) - قدرة برمجية تأخذ البيانات غير المهيكلة وتترجمها إلى لغة إنجليزية بسيطة وقابلة للقراءة. ^{[ 7 ]}
• أتمتة الرؤى - استخدام خوارزميات التعلم الآلي لأتمتة عمليات تحليل البيانات. ^{[ 1 ]}
• الاستعلام باللغة الطبيعية – تمكين المستخدمين من الاستعلام عن البيانات باستخدام مصطلحات الأعمال التي يتم كتابتها في مربع البحث أو نطقها. ^{[ 8 ]}

تهدف ديمقراطية البيانات إلى إتاحة الوصول إليها للجميع بهدف تخفيف ازدحامها والتخلص من أي احتكار لها. يجب تطبيق هذه العملية بالتزامن مع توفير آلية تمكّن المستخدمين من فهم البيانات واستخدامها. تُستخدم هذه العملية بهدف تسريع عملية اتخاذ القرارات في الشركات واكتشاف الفرص الكامنة في البيانات. ^{[ 9 ]}

هناك ثلاثة جوانب لإضفاء الطابع الديمقراطي على البيانات:

1. تحديد معلمات البيانات وتوصيفها.
2. اللامركزية في البيانات باستخدام نظام تشغيل يعتمد على تقنيات البلوك تشين وتقنية دفتر الأستاذ الموزع، بالإضافة إلى تبادل بيانات آمن يخضع لإدارة مستقلة لتمكين الثقة.
3. الموافقة على تحقيق الدخل من البيانات المدفوعة بسوق التمويل.

فيما يتعلق بربط الأصول، هناك ميزتان تُسرّعان من تبني واستخدام ديمقراطية البيانات: إدارة الهوية اللامركزية، واستثمار ملكية البيانات في كائنات بيانات الأعمال. تُمكّن هذه الميزة العديد من الأفراد والمؤسسات من تحديد هوية المشاركين والمؤسسات والتحقق منها وتفويضها، مما يتيح لهم الوصول إلى الخدمات أو البيانات أو الأنظمة عبر شبكات ومؤسسات وبيئات وحالات استخدام متعددة. كما تُعزز هذه الميزة قدرات المستخدمين وتُتيح نظام تسجيل رقمي شخصي ذاتي الخدمة، بحيث يُمكن للمستخدمين التحقق من هويتهم بأنفسهم دون الاعتماد على وظيفة إدارة مركزية لمعالجة معلوماتهم. في الوقت نفسه، تضمن إدارة الهوية اللامركزية أن يكون المستخدم مُخوّلاً لتنفيذ الإجراءات وفقًا لسياسات النظام بناءً على سماته (الدور، القسم، المؤسسة، إلخ) و/أو موقعه الجغرافي. ^{[ 10 ]}

• الزراعة – يجمع المزارعون بيانات عن استخدام المياه، ودرجة حرارة التربة، ومحتوى الرطوبة، ونمو المحاصيل، ويمكن استخدام التحليلات المعززة لفهم هذه البيانات وربما تحديد رؤى يمكن للمستخدم استخدامها بعد ذلك لاتخاذ قرارات تجارية. ^{[ 11 ]}
• المدن الذكية – تقوم العديد من المدن في جميع أنحاء الولايات المتحدة، والمعروفة باسم المدن الذكية، بجمع كميات كبيرة من البيانات يوميًا. ويمكن استخدام التحليلات المعززة لتبسيط هذه البيانات بهدف زيادة فعالية إدارة المدينة (النقل، الكوارث الطبيعية، إلخ). ^{[ 11 ]}
• لوحات المعلومات التحليلية – تتمتع التحليلات المعززة بالقدرة على أخذ مجموعات البيانات الكبيرة وإنشاء لوحات معلومات تحليلية تفاعلية وغنية بالمعلومات تساعد في اتخاذ العديد من القرارات التنظيمية. ^{[ 12 ]}
• اكتشاف البيانات المعززة – يمكن أن تساعد عملية التحليلات المعززة المؤسسات في العثور تلقائيًا على ارتباطات البيانات والاتجاهات المهمة المحتملة وتصورها وسردها. ^{[ 12 ]}
• إعداد البيانات – تتمتع منصات التحليلات المعززة بالقدرة على معالجة كميات كبيرة من البيانات وتنظيمها وتنظيفها لتكون قابلة للاستخدام في التحليلات المستقبلية. ^{[ 1 ]}
• الأعمال التجارية – تجمع الشركات كميات هائلة من البيانات يوميًا. ومن أمثلة أنواع البيانات التي تُجمع في العمليات التجارية: بيانات المبيعات، وبيانات سلوك المستهلك، وبيانات التوزيع. توفر منصة التحليلات المعززة إمكانية الوصول إلى تحليل هذه البيانات، والتي يمكن استخدامها في اتخاذ القرارات التجارية. ^{[ 1 ]}