“Hey Siri，帮我设置一个明早八点半的闹钟。”已经有越来越多人习惯和自己的AI助手对话。
但一个主管对着AI系统说:“Hey，告诉我为什么上个月手机零件产量下降10%?”听起来就有点像天方夜谭了。
然而在北美，AI驱动的增强分析让神话走进了现实:通过结合机器学习、自然语言处理等技术，自动整理、清洗、分析数据并给出建议，普通人也可以和AI系统直接对话、做出企业经营决策，不再需要大量数据科学家的参与。
面对过去BI(Business Intelligence，商务智能)的耗时长、成本高等难题， 2017 年，世界知名的调研机构Gartner就曾预言过解法——“AI增强分析是数据分析的未来，它更简单、更便宜、效果更好，让我们前所未有地靠近‘数据分析公民化’。”
在波士顿，钛媒体对话了入选Gartner2019 最受关注增强分析企业的AI决策公司Synergies Intelligent Systems，解码这个飞速发展的行业。
未来，数据分析会像开车一样简单
所谓增强分析，增强在哪?
一在使用AI门槛降低的便捷性，二在更通用的智能通用性，三在未来的复用性。
顾名思义，Synergies独创的量化关联型自然语言技术 ，打造增强分析系统能够通过自然语言处理技术将人类的“文字问题”解码成算法可以处理的“数据问题”，识别数据模式(data pattern)，再由搭建出的DFS深度特征技术自行产生大量算法，最终选用合适算法计算出最佳答案，给出决策。
所以速度上的增强很容易理解，过去需要收集、清洗、分析数据、总结结果、和业务人员沟通，最后才能给出经营建议，甚至由于不够了解业务，最后一步可能还有重重阻力。而增强分析，则只需要很少，甚至不需要人力参与。大量数据模式和上百个机器学习模型，对于普通的大数据科学家来说是大量的工作，然而对于自动化的AI系统来说却仅仅是几个小时的计算量。
“我们的技术会同时建立所有可能的数据模型及分析，并将这些模型与特征都建立index(索引)，当有需要的时候可以及时取用，可以看成数据分析的搜索引擎。”Synergies的CEO张宗尧介绍道。
去年开始，Synergies的技术逐步应用在富士康的三个工厂，将它们从只有部分智能应用的普通工厂，转型成为了由AI来进行分析决策的全自动数字化工厂。AI系统能够自动整理分析现有数据，在生产、库存、排期等多个方面给管理者提供建议。它的另一个客户是在河北的手机生产商，使用Synergies的技术方案后，生产手机的周期从八个月缩短到了一两个月。
便捷性也是如此，更少的沟通时间和步骤，让推行AI决策变得容易许多。Dimensional Research在去年发布报告，结果显示有96%的大数据项目都是失败的，原因就是复杂、跨行业的大数据流程与商业客户之间存在一个理解与执行上的断层。而增强分析的便捷性让它在商业场景中有了一战之力。
最重要的，还是未来的复用性——过去，就算搭建一个数据分析师团队，每个新问题仍旧需要重复整理、分析数据，重复整个流程;而增强分析则意味着，导入新数据后，系统能够自动生成新的适用算法，计算出合适的决策。
这项技术的通用化及普及意味着，世界上第一次，专业的数据分析向资金有限的中小企业敞开了怀抱，大幅降低数字化门槛。与此同时，，通过Synergies打造的量化关联型自然语言处理技术，JarviX是首个可以以中文交互的增强分析平台，大中华区的企业主可用中文直接询问“为什么达交生产率下降?上个月订单为什么出货率降低?”“如何减少50%库存”，以及其他客户分析、供应链管理问题等等，它都可以迅速反馈。
“每一天，企业家都需要做出很多决策，而答案往往都藏在他们无法完全理解的数据中。未来，像Synergies这样的AI GPS可以给企业家导航，帮助他们更好地做出决策，大大提升企业效能。”张宗尧说道。他拥有MIT电子工程电机与计算机科学博士学位，多次登上国际顶级期刊封面。十数年前在鸿海工作时，张宗尧就曾通过大数据技术解决工厂重大良率问题，而后成为了鸿海的AI顾问。
正如张宗尧所说，未来的增强分析，让人想起开车这件事:每辆车里都有复杂精密的变速器、发动机、悬架系统、操控系统等等，然而对于司机来说，只需要转动方向盘，就能出发;
在增强分析加持下，未来的数据分析也很可能会是如此，只要会问问题，会基础操作，就可以利用好数据，得到真正可执行、有价值的建议。
世界范围内的增强分析浪潮
从几年前开始，世界知名咨询机构Gartner就在不厌其烦地强调增强分析的重要性—— 2017 年，Gartner在其《未来科技浪潮报告》中首次提出这个概念，称之为“数据科学的未来”。
去年年末，Gartner再次发布报告，将增强分析列为首要关注的数据分析趋势。
他们预测，2020 年，让普通人也可以理解的增强型分析会成为让数据分析工具、数据科学与深度学习平台、嵌入式分析变得普及的主要原因，驱动相关解决方案的销售额增长。
“由于云技术强大的处理能力以及如今的大量数据，我们现在终于有可能大规模训练和执行算法，让AI和ML技术物尽其用。” Gartner分析副总裁Rita Sallam说道。换句话说，AI分析决策方案即将从过去的数个专用算法解决某个特定领域的特定问题，转变为又增强分析系统提供的大量算法解决各类不同的问题。
从数字上来看，Researchand Markets报告显示，全球增强分析市场将从 2018 年的 48 亿美元增长到 2023 年的 184 亿美元，预计年复合增长率高达30.6%。Allied Market Rearch也给出了相似的预测。
此前，人工智能分析主要分为两大流派:DSML(Data Science & Machine Learning)与AABI(Artificial Augmented Business Intelligence)。前者涉及数据建模，主要面对工程师，产出的模型对于普通人来说几乎没有办法使用;后者则是结合了自然语言处理技术，将分析结果直接展现的方向，面向的是没有技术能力的普通人。
对于数据爆炸、分析需求强烈的零售业、制造业、金融领域来说，这样的AI决策工具至关重要。
今年，Gartner两次将Synergies选入报告，分析师评价称“不同于其他为专门的市场设计的企业级解决方案，AI技术是可以应用在很广泛的领域的。正是因此，AI产品需要从商业的角度找出自己的切入点。Synergies通过其对行业的理解，明确地找到了利基市场，两年内就做到了营收平衡，还在不断扩张中”。迄今为止，制造、金融、零售是Synergies的三大应用领域，合作伙伴包括鸿海集团、顺丰速递、福耀玻璃、德勤、思科等行业领先企业。
2019 年，鸿海集团旗下的富士康宣布了三大AI合作企业，包括吴恩达的Landing.ai、李开复的创新工厂以及Synergies Intelligence Systems。正如上文所说，Synergies已经完成了富士康旗下三家工厂的智能化转型，正在持续推动其智能变革。
如今，中国的数据分析市场主流玩家往往有着割裂的数据管理、BI及分析系统，对运维、采购成本要求都较高。据张宗尧介绍，Synergies的技术如今已经应用在制造、零售、金融、反洗钱行业，未来会继续在保险科技、电信、医疗等行业持续布局，而其多语言版本也让它能够在大中华地区、美国、德国等世界各个区域加速扩张。而另一家值得关注的AI公司第四范式则从 2017 年起切入定制化AI系统，未来也可以将其技术应用于商业决策。
据悉，Synergies创立于 2016 年，如今已经做到收支平衡。此前，Synergies已获近千万美元融资，A轮领投方为豊新资本，其他投资方还包括北极光、京东方、策维科技、SV Angel等。
近期，Synergies宣布成立SIS AI Lab，深入推进AI技术研究。SIS AI Lab是Synergies创办的人工智能实验室，由MIT麻省理工学院的AI人才领军团队组建，聚集资深人工智能专家和顶级科学家，是一支创新型AI技术生力军。该团队研究开发以演算模型技术与架构应用大规模数据运算，通过开发新的软件技术加速人工智能研究，使命用创新技术解决未来数字升级转型与数字化工厂问题。目前，SIS AI Lab完成开发量化关联型自然语言处理技术，正在与知名大学合作，研发追踪COVID- 19 超级传播者的AI模型。