Augmented Analyticsคือแนวทางการวิเคราะห์ข้อมูลที่ใช้การเรียนรู้ของเครื่องและการประมวลผลภาษาธรรมชาติเพื่อทำให้กระบวนการวิเคราะห์เป็นไปโดยอัตโนมัติ ซึ่งโดยปกติแล้วผู้เชี่ยวชาญหรือนักวิทยาศาสตร์ข้อมูลจะ เป็นผู้ดำเนินการ ^{[ 1 ]}คำนี้ได้รับการแนะนำในปี 2017 โดย Rita Sallam, Cindi Howson และ Carlie Idoine ในเอกสารวิจัยของ Gartner ^{[ 1 ] [ 2 ]}

การวิเคราะห์เสริมนั้นอิงตามระบบธุรกิจอัจฉริยะและการวิเคราะห์^{[ 3 ]}ในขั้นตอนการสกัดกราฟ จะมีการตรวจสอบข้อมูลจากแหล่งต่างๆ^{[ 4 ]}

• การเรียนรู้ของเครื่อง – วิธีการคำนวณอย่างเป็นระบบที่ใช้อัลกอริธึมในการคัดกรองข้อมูลเพื่อระบุความสัมพันธ์ แนวโน้ม และรูปแบบ เป็นกระบวนการที่ช่วยให้อัลกอริธึมเรียนรู้จากข้อมูลได้อย่างไดนามิก แทนที่จะมีกฎพื้นฐานที่ตั้งโปรแกรมไว้^{[ 5 ] [ 6 ]}
• การสร้างภาษาธรรมชาติ (NLG) – ความสามารถของซอฟต์แวร์ที่นำข้อมูลที่ไม่มีโครงสร้างมาแปลเป็นภาษาอังกฤษธรรมดาที่อ่านได้^{[ 7 ]}
• การทำให้ข้อมูลเชิงลึกเป็นไปโดยอัตโนมัติ – การใช้อัลกอริธึมการเรียนรู้ของเครื่องเพื่อทำให้กระบวนการวิเคราะห์ข้อมูลเป็นไปโดยอัตโนมัติ^{[ 1 ]}
• การค้นหาด้วยภาษาธรรมชาติ – ช่วยให้ผู้ใช้สามารถค้นหาข้อมูลโดยใช้คำศัพท์ทางธุรกิจที่พิมพ์ลงในช่องค้นหาหรือพูดออกมาได้^{[ 8 ]}

การทำให้ข้อมูลเป็นประชาธิปไตยคือการทำให้การเข้าถึงข้อมูลเป็นประชาธิปไตยเพื่อลดความแออัดของข้อมูลและกำจัดความรู้สึกของการเป็นผู้ควบคุมข้อมูล กระบวนการนี้ต้องดำเนินการควบคู่ไปกับวิธีการที่ผู้ใช้สามารถเข้าใจข้อมูลได้ กระบวนการนี้ใช้โดยหวังว่าจะเร่งการตัดสินใจของบริษัทและค้นพบโอกาสที่ซ่อนอยู่ในข้อมูล^{[ 9 ]}

การทำให้ข้อมูลเข้าถึงได้อย่างทั่วถึงนั้นมีสามแง่มุม:

1. การกำหนดพารามิเตอร์และลักษณะเฉพาะของข้อมูล
2. การกระจายอำนาจข้อมูลโดยใช้ระบบปฏิบัติการของเทคโนโลยีบล็อกเชนและ DLT รวมถึงการแลกเปลี่ยนข้อมูลที่ปลอดภัยซึ่งมีการกำกับดูแลอย่างอิสระ เพื่อสร้างความไว้วางใจ
3. การสร้างรายได้จากข้อมูลโดยอาศัยความยินยอมจากตลาด

เมื่อพูดถึงการเชื่อมต่อสินทรัพย์ มีคุณสมบัติสองประการที่จะเร่งการนำไปใช้และการใช้งานของการกระจายข้อมูลอย่างทั่วถึง ได้แก่ การจัดการข้อมูลประจำตัวแบบกระจายศูนย์และการสร้างรายได้จากวัตถุข้อมูลทางธุรกิจของการเป็นเจ้าของข้อมูล สิ่งนี้ช่วยให้บุคคลและองค์กรหลายแห่งสามารถระบุตัวตน ยืนยันตัวตน และอนุญาตผู้เข้าร่วมและองค์กรต่างๆ ทำให้พวกเขาสามารถเข้าถึงบริการ ข้อมูล หรือระบบต่างๆ ผ่านเครือข่าย องค์กร สภาพแวดล้อม และกรณีการใช้งานที่หลากหลาย สิ่งนี้ช่วยเพิ่มศักยภาพให้กับผู้ใช้และเปิดใช้งานระบบการลงทะเบียนดิจิทัลแบบบริการตนเองส่วนบุคคล เพื่อให้ผู้ใช้สามารถยืนยันตัวตนได้ด้วยตนเองโดยไม่ต้องพึ่งพาฟังก์ชันการบริหารส่วนกลางในการประมวลผลข้อมูลของพวกเขา ในขณะเดียวกัน การจัดการข้อมูลประจำตัวแบบกระจายศูนย์ทำให้มั่นใจได้ว่าผู้ใช้ได้รับอนุญาตให้ดำเนินการตามนโยบายของระบบโดยอิงตามคุณลักษณะ (บทบาท แผนก องค์กร ฯลฯ) และ/หรือตำแหน่งทางกายภาพ^{[ 10 ]}

• การเกษตร – เกษตรกรรวบรวมข้อมูลเกี่ยวกับการใช้น้ำ อุณหภูมิของดิน ปริมาณความชื้น และการเจริญเติบโตของพืช การวิเคราะห์เสริมสามารถนำมาใช้เพื่อทำความเข้าใจข้อมูลเหล่านี้และอาจระบุข้อมูลเชิงลึกที่ผู้ใช้สามารถนำไปใช้ในการตัดสินใจทางธุรกิจได้^{[ 11 ]}
• เมืองอัจฉริยะ – เมืองหลายแห่งทั่วสหรัฐอเมริกา ซึ่งรู้จักกันในชื่อเมืองอัจฉริยะรวบรวมข้อมูลจำนวนมากในแต่ละวัน สามารถใช้การวิเคราะห์เสริมเพื่อลดความซับซ้อนของข้อมูลนี้เพื่อเพิ่มประสิทธิภาพในการบริหารจัดการเมือง (การขนส่ง ภัยพิบัติทางธรรมชาติ ฯลฯ) ^{[ 11 ]}
• แดชบอร์ดวิเคราะห์ – การวิเคราะห์เสริมมีศักยภาพในการนำชุดข้อมูลขนาดใหญ่มาสร้างแดชบอร์ดวิเคราะห์แบบโต้ตอบและให้ข้อมูลสูง ซึ่งช่วยในการตัดสินใจขององค์กรได้หลายประการ^{[ 12 ]}
• การค้นพบข้อมูลเสริม – การใช้กระบวนการวิเคราะห์เสริมสามารถช่วยองค์กรในการค้นหา แสดงภาพ และบรรยายความสัมพันธ์และแนวโน้มข้อมูลที่อาจมีความสำคัญโดยอัตโนมัติ^{[ 12 ]}
• การเตรียมข้อมูล – แพลตฟอร์มการวิเคราะห์เสริมมีความสามารถในการนำข้อมูลจำนวนมากมาจัดระเบียบและ "ทำความสะอาด" ข้อมูลเพื่อให้สามารถนำไปใช้ในการวิเคราะห์ในอนาคตได้^{[ 1 ]}
• ธุรกิจ – ธุรกิจต่างๆ รวบรวมข้อมูลจำนวนมากในแต่ละวัน ตัวอย่างประเภทของข้อมูลที่รวบรวมในการดำเนินงานทางธุรกิจ ได้แก่ ข้อมูลการขาย ข้อมูลพฤติกรรมผู้บริโภค และข้อมูลการจัดจำหน่าย แพลตฟอร์มการวิเคราะห์เสริมช่วยให้สามารถเข้าถึงการวิเคราะห์ข้อมูลเหล่านี้ ซึ่งสามารถนำมาใช้ในการตัดสินใจทางธุรกิจได้^{[ 1 ]}