Qlik全球产品市场副总裁 James Fisher
过去几年里，很多分析家都预测“智能数据探索”将代表分析市场的下一波颠覆浪潮——利用人工智能和机器学习来自动分析信息，获得深度分析结果。数据自动准备、自然语言处理和生成，以及对模式识别、相关性和异常识别进行高级统计分析等功能的出现将颠覆分析领域，这些功能是如此强大，甚至让人有点难以置信了。
对这一波颠覆性浪潮，企业应该保持一个谨慎的态度以及采取不同的对待方法。企业最关心的是在能够快速实现数据价值的同时达成个人、团队和企业的目标。虽然数据量、计算能力和员工对使用数据的需求呈指数增长，但整个数据探索的发展却受制于企业数据素养的欠缺。这就是Qlik的所有举措都以用户为中心的原因所在，Qlik开发能够支持人类分析流程的产品——帮助更多的人进行深度分析，为整个企业带来价值，满足他们的目标。虽然机器智能为改善分析流程提供了更多可能性，但这并不意味着机器智能将以黑盒方法[ 黑盒方法：指的是隐藏逻辑算法/流程，只对用户展示最终推论的分析方法。在Qlik，所有的分析以及推论背后的逻辑是一步一步向用户展示的，并没有隐藏整个过程。
]最终取代用户驱动的视觉分析——至少在短期内不会。因此，现阶段为了推动价值的实现，智能数据探索功能应与以人为中心的分析和研究相结合，以满足企业所有用户和应用的需求。当机器和人一起合作时，会产生乘数效应，因而可以称之为新一类的增强智能。
人工智能和真正的增强智能是有区别的，人们的目的是能够更智慧地利用机器智能，而不应被局限在机器规定的预定义问题或者分析框架上。有些时候，机器智能能够从统计上得出深度见解，让用户以不同的角度看待事物，最终消除偏见，拓宽知识面。有些时候，用户会通过机器不具备的直觉、知识和上下语境等能力来预测和研究概念。最好的解决方案是让两者能一起合作，创造1+1大于2的效果。
让我们换一种思考方式，比如在《星际迷航》里，如果不是斯波克和柯克船长联手，进取号星舰肯定无法超越它的第一次任务…
展望未来，正如Qlik今年早些时候所宣布的，通过一系列机器产生的涵盖分析周期的全部三个阶段（数据准备、研究和分析、协作）的深度分析和建议来优化Qlik Sense，包括新的智能数据准备功能、用于处理数据和提出深度分析建议的先进算法和服务，以及能让更多用户轻松使用的自然语言搜索和通信功能。其他功能还包括其本身具有的扩展平台、在下游应用和工作流中嵌入深度分析的能力，使用Qlik开放的APIs获得与数据互动的新方式，例如进行对话分析[ 对话分析：指对自然语言的处理能力，Qlik具备并一直在不断完善这种能力。不同于语音分析，对话分析与谷歌的工作原理相同，针对用户与软件对话的方式进行不断改善， 可以使用户与软件沟通时类似人与人之间的沟通。]。Qlik的CTO Anthony Deighton曾在2017年全球客户大会——Qonnections上展示了一些令人兴奋的新标准应用，这些应用都构建于Qlik的认知规则引擎之上。
在过去几个月里，Qlik已经向全世界的客户展示了这些应用，它在帮助人们灵感闪现的那一刻是非常令人感到兴奋的。人工智能的前景不可限量，为了推动价值实现，并能够从乘数效应中获益，智能数据探索结合以人为本的分析将成为今后的主导模式，而Qlik总是走在前端。