数据分析:不仅仅是数字

数据分析:不仅仅是数字

数据分析不仅变得越来越普遍,而且对业务也越来越有用。

作为具有数学、金融和技术背景的人,我强烈支持分析和使用数据做出更好决策的好处。因此,毫不奇怪,我很高兴看到许多有望帮助实现这一目标的趋势和新兴技术。

首先是数据源变得更加开放且更易于连接。这种趋势几乎存在于所有现代应用程序中。我们这些在新奥尔良生活或工作的人感兴趣的一个例子是 数据驱动的诺拉 新奥尔良市在该网站上发布了 100 多个不同的数据集,例如建筑许可、311 电话和警方报告。

这些数据可以随时以表格形式在网站上查看,也可以作为文件下载并在 Microsoft Excel 中打开以进行即时分析。但它们也支持各种不同的实时连接,以允许 Excel 或专门构建的数据分析应用程序以更持久的方式连接并始终使用最新的可用数据。

这给我们带来了第二个趋势——数据分析和操作应用程序的出现。充分利用 Microsoft Excel 时,它是一种极好的数据分析工具,但作为我的同事 约翰·马歇尔 (John Marshall) 在 2016 年 10 月号的 Biz New Orleans 中写道,Microsoft PowerBi 和 Tableau 等其他应用程序的功能更强大 创建和共享数据可视化.

可视化就是帮助我们解释、理解或连接数据,使它们更有用。如果您有一张建筑许可表或警察报告表并将它们显示在地图上,那么您就更容易真正了解您附近的情况。随着时间的推移绘制它们的图表,更容易发现趋势。 (data.nola.gov 网站也有完整的图表和地图。)

新工具还可以更轻松地连接或集成不同的数据集。简单的基于云的工具(如 Zapier 和 Microsoft Flow)以及企业应用程序(如 SnapLogic 和 Microsoft SQL Server 集成服务)使从一个地方获取数据、清理数据以及将其发送或连接到其他地方的过程自动化变得比以往任何时候都容易。

现在,即使使用具有良好数据的最新工具,我也承认许多数据分析项目只是简单地制作我们一直可以更容易访问的相同数据或图表。它不是月度报告,而是实时仪表板。或者不需要花四个小时来下载和操作专有文件,它可以立即在 Excel 中使用。

这些项目可能非常有益——我不想降低它们的重要性——但最终,我们可以而且将会做更多的事情。

最后一个趋势是技术能够帮助我们理解我们的数据。这是机器学习和更广泛的人工智能的承诺,世界上的谷歌和微软正在投入大量注意力和资源。

从业务主管的角度来看,机器学习意味着计算机可以分析数据、发现模式并为我们提供有用的见解,而无需我们对其进行编程以连接点。举一个简单的例子,我们可能会输入不相关的营销和销售数据,计算机可能会告诉我们哪种营销活动组合最有效地导致更多的销售。

这种能力今天存在,并且可能比我们许多人意识到的更频繁地使用。尽管如此,虽然您不必告诉计算机如何得出结论,但您必须仔细准备数据并定义模型。我们离计算机为我们完成所有工作还有很长的路要走。