数据分析不仅变得越来越普遍，而且对商业也越来越有用.

作为一个有数学天赋的人, 财务和技术背景, 我强烈支持通过分析和使用数据来做出更好决策的好处. 不足为奇的是, 然后, 我很高兴看到一些趋势和新兴技术有望帮助实现这一目标.

首先，数据源变得更加开放，更容易连接. 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 DATADRIVEN诺拉 网站, 新奥尔良市发布了100多个不同的数据集, 比如建筑许可证, 311电话和警察报告.

这些数据可以在网站上以表格的形式随时查看, 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，允许Excel或专门构建的数据分析应用程序以更永久的方式连接，并始终使用最新的可用数据.

这就引出了第二个趋势——数据分析和操作应用程序的出现. 微软Excel，当充分利用时，是一个极好的数据分析工具，但作为我的同事 约翰·马歇尔在2016年10月的Biz New Orleans杂志上写道，其他应用程序(如Microsoft PowerBi和Tableau)的功能甚至更强大 创建和共享数据可视化.

可视化是为了帮助我们理解, 理解, 或者连接数据使其更有用.  如果你有一张建筑许可证或警察报告的表格，并在地图上显示出来，那么你就更容易真正了解你所在社区的情况. 随着时间的推移，将它们绘制成图表，就更容易发现趋势. (数据.诺拉.政府网站也有完整的图表和地图.)

新工具还使连接或集成不同的数据集变得更加容易.  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 Integration 服务，使从一个地方获取数据的过程比以往任何时候都更容易自动化, 清理并发送或连接到其他地方.

现在, 即使使用最新的工具和良好的数据, 我承认，许多数据分析项目只是简单地制作我们一直更容易访问的相同数据或图表. 它不是每月的报告，而是一个实时的仪表板.  或者不用花四个小时下载和操作一个专有文件, 它可以立即在Excel中使用.

这些项目可能非常有益——我不想贬低它们的重要性——但最终, 我们能够而且将会做得更多.

最后一个趋势是技术帮助我们理解数据的能力. 这是机器学习和更广泛的人工智能的前景, 谷歌和微软正在为此投入大量的精力和资源.

从企业高管的角度来看, 机器学习意味着计算机可以分析数据, 找到模式，给我们有用的见解，而不需要我们将它们连接起来. 举个简单的例子, 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带来更多的销售.

这种能力今天仍然存在，而且可能比我们许多人意识到的更经常地被使用.  仍然, 虽然你不需要告诉计算机如何得出结论, 您必须仔细准备数据并定义模型. 我们离电脑为我们做所有的工作还有一段距离.