数据分析工具这么多 ， 应该用哪个来做分析？
这是很多人在做数据分析的时候 ， 经常会碰到一个问题 。尤其是新人刚入门的时候 ， 看到下面的数据分析工具
Excel、sql、spss、python、tableau、powerbi、finebi、R、Hadoop、spark……
可能头都大了 ， 以为这些全部都要学 。
在数据分析工具的选择上 ， 我的建议是对症下药 ， 因地制宜 。
根据数据应用的不同环节来看其实看上图就已经非常清晰了 。每个数据分析工具都有其侧重的功能点 ， 在不同的数据应用场景下 ， 选择合适的工具 ， 能实现效率最大化 。
比如在数据获取时 ， 你可以通过SQL从数据库中提取数据 ， 也可以通过python爬取数据 ， 但你最起码要能熟练掌握SQL；
数据处理时 ， 如果数据量不大 ， 其实Excel是最方便快捷的数据处理工具 ， 在大数据量的情况下 ， SQL和python的使用更为常见；在大量不可变数据的批处理作业中 ， hive则最为合适；
分析建模方面 ， 简单的分析 ， Excel、BI工具已经足够 ， 涉及到建模时 ， R、SPSS这类专业的统计分析软件 ， 就更能发挥出优势 ， 毕竟建模的思维和统计学是强相关的 ， 当然 ， python也是一个不错的选择；
在做可视化时 ， 还是建议各位用专业的可视化工具去做 ， 可视化工具的细分上也有很多 ， 像普通的业务数据分析师和业务人员可以使用常见的BI工具tableau、PowerBI、FineBI等去做 ， 报表工程师更适合选择专业的报表工具例如finereport ， 开发人员还可以选择一些开源的可视化工具例如echart
3大常用工具分析1、Excel
在很多人眼里 ， Excel只是一个办公软件 ， 但实际上 ， 大部分人对Excel的认知还不到50% 。Excel可以称得上是最全能的数据分析工具之一 ， 包括表格制作、数据透视表、VBA等等功能 ， 保证人们能够按照需求进行分析 。
当然也有人认为自己非常精通计算机编程语言 ， 不屑于使用Excel这种工具 ， 因为Excel不能处理大数据 。但换个思维想想 ， 我们在日常中用到的数据是否超过了大数据这个极限呢？而且我们国家中小微型企业占了大部分 ， Excel足够处理绝大多数的数据分析需求 。
总结一下 ， 百万级以下的数据处理、分析 ， Excel是个不错的选择 ， 新人要是想学数据分析 ， Excel绝对是首选 ， 而且是必选！
2、Python
不可否认的是 ， python在数据分析领域 ， 确实称得上是一个强大的语言工具 。你可以随心所欲地写代码执行你想要的东西 。尽管入门的学习难度要高于Excel和BI ， 但是作为数据科学家的必备工具 ， 从职业高度上讲 ， 它肯定是高于Excel、BI工具的 。
尤其是在统计分析和预测分析等方面 ， Python等编程语言更有着其他工具无可比拟的优势 。
新人在初入门时可以先不学Python ， 很多初级岗位甚至用不上Python ， 但如果想在这条路上长远发展 ， 它一定是个逃不开的工具 。
3、BI工具
BI也就是商业智能 ， 这类工具就是为数据分析而生的 。你会发现BI工具的产品设计 ， 几乎是按照数据分析的流程来设计的 。先是数据处理、整理清洗 ， 再到数据建模 ， 最后数据可视化 ， 全程围绕数据指导运营决策的思想 。由于功能聚焦 ， 产品操作起来也非常简洁 ， 依靠拖拉拽就能完成大部分的需求 ， 没有编程基础的业务人员也能很快上手 。
推荐阅读
- 250g龙虾尾有多少个
- 成都双流有什么好吃的特色
- 9度醋和一般醋的区别
- 黑布林与李子有何区别
- 冰粉不够冰怎么办
- 西瓜有点生放几天能熟吗
- 西瓜榨汁为什么不甜
- 有些白酒为什么很辣
- 宜昌有什么好吃的餐馆
- 西瓜里的黄白筋是什么