干货 | 数据分析必须要用这些？数据分析师必用4大工具盘点

以上啰嗦了那么多，具体讲讲Excel、R、Python、BI吧。

一、数据分析师必用4大工具盘点——Excel

适用场景：

1.一般的办公需求下的数据处理工作;

2.中小公司数据管理，存储(很多国有企业都用);

3.学校学生，老师做简单的统计分析(如方差分析，回归分析);

4.结合Word，PowerPoint制作数据分析报告;

5.数据分析师的主力分析工具(部分数据分析师的辅助工具);

6.部分商业杂志，报刊图表制作(数据可视化);

优点：

1.容易上手;

2.学习资源十分丰富;

3.可以用Excel做很多事情，建模，可视化，报表，动态图表;

4.帮助你在进一步学习其它工具之前(比如Python，R)，理解很多操作的含义;

缺点：

1.深入学习需要掌握VBA，难度还是很高;

2.当数据量较大时，会出现卡顿的情况;

3.到Excel2016版，在不借助其它工具的情况下，Excel数据文件本身能够容纳的数据仅有108万行，不适合处理大规模数据集;

4.内置统计分析种类太简单，实用价值不大;

5.不像Python，R语言等开源软件，正版Excel需要付费，比如我用office365.每年需要支付300多块钱(不过也值了)

二、数据分析师必用4大工具盘点——R

使用场景：

通过扩展的第三方R包，R能够做的事情几乎涵盖了任何需要数据的领域。就我们一般的数据分析或者学术数据分析工作而言，R能做的事情包括但不限于如下方面：

1.数据清洗与整理;

2.网络爬虫;

3.数据可视化;

4.统计假设检验(t检验，方差分析，卡方检验等);

5.统计建模(线性回归，逻辑回归，树模型，神经网络等);

6.数据分析报告输出(Rmarkdown);

R容易学吗?

从我个人来看，想要入门R是非常简单的，10天的集中学习，对于掌握R的基本使用，基本数据结构，数据导入导出，简单的数据可视化，是完全没有问题的。有了这些基础，在遇到实际的问题时，去找到需要使用的R包，通过阅读R的帮助文档，以及网络上的资料，就能够相对快速的解决具体问题了。

三、数据分析师必用4大工具盘点——Python

R语言和Python同为需要编程的数据分析工具，所不同的是，R专门用于数据分析领域，而科学计算与数据分析只是Python的一个应用分支，Python还可以用来开发web页面，开发游戏，做系统的后端开发，以及运维工作。

现在的一个趋势是，Python在数据分析领域正在追赶R，在某些方面已经超越了R，比如机器学习，文本挖掘等偏编程的领域，但R语言在偏统计的领域仍然保持优势。Python在数据分析方面的发展，很多地方借鉴了R语言中的一些特色。所以，如果你现在还是一片空白，还没开始学习，要做决定学习R还是Python的话，建议从Python入手。

Python和R都比较容易学习，但是如果你同时学习两者，由于在很多地方它们非常相似，就会很容易混淆，所以建议不要同时学习它们。等其中一个掌握到一定的程度，再着手学习另外一个。

Python能做什么?

1.网络数据爬取，使用Python能够很容易的编写强大的爬虫，抓取网络数据;

2.数据清洗;

3.数据建模;

4.根据业务场景和实际问题构造数据分析算法;

5.数据可视化(个人感觉不如R好用);

6.机器学习，文本挖掘等高级数据挖掘与分析领域;

应该学习R还是Python?

如果因为时间有限，只能选择其中的一种来学习的话，我建议使用Python。但我仍然建议两者都了解一下，毕竟每个人都不一样。可能你在某些地方听说，Python在工作中更加常用，但是工作中，解决问题才是最重要的，如果你能够用R高效的解决问题，那就用R。实际上，Python很多数据分析方面的特色，是模仿R来实现的，比如pandas的数据框，正在开发中的ggplot可视化包模仿的是R语言中非常著名的ggplot2.

四、数据分析师必用4大工具盘点——BI

多数分析师日常的工作就是做报表，而数据分析师更多用到的报表是BI。

BI全称商业智能，在传统企业中，它是一套完整的解决方案。将企业的数据有效整合，快速制作出报表以作出决策。涉及数据仓库，ETL，OLAP，权限控制等模块。

BI工具主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作可以交给BI自动化完成，从数据规整、建模到下载。

另外一种是使用其可视化功能进行分析，BI的优点在于它提供比Excel更丰富的可视化功能，操作简单上手，而且美观，如果大家每天作图需要两小时，BI会缩短一半时间。

BI作为企业级应用，可以通过它连接公司数据库，实现企业级报表的制作。这块涉及数据架构，就不深入讲了。

关于BI，像Tableau、PowerBI、FineBI、Qlikview这类BI(商业智能)工具，涵盖了报表、数据分析、可视化等多层。底层还可于数据仓库衔接，构建OLAP分析模型。

个人觉得，要想快速上手数据分析，前期数据思维的养成，BI工具无疑是最容易上手的。下一篇文章，就要教大家动手搭建BI分析平台，并学会操作一款BI工具!

需要说明的是，这样的分类并不是区分软件，只是想说明软件的应用。有时候我们把数据库就用来进行报表分析，有时候报表就是分析，有时候分析就是展现;当然有时候展现就是分析，分析也是报表，报表就是数据存储了!以上内容就是数据分析师必用4大工具盘点。