佛说，一切众生相皆是无相。数据分析做到极致，也可以“无相无生”。
在说今天的话题之前，我想先抛出一个结论：
“做数据分析，不要建立一种以掌握的软件来给自己分级的心态，但是一定要用工具避免误入职业发展的歧途！”
为什么今天要谈关于数据分析工具分级的问题呢？
其实这涉及到职场中一个非常常见的现象——工具鄙视链：
会python编程语言的，瞧不起用自助BI工具做数据分析的；
会用Tableau、FineBI这种分析工具的，瞧不起会用SPSS、SQL这种数据工具的；
会用SPSS、SQL的，瞧不起用PPT做数据汇报的；
会用PPT做数据汇报的，瞧不起只会用Excel做数据统计与整理的；
逃不开的鄙视链
不光是数据分析行业，在程序员、产品经理等行业中都存在这样的鄙视链
也有不少人和公司，遵从着这样的鄙视链现象，通过这样的鄙视链进行岗位的分级，或者作为选人招聘的门槛标准
而这个鄙视链似乎是与这个岗位生死同戚、共生共存、难以分离的：
比如我，在前几年我还刚接触数据分析的时候，只学会用Excel做数据处理，所有的数据清洗、数据加工和图表可视化工作都是用Excel完成的
但是看着网上很多人都在学Python编程，当时还有一种“python才是数据分析标配”的言论，我也成为了跟风的一份子
当时带我的老大就告诉我：
“网上说学python才能做数据分析的，纯粹就是放屁，python做数据分析确实比Excel要专业一些，但是真正的核心，是要是什么数据场景和什么人在用。
我用Excel做的数据清洗绝对能完爆这些工具，但是我想做一些高级可视化，也会用python去做，谁规定数据分析师只能用一个软件了？
说到底还是出于对数据分析岗位的自卑，数据分析才出现几年啊，谁都觉得用Excel做数据分析太low逼了，一点体现不出我们的专业性，不学一门编程语言，其他部门的人谁瞧得起我们？”
对于我老大的话，我深以为然，正是出于对于数据分析作岗位的错误认知，才会造成那么多人对于数据分析工具的误解
其实这么多年，excel、Tableau、FineBI、PowerBI、SPSS、Python......我几乎每种工具和软件都用过，并没有觉得哪一种是最万能的
工具从来只是工具，是用来辅助我们进行数据分析的，最核心的关键还是在于人，也就是你是否真的具有数据分析思维和能力
像我之前老大的能力，用Excel照样牛逼；要是没有能力，学一万种语言都没用！
所以很多刚入门数据分析的朋友，一上来就买很多Python，R语言，VBA的书籍和资料，安装了各个语言的环境
但其实数据分析师的日常工作，最多就是用到SQL取数以及Excel数据透视图、BI分析工具中拖拉拽图表
所以，会用工具不是能力，懂得数据思维，才是数据分析师存在的意义
工具是辅助
那么回到我们今天的话题，数据分析当中有着不同的数据场景，会用到非常多的工具，那么应该如何选择，下面简单举几个例子
1、excel
别以为EXCEL只会处理表格，你可以把它当成数据库，也可以把它当成IDE，甚至可以把它当成数据可视化工具来使用
它可以创建专业的数据透视表和基本的统计图表，但由于默认设置了颜色、线条和风格，使其难以创建用于看上去“高大上”视觉效果
尽管如此，我仍然推荐你使用Excel
2、BI工具
近几年冒出来的BI之秀，如TB、qlk都强调可视化，一改传统BI工具SAP BO、IBM家的cognos（不过近几年貌似都在研发云BI）
这里不谈开源，还没见到能成熟应用的BI，成熟的BI工具如FineBI（国内）和 Tableau（国外），都很推荐
3、python
学过Python数据分析的朋友都知道，在可视化的工具中，有很多优秀的三方库，比如matplotlib，seaborn，plotly，Boken，pyecharts等等，这些可视化库都有自己的特点，在实际应用中也广为大家使用
4、SPSS
SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS
学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”
推荐大家一本书：《如虎添翼 数据处理的SPSS/SAS EG实现》，徐筱刚老师写的，十分适合SPSS新手入门
最后说点啥
其实今天谈的这个话题，也是其他行业里常见的现象之一，既然产生了这种乱象，说明一定有其产生的原因与逻辑，我们不必太过敏感
但是，对于我们数据分析师自身而言，真正做分析时候，你会发现市面上有太多的分析工具，需要掌握的实在是太多了
其实不必纠结于此，依据个人能力，配合当前的数据分析环境，适用的工具自然会被选出，最后记住一句话：工具是人用的，重点在于人，而不在于工具！
网友评论