数据分析工具这么多，应该用哪个来做分析？

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。

以FineBI为例

可以通过导入数据集或者连接数据库，获取数据

如果需要进行数据处理，点击创建自助数据集，在自助数据集中可以根据业务逻辑进行过滤、分组汇总、新增数据列、多表合并等数据加工操作，从而实现数据处理、分析、建模聚类等功能，用鼠标就可以完成数据加工操作，不用死记硬背函数公式。

数据处理完毕之后，点击保存，进入仪表板创建组件，即可进行数据可视化分析，可视化作为BI工具的重点功能，里面内置了几十种可视化图表模型，非常全面方便。

最后，可以输出下图类似的可视化仪表板，用作分析结果分享、报告都很适合。

以上的对比说明了几个软件的差别，我想总结的是，存在即合理。Excel\BI\编程语言，这些工具在应用上有交叉重叠的地方，也有互补的地方。对于重叠的地方，无论是哪种工具，只要你能利用它解决你遇到的问题，它就是最棒的。