今天来聊聊数据分析都会用到的工具，你都在用什么呢？

数据分析的工具有很多，从数据分析岗位的描述里其实就能发现企业都需要会哪些工具的人，这里我分成了4类来聊聊。分别是基础、可视化、专业的统计分析以及编程语言。

一、 基础

说到数据分析的基础的工具，非Excel莫属。

Excel

微软办公系列的重要组成之一，任何办公人员都会用到的神器，不得不说它的体系太庞大了，在人力、金融、管理等多个领域都会应用，同样对数据分析人员来说，也可以进行各种数据处理和分析。

特点：

(1)表格制作：简单的表格录入、制作、美化。

(2)透视表：实现数据透视的效果，可以说学会数据透视表，基本可以解决80%的工作。

(3)公式：通过公式可以进行数学计算。

(4)统计分析：Excel里的 数据分析 可以实现描述统计、假设检验、抽样等统计分析的功能，只要用的好，不逊色于专业的统计分析软件。

(5)图表：用Excel作图操作简单。简单的日报/月报中以及自己分析时Excel的图表完全可以满足我们的需求。但是当要进行专业的展示时，图表的美化就显得尤为重要，而用Excel去美化图表，也不是不行，只是要用到很多偏门的小技巧，没必要花那么多时间，现成有可用的工具。

(6)VBA：还可以用VBA编程实现更高级复杂的需求。

(7)插件：Excel还能承载很多有用的插件，比如PowerQuery、PowerMap、PowerView等，来辅助我们实现更为强大的数据分析功能。

总的来说，Excel可以说是数据分析基础以及必备的工具，可以不用Power BI，但你一定不能没有Excel。

二、 可视化工具

下面来说说可视化的工具

1、Tableau

对，Tableau就是可替代Excel进行图表美化工作的一个工具。它将数据计算和美观的图表完美地融合在一起，可以在几分钟内生成美观的图表、坐标图、仪表盘与报告。是用来快速分析、可视化的强大工具，偏向商业分析。

特点：

(1)轻松整合，易上手。

(2)交互性，类似于Excel数据透视表/图的功能，可进行交互。

(3)美观的图表，轻松制作美观的仪表盘、坐标图。

2、Power BI

作为Excel的一个插件，后来独立门户的软件，它的可视化效果非常强大。

首先要理解什么是BI，商业智能(Business Intelligence，简称：BI)，又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

所以Power BI就是将数据分析的流程展示出来以便提供科学决策的工具

先用PowerQuery处理和清洗数据，再用PowerPivot建模，最后用Power BI的图表库作图。

特点：

(1)同Tableau一样，都是基于Excel的数据透视图的功能和效果来完成的。

(2)和Excel无缝对接，创建个性化的数据看板。

总的来说，BI类的工具是把将数据和业务联系在一起，为了更好的决策诞生的，这一点就和Excel非常了不同了。

三、统计分析

1、SPSS

SPSS是统计产品与服务解决方案的软件，着重在于统计分析运算、数据挖掘、预测分析等功能的实现。

SPSS可以在不需要编程语言的情况下，很好地进行回归分析、方差分析、多变量分析等的研究。

特点：

(1)界面简单，SPSS采用类似Excel表格的方式读入与管理数据。

(2)功能强大，集数据录入、整理、分析功能于一身，能够进行相关分析、回归分析、聚类分析、时间序列分析等。

(3)上手有一定的门槛，需要使用者有一些统计学基础，能够对统计分析模型有一定的理解。

(4)有专门的绘图系统，可绘制图形，但相对于其他可视化软件来说，它的图形就单调许多了。

2、SAS

SAS同SPSS一样，是一个做专业统计分析的软件。

特点：

功能更强大，统计方法齐、全、新。相对SPSS来说，功能更强大，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用

四、编程语言

主流的数据分析编程语言莫过于R和Python了。和可视化工具不同的是，PB和Tableau有可视化界面，而R和Python是纯代码

1、R

R是用于统计分析、绘图的语言和操作环境。在数据处理、分析、计算和制图等功能上都非常优秀，可以理解为加强编程版的SPSS/SAS。

R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

特点：

(1)强大的统计分析程序包，内建多种统计学及数字分析功能。R比其他统计学或数学专用的编程语言有更强的物件导向(面向对象程序设计)功能。

(2)高质量的矢量图，ggplot2可以快速创建各种统计图表。

2、Python

R更专注于统计数据分析领域，而Python则应用更为广泛和全面，所以Python也被称作胶水语言，学习时要有所取舍。

特点：

(1)语法简单，Python语法简单，

(2)高质量的数据科学计算包，

(3)可移植性强，由于它的开源本质，Python已经被移植在许多平台上(经过改动使它能够工作在不同平台上)。

总的来说，Excel是通用工具，而Power BI/Tableau一类如果属于初级的操作工具的话，那么SPSS/SAS就应该是中级，而R/Python属于高级，这里的级别并非是功能的强大与否，而是指学习和上手的难以程度。

那么你常用的是哪个呢？

作者： 虾壳可乐

来源：可乐的数据分析之路(the_way_of_data_cola)