数据分析最好的工具是,（数据分析必备工具）

编者按：数据科学家是21世纪的热门工作。工欲善其事必先利其器。数据分析工具何其多，究竟用哪样才合适？Lewis Chou在Medium上分析了3类6种工具的特点和适用场景，看完这篇文章，相信你就可以知道了。原文标题是：Top 6 Data Analytics Tools in 2019

说到数据分析工具，我们总是有疑问。那么多的数据分析工具，它们之间究竟有什么区别？哪个更好？我应该学习哪一个？

尽管这是一个老生常谈的话题，但它确实很重要，我一直在努力寻找这个终极问题的答案。如果你到网上搜索这个领域的相关信息的话，很难找到公正的看法。因为特定数据分析工具的评估者可能会从不同的角度出发，并带有一些个人感受。

今天，让我们撇开这些个人感受。我会尝试跟大家一起客观地谈谈我对市场上数据分析工具的个人看法，以供参考。

我总共选择了三类共6种工具。接下来我会一一进行介绍。

Excel具备多种强大功能，比如创建表单，数据透视表，VBA等，Excel的系统如此庞大，以至于没有任何一项分析工具可以超越它，确保了大家可以根据自己的需求分析数据。

但是，有些人可能以为他们非常精通计算机编程语言，然后鄙视用Excel作为工具，因为Excel无法处理大数据。但是请考虑一下，我们日常生活中使用的数据是不是超出了大数据的限制？在我看来，Excel就是一款全能型的播放器。它最适合小型数据，而且通过插件还可以处理数百万的数据。

综上所述，基于Excel的强大功能及其用户规模，我认为它是必不可少的工具。如果你想学习数据分析，Excel绝对是首选。

商业智能是为数据分析而生的，它诞生的起点很高。其目的是缩短从商业数据到商业决策的时间，并利用数据来影响决策。

Excel的产品目标不是这样。Excel可以做很多事情。你可以使用Excel画课程表，制作问卷或用作计算器，甚至可以用来画画。如果你会VBA，还可以制作小型 游戏 。不过这些并不是真正的数据分析功能。

但是BI工具就是专门用于数据分析的。

以常见的BI工具（例如Power BI，FineReport 和Tableau）为例。你会发现它们都是按照数据分析流程设计的。先是数据处理，数据清洗，然后是数据建模，最后是数据可视化，用图表来识别问题并影响决策。

这些是数据分析的唯一方法，并且在这个过程中存在一些员工的痛点。

比方说，可以用BI工具来简化重复的低附加值的数据清洗工作。

如果数据量很大，传统工具Excel是无法完成数据透视表的。

如果我们用Excel来进行图形显示，会需要花费大量时间来编辑图表，包括颜色和字体设置等琐事。

这些痛点是BI工具可以为我们带来变化和价值的地方。

现在，让我们比较一下市场上的三种流行的BI工具：Power BI，FineReport 和Tableau。

1 ）Tableau

Tableau的核心本质实际上是Excel的数据透视表和数据透视图。可以说Tableau敏锐地意识到了Excel的这一功能。它进入BI市场较早，并延续了这一核心价值。

从发展 历史 和当前市场反馈的角度来看，Tableau的可视化效果更好。我不认为这是因为它的图表有多酷，但是它的设计、颜色和用户界面给我们一种简单而新鲜的感觉。

确实，这就像Tableau自己的宣传一样，他们投入了大量的学术精力来研究大家喜欢哪种图表，以及如何为用户提供操作和视觉上的终极体验。

此外，Tableau还增加了数据清洗功能和更智能的分析功能。这也是Tableau可以预期的产品开发优势。

2）Power BI

Power BI的优势在于其业务模型和数据分析功能。

Power BI以前是Excel的插件，但是发展并不理想。因此它摆脱了Excel，发展成BI工具。作为后来者，Power BI每个月都有迭代更新，并且跟进的速度很快。

Power BI当前具有三种授权方式：Power BI Free、Power BI Pro以及Power BI Premium。与Tableau一样，免费版的功能也不完整。但是给个人用几乎已经足够。而且Power BI的数据分析功能强大。它的PowerPivot 和DAX语言让我能够以类似在Excel中编写公式的方式来进行复杂的高级分析。

3）FineReport应用

FineReport之所以独特在于它的自助服务数据分析非常适合企业用户。只需简单的拖放操作，你就可以使用FineReport 设计各种样式的报告，并轻松构建数据决策分析系统。

FineReport 可以直接连接到各种数据库，并且方便快捷地自定义各种样式，从而制作周报、月报和季报、年报。其格式类似于Excel的界面。功能包括报告创建，报告权限分配，报告管理，数据输入等。

此外，FineReport 的可视化功能也非常突出，它提供了多种仪表板模板和许多自行开发的可视插件库。

在价格方面，FineReport 的个人版本是完全免费的，并且所有功能都是开放的。

R和Python是我要讨论的第三类工具。尽管像Excel和BI工具这样的软件已尽最大努力考虑到数据分析的大多数应用场景，但其实它们基本上都是定制化的。如果软件没有设计某项功能或替某功能开发按钮，那很可能你就没法用它们来完成工作。

在这一点上面，编程语言是不一样的。它非常强大和灵活。你可以编写代码来执行所需的任何操作。比方说，R和Python是数据科学家必不可少的工具。从专业的角度来看，它们绝对比Excel和BI工具强大。

那么，R和Python可以实现哪些Excel和BI工具难以实现的应用场景呢？

1）专业统计分析

就R语言而言，它最擅长的是统计分析，例如正态分布，使用算法对聚类进行分类和回归分析等。这种分析就像用数据作实验一样。它可以帮助我们回答以下问题。

比方说，数据的分布是正态分布、三角分布还是其他类型的分布？离散情况如何？它是否在我们想要达到的统计可控范围内？不同参数对结果的影响的大小是多少？还有假设仿真分析。如果某个参数发生变化，会带来多大影响？

2）独立预测分析

比方说，我们打算预测消费者的行为。他会在我们的商店停留多长时间？他会花多少钱？我们可以找出他的个人信用情况，并根据他的在线消费记录确定贷款金额。或者，我们可以根据他在网页上的浏览 历史 推送不同的物品。这也涉及当前流行的机器学习和人工智能概念。

以上比较说明了几种软件之间的区别。我想概括的要点的是，存在就是合理。Excel，BI工具或编程语言存在部分功能重叠，但它们也是互补的工具。每个应用的价值取决于要开发的应用的类型和当时的情况。

在选择数据分析工具之前，你必须首先了解自己的工作：你会不会用到我刚刚提到的应用场景。或考虑一下你的职业方向：你是面向数据科学还是业务分析的。

译者：boxi。

数据分析软件种类繁多，使用难度、场景、效率不一。日常的数据分析，Excel就能满足大部分需求，不过在数据量越来越大、维度越来越多、分析越来越复杂的今天，仅靠Excel解决也不现实，不过不用担心，市面上可分析数据的软件是越来越多了，小编给大家介绍几类数据分析软件，包括以下几类：

1.数据处理软件Excel和MySQL

Excel：在Excel，需要重点了解数据处理的重要技巧及函数的应用，特别是数据清理技术的应用。这项运用能对数据去伪存真，掌握数据主动权，全面掌控数据，Excel数据透视表的应用重在挖掘隐藏的数据价值，轻松整合海量数据，各种图表类型的制作技巧及Power Query、Power Pivot的应用可展现数据可视化效果。

数据库MySQL是一种关系数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性，MySQL所使用的SQL语言是用于访问数据库的最常用标准化语言，MySQL软件采用了双授权政策，分为社区版和商业版，由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，一般中小型网站的开发都选择MySQL作为网站数据库。

2.数据可视化Smartbi和Echarts

Smartbi设计过程可视化，鼠标拖拉拽即可快速完成数据集准备、可视化探索和仪表盘的制作，丰富的可视化展示，轻松制作BI看板，丰富的交互控件和图表组件，且不受维度、度量的限制，支持多数据来源，布局灵活，支持业务主题和自助数据集，双布局设计，跨屏发布到APP，支持流式布局。轻量化的BI软件，部署方便，走多维分析方向。能够快速制作数据可视化图表。

大数据分析工具有：

1、R-编程

R 编程是对所有人免费的最好的大数据分析工具之一。它是一种领先的统计编程语言，可用于统计分析、科学计算、数据可视化等。R 编程语言还可以扩展自身以执行各种大数据分析操作。

在这个强大的帮助下；语言，数据科学家可以轻松创建统计引擎，根据相关和准确的数据收集提供更好、更精确的数据洞察力。它具有类数据处理和存储。我们还可以在 R 编程中集成其他数据分析工具。

除此之外，您还可以与任何编程语言（例如 Java、C、Python）集成，以提供更快的数据传输和准确的分析。R 提供了大量可用于任何数据集的绘图和图形。

2、Apache Hadoop

Apache Hadoop 是领先的大数据分析工具开源。它是一个软件框架，用于在商品硬件的集群上存储数据和运行应用程序。它是由软件生态系统组成的领先框架。

Hadoop 使用其 Hadoop 分布式文件系统或 HDFS 和 MapReduce。它被认为是大数据分析的顶级数据仓库。它具有在数百台廉价服务器上存储和分发大数据集的惊人能力。

这意味着您无需任何额外费用即可执行大数据分析。您还可以根据您的要求向其添加新节点，它永远不会让您失望。

3、MongoDB

MongoDB 是世界领先的数据库软件。它基于 NoSQL 数据库，可用于存储比基于 RDBMS 的数据库软件更多的数据量。MongoDB 功能强大，是最好的大数据分析工具之一。

它使用集合和文档，而不是使用行和列。文档由键值对组成，即MongoDB 中的一个基本数据单元。文档可以包含各种单元。但是大小、内容和字段数量因 MongoDB 中的文档而异。

MongoDB 最好的部分是它允许开发人员更改文档结构。文档结构可以基于程序员在各自的编程语言中定义的类和对象。

MongoDB 有一个内置的数据模型，使程序员能够理想地表示层次关系来存储数组和其他元素。

4、RapidMiner

RapidMiner 是分析师集成数据准备、机器学习、预测模型部署等的领先平台之一。它是最好的免费大数据分析工具，可用于数据分析和文本挖掘。

它是最强大的工具，具有用于分析过程设计的一流图形用户界面。它独立于平台，适用于 Windows、Linux、Unix 和 macOS。它提供各种功能，例如安全控制，在可视化工作流设计器工具的帮助下减少编写冗长代码的需要。

它使用户能够采用大型数据集在 Hadoop 中进行训练。除此之外，它还允许团队协作、集中工作流管理、Hadoop 模拟等。

它还组装请求并重用 Spark 容器以对流程进行智能优化。RapidMiner有五种数据分析产品，即RapidMiner Studio Auto Model、Auto Model、RapidMiner Turbo Prep、RapidMiner Server和RapidMiner Radoop。

5、Apache Spark

Apache Spark 是最好、最强大的开源大数据分析工具之一。借助其数据处理框架，它可以处理大量数据集。通过结合或其他分布式计算工具，在多台计算机上分发数据处理任务非常容易。

它具有用于流式 SQL、机器学习和图形处理支持的内置功能。它还使该站点成为大数据转换的最快速和通用的生成器。我们可以在内存中以快 100 倍的速度处理数据，而在磁盘中则快 10 倍。

除此之外，它还拥有 80 个高级算子，可以更快地构建并行应用程序。它还提供 Java 中的高级 API。该平台还提供了极大的灵活性和多功能性，因为它适用于不同的数据存储，如 HDFS、Openstack 和 Apache Cassandra。

6、Microsoft Azure

Microsoft Azure 是领先的大数据分析工具之一。Microsoft Azure 也称为 Windows Azure。它是 Microsoft 处理的公共云计算平台，是提供包括计算、分析、存储和网络在内的广泛服务的领先平台。

Windows Azure 提供两类标准和高级的大数据云产品。它可以无缝处理大量数据工作负载。

除此之外，Microsoft Azure 还拥有一流的分析能力和行业领先的 SLA 以及企业级安全和监控。它也是开发人员和数据科学家的最佳和高效平台。它提供了在最先进的应用程序中很容易制作的实时数据。

无需 IT 基础架构或虚拟服务器进行处理。它可以轻松嵌入其他编程语言，如 JavaScript 和 C#。

7、Zoho Analytics

Zoho Analytics 是最可靠的大数据分析工具之一。它是一种 BI 工具，可以无缝地用于数据分析，并帮助我们直观地分析数据以更好地理解原始数据。

同样，任何其他分析工具都允许我们集成多个数据源，例如业务应用程序、数据库软件、云存储、CRM 等等。我们还可以在方便时自定义报告，因为它允许我们生成动态且高度自定义的可操作报告。

在 Zoho 分析中上传数据也非常灵活和容易。我们还可以在其中创建自定义仪表板，因为它易于部署和实施。世界各地的用户广泛使用该平台。此外，它还使我们能够在应用程序中生成评论威胁，以促进员工和团队之间的协作。

它是最好的大数据分析工具，与上述任何其他工具相比，它需要的知识和培训更少。因此，它是初创企业和入门级企业的最佳选择。

以上内容参考 百度百科——大数据分析

Excel：普遍适用，既有基础，又有中高级。

Excel透视表：中级一般用Excel透视表。

hihidata：比较小众的数据分析工具，三分钟就可以学会直接上手，无需下载安装，直接在线就可以使用。

Eview：比较小众，建立一些经济类的模型还是很有用的，计量经济学中经常用到。

SPSS：采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。其统计过程包括了常用的、较为成熟的统计过程，完全可以满足大部分的工作需要。

MATLAB：是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境使用的。

SAS：是把数据存取，管理，分析和展现有机地融为一体。其功能非常强大统计方法齐，全，新。

1、Excel

Excel作为最基础也数据分析工具，同时也是最主要的数据分析工具。Excel有多种强大功能，比如创建表单，数据透视表，VBA等等，Excel的系统十分强大，以至于没有任何一个分析工具是可以超越它的，可以根据自己的需求分析数据。

Excel可以满足绝大部分数据分析工作的需求，同时也提供友好的操作界面，对于具备基本统计学理论的用户来说Excel是比较容易上手的，就是它的处理的数据量较小。

2、SAS

SAS功能强大并且可以编程，很受高级用户的欢迎，也正因为此，它是比较难掌握的软件之一，在企业工作中用的比较多，需要编写SAS程序去处理数据。

3、SPSS

SPSS是世界上最早采用图形菜单的驱动界面统计软件，其最大的特点就是操作界面极为友好，输出的结果美观漂亮。用户只需掌握一定的Windows操作技能，精通统计的分析原理，就能够使用该软件为特定的科研工作而服务。SPSS采用了Excel表格的方式输入与管理数据，数据的接口较为通用，可以方便地从其他数据库当中读入数据。其统计的过程包括常用的、较为成熟的统计过程，可以完全满足非统计专业人士的工作需要。

4、SQL

SQL可以说是数据方向所有岗位都要掌握的工具，入门相对比较简单，概括起来就是增删改查，SQL需要掌握的知识主要包括数据的定义语言以及数据的控制语言和操控语言。在数据操控的过程中要能够理解SQL的语法顺序和执行顺序，理解SQL与各种join的 不同，熟练的掌握SQL的重要函数，想要入行数据分析，SQL是必要技能。

5、Python

Python是一种面向对象、解释型计算机程序设计的语言。它的语法简洁清晰，Python在数据分析和数据可视化等方面都显得比较活跃。

同时Python具有强大的编程能力，但是这种编程语言不同于R或者matlab，python有非常强大的数据分析能力，还可以利用Python进行爬虫，写游戏，和自动化运维，在这些领域当中有应用很广泛，这些优点就使得一种技术去解决所有的业务服务问题，体现了Python有利于各个业务之间的融合，使用Python，能够大大地提高数据分析的效率。

6、BI工具

BI工具是按照数据分析的流程进行设计的，商业智能的BI是为数据分析而生的，诞生起点很高，目的是为了缩短商业数据到商业决策的时间，并用数据去影响决策。

1、思迈特软件Smartbi专注于商业智能(BI)、数据分析软件产品与服务。

2、数据处理工具：Excel。数据分析师，在有些公司也会有数据产品经理、数据挖掘工程师等等。他们最初级最主要的工具就是Excel。有些公司也会涉及到像Visio，Xmind、PPT等设计图标数据分析方面的高级技巧。

3、数据库：MySQL。Excel如果能够玩的很转，能胜任一部分数据量不是很大的公司。但是基于Excel处理数据能力有限，如果想胜任中型的互联网公司中数据分析岗位还是比较困难。因此需要学会数据库技术，一般Mysql。

4、数据可视化：Tableau 思迈特软件。如果说前面2条是数据处理的技术，那么在如今“颜值为王”的现在，如何将数据展现得更好看，让别人更愿意看，这也是一个技术活。

5、大数据分析：SPSS Python HiveSQL 等。如果说Excel是“轻数据处理工具”，Mysql是“中型数据处理工具”那么，大数据分析，涉及的面就非常广泛，技术点涉及的也比较多。这也就是为什么目前互联网公司年薪百万重金难求大数据分析师的原因。

数据分析软件靠不靠谱，来试试Smartbi,思迈特软件Smartbi经过多年持续自主研发，凝聚大量商业智能最佳实践经验，整合了各行业的数据分析和决策支持的功能需求。满足最终用户在企业级报表、数据可视化分析、自助探索分析、数据挖掘建模、AI智能分析等大数据分析需求。

思迈特软件Smartbi个人用户全功能模块长期免费试用

马上免费体验:Smartbi一站式大数据分析平台