2019年六个不错的数据分析工具

丶梦中人的梦中

1. Excel工具
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。


2. BI工具
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

3. R&Python语言
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。


结论
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。

wangmd7

赞一个，谢谢楼主

ximenyan

赞一个，谢谢