本文介绍了数据分析常用的工具，包括基础工具Excel，可视化工具Tableau和PowerBI，统计分析工具SPSS和SAS，以及编程语言R和Python。Excel因其便捷的数据处理和分析能力成为基础工具，而Tableau和PowerBI擅长图表美化和数据可视化。SPSS和SAS则适合专业统计分析，R与Python则提供了更强大的编程能力，适用于复杂的数据分析任务。
↑ 点击上方 “可乐的数据分析之路” 关注 + 星标 ~
大概率每天早8点25更新 
哈喽，大家好，我是可乐
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。
01 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：
表格制作：简单的表格录入、制作、美化。
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。
公式：通过公式可以进行数学计算。
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。
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。
VBA：还可以用VBA编程实现更高级复杂的需求。
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。
02 可视化工具
下面来说说可视化的工具
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：
轻松整合，易上手。
交互性，类似于Excel数据透视表/图的功能，可进行交互。
美观的图表，轻松制作美观的仪表盘、坐标图。
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：
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。
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。
03 统计分析
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：
界面简单，SPSS采用类似Excel表格的方式读入与管理数据。
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。
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。
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。
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
04 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
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：
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。
高质量的矢量图，ggplot2可以快速创建各种统计图表。
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：
语法简单，Python语法简单，
高质量的数据科学计算包，
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？
猜你喜欢
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
