|
楊玉華的學習履歷(❁´◡`❁) - 111-1 大數據分析 - 5. 資料分析工具這麼多，應該用哪個來做分析？ |
 |
|
|
5. 資料分析工具這麼多，應該用哪個來做分析？這是很多人在做資料分析的時候，經常會碰到一個問題。尤其是新人剛入門的時候，看到下面的資料分析工具，例如 Excel、SQL、SPSS、Python、Tableau、PowerBI、FineReport、R、Hadoop、Spark…… 可能頭都大了，如果全都要學那可不是短期內能學完的。 在資料分析工具的選擇上，我的建議是對症下藥，因地制宜。我會從幾個角度對各種工具進行分析，希望能給剛入門資料分析的朋友一點幫助。 根據資料應用的不同環節來看 其實看上圖就已經非常清晰了。每個資料分析工具都有其側重的功能點，在不同的資料應用場景下，選擇合適的工具，能實現效率最大化。 比如在資料獲取時，你可以通過SQL從資料庫中提取資料，也可以通過python爬取資料，但你最起碼要能熟練掌握SQL； 資料處理時，如果資料量不大，其實Excel是最方便快捷的資料處理工具，在大資料量的情況下，SQL和python的使用更為常見；在大量不可變資料的批處理作業中，hive則最為合適； 分析建模方面，簡單的分析，Excel、BI工具已經足夠，涉及到建模時，R、SPSS這類專業的統計分析軟體，就更能發揮出優勢，畢竟建模的思維和統計學是強相關的，當然，python也是一個不錯的選擇； 在做視覺化時，還是建議各位用專業的視覺化工具去做，視覺化工具的細分上也有很多，像普通的業務資料分析師和業務人員可以使用常見的BI工具Tableau、PowerBI、FineBI等去做，報表工程師更適合選擇專業的報表工具例如FineReport，開發人員還可以選擇一些開源的視覺化工具例如Echart 三大常用工具分析1、Excel在很多人眼裡，Excel只是一個辦公軟體，但實際上，大部分人對Excel的認知還不到50%。Excel可以稱得上是最全能的資料分析工具之一，包括表格製作、資料透視表、VBA等等功能，保證人們能夠按照需求進行分析。 當然也有人認為自己非常精通程式語言，不屑使用Excel這種工具，因為Excel不能應對大量資料。但換個思維想想，我們在日常中用到的資料是否超過了大資料這個極限呢？而且我們國家中小微型企業佔了大部分，Excel足夠處理絕大多數的資料分析需求。 總結一下，百萬級以下的資料處理、分析，Excel是個不錯的選擇，新人要是想學資料分析，Excel絕對是首選，而且是必選！ 2、Python不可否認的是，python在資料分析領域，確實稱得上是一個強大的語言工具。你可以隨心所欲地寫程式碼執行你想要的東西。儘管入門的學習難度要高於Excel和BI，但是作為資料科學家的必備工具，從職業高度上講，它肯定是高於Excel、BI工具的。 尤其是在統計分析和預測分析等方面，Python等程式語言更有著其他工具無可比擬的優勢。 新人在初入門時可以先不學Python，很多初級崗位甚至用不上Python，但如果想在這條路上長遠發展，它一定是個逃不開的工具。 3、BI工具BI也就是商業智慧，這類工具就是為資料分析而生的。你會發現BI工具的產品設計，幾乎是按照資料分析的流程來設計的。先是資料處理、整理清洗，再到資料建模，最後資料視覺化，全程圍繞資料指導運營決策的思想。由於功能聚焦，產品操作起來也非常簡潔，依靠拖拉拽就能完成大部分的需求，沒有程式設計基礎的業務人員也能很快上手。 以FineBI為例 可以通過匯入資料集或者連線資料庫，獲取資料  如果需要進行資料處理，點選建立自助資料集，在自助資料集中可以根據業務邏輯進行過濾、分組彙總、新增資料列、多表合併等資料加工操作，從而實現資料處理、分析、建模聚類等功能，用滑鼠就可以完成資料加工操作，不用死記硬背函式公式。  資料處理完畢之後，點選儲存，進入儀表板建立元件，即可進行資料視覺化分析，視覺化作為BI工具的重點功能，裡面內建了幾十種視覺化圖表模型，非常全面方便。  最後，可以輸出下圖類似的視覺化儀表板，用作分析結果分享、報告都很適合。  以上的對比說明了幾個軟體的差別，我想總結的是，存在即合理。 總結Excel/BI/程式語言，這些工具在應用上有交叉重疊的地方，也有互補的地方。對於重疊的地方，無論是哪種工具，只要你能利用它解決你遇到的問題，它就是最棒的。
|
|
||||||||||||||||||||||||||
| 中華科技大學數位化學習歷程 - 意見反應 | |
