Press "Enter" to skip to content

数据分析都会用到哪些工具?

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

数据分析工具解析。

 

 

今天来聊聊数据分析都会用到的工具,你都在用什幺呢?

 

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):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):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,没必要花那幺多时间,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。

 

首先要理解什幺是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、、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,那幺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。

 

那幺你常用的是哪个呢?

 

-END-

Be First to Comment

发表评论

电子邮件地址不会被公开。 必填项已用*标注