数据分析都会用到哪些工具？
01 基础
Excel
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。
02 可视化工具
Tableau
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
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。
03 统计分析
SPSS
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
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
R
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。
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
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）。
2020-10-29
2020-10-19
2020-10-26