容桂网站建设淘宝美工培训推荐
做数据分析也有年头了，好的坏的工具都用过，推荐几个觉得很好用的，避坑必看！
PS：一般比较成熟的公司里，数据分析工具不只是满足业务分析和报表制作，像我现在给我们公司选型BI工具，是做全平台全方位的数据处理，外源数据更新、实时抽取、性能优化等等都是非常关注的点，所以Excel这种适合个人分析的就不推荐了，不适合专业的数据分析师。
- 数据存储层：Access、SQL Server、DB、Oracle等
- 数据处理层：Python、Hadoop
- 数据报表层：Finereport、简道云
- 数据展示层：Tableau、Powerbi、Finebi
一、数据存储层面
这一方面主要是数据库和数据仓库的一些知识点，企业要想做数字化转型，把原先的一些数据系统，如ERP、OA、CRM、Excel等，必须得进行数字打通，不然整个企业就相当于在进行烟囱式开发，数据东一块，西一块，根本不能成为体系。
具体的，就是一些数据库的使用，不要说这方面的知识不想学，有运维替你管着。
一个好的大数据体系，数据仓库和数据库、数据湖、数据集市的建立是非常重要的，建模的维度就决定了你后面分析的维度，如果维度不够全面与准确，那你的工具再好也就没有意义了。
二、数据处理层面
python、hadoop可以闪亮登场了，但是hadoop是一个非常复杂的平台，需要的技术很多，所以这里我们暂时不讨论。
使用Python的好处是自由度非常高，能够灵活运用模型和算法，并且从数据采集到数据清洗到数据分析，一种语言就可以全部搞定。
现在很多人都在说不学python会怎么怎么样，但其实不是这样，归根结底只是一个底层语言，需要混合使用。Python是有一定门槛的，而且学习的时间成本不低，往往一次分析需要花较多的时间，如果不是大型分析项目，有点大材小用。
但是对于大型的项目，尤其是涉及到数据挖掘类的建议用python。
还有一些可以数据抓取的工具，我就不说了，本质其实都差不多。
三、数据报表层面
可能提到报表，很多人脑子里的想法就是Excel，这其实是完全不对的，excel的短板是很明显的：
- Excel会导致企业信息化程度不够
- 数据口径不一致，浪费人力去核对
- 数据采集困难，更改不能实时显示数据
所以更推荐轻量级的数据报表工具，比如简道云就很适合做各种数据报表。
https://www.jiandaoyun.com
从数据的收集（在线表单），到各种审批流程的流转（流程表单），再到数据的分析和展示（仪表盘）都做的比较完善。企业日常办公和管理需求完全能够满足。
如果是有一些代码基础的技术人员，推荐使用Finereport，这里简单说下原因：
报表开发方面，FineReport比Excel更专业一些，因为它是一个纯Java开发的报表软件，相对于开源报表来说，它的功能都是封装好的，用户不需要编码直接就能用，而且它的界面设计风格和Excel类似，兼容Excel常用的公式，稍微会点Excel就能很快上手。
而且Finereport是作为企业级的报表平台应用，所以适合公司使用。
4、数据展现层面
我上一家公司用的是SAS，可现在流行R语言来训练模型，作为数据分析工具，今年已经没有采购SAS了预算了，预算都给大数据平台产品了。
你们以为的数据展现，可能就是所有数据都处理好了，然后直接生成可视化就行，其实远不是这样，那数据变动怎么办呢？数据量太大，宕机了怎么办呢？
所以一个实时的可视化工具就显得非常重要，我觉得Tableau、PowerBI、FineBI都是一个不错的选择。
（1）Tableau
Tableau我更倾向于将他定义为数据可视化工具，而不是数据分析工具，因为tableau的数据可视化能力确实非常强，他的交互式的可视化体验在业内是被人津津乐道，但是在数据建模和数据分析功能上，略输pbi与finebi一筹。
其实我用的是Tb prep+Tb desktop，因为tableau一直以来就被数据处理能力差而诟病，prep就是千呼万唤始出来的数据清洗工具，2018年才刚刚面世，主要是为了弥补tb在数据清洗工作上的欠缺，我用过一两次，接触的不深，风格还是一贯的tb清新风格，基本可以实现数据清洗、数据整理、数据合并等etl操作，但是理论上任何产品都需要一定的生长曲线，我相信tb prep也同样是如此，未来还有更大的空间可以优化。
另外就是prep+desktop两款工具协同工作的方式，太过于麻烦，这也算是tb的一大与生俱来的缺点。
此外Tableau是国外的工具，一是服务体系不够全，出了问题要解决很久，这是不能接受的；二是价格实在是太高，动不动就上百万。
（2）FineBI
所以我推荐FineBI，一款web级的敏捷数据工具，不仅直接拖拽就能生成可视化，而且还能做复杂报表，BI报表就是企业的新方向。
其实数据展现类的工具，靠不靠谱还得看引擎，FineBI引擎的两种模式可以支持大数据量分析，这一点我是非常推崇的：
- 抽取模式：提供基于索引的高效计算引擎，通过数据预加载，支撑前端快速数据分析，适用于实时性要求不高的分析。
- 实时模式：直接对接读取企业的数据库表进行分析，适用于对实时性要求较高的数据分析场景。
可视化能力嘛，比tableau弱一点，不过好处就是简单一点，很好上手：
（3）PowerBI
首先powerbi我将其定义为适合个人多联机的数据分析与挖掘工具。
PBI可以说是微软的一次偶然尝试和偶然的产品，在tableau出现之前，微软对于数据分析领域的布局其实非常简单，只有针对企业用户的sql server analysis service和excel里的power pivot，后来微软将这两个工具进行结合，开发出了Powerbi
所以与其说powerbi是微软开发出的数据分析工具，不如说是微软依靠对BI业务模型多年的研究总结后得出的一套解决方案，也就是DAX所代表的的数据分析理念。这一点与tableau提倡的理念是相反的。
Power的数据可视化能力怎么说呢，一言难尽吧，powerbi真的有种工科风，能力强悍但是颜值不高，可视化展现能力方面，PoweBI内置的图表种类相对较少,例如一些常用的玫瑰图,多层饼图,词云图,热力地图,流向地图等都不支持(需要进行市场图表拓展下载使用).图形属性方面还算丰富,可以由用户自定义进行图表样式属性的设置调节。
最后，永远要记住，不要太过于依赖于工具，使用好工具的基础一定是你拥有扎实的知识基础，如果你连数据分析是什么？怎么做数据分析这些都不懂，那说实话，选择再好的工具也没什么用。
如果你有幸看到这里了，那么再给大家推荐一些学习数据分析的书籍和课程，都整理在这篇回答里了：
如何培养真正的数据分析思维？附实践案例
以上。