提及數(shù)據(jù)分析工具相信小伙伴們都不陌生，但是很多人都會有個疑惑？

數(shù)據(jù)分析工具這么多，它們有什么區(qū)別？哪個更好？哪個更強？我應該學習哪個？

雖然這個問題有點俗套，但是很重要，我也一直努力在追求這個終極問題的答案。如果大家在網上去搜索這方面相關的信息，你又很難看到一個公平的觀點。因為評價某一個工具的好壞評論者都可能站在不同的角度，帶上一些個人的感情色彩。

今天我們拋開這些個人色彩的東西，力求客觀地與大家淺談一下我個人對市面上幾款數(shù)據(jù)分析工具的看法，供大家參考。

我共選了三類工具：

• Excel
• BI工具
• R、Python等編程類語言

下面我一一來介紹：

Excel

如果說BI工具是戰(zhàn)斗機，R語言、Python是轟炸機，那么Excel就是數(shù)據(jù)分析里的航空母艦，表格制作、數(shù)據(jù)透視表、VBA等等功能強大，Excel的體系龐大到沒有任何一個分析工具能夠超過它，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計算機編程語言，不屑于使用Excel這種工具，因為Excel不能處理大數(shù)據(jù)。但換個思維想想，我們在日常中用到的數(shù)據(jù)是否超過了大數(shù)據(jù)這個極限呢？在我看來，Excel屬于萬能型的選手，解決小數(shù)據(jù)當然最適合，加上插件也可以處理百萬級的數(shù)據(jù)。

總結一下，基于Excel的強大的功能和它的用戶規(guī)模，我的看法是，它是必備工具，你要是想學數(shù)據(jù)分析Excel絕對是首選，而且是必選！

BI工具

BI也就是商業(yè)智能，這是為了數(shù)據(jù)分析而生的，它誕生的起點就非常高，目標是把從業(yè)務數(shù)據(jù)到經營決策的時間縮短，如何利用數(shù)據(jù)來影響決策。

而我們看Excel的產品目標不是這樣的，Excel可以做很多事情，你用Excel可以畫一張課程表，做一份調查問卷，當作計算器來算數(shù)，甚至還可以用來畫畫，用VBA寫個小游戲，這些其實都不是數(shù)據(jù)分析功能。

但是術業(yè)有專攻，BI是專攻數(shù)據(jù)分析的。

就拿現(xiàn)在市面上比較常見的powerBI、FineBI、tableau這些BI工具來說，你會發(fā)現(xiàn)它是完全按照數(shù)據(jù)分析的流程來設計的，先是數(shù)據(jù)處理、整理清洗，再到數(shù)據(jù)建模，最后數(shù)據(jù)可視化，展現(xiàn)圖表，用圖來講故事，發(fā)掘問題影響決策。

這些是數(shù)據(jù)分析的必經之路，同時這個流程里面也存在著從業(yè)者的一些痛點：

• 比如清洗數(shù)據(jù)這種重復性、低附加值的工作，可以用BI工具簡單化；
• 做數(shù)據(jù)透視分析，由于數(shù)據(jù)量很大，傳統(tǒng)Excel工具就很吃力，卡掉、死機；
• 做圖形展現(xiàn)，用Excel可能會花費很多時間編輯圖表，包括顏色、字體的設定；

這些痛點都是BI工具能夠給我們帶來改變和增值的地方。

那么再來談談PowerBI、FineBI、Tableau等BI工具之間的對比：

1、Tableau：

Tableau的核心本質其實就是excel的數(shù)據(jù)透視表和數(shù)據(jù)透視圖，可以說它敏銳地發(fā)覺了Excel的這個數(shù)據(jù)透視特性，較早地切入了BI市場，把這個核心價值發(fā)揚光大了。

從發(fā)展歷史和當前的市場的反饋情況看，Tablueau在可視化方面更勝一籌。這個優(yōu)勢我認為并不是圖表有多炫酷，而是它的設計、色彩、操作界面給人一種簡單，清新的感覺。這一點的確是像Tableau自己所宣傳的，投入了很多學術性精力研究人們喜歡什么樣的圖表，怎樣在操作和視覺上給使用者帶來極致的體驗。

此外，Tableau也在日趨完善，比如加入數(shù)據(jù)清洗功能和更多智能分析功能。這也都是Tableau可預計的產品發(fā)展優(yōu)勢。

2、Power BI

power bi勝在微軟的商業(yè)模式和產品的數(shù)據(jù)分析功能：

PowerBI之前是以Excel插件作為產品，受限于Excel本身這個航母，發(fā)展情況并不理想，于是從Excel的插件中剝離出來，獨立成一門派，脫胎換骨。但作為后來者，每個月都有迭代跟新，追趕速度非?？?。

powerBI的商業(yè)模式是軟件免費，這樣你不用擔心盜版、破解版的問題，因為正版都是免費的，這一點相比Tableau的動輒幾千元的售價實在是很有誘惑力；另一方面是數(shù)據(jù)分析功能，就是PowerPivot，DAX語言，它可以讓我用類似Excel寫公式的方式，實現(xiàn)很多非常復雜的高級分析。

3、Fine BI

再說Fine BI，它的獨到之處就在于自助式BI更適合企業(yè)級用戶。

比如取數(shù)，業(yè)務人員一會一個需求，這里數(shù)據(jù)不對、那里報表格式不對，效率很低。像有些企業(yè)是沒有數(shù)據(jù)分析師這樣的崗位，F(xiàn)ineBI的自助化就能夠實現(xiàn)在權限內自己取數(shù)分析，不再讓業(yè)務和IT互相扯皮。

傳統(tǒng)的BI方式可能會需要ETL架構師或者是數(shù)據(jù)建模師等，但是自助式BI所需要的就很少了，基本上是可以完成人工的解放，盡可能地去減少成本。

還有一個比較重要的點是，F(xiàn)ineBI是通過拖拽字段的方式，實現(xiàn)數(shù)據(jù)透視分析的，可以一鍵生成圖表，入門門檻比較低，對于數(shù)據(jù)分析新手來說，比powerBI和tableau要好學一點。

R語言和python

第三類工具，這是最難的回答的。雖然像Excel，Bi工具這些軟件的設計已經盡最大努力考慮到大部分數(shù)據(jù)分析的應用場景，但本質上他們都是定制化的，如果沒有設計某一項功能，或者開發(fā)某項功能的按鈕，很有可能你就不能完成你的工作。

對于這一點，編程語言就不一樣了，語言是非常強大非常靈活的，你可以隨心所欲地寫代碼執(zhí)行你想要的東西。比如R和Python語言，作為數(shù)據(jù)科學家的必備工具，從職業(yè)高度上講，這絕對是高于Excel、BI工具的。

那么有哪些應用場景，R、Python 可以做，而Excel和BI工具比較難實現(xiàn)呢？

1、專業(yè)的統(tǒng)計分析

以R語言來講，它最擅長的是統(tǒng)計型分析，比如求正態(tài)分布，利用算法歸類聚群，回歸分析等。這種分析就好比把數(shù)據(jù)當做一種實驗品，它能夠幫助我們回答的問題：

比如數(shù)據(jù)的分布情況，是正態(tài)分布、三角分布還是其他類型的分布？離散情況如何？是否在我們想要達到的統(tǒng)計可控范圍內呢？不同參數(shù)對結果的影響的量級是多少？以及假設性模擬分析，如果某一參數(shù)變化，會帶來多大的影響？

2、個體預測分析

比如我們想要預測一位消費者的行為，他會在我們的店里停留多長時間，消費多少，或者通過一個人的淘寶消費記錄判斷他的個人信用情況，制定貸款額度；再或者根據(jù)你在網頁上的瀏覽記錄，推送不同的商品。這也是涉及到目前比較火的機器學習、人工智能概念。

總結

以上的對比說明了幾個軟件的差別，我想總結的是，存在即合理。Excel\BI\編程語言，這些工具在應用上有交叉重疊的地方，也有互補的地方。對于重疊的地方，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。

選擇哪個工具，首先要了解你自己的工作，是否會用到我剛才提到的那些應用場景。或者想想你的從業(yè)方向，是朝著偏重數(shù)據(jù)的數(shù)據(jù)科學方向發(fā)展，還是偏業(yè)務的商業(yè)分析方向。