常见的数据分析工具,如何进行数据分析

数据分析工具常见的有哪些?

1、数据处理工具：Excel

数据分析师，在有些公司也会有数据产品经理、数据挖掘工程师等等。他们最初级最主要的工具就是Excel。有些公司也会涉及到像Visio，Xmind、PPT等设计图标数据分析方面的高级技巧。数据分析师是一个需要拥有较强综合能力的岗位，因此，在有些互联网公司仍然需要数据透视表演练、Vision跨职能流程图演练、Xmind项目计划导图演练、PPT高级动画技巧等。

在Excel，需要重点了解数据处理的重要技巧及函数的应用，特别是数据清理技术的应用。这项运用能对数据去伪存真，掌握数据主动权，全面掌控数据；Excel数据透视表的应用重在挖掘隐藏的数据价值，轻松整合海量数据：各种图表类型的制作技巧及Power Query、Power Pivot的应用可展现数据可视化效果，让数据说话。因此想从事数据分析岗位的，需要快速掌握快各种Excel数据处理与分析技巧。

2、数据库：MySQL

Excel如果能够玩的很转，能胜任一部分数据量不是很大的公司。但是基于Excel处理数据能力有限，如果想胜任中型的互联网公司中数据分析岗位还是比较困难。因此需要学会数据库技术，一般Mysql。你需要了解MySQL管理工具的使用以及数据库的基本操作；数据表的基本操作、MySQL的数据类型和运算符、MySQL函数、查询语句、存储过程与函数、触发程序以及视图等。比较高阶的需要学习MySQL的备份和恢复；熟悉完整的MySQL数据系统开发流程。

3、数据可视化：Tableau Echarts

如果说前面2条是数据处理的技术，那么在如今“颜值为王”的现在，如何将数据展现得更好看，让别人更愿意看，这也是一个技术活。好比公司领导让你对某一个项目得研究成果做汇报，那么你不可能给他看单纯的数据一样，你需要让数据更直观，甚至更美观

如何理解数据可视化？像我们以前上学的时候学过的柱状图，饼状图，也是数据可视化的一种。只是在现在，简单的柱状图已经不能满足工作所需。目前比较流行的商业数据可视化工具是Tableau Echarts。

Echarts是开源的，代码可以自己改，种类也非常丰富，这里不多做介绍，可以去创建一个工作区了解下。

4、大数据分析：SPSS Python HiveSQL 等

如果说Excel是“轻数据处理工具”，Mysql是“中型数据处理工具”那么，大数据分析，涉及的面就非常广泛，技术点涉及的也比较多。这也就是为什么目前互联网公司年薪百万重金难求大数据分析师的原因

大数据分析需要处理海量的数据，这对于数据分析师的工作能力要求就比较高，一般来说，大数据分析师需要会

（1）会使用Hive的SQL方法HiveQL来汇总、查询和分析存储在Hadoop分布式文件系统上的大数据集合。知道Hive如何在Hadoop生态系统进行数据分析工作。

（2）会一些SPSS modeler基础应用，这部分技能对应数据建模分析师

（3）何使用R语言进行数据集的创建和数据的管理等工作；会使用R语言数据可视化操作，让学员学会如何用R语言作图，如条形图、折线图和组合图等等；是R语言数据挖掘，本部分数据挖掘工程师

（4）用Python来编写网络爬虫程序，从页面中抓取数据的多种方法，提取缓存中的数据，使用多个线程和进程来进行并发抓取等

总结一下

数据分析最常用的工具有哪些？

1、Excel

Excel作为最基础也数据分析工具，同时也是最主要的数据分析工具。Excel有多种强大功能，比如创建表单，数据透视表，VBA等等，Excel的系统十分强大，以至于没有任何一个分析工具是可以超越它的，可以根据自己的需求分析数据。

Excel可以满足绝大部分数据分析工作的需求，同时也提供友好的操作界面，对于具备基本统计学理论的用户来说Excel是比较容易上手的，就是它的处理的数据量较小。

2、SAS

SAS功能强大并且可以编程，很受高级用户的欢迎，也正因为此，它是比较难掌握的软件之一，在企业工作中用的比较多，需要编写SAS程序去处理数据。

3、SPSS

SPSS是世界上最早采用图形菜单的驱动界面统计软件，其最大的特点就是操作界面极为友好，输出的结果美观漂亮。用户只需掌握一定的Windows操作技能，精通统计的分析原理，就能够使用该软件为特定的科研工作而服务。SPSS采用了Excel表格的方式输入与管理数据，数据的接口较为通用，可以方便地从其他数据库当中读入数据。其统计的过程包括常用的、较为成熟的统计过程，可以完全满足非统计专业人士的工作需要。

4、SQL

SQL可以说是数据方向所有岗位都要掌握的工具，入门相对比较简单，概括起来就是增删改查，SQL需要掌握的知识主要包括数据的定义语言以及数据的控制语言和操控语言。在数据操控的过程中要能够理解SQL的语法顺序和执行顺序，理解SQL与各种join的 不同，熟练的掌握SQL的重要函数，想要入行数据分析，SQL是必要技能。

5、Python

Python是一种面向对象、解释型计算机程序设计的语言。它的语法简洁清晰，Python在数据分析和数据可视化等方面都显得比较活跃。

同时Python具有强大的编程能力，但是这种编程语言不同于R或者matlab，python有非常强大的数据分析能力，还可以利用Python进行爬虫，写游戏，和自动化运维，在这些领域当中有应用很广泛，这些优点就使得一种技术去解决所有的业务服务问题，体现了Python有利于各个业务之间的融合，使用Python，能够大大地提高数据分析的效率。

6、BI工具

BI工具是按照数据分析的流程进行设计的，商业智能的BI是为数据分析而生的，诞生起点很高，目的是为了缩短商业数据到商业决策的时间，并用数据去影响决策。

常见的数据分析工具

有EXCEL、MySQL、TABLEAU等。

1、Excel作为入门级的工具，同样也是最基础也是最主要的数据分析工具，Excel具备多种强大功能，除了创建表单，简单的数据清洗，还可以完成数据透视表，VBA等。

2、SQL是数据方向所有岗位的必备技能，其重要程度和Excel不相上下，SQL入门比较容易，概括起来就是在数据库里搜索调取想要的数据，在数据库里增删改查新旧数据。

3、Tableau的上手也非常快，只要拖拽处理过的数据后便会产出很多精美的可视化图像，数据可视化，用图表来识别问题并影响决策，在做数据分析和演讲时都是必不可少的加分项。

简介。

Excel它引进了“智能重算”的功能，当单元格数据变动时，只有与之相关的数据才会更新，而原先的制表软件只能重算全部数据或者等待下一个指令。同时，Excel还有强大的图形功能。

1993年Excel第一次被捆绑进Microsoft Office中时，Microsoft就对Microsoft Word和PowerPoint的界面进行了重新设计，以适应这款当时极为流行的应用程序。

从1993年，Excel就开始支持VBA是一款功能强大的工具，它使Excel形成了独立的编程环境。使用VBA和宏，可以把手工步骤自动化，VBA也允许创建窗体来获得用户输入的信息。但是，VBA的自动化功能也导致Excel成为宏病毒的攻击目标。

大数据分析工具都有哪些

大数据分析工具好用的有以下几个，分别是Excel、BI工具、Python、Smartbi、Bokeh、Storm、Plotly等。

1、Excel

Excel可以称得上是最全能的数据分析工具之一，包括表格制作、数据透视表、VBA等等功能，保证人们能够按照需求进行分析。

2、BI工具

BI也就是商业智能，BI工具的产品设计，几乎是按照数据分析的流程来设计的。先是数据处理、整理清洗，再到数据建模，最后数据可视化，全程围绕数据指导运营决策的思想。由于功能聚焦，产品操作起来也非常简洁，依靠拖拉拽就能完成大部分的需求，没有编程基础的业务人员也能很快上手。

3、Python

python在数据分析领域，确实称得上是一个强大的语言工具。尽管入门的学习难度要高于Excel和BI，但是作为数据科学家的必备工具，从职业高度上讲，它肯定是高于Excel、BI工具的。尤其是在统计分析和预测分析等方面，Python等编程语言更有着其他工具无可比拟的优势。

4、思迈特软件Smartbi

融合传统BI、自助BI、智能BI，满足BI定义所有阶段的需求；提供数据连接、数据准备、数据分析、数据应用等全流程功能；提供复杂报表、数据可视化、自助探索分析、机器学习建模、预测分析、自然语言分析等全场景需求；满足数据角色、分析角色、管理角色等所有用户的需求。

5、Bokeh

这套可视化框架的主要目标在于提供精致且简洁的图形处理结果，用以强化大规模数据流的交互能力。其专门供Python语言使用。

6、Storm

Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。Storm由Twitter开源而来，其它知名的应用企业包括Groupon、淘宝、支付宝、阿里巴巴、乐元素、Admaster等等。

7、 Plotly

这是一款数据可视化工具，可兼容JavaScript、MATLAB、Python以及R等语言。Plotly甚至能够帮助不具备代码编写技能或者时间的用户完成动态可视化处理。这款工具常由新一代数据科学家使用，因为其属于一款业务开发平台且能够快速完成大规模数据的理解与分析。

数据分析的工具有哪些

一，rapidminer，在全世界的范围内，它算是一个比较领先的数据挖掘解决方案，之所以它会得到大家的推崇和认可，跟它有先进技术作为依托有一定关系，它涉及的范围很广，许多行家在受访过程中纷纷表示，总是用它来简化数据挖掘过程中的一些设计和评价。

二，Hpcc，它是为了加快信息高速路而安排的一个计划，据悉，该计划一共投入了百亿美元的资金，前期研发的目的是为了开发可扩展的软件和系统，希望以此来开发有着千兆比特的网络技术，因为它的传输能力极强，所以被应用于大数据分析中。

三，Hadoop，现在许多大数据分析新人都喜欢用hadoop来直接代表大数据分析，可见它是很重要的，之所以它会得到大众的推崇和认可，其中一个原因就是它先预设了计算元素、存储可能失败的前提，然后通过多角度切入去确保这些可能被有效控制，不出现。

四，Pentaho

bi，它跟传统的bi产品存在很大的差别，它是一个框架，该框架是以流程作为中心的，以中心作为基础向外辐射再面向解决方案。Pentaho bi给大数据分析带来了改革性的改变，它的问世让quartz、jfree等独立产品有了被集中的可能性，还能以此作为基础为复杂的商务智能工作提供有效方案。

以上四种工具属于大数据分析岗必备的工具，需要做到灵活、流畅使用才可以。