临沂新闻网

首页 > 正文

十年数据分析经验,总结出这三类工具最好用

www.nk7x.cn2019-09-27

扬帆2019.9.4我要分享

提到相信朋友熟悉的数据分析工具,但很多人会怀疑吗?

有这么多的数据分析工具,有什么区别?哪个更好?哪个更强?我应该学习哪一个?

虽然这个问题有点陈词滥调,但这非常重要,我一直在努力寻求这个终极问题的答案。如果您上网搜索该区域的相关信息,很难看到公平的观点。因为对工具的好坏评价者的评价可能来自不同的视角,具有一些个人感受。

今天,让我们把这些个人色彩放在一边,并试着客观地谈谈我对市场上几种数据分析工具的个人看法,供大家参考。

我选择了三种工具:

ExcelBI工具R,Python和其他编程语言

让我逐一介绍:

Excel中

如果BI工具是战斗机,R语言,Python是轰炸机,那么Excel是数据分析,表格制作,数据透视表,VBA等航空母舰,Excel系统是如此之大,以至于没有任何分析工具可以超越它。确保人们可以根据自己的需求进行分析。

当然,有些人认为他们非常精通计算机编程语言,并且懒得使用Excel作为工具,因为Excel无法处理大数据。但想想看,我们日常生活中使用的数据是否超出了大数据的限制?在我看来,Excel是一个多才多艺的玩家。当然,小数据的最佳解决方案是它可以处理数百万个数据。

综上所述,基于Excel的强大功能及其用户大小,我的观点是它是必备工具,如果要学习数据分析Excel绝对是首选,必须选择!

BI工具

BI也称为商业智能,它诞生于数据分析。 BI的起点非常高。目标是缩短从业务数据到业务决策的时间,以及如何使用数据来影响决策。

Excel可以做很多事情。您可以绘制课程,进行问卷调查,使用Excel作为计算器进行计数,甚至用它来绘制图片,用VBA写一个小游戏。这些不是数据分析功能。

但技术行业专注于数据分析,而BI则专注于数据分析。

以市面上常用的powerBI,FineBI,tableau为例,您会发现它们是根据数据分析过程设计的。它们是数据处理,清理,数据建模,数据可视化,图表显示,讲故事和问题发现,这些都会影响决策制定。

这些是数据分析的唯一方法,在这个过程中,从业者也有一些痛苦的观点:

例如,BI工具可以简化重复且低附加值的清洁数据工作;做数据透视分析,由于数据量大,传统的Excel工具很费力,堵塞,崩溃;做图形显示,使用Excel可能会花费大量时间编辑图表,包括颜色,字体设置;

这些痛点是BI工具可以为我们带来变化和附加价值的地方。

然后我们来谈谈PowerBI,FineBI,Tableau和其他BI工具之间的比较。

1. Tableau :

实际上,Tableau的核心本质是Excel的PivotTable和PivotTable。可以说,它已经敏锐地发现了Excel的数据透视表,更早地进入了BI市场,并继承了这一核心价值。

Tablueau在开发历史和当前市场反馈方面更具可视性。我觉得这个优势并不是图表有多酷,但它的设计,色彩,操作界面给人一种简单,清新的感觉。这正是Tableau自己所鼓吹的,他投入了大量的学术精力来研究人们喜欢什么样的图表,以及如何为用户带来最终的操作和视觉体验。

此外,Tableau正变得越来越完善,例如添加数据清理功能和更智能的分析功能。这也是Tableau可预测的产品开发优势。

2. Power BI

Power Bi赢得了微软的商业模式和产品数据分析功能:

PowerBI曾经是Excel插件作为产品,受Excel本身作为航空母舰的限制,开发情况并不理想,因此它与Excel插件分离,独立于一个流派,新一代。但作为后来者,每个月都有迭代和新的,追赶速度非常快。

PowBI的商业模式是免费软件,因此您不必担心盗版,破解,因为原始版本是免费的,这比Tableau的动态价格数千元更具吸引力;另一方面,数据分析功能是PowerPivot,DAX语言,它允许我用类似的Excel写公共。通过这种方式,可以实现许多非常复杂的高级分析。

3.精细BI

让我们来谈谈Fine BI,它的独特之处在于自助BI更适合企业用户。

例如,取数字,业务人员会有一段时间的需求,这里的数据是错误的,报告格式错误,效率很低。像一些没有数据分析师这样职位的公司,FineBI的自助服务可以在权限范围内实现自己的分析,不再让业务和IT相互谈论。

传统的BI方法可能需要ETL架构师或数据建模器,但自助BI需要的很少,基本上它可以完成劳动解放并尽可能地降低成本。

另一个重点是FineBI通过拖放字段实现数据透视分析。它只需单击即可生成图表,并且输入阈值相对较低。对于数据分析的新手,最好比PowerBI和Tableau学习。

R语言和python

第三种工具,这是最难的答案。尽管Excel和Bi工具等软件的设计考虑了大多数数据分析的应用场景,但它们基本上是定制的。如果您没有为功能设计功能或开发按钮,很可能您无法完成工作。

编程语言与此不同,语言非常强大且非常灵活,您可以编写代码来执行您想要的操作。例如,R和Python语言作为数据科学家不可或缺的工具,从专业水平来看,这绝对高于Excel,BI工具。

那么应用场景是什么,R,Python可以做什么,而Excel和BI工具更难实现?

1.专业统计分析

在R语言中,它擅长统计分析,如寻找正态分布,算法聚类,回归分析等。这种分析就像将数据视为实验一样,可以帮助我们回答问题:

例如,数据的分布,是正态分布,三角分布还是其他类型的分布?分散怎么样?它是否在我们想要实现的统计控制范围内?不同参数对结果的影响程度如何?假设模拟分析,如果参数发生变化,它会带来多大的影响?

2.个人预测分析

例如,我们想要预测消费者的行为,他将留在我们的商店多久,他将花多少钱,或通过一个人的淘宝消费记录判断他的个人信用状况,并设置贷款额度;或根据您在网页上的浏览记录推送不同的产品。这也与机器学习和人工智能的概念有关。

总结

上面的比较说明了几个软件之间的区别,我想总结一下这个存在是否合理。 Excel BI编程语言,这些工具在应用程序中重叠,但也相互补充。对于重叠区域,无论使用什么工具,如果您可以使用它来解决遇到的问题,那么它是最好的。

首先,选择哪个工具来了解您自己的工作,是否将使用我刚才提到的应用场景。或者考虑一下您的职业发展方向是面向数据导向的数据科学还是面向业务的业务分析。

收集报告投诉

说到数据分析工具,我相信小伙伴并不陌生,但很多人会有疑虑吗?

有这么多的数据分析工具,它们之间的区别是什么?哪个更好?哪个更强?我该学哪个?

虽然这个问题有点陈词滥调,但这非常重要,我一直在努力寻求这个终极问题的答案。如果您上网搜索该区域的相关信息,很难看到公平的观点。因为对工具的好坏评价者的评价可能来自不同的视角,具有一些个人感受。

今天,让我们把这些个人色彩放在一边,并试着客观地谈谈我对市场上几种数据分析工具的个人看法,供大家参考。

我选择了三种工具:

ExcelBI工具R,Python和其他编程语言

让我逐一介绍:

Excel中

如果BI工具是战斗机,R语言,Python是轰炸机,那么Excel是数据分析,表格制作,数据透视表,VBA等航空母舰,Excel系统是如此之大,以至于没有任何分析工具可以超越它。确保人们可以根据自己的需求进行分析。

当然,有些人认为他们非常精通计算机编程语言,并且懒得使用Excel作为工具,因为Excel无法处理大数据。但想想看,我们日常生活中使用的数据是否超出了大数据的限制?在我看来,Excel是一个多才多艺的玩家。当然,小数据的最佳解决方案是它可以处理数百万个数据。

综上所述,基于Excel的强大功能及其用户规模,我认为它是一个不可或缺的工具。如果您想学习数据分析,Excel绝对是首选,它是必须的!

BI工具

BI也是商业智能,它诞生于数据分析。它诞生于一个非常高的起点。目标是缩短从业务数据到业务决策的时间以及如何使用数据来影响决策。

而我们看看Excel的产品目标不是这样的,Excel可以做很多事情,你可以用Excel绘制课程,做一个问卷调查,用它作为计算器来计算,甚至用它来绘制,使用VBA写一个小游戏,这些都不是数据分析功能。

但业界有专业化,BI专门从事数据分析。

采用更常见的BI工具,例如市场上的powerBI,FineBI和tableau。您会发现它是根据数据分析过程设计的,首先是数据处理,完成和清理,然后是数据建模,最后是数据可视化。展示图表,使用故事讲故事,探索影响决策的问题。

这是数据分析的唯一方法,并且在此过程中存在一些难点:

例如,使用BI工具可以简化重复且低附加值的清洁数据工作;对于数据分析,传统的Excel工具由于数据量大而非常困难,并且卡住和崩溃;编辑图表可能需要很长时间,包括颜色和字体设置;

这些痛点是BI工具可以为我们带来变化和价值的地方。

然后我们来谈谈BI工具(如PowerBI,FineBI和Tableau)之间的比较:

1,Tableau:

Tableau的核心本质实际上是excel的数据表和数据透视图。可以说,它敏锐地意识到Excel的这一关键特性,并且更早地切入BI市场,并继承了这一核心价值。

从开发历史和当前市场反馈来看,Tablueau在可视化方面更胜一筹。我认为这个优势并不是图表有多酷,但它的设计,颜色和操作界面给人一种简单,清新的感觉。这确实就像Tableau自己的宣传,投入了大量的学术精力来研究人们喜欢什么样的图表,如何给用户带来终极的操作和视觉体验。

此外,Tableau也变得越来越复杂,例如添加数据清理功能和更智能的分析功能。这也是Tableau可以预测的产品开发优势。

2,Power BI

Power bi赢得了微软商业模式和产品中的数据分析功能:

PowerBI使用Excel插件作为产品,受到Excel本身的航空母舰的限制。开发并不理想,因此它从Excel插件中删除并成为一个教派。但作为后来者,每个月都有迭代和新的迭代,并且追赶速度非常快。

powerBI的商业模式是免费的,所以你不必担心盗版和破解版本,因为正版是免费的,与Tableau几千美元的价格相比,这是非常有吸引力的;另一方面,数据分析功能,PowerPivot,DAX语言,允许我以类似于Excel编写公式的方式实现许多非常复杂的高级分析。

3.精细BI

让我们来谈谈Fine BI,它的独特之处在于自助BI更适合企业用户。

例如,取数字,业务人员会有一段时间的需求,这里的数据是错误的,报告格式错误,效率很低。像一些没有数据分析师这样职位的公司,FineBI的自助服务可以在权限范围内实现自己的分析,不再让业务和IT相互谈论。

传统的BI方法可能需要ETL架构师或数据建模器,但自助BI需要的很少,基本上它可以完成劳动解放并尽可能地降低成本。

另一个重点是FineBI通过拖放字段实现数据透视分析。它只需单击即可生成图表,并且输入阈值相对较低。对于数据分析的新手,最好比PowerBI和Tableau学习。

R语言和python

第三种工具,这是最难的答案。尽管Excel和Bi工具等软件的设计考虑了大多数数据分析的应用场景,但它们基本上是定制的。如果您没有为功能设计功能或开发按钮,很可能您无法完成工作。

编程语言与此不同,语言非常强大且非常灵活,您可以编写代码来执行您想要的操作。例如,R和Python语言作为数据科学家不可或缺的工具,从专业水平来看,这绝对高于Excel,BI工具。

那么应用场景是什么,R,Python可以做什么,而Excel和BI工具更难实现?

1.专业统计分析

就R语言而言,最好进行统计分析,例如找到正态分布,使用算法对聚类进行分类,以及回归分析。这种分析就像使用数据作为实验一样,它可以帮助我们回答问题:

例如,数据的分布是正态分布,三角分布还是其他类型的分布?什么是离散的情况?它是否在我们想要实现的统计可控范围内?不同参数对结果的影响程度如何?而假设的模拟分析,如果某个参数发生变化,它会带来多大的影响?

2.个人预测分析

例如,我们想要预测消费者的行为,他将在我们的商店停留多长时间,花多少钱,或通过一个人的淘宝消费记录判断他的个人信用状况,并设定贷款金额;或根据您浏览页面上的不同项目。这也是与当前火灾相关的机器学习和人工智能的概念。

总结

上述比较说明了几种软件之间的差异。我要总结的是存在是合理的。 Excel \ BI \编程语言,这些工具有重叠和重叠的应用程序,并且有互补的地方。对于重叠的地方,无论使用哪种工具,只要你能用它来解决你的问题,它就是最好的。

选择哪种工具,首先要了解自己的工作,将使用我刚才提到的应用场景。或者考虑一下你的职业方向,无论是面向偏见数据的数据科学方向,还是商业业务分析的方向。

热门浏览
热门排行榜
热门标签
日期归档