做數(shù)據(jù)分析，根本用不到什么語言，python、vba可和程序員的那些語言差遠了，我暫且不認為其是一種能獨立工作的語言，但不代表它不會被用到，更不代表它不好。

數(shù)據(jù)行業(yè)內(nèi)普遍用的多的是Excel、R、Python、BI，可以滿足大部分業(yè)務(wù)需求~

Excel：

1.一般的辦公需求下的數(shù)據(jù)處理工作；2.中小公司數(shù)據(jù)管理，存儲（很多國有企業(yè)都用）；3.學(xué)校學(xué)生，老師做簡單的統(tǒng)計分析（如方差分析，回歸分析）；4.結(jié)合Word，PowerPoint制作數(shù)據(jù)分析報告；5.數(shù)據(jù)分析師的主力分析工具（部分?jǐn)?shù)據(jù)分析師的輔助工具）；6.部分商業(yè)雜志，報刊圖表制作（數(shù)據(jù)可視化）；

優(yōu)點：

1.容易上手；2.學(xué)習(xí)資源十分豐富；3.可以用Excel做很多事情，建模，可視化，報表，動態(tài)圖表；4.幫助你在進一步學(xué)習(xí)其它工具之前（比如Python，R），理解很多操作的含義；

缺點：

1.深入學(xué)習(xí)需要掌握VBA，難度有點高；2.當(dāng)數(shù)據(jù)量較大時，會出現(xiàn)卡頓的情況；3.到Excel2016版，在不借助其它工具的情況下，Excel數(shù)據(jù)文件本身能夠容納的數(shù)據(jù)僅有108萬行，不適合處理大規(guī)模數(shù)據(jù)集；4.內(nèi)置統(tǒng)計分析種類太簡單，實用價值不大；5.不像Python，R語言等開源軟件，正版Excel需要付費，比如我用office365.每年需要支付300多塊錢（不過也值了）

R：

通過擴展的第三方R包，R能夠做的事情幾乎涵蓋了任何需要數(shù)據(jù)的領(lǐng)域。就我們一般的數(shù)據(jù)分析或者學(xué)術(shù)數(shù)據(jù)分析工作而言，R能做的事情包括但不限于如下方面：1.數(shù)據(jù)清洗與整理；2.網(wǎng)絡(luò)爬蟲；3.數(shù)據(jù)可視化；4.統(tǒng)計假設(shè)檢驗（t檢驗，方差分析，卡方檢驗等）；5.統(tǒng)計建模（線性回歸，邏輯回歸，樹模型，神經(jīng)網(wǎng)絡(luò)等）；6.數(shù)據(jù)分析報告輸出（Rmarkdown）；

R容易學(xué)嗎？

從我個人來看，想要入門R是非常簡單的，10天的集中學(xué)習(xí)，對于掌握R的基本使用，基本數(shù)據(jù)結(jié)構(gòu)，數(shù)據(jù)導(dǎo)入導(dǎo)出，簡單的數(shù)據(jù)可視化，是完全沒有問題的。有了這些基礎(chǔ)，在遇到實際的問題時，去找到需要使用的R包，通過閱讀R的幫助文檔，以及網(wǎng)絡(luò)上的資料，就能夠相對快速的解決具體問題了。

Python

R語言和Python同為需要編程的數(shù)據(jù)分析工具，所不同的是，R專門用于數(shù)據(jù)分析領(lǐng)域，而科學(xué)計算與數(shù)據(jù)分析只是Python的一個應(yīng)用分支，Python還可以用來開發(fā)web頁面，開發(fā)游戲，做系統(tǒng)的后端開發(fā)，以及運維工作。

現(xiàn)在的一個趨勢是，Python在數(shù)據(jù)分析領(lǐng)域正在追趕R，在某些方面已經(jīng)超越了R，比如機器學(xué)習(xí)，文本挖掘等偏編程的領(lǐng)域，但R語言在偏統(tǒng)計的領(lǐng)域仍然保持優(yōu)勢。Python在數(shù)據(jù)分析方面的發(fā)展，很多地方借鑒了R語言中的一些特色。所以，如果你現(xiàn)在還是一片空白，還沒開始學(xué)習(xí)，要做決定學(xué)習(xí)R還是Python的話，建議從Python入手。

Python和R都比較容易學(xué)習(xí)，但是如果你同時學(xué)習(xí)兩者，由于在很多地方它們非常相似，就會很容易混淆，所以建議不要同時學(xué)習(xí)它們。等其中一個掌握到一定的程度，再著手學(xué)習(xí)另外一個

Python能做什么？

1.網(wǎng)絡(luò)數(shù)據(jù)爬取，使用Python能夠很容易的編寫強大的爬蟲，抓取網(wǎng)絡(luò)數(shù)據(jù)；2.數(shù)據(jù)清洗；3.數(shù)據(jù)建模；4.根據(jù)業(yè)務(wù)場景和實際問題構(gòu)造數(shù)據(jù)分析算法；5.數(shù)據(jù)可視化（個人感覺不如R好用）；6.機器學(xué)習(xí)，文本挖掘等高級數(shù)據(jù)挖掘與分析領(lǐng)域；

應(yīng)該學(xué)習(xí)R還是Python？

如果因為時間有限，只能選擇其中的一種來學(xué)習(xí)的話，我建議使用Python。但我仍然建議兩者都了解一下，畢竟每個人都不一樣?？赡苣阍谀承┑胤铰犝f，Python在工作中更加常用，但是工作中，解決問題才是最重要的，如果你能夠用R高效的解決問題，那就用R。

實際上，Python很多數(shù)據(jù)分析方面的特色，是模仿R來實現(xiàn)的，比如pandas的數(shù)據(jù)框，正在開發(fā)中的ggplot可視化包模仿的是R語言中非常著名的ggplot2.

BI

多數(shù)分析師日常的工作就是做報表，而數(shù)據(jù)分析師更多用到的報表是BI。 BI全稱商業(yè)智能，在傳統(tǒng)企業(yè)中，它是一套完整的解決方案。將企業(yè)的數(shù)據(jù)有效整合，快速制作出報表以作出決策。涉及數(shù)據(jù)倉庫，ETL，OLAP，權(quán)限控制等模塊。

BI工具主要有兩種用途。一種是利用BI制作自動化報表，數(shù)據(jù)類工作每天都會接觸大量數(shù)據(jù)，并且需要整理匯總，這是一塊很大的工作量。這部分工作可以交給BI自動化完成，從數(shù)據(jù)規(guī)整、建模到下載。

另外一種是使用其可視化功能進行分析，BI的優(yōu)點在于它提供比Excel更豐富的可視化功能，操作簡單上手，而且美觀，如果大家每天作圖需要兩小時，BI會縮短一半時間。 BI作為企業(yè)級應(yīng)用，可以通過它連接公司數(shù)據(jù)庫，實現(xiàn)企業(yè)級報表的制作。這塊涉及數(shù)據(jù)架構(gòu)，就不深入講了。

關(guān)于BI，像Tableau、PowerBI、FineBI、Qlikview這類BI（商業(yè)智能）工具，涵蓋了報表、數(shù)據(jù)分析、可視化等多層。底層還可于數(shù)據(jù)倉庫銜接，構(gòu)建OLAP分析模型。

關(guān)于BI工具，這篇說的很清楚了：

再扯遠一點，怎么樣選擇數(shù)據(jù)分析工具，學(xué)習(xí)一些技能其實還要看你是偏業(yè)務(wù)的還是技術(shù)的，還有取決于你公司的IT信息化水平。

業(yè)務(wù)類分析師，往往在營運部，市場部，銷售部等，根據(jù)服務(wù)的業(yè)務(wù)部門的不同，可能叫數(shù)據(jù)運營，經(jīng)營分析，會員分析，商業(yè)分析師等名字。因為各個業(yè)務(wù)線具體考慮的問題不同，分析思路與體系均有不同，所以會有這種區(qū)別。日常的工作更多是整理業(yè)務(wù)報表，針對特定業(yè)務(wù)做專題分析，圍繞業(yè)務(wù)增長做需要用到數(shù)據(jù)的測算、規(guī)劃、方案等。

技術(shù)類分析師，往往在IT部、數(shù)據(jù)中心。根據(jù)從事的工作環(huán)節(jié)不同，被分成數(shù)據(jù)庫工程師，ETL工程師，爬蟲工程師，算法工程師等角色。在中小企業(yè)，往往一個技術(shù)小哥通吃這些流程。在大企業(yè)，一個標(biāo)準(zhǔn)的數(shù)據(jù)中心，一般都有數(shù)據(jù)倉庫、專題分析、建模分析等組來完成數(shù)據(jù)開發(fā)工作，再大的公司，還有專門負責(zé)數(shù)據(jù)治理的小組。之所以有這個區(qū)分，是因為生產(chǎn)數(shù)據(jù)，需要一個多層次的復(fù)雜的數(shù)據(jù)系統(tǒng)。

一個數(shù)據(jù)系統(tǒng)，需要數(shù)據(jù)采集、數(shù)據(jù)集成、數(shù)據(jù)庫管理、數(shù)據(jù)算法開發(fā)、報表設(shè)計幾個環(huán)節(jié)組合。這樣才能把分散在各處的一點一滴的數(shù)據(jù)集中起來，計算成常用的指標(biāo)，展示成各種炫酷的圖表。這里每一個環(huán)節(jié)都需要對應(yīng)的技術(shù)支持和人員工作，因此有了不同的崗位。

分析師有技術(shù)和業(yè)務(wù)之分，那對應(yīng)工具也有這樣的屬性側(cè)重。

分析類工具

對于初級數(shù)據(jù)分析師，玩轉(zhuǎn)Excel是必須的，數(shù)據(jù)透視表和公式使用必須熟練，VBA是加分。另外，還要學(xué)會一個統(tǒng)計分析工具，SPSS作為入門是比較好的。

對于數(shù)據(jù)挖掘工程師……嗯，R和Python必備，要靠寫代碼來解決。

代碼類工具

對于初級數(shù)據(jù)分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。

對于高級數(shù)據(jù)分析師，除了SQL以外，學(xué)習(xí)Python是很有必要的，用來獲取和處理數(shù)據(jù)都是事半功倍。當(dāng)然其他編程語言也是可以的。

對于數(shù)據(jù)挖掘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之編程語言絕對是數(shù)據(jù)挖掘工程師的最核心能力。

一圖說明問題：

其實在這個問題中，后者并不能讓前者成為現(xiàn)實，因為我不斷強調(diào)，只會工具并不能讓你成為數(shù)據(jù)分析師?。。?/p>

記住我的這句話，工具只能起到錦上添花的作用，更多的還是你對業(yè)務(wù)的理解，數(shù)據(jù)分析思維和方法，模型的建立能力。

我的這些干貨，看完會對你很有幫助。

李啟方：如何擁有數(shù)據(jù)分析思維？

李啟方：三大經(jīng)典數(shù)據(jù)分析模型，每一個都能幫你掙錢！

如何成為一個年薪50萬以上的數(shù)據(jù)分析師？