神译局是36Kr的编译团队，聚焦科技、商业、职场、生活等领域，专注于引进国外新技术、新理念、新趋势。

编者按:数据科学家是21世纪的热门工作。欲善其事，必先利其器。数据分析工具这么多，哪种合适？Lewis Chou分析了介质上3类6种工具的特点和适用场景。看完这篇文章，相信你能知道。原标题:2019年6大数据分析工具

说到数据分析工具，我们总是有疑问。这么多数据分析工具，它们之间有什么区别？哪个更好？我应该学习哪一个？

虽然这是一个老生常谈的话题，但是真的很重要，我也一直在努力寻找这个终极问题的答案。如果你在网上搜索这方面的相关信息，很难找到公正的观点。因为某个具体数据分析工具的评价者可能会从不同的角度去看，会有一些个人感受。

今天，我们先抛开这些个人感受。我尽量客观的和大家谈谈我个人对市场上数据分析工具的看法，以供参考。

我选择了三类六个工具。接下来我就一一介绍。

1.Excel工具

Excel有很多强大的功能，如创建表单、透视表、VBA等。Excel的系统庞大到任何分析工具都无法超越，保证了每个人都可以根据自己的需求来分析数据。

但是，有些人可能会认为自己非常精通计算机编程语言，然后因为Excel无法处理大数据而不屑于使用Excel作为工具。但是请考虑一下，我们日常生活中使用的数据是否超出了大数据的界限？在我看来，Excel是一个多面手。最适合小数据，通过插件可以处理几百万的数据。

综上所述，基于Excel强大的功能及其用户规模，我认为它是一个不可或缺的工具。如果想学习数据分析，Excel绝对是首选。

2.商务智能工具

商业智能是为数据分析而生的，起点很高。其目的是缩短从业务数据到业务决策的时间，用数据影响决策。

这不是Excel的产品目标。Excel可以做很多事情。你可以用Excel画一个课程表，做一个调查问卷或者当计算器用，甚至可以画图。如果你知道VBA，你也可以制作小游戏。但这些都不是真正的数据分析功能。

但是BI工具是专门用于数据分析的。

以常见的BI工具(如Power BI、FineReport、Tableau)为例。你会发现都是按照数据分析流程设计的。首先是数据处理，数据清洗，然后是数据建模，最后是数据可视化，用图表来发现问题，影响决策。

数据分析的方法只有这些，这个过程中也有一些员工的痛点。

比如BI工具，可以用来简化低附加值的重复数据清理。

如果有大量数据，传统工具Excel无法完成数据透视表。

如果我们使用Excel进行图形显示，编辑图表会花费很多时间，包括颜色、字体设置等琐碎的事情。

这些痛点正是BI工具可以为我们带来改变和价值的地方。

现在，我们来对比一下市面上比较流行的三款BI工具:Power BI、FineReport和Tableau。

1 )Tableau

Tableau的核心本质其实就是Excel的数据透视表和数据透视图。可以说，Tableau敏锐地意识到了Excel的这个功能。它较早进入BI市场，并延续了这一核心价值。

从发展历史和目前市场反馈来看，Tableau的可视化效果更好。我不认为这是因为它的图表很酷，而是它的设计、颜色和用户界面给我们一种简单清新的感觉。

的确，就像Tableau自己的宣传一样，他们把大量的学术精力放在研究什么样的图表大家都喜欢，如何在操作和视觉上给用户提供极致的体验。

此外，Tableau还增加了数据清洗功能和更智能的分析功能。这也是Tableau可以期待的产品开发优势。

2)电源BI

Power BI的优势在于商业模式和数据分析功能。

Power BI曾经是Excel的一个插件，但是发展并不理想。所以它摆脱了Excel，发展成了BI工具。Power BI作为后来者，每个月都有一次迭代更新，而且跟得很快。

目前有三种Power BI许可方法:Power BI免费、Power BI专业版和Power BI高级版。和Tableau一样，免费版功能不全。不过基本够个人用了。而Power BI拥有强大的数据分析功能。它的PowerPivot和DAX语言使我能够以类似于在Excel中编写公式的方式进行复杂的高级分析。

3)FineReport应用程序

FineReport的独特之处在于，它的自助式数据分析非常适合企业用户。通过简单的拖放操作，您可以使用FineReport设计各种风格的报表，轻松构建数据决策分析系统。

FineReport可以直接连接各种数据库，方便快捷地定制各种样式，从而做出周报、月报、季报、年报。其格式类似于Excel的界面。包括功能报表创建、报表权限分配、报表管理、数据录入等。

此外，FineReport的可视化功能也非常突出，它提供了多种仪表盘模板和许多自主开发的可视化插件库。

价格方面，FineReport个人版完全免费，所有功能开放。

3.R&Python语言

和r Python是我想讨论的第三种工具。Excel、BI工具等软件虽然尽力考虑了数据分析的大部分应用场景，但实际上基本都是定制化的。如果软件没有设计某个功能，或者没有为某个功能开发按钮，那么很有可能你无法用它们来完成工作。

在这一点上，编程语言是不同的。它非常强大和灵活。你可以写代码做任何你想做的事情。比如R和Python是数据科学家不可或缺的工具。从专业的角度来说，它们肯定比Excel和BI工具更强大。

那么，R和Python能实现哪些Excel和BI工具难以实现的应用场景呢？

1)专业统计分析

就R语言而言，最擅长的是统计分析，如正态分布、聚类分类和利用算法进行回归分析等。这种分析就像用数据做实验。它可以帮助我们回答以下问题。

比如数据的分布是正态分布、三角分布还是其他类型的分布？分散程度如何？是否在我们想要达到的统计可控范围内？不同的参数对结果有什么影响？和假设模拟分析。如果一个参数发生变化，会有多大的影响？

2)独立预测分析

例如，我们打算预测消费者的行为。他会在我们店里呆多久？他会花多少钱？我们可以根据他的网上消费记录，了解他的个人信用状况，确定贷款金额。或者，我们可以根据他在网页上的浏览历史推送不同的项目。这也涉及到目前流行的机器学习和人工智能的概念。

结论

以上对比说明了几款软件的区别。我想总结的是，存在就是合理的。Excel、BI工具或编程语言有一些重叠的功能，但它们也是互补的工具。每个应用程序的价值取决于要开发的应用程序的类型和当时的情况。

在选择数据分析工具之前，你首先要了解你的工作:你会使用我刚才提到的应用场景吗？或者考虑你的职业方向:你是面向数据科学还是商业分析？

译者:博西。