佛說，一切眾生相皆是無相。數據分析做到極致，也可以“無相無生”。 

在說今天的話題之前，我想先拋出一個結論：

• “做數據分析，不要建立一種以掌握的軟件來給自己分級的心態，但是一定要用工具避免誤入職業發展的歧途!”

為什么今天要談關于數據分析工具分級的問題呢?

其實這涉及到職場中一個非常常見的現象——工具鄙視鏈：

• 會python編程語言的，瞧不起用自助BI工具做數據分析的;
• 會用Tableau、FineBI這種分析工具的，瞧不起會用SPSS、SQL這種數據工具的;
• 會用SPSS、SQL的，瞧不起用PPT做數據匯報的;
• 會用PPT做數據匯報的，瞧不起只會用Excel做數據統計與整理的; 

逃不開的鄙視鏈

不光是數據分析行業，在程序員、產品經理等行業中都存在這樣的鄙視鏈

也有不少人和公司，遵從著這樣的鄙視鏈現象，通過這樣的鄙視鏈進行崗位的分級，或者作為選人招聘的門檻標準

而這個鄙視鏈似乎是與這個崗位生死同戚、共生共存、難以分離的：

• 比如我，在前幾年我還剛接觸數據分析的時候，只學會用Excel做數據處理，所有的數據清洗、數據加工和圖表可視化工作都是用Excel完成的

但是看著網上很多人都在學Python編程，當時還有一種“python才是數據分析標配”的言論，我也成為了跟風的一份子 

當時帶我的老大就告訴我：

• “網上說學python才能做數據分析的，純粹就是放屁，python做數據分析確實比Excel要專業一些，但是真正的核心，是要是什么數據場景和什么人在用。

我用Excel做的數據清洗絕對能完爆這些工具，但是我想做一些高級可視化，也會用python去做，誰規定數據分析師只能用一個軟件了?

說到底還是出于對數據分析崗位的自卑，數據分析才出現幾年啊，誰都覺得用Excel做數據分析太low逼了，一點體現不出我們的專業性，不學一門編程語言，其他部門的人誰瞧得起我們?” 

對于我老大的話，我深以為然，正是出于對于數據分析作崗位的錯誤認知，才會造成那么多人對于數據分析工具的誤解

其實這么多年，excel、Tableau、FineBI、PowerBI、SPSS、Python......我幾乎每種工具和軟件都用過，并沒有覺得哪一種是最萬能的

工具從來只是工具，是用來輔助我們進行數據分析的，最核心的關鍵還是在于人，也就是你是否真的具有數據分析思維和能力

像我之前老大的能力，用Excel照樣牛逼;要是沒有能力，學一萬種語言都沒用!

所以很多剛入門數據分析的朋友，一上來就買很多Python，R語言，VBA的書籍和資料，安裝了各個語言的環境

但其實數據分析師的日常工作，最多就是用到SQL取數以及Excel數據透視圖、BI分析工具中拖拉拽圖表 

所以，會用工具不是能力，懂得數據思維，才是數據分析師存在的意義

工具是輔助

那么回到我們今天的話題，數據分析當中有著不同的數據場景，會用到非常多的工具，那么應該如何選擇，下面簡單舉幾個例子

1、excel

別以為EXCEL只會處理表格，你可以把它當成數據庫，也可以把它當成IDE，甚至可以把它當成數據可視化工具來使用

它可以創建專業的數據透視表和基本的統計圖表，但由于默認設置了顏色、線條和風格，使其難以創建用于看上去“高大上”視覺效果

盡管如此，我仍然推薦你使用Excel

2、BI工具

近幾年冒出來的BI之秀，如TB、qlk都強調可視化，一改傳統BI工具SAP BO、IBM家的cognos(不過近幾年貌似都在研發云BI)

這里不談開源，還沒見到能成熟應用的BI，成熟的BI工具如FineBI(國內)和 Tableau(國外)，都很推薦 

3、python

學過Python數據分析的朋友都知道，在可視化的工具中，有很多優秀的三方庫，比如matplotlib，seaborn，plotly，Boken，pyecharts等等，這些可視化庫都有自己的特點，在實際應用中也廣為大家使用 

4、SPSS

SPSS是統計分析入門軟件，如果你想快速入門而又不想學習編程，我推薦使用SPSS

學習SPSS的重點并不在于軟件本身，而是相關的統計學知識，這也是在前面建議大家鋪墊的，也就是你要學會怎樣去分析“輸入數據后，軟件給你呈現的結果”

推薦大家一本書：《如虎添翼 數據處理的SPSS/SAS EG實現》，徐筱剛老師寫的，十分適合SPSS新手入門

最后說點啥

其實今天談的這個話題，也是其他行業里常見的現象之一，既然產生了這種亂象，說明一定有其產生的原因與邏輯，我們不必太過敏感

但是，對于我們數據分析師自身而言，真正做分析時候，你會發現市面上有太多的分析工具，需要掌握的實在是太多了

其實不必糾結于此，依據個人能力，配合當前的數據分析環境，適用的工具自然會被選出，最后記住一句話：工具是人用的，重點在于人，而不在于工具!