这3类工具最好用常见数据分析工具有哪些？ _常见数据分析工具

提及数据分析工具相信小伙伴们都不陌生，但是很多人都会有个疑惑？
数据分析工具这么多，它们有什么区别？哪个更好？哪个更强？我应该学习哪个？
【这3类工具最好用常见数据分析工具有哪些？】虽然这个问题有点俗套，但是很重要，我也一直努力在追求这个终极问题的答案。如果大家在网上去搜索这方面相关的信息，你又很难看到一个公平的观点。因为评价某一个工具的好坏评论者都可能站在不同的角度，带上一些个人的感情色彩。
今天我们抛开这些个人色彩的东西，力求客观地与大家浅谈一下我个人对市面上几款数据分析工具的看法，供大家参考。
我共选了三类工具：

Excel
BI工具
R、Python等编程类语言

下面我一一来介绍：
Excel如果说BI工具是战斗机，R语言、Python是轰炸机，那么Excel就是数据分析里的航空母舰，表格制作、数据透视表、VBA等等功能强大，Excel的体系庞大到没有任何一个分析工具能够超过它，保证人们能够按照需求进行分析。
当然也有人认为自己非常精通计算机编程语言，不屑于使用Excel这种工具，因为Excel不能处理大数据。但换个思维想想，我们在日常中用到的数据是否超过了大数据这个极限呢？在我看来，Excel属于万能型的选手，解决小数据当然最适合，加上插件也可以处理百万级的数据。
总结一下，基于Excel的强大的功能和它的用户规模，我的看法是，它是必备工具，你要是想学数据分析Excel绝对是首选，而且是必选！
BI工具BI也就是商业智能，这是为了数据分析而生的，它诞生的起点就非常高，目标是把从业务数据到经营决策的时间缩短，如何利用数据来影响决策。
而我们看Excel的产品目标不是这样的，Excel可以做很多事情，你用Excel可以画一张课程表，做一份调查问卷，当作计算器来算数，甚至还可以用来画画，用VBA写个小游戏，这些其实都不是数据分析功能。
但是术业有专攻，BI是专攻数据分析的。
就拿现在市面上比较常见的powerBI、FineBI、tableau这些BI工具来说，你会发现它是完全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，展现图表，用图来讲故事，发掘问题影响决策。
这些是数据分析的必经之路，同时这个流程里面也存在着从业者的一些痛点：

比如清洗数据这种重复性、低附加值的工作，可以用BI工具简单化；
做数据透视分析，由于数据量很大，传统Excel工具就很吃力，卡掉、死机；
做图形展现，用Excel可能会花费很多时间编辑图表，包括颜色、字体的设定；

这些痛点都是BI工具能够给我们带来改变和增值的地方。
那么再来谈谈PowerBI、FineBI、Tableau等BI工具之间的对比：
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，可以说它敏锐地发觉了Excel的这个数据透视特性，较早地切入了BI市场，把这个核心价值发扬光大了。
从发展历史和当前的市场的反馈情况看，Tablueau在可视化方面更胜一筹。这个优势我认为并不是图表有多炫酷，而是它的设计、色彩、操作界面给人一种简单，清新的感觉。这一点的确是像Tableau自己所宣传的，投入了很多学术性精力研究人们喜欢什么样的图表，怎样在操作和视觉上给使用者带来极致的体验。
此外，Tableau也在日趋完善，比如加入数据清洗功能和更多智能分析功能。这也都是Tableau可预计的产品发展优势。
2、Power BI
power bi胜在微软的商业模式和产品的数据分析功能：
PowerBI之前是以Excel插件作为产品，受限于Excel本身这个航母，发展情况并不理想，于是从Excel的插件中剥离出来，独立成一门派，脱胎换骨。但作为后来者，每个月都有迭代跟新，追赶速度非常快。
powerBI的商业模式是软件免费，这样你不用担心盗版、破解版的问题，因为正版都是免费的，这一点相比Tableau的动辄几千元的售价实在是很有诱惑力；另一方面是数据分析功能，就是PowerPivot，DAX语言，它可以让我用类似Excel写公式的方式，实现很多非常复杂的高级分析。
3、Fine BI
再说Fine BI，它的独到之处就在于自助式BI更适合企业级用户。
比如取数，业务人员一会一个需求，这里数据不对、那里报表格式不对，效率很低。像有些企业是没有数据分析师这样的岗位，FineBI的自助化就能够实现在权限内自己取数分析，不再让业务和IT互相扯皮。