目前市场上一般用到的数据分析软件就是传统的Excel、Power Bi等等，毕竟是老牌软件。当然，近些年，其他新兴数据分析软件也逐渐走进大家的视野，毕竟Excel是要求掌握比较复杂的函数的，操作起来的门槛比较高，所以现在逐渐兴起了零代码数据分析软件，比如伙伴云等。>>>悄悄发福利：伙伴云独家16套+数据分析报表模板大礼包，点击免费领取哦～ 那就一起看下去吧，帮助到你的话不妨点赞收藏哦！ 一、传统的数据分析软件1、 Excel工具 优点：Excel具备多种强大功能，比如创建表单，数据透视表，VBA等，确保了大家可以根据自己的需求分析数据。 缺点：Excel无法处理大数据，它最适合小型数据，只有通过插件它才可以处理数百万的数据。 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？而且我们国家中小微型企业占了大部分，Excel足够处理绝大多数的数据分析需求。 2、Power BI Power BI的PowerPivot 和DAX语言能够以类似在Excel中编写公式的方式来进行复杂的高级分析，可以彻底解决很多在Python或者Excel中让人烦透了的问题，比如： 做个图表再也不用写Python几十甚至上百行的代码，也不用调整N多了Excel图表参数。 做个表格直接星型连接，再也不用pandas来回join、也不用Excel迷之效果的VLOOKUP函数 做个分析，前期用Python处理数据，后期用Excel出图表，现在直接PowerBI搞定! 但是，PowerBI的缺陷也较为明显。 PowerBI本身因为DAX函数的存在，就有不小的学习难度，操作上手没有Excel简单 网络上的学习资源也较少，没有能够引导进行PowerBI数据分析的学习视频，加大了我们学习的难度。 总之，Power BI最大优势在于其业务模型和数据分析功能，最大缺点是学习难度高。 3、R＆Python语言 尽管像Excel和BI工具这样的软件已尽最大努力考虑到数据分析的大多数应用场景，但其实它们基本上都是定制化的。 如果软件没有设计某项功能或替某功能开发按钮，那很可能你就没法用它们来完成工作。在这一点上面，编程语言是不一样的。 R＆Python就都属于编程语言类，但用它们的前提是：必须得有代码基础，它们可以编写代码来执行所需的任何操作。 比方说，R和Python是数据科学家必不可少的工具。从专业的角度来看，它们绝对比Excel和BI工具强大。比如，一些专业统计分析和独立预测分析的应用场景，在Excel和BI工具上难以实现，但通过R和Python却可以。 4、SQL SQL是结构化查询语言，基于数据库的语言，是用于数据分析和数据处理的最重要的编程语言之一。做专业数据分析，SQL也是必会的工具，因为要利用SQL语句来取数、清洗数据。 学好SQL，可以从事数据科学相关的工作（例如数据分析师、数据科学家和数据工程师），但至少需要具备下面这些技能
结论：几款数据分析工具存在部分功能重叠，但也是互补的工具。如果对数据要求不高的，可以考虑Excel；如果有代码基础的，可以考虑R和Python；如果自身学习能力还ok的话，可以尝试Power BI和SQL。 二、伙伴云：零代码数据分析工具，市场数据分析轻松搞定 和上面几款需要写代码或具备编程能力的软件不同的是，伙伴云的数据可视化操作非常简单，只需简单的拖拉拽就能快速进行仪表盘的配置！初学者们不需要掌握复杂的函数，费劲吧啦的搞数据透视表甚至编程写代码，就可以参与到数据分析的行列之中。 仪表盘集大数据分析、可视化报表、智能办公桌面于一体，不仅可以用来制作常规的可视化图表，还支持超级炫酷的数据大屏。 1、活动数据多维度分析 在伙伴云数据仪表盘中，导入数据源就可以一键生成可视化报表，我们还可以按照不同角色进行不同权限的设定，比如市场专员和市场总监所查看的数据就可以有所区分。 市场总监可以查看活动的状态、预算和活动实际的成本、获取线索、人均获客排行、活动类型转化率...数据信息；市场专员就可以设置录入客户线索快捷入口、活动待办日历查看... 伙伴云数据分析仪表盘 2、不同营销渠道数据多维度分析 通过伙伴云数据仪表盘，还可以实时查看看到线上线下所有渠道的营销活动效果，比如各大自媒体平台（知乎、今日头条、小红红书、B站....）、线上直播平台、线下会销....深入了解每个营销渠道，分析哪些营销方式最有效或最为困难，并展示营销工作对线索获取的贡献。 伙伴云数据分析仪表盘 最后，小编为你准备好了精美实用的数据分析报表大礼包，直接戳下方链接就可以免费领取啦！ 戳这里>>>全套免费的【Excel可视化大礼包】+伙伴云独家数据分析报表模板大礼包 不仅仅是数据分析报表哦，伙伴云还拥有如OKR、看板视图、日历视图和卡片视图等轻量级应用，功能都超级强大，最最关键的是，伙伴云20人以下它支持免费使用，试试就知道啦～ 以上，记得关注 @伙伴云 哦～ }

在去年上海财经大学的MBA讲座中，“下一场数据革命”，本人提出未来数据平台的有几大趋势： 新型的数据交易所可信计算平台
数据安全中台 新型数据分析系统（流式，交互式） 算力云 AI数据库低碳AI ABCD一体化平台例如，阿里的datatrust就是可信计算平台的一种。
datatrust里面有一项特色是对SQL分析的集成。 这里我想谈论的就是 SQL + 分布式(D) + 流式(F) + AI + 隐私计算(PEC) +算力（GPU）六合一数据中台， 正在走向从未有过的融合。 从DataTrust，大致可以看到SQL+PEC的融合。 其实AI+PEC也不是新闻了，只是早期更倾向于使用TEE环境去搞定。Spark也往往是作为底层分布式框架。 只是最近联邦学习， 多方安全计算软件解决方案全面追上来了。 SQL+AI的融合其实SQL+ML融合的思想，在Clickhouse的设计里面就有一定的体现了。 倒是ML毕竟不是AI。 滴滴与蚂蚁金服搞了一个SQLFlow， 希望融合SQL+AI， 其实本质就是AI数据库的思路。 但是就实现上， SQLFlow只是一层解释层，目前语法的接受程度也有限。 底层当然可以实现一定的分布式。SQL+AI+流式 的融合其实阿里的Blink中就有SQL的集成，阿里也有意将这一块推动融入Flink。 所以Blink其实有点SQL+ML+流式的融合了。 要从ML过渡到AI，就得对主流的AI框架进行支持。 最近Fugue项目如火如荼的进行着， 算是前沿的SQL+AI+流式的融合了。 SQL+AI+流式 + 分布式的融合Spark时代BSP分布式模型非常适合大数据计算， 而走向更适合AI的Asynchronous Parameter Server，时代就有很多改造， 例如Glint项目。 但是一个全新的Python的异步服务器分布式平台也是非常好的选择， 例如Dask， Ray。 其实Spark，Dask，Ray有非常相似的地方，就是维护一张分布式宽表。所以他们之间相互调用会比较简单。 很多人好奇，Spark与Ray/Dask有啥不一样呢， 其实一句话可能比较好的解释了：
最好他俩组合起来用， Spark做分布式数据预处理。而且Ray/Dask做分布式训练。 SQL+AI+流式 + 分布式 + GPUAI现在天然离不开算力支持了。 因此不管是DASK，还是Ray对GPU的支持都会比Spark好。 尤其今年虚拟化对GPU的支持也越发有提升。 六合数据中台相信充分的融合后，在算力虚拟化的基础上， 分布式宽表的组织可能能力也不同。 流式 + AI +SQL + 分布式会充分融合成大型数据中台。当然核心功能依然少不了隐私计算的能力。 因为在隐私计算的划分下， 宽表也会分成纵向分割的宽表， 与横向分割的宽表。 对此有兴趣的可以看一下SecretFlow的实现。 小结：从AI数据库到六合一数据中台， 都将是国产的机会。 尤其国内在图AI， 隐私计算方向都有优势。
希望中国可以引领六合数据中台 （SQL + 分布式(D) + 流式(F) + AI + 隐私计算(PEC) +算力（GPU））一张表中通常会包含很多字段，造成数据冗余，在做数据分析时，我们仅需要提取数据分析所需要的字段，这里就需要用到数据选取的知识点，同时还可以依据特定条件筛选。本文介绍数据提取、数据筛选、条件聚合运算等内容，数据筛选后又类比EXCEL做条件计数和条件求和等操作，类似于countif、sumif函数功能，下面一起来学习。示例工具：MySQL8.0、Navicat Premium 12本文讲解内容：SQL简单与高级查询适用范围：SQL中条件聚合运算数据提取按列提取数据，使用SELECT函数，提取对应的字段名即可。#按列提取
SELECT cname
FROM course;按行提取需要特定加一个按行筛选的条件。#按行提取
SELECT * FROM course
WHERE cname='数学';按位置提取数据，这里使用LIMIT限制数据的大小，"LIMIT 3,4"的含义表示从第3行开始筛选4行数据。#按位置提取
SELECT * FROM student
LIMIT 3,4;按条件提取数据，普通提取数据后，需要按照一定的条件筛选数据，这里使用WHERE函数，在后面设定条件即可完成筛选。#按条件提取并计算
SELECT * FROM score
WHERE cid=02 AND score>80;逻辑条件筛选常用的逻辑条件有与(AND)、或(OR)、非(NOT)，这里使用AND函数，筛选条件为课程号为03，且分数大于80分。#数据筛选AND
SELECT * FROM score
WHERE cid=03 AND score>80;此处使用OR函数，筛选学号为01，或者分数大于98分的数据。#数据筛选OR
SELECT * FROM score WHERE sid=01 OR score>98;添加一个不等于条件，筛选性别中不为"女"的数据，其中，不等于号用"!="来表示。#数据筛选(不等于)
SELECT * FROM student
WHERE ssex != '女';使用IN函数，可以将条件值限定为具体的值，从而达到筛选确定值的目的。#数据筛选IN
SELECT * FROM score
WHERE score IN (90,99);使用LIKE模糊筛选，%是通配符，替代一个或多个字符，这里的条件可以筛选姓李的同学。#数据筛选like(模糊筛选)
SELECT * FROM student
WHERE sname LIKE '李%';条件聚合运算条件筛选后计数，类似于EXCEL中的countif函数，这里筛选课程号为03，且成绩大于60分的课程，然后计数。#筛选后计数
SELECT COUNT(cid) AS cid_count FROM score
WHERE cid=03 AND score>60;筛选后求和，类似于EXCEL中的sumtif函数。#筛选后求和
SELECT SUM(score) AS sum_score FROM score
WHERE sid=01 AND cid=01 AND score>60;同理可以设置条件，求条件平均。#筛选后求均值 averageif
SELECT AVG(score) AS avg_score
FROM score WHERE cid != 01;商业数据分析系列文章持续更新中，喜欢就转发分享一下吧~}

文科出身，在excel上算是一路摸爬滚打。现在带着3个人的团队，组建了信息部，主要负责公司的营运数据分析。分享一些我的经验。用excel做数据分析，不难，难在如何做好。拆分成两块：掌握excel分析技能+数据分析的硬核经验。一、快速掌握excel分析技能1、excel学习excel教程不要太多，如何快速学习excel，我之前也回答过，反正就是逮住一本教程，照着练： 把一本体系化的excel教程吃透了，就足以应对业务工作所需的数据分析了。如果觉得书籍太枯燥，那把视频课看起来。对数据分析有帮助的一些还不错的视频课，我梳理了一下：在有了Excel的基础上，可以再去适当学习一些数据分析的基础课程，二者在很多地方都是相通的，注意：不要一开始就去啃那种很难的数据分析课程，否则很容易放弃。如果不知道怎么选择，可以去看看知乎知学堂官方的数据分析课程，对比下来这个课程对于数据分析的底层逻辑盘的是最清楚的，作为入门课程完全足够了。2、excel实操好用的函数能让你数据分析时，如有神助，下面是我在数据分析时常用的函数：常用函数（加总求和、计数、平均、最值、排序、乘积、除余、取整）逻辑运算（if、iferror、and、or)文本编辑（文本提取、文本查找、文本替换、文本转换及合并）引用与查找（vlookup、hlookup、lookup、indirect、index、match)1）排序函数
rank(排序的目标数值，区域，逻辑值）逻辑值如果输入0或者不输入时，为降序排列（数值越大，排名越靠前）；逻辑值输入非0时，为升序排列（数值越大，排名越靠后）比如：对业绩排名的计算，小李排名第5 2）逻辑判断if(计算条件的表达式或值，满足条件返回true,否则返回false)根据指定条件来判断其“满足”（TRUE）、“不满足”（FALSE），从而返回相应的内容。比如：判断团队业绩是否达标，小李和小军均不合格 3）计算文本长度len(要计算字符长度的文本），用来计算文本串的字符数比如：判断手机号是否有效，小李手机号少一位，为无效信息 不全部列举了，这篇讲的比较全，可以参考：<Excel> 数据分析excel常用函数数据处理上，可以使用一些excel插件，提高处理速度：1）慧办公 ：适用版本：Office2003/2007/2010/2013/2016/365等、WPS013/2016等2）Excel易用宝-V2018 ：Excel Home出品，适用版本：Excel 2007/2010/2013/2016和Office 365 3）方方格子 ：除了常见的Excel工具箱外，在公式/审计/财务/图片/邮件等领域还有一些付费插件。适用版本：Excel 2007~2016 4）Excel必备工具箱
：适用版本： EXCEL2007/2010/2013/2016 5）Excel精灵-8.0版 ：Excel精灵7.2网络版的功能比较全，但有捆绑软件。适用版本：Excel 2007、2010、2013和2016 6）Easycharts ：图表制作插件注：插件方便也不用贪多，挑顺手的数据处理和图形制作的各一个即可。缺实操的伙伴，可以从199it上找点数据练练手。常见的公开数据网站都可以搜索到：或者进一些综合类的商业数据网站：镝数聚，除了研究报告，还可以找到很多当下最新的热点数据。另外，好的图表可视化是一份分析报告的点睛之笔。平时要多看美图、多参考：关于如何制作干净漂亮的excel表格，在这篇回答有我的一些经验：二、数据分析的几点硬核经验1、务必提升数据采集的效率因为读了四年社会学（社会调查专业户），经常需要大面积采集数据，所以吃够了数据收集的亏。excel重处理而弱采集，尤其在大体量的公司，跨部门收集、汇总四面八方的数据，很崩溃。所以我从去年5月找了一些表单工具（j简道云、麦客、金数据、氚云等），一圈试下来，碰上年初的疫情我们公司上了钉钉，现在是【钉钉+简道云】搭配使用，数据收集效率还是很可观地，目前在库存管理、销售管理上都已形成了规范的数据采集管理： 关于实际使用的心得，我就不展开讲了，以后再作分享。 数据采集还涉及线上数据爬取，但这方面我了解不多，就不班门弄斧了。有意者可以参考这篇回答：2、业务知识大于工具选择所有数据分析师都会告诉后来人“业务知识很重要”，因为大家在踩了坑之后才恍然大悟分析中遇到的很多难题问题都源于对业务的不了解。例如，同样是对客户进行分析，互联网电商的客户与保险客户具有明显区别，前者重视来源，活跃度，购买率，流失率，后者关注渠道，报价，理赔风险，投诉。业务知识包括这种大方向的行业知识，也包括公司内部特殊情况，了解得越详细可以避免绕很多弯路。例如，有些行为是内部人员参与的造成的数据异常要提前做处理，有些业务开展是带地区特性的，分析时候要区分对待等。而真正做分析时候，你会发现市面上有太多的分析工具，需要掌握的实在是太多了，其实不必纠结于此，依据个人能力，配合当前的数据分析环境，适用的工具自然会被选出。数据分析过来人都会说80％的时间都在做数据处理工作，所以数据处理能力是必须的，简单工具有Excel、SQL，复杂的有R，Python，Java。专业点的是fineBI、tableau等。3、规范良好的数据思维分享几本在我成长过程中帮助较大的【数据分析书籍】1、《深入浅出数据分析》数据分析入门第一本。通俗简单，能够让你对数据分析的相关概念有大致的了解。这本书蕴含的思想逻辑和分析原则，要好好体会，会对你以后的学习有很大的帮助。2、《深入浅出统计学》号称“文科生也能看懂”的统计书。阅读起来相当容易，一口气就能看完。这本书所讲的知识在数据分析中都是常见且必须掌握的，比如基本的统计量，基本上每个分析项目中都会用到；比如基本的概率分布，总体与样本的概念、置信区间、假设检验、回归分析，都是关于数据分析的统计学知识。“HeadFirst类的书籍，一向浅显易懂形象生动，可以对分析概念有个全面的认知。”3、《精益数据分析》“此书优势在于将企业分成了几个大的行业类别，并分门别类的讲解了每个行业的商业模式特点及分析技巧，对使用者的分析能力要求较高，且必须具备相应的业务知识。”书中并没有讲到具体的数据分析技术，主要分析了各种产品中用到的指标、模型和“数据驱动型产品”的一些思路。4、《决战大数据》阿里巴巴前数据副总裁车品觉所著，讲解了阿里巴巴在企业内部治理数据过程中的心得，所讲“存-通-用”数据管理三板斧和“从数据化运营到运营数据”，字字珠玑，可堪借鉴。以上这四本都是最基础的，必看书籍，另外还有比如《R语言实战》、《利用Python进行数据分析》等5本进阶书籍，我整理了一个图片，有需要可以自己去搜。用ex cel做数据分析，不难，难在如何做好。拆分成两块：掌握excel分析技能+数据分析的硬核经验。}