学习哪些数据分析工具才能成为数据分析师？

 
如果您希望转换职业并进入数据分析游戏，请继续阅读，以便快速了解您需要的工具和技能。
 
对于数据分析，我一直强调核心是业务。我们将业务的分析逻辑与数据分析的处理逻辑联系起来，数据分析工具是帮助我们实现结果的手段。正如我们根据不同的道路选择不同的车辆一样，正确的工具可以帮助我们更快地达到目的。我们应该为不同的数据分析链接选择不同的工具。
 

 
 
今天的文章是告诉你应该学习哪些数据分析工具来开始作为数据分析师的职业生涯。
 
1.确定分析师的需求：业务或技术
 
在企业中，数据分析师通常分为两类：业务分析师和技术分析师。两者的功能和工作内容完全不同，他们对工具的要求也相应不同。
 
业务分析师经常在营销部门，销售部门等工作。日常工作更多的是整理业务报告，对特定业务进行特殊分析，以及衡量数据和制定业务增长计划。
 
技术分析师通常属于IT部门或数据中心。根据不同的工作环节，他们分为数据库工程师，ETL工程师，爬虫工程师，算法工程师等。在中小型企业中，这些流程通常由一名技术分析师处理。在大型企业中，标准数据中心需要数据仓库，特殊分析，建模分析和其他组来完成数据开发工作。
 
这种区别的原因是我们需要一个多级复杂的数据系统来处理数据。数据系统需要数据收集，数据集成，数据库管理，数据算法开发和报告设计的组合。通过这种方式，我们可以收集散布在周围的零碎数据，设置通用指标，并制作各种酷图表。这里的每个环节都需要相应的技术支持和人员工作，因此有不同的立场。
 
当您在寻找数据分析位置时，您必须区分它是在技术方面还是在业务方面，以及它是否符合您自己的专业倾向。
 
2.确定工具的属性：分析工具或代码工具
 
分析师对技术和业务有区别，而相应的数据分析工具也有这样的属性。

 
分析工具
 
对于初级数据分析师来说，掌握Excel是必须的。你必须精通数据透视表和公式。使用VBA将是一个加号。此外，您必须学习统计分析工具。SPSS对初学者更好。
 
对于高级数据分析师来说，使用分析工具是核心竞争力。VBA是基本必需品。您必须掌握三个分析工具中的至少一个：SPSS，SAS和R.您还可以学习其他工具，如Matlab，但这取决于。
 
对于数据挖掘工程师来说，R和Python是必要的，因为您必须编写代码。
 
代码工具
 
对于初级数据分析师，您只需要编写SQL查询。您还可以学习一些Hadoop和Hive查询。
对于高级数据分析师，除了SQL之外，学习Python对于以更少的工作量获取和处理数据是必要的。当然，其他编程语言也是替代品。
 
对于数据挖掘工程师，您必须使用Hadoop，Shell，Python，Java，C ++等。简而言之，了解编程语言绝对是数据挖掘工程师的核心竞争力。
 
下图说明了数据分析工具的属性和功能。

 
3.确定企业的数据架构
 
数据分析工具的使用取决于业务的需求和环境。为什么小公司的数据分析师只使用Excel进行报告，而大公司的分析需要Python和R？它取决于企业的数据架构。
 
从IT的角度来看，工具可以在实际应用中分为两个维度。
 
维度1
 

 
维度2
 

 
1）数据存储
 
您不必深入研究数据库存储和数据库语言的概念，毕竟有一个专业的DBA。但是，您必须至少了解数据的传输方式，数据的基本结构以及可用的数据类型。SQL查询语言至关重要。您可以从常用的“选择”，“更新”，“删除”和“插入”开始。
 
Access是最基本的个人数据库。MySQL是部门或Internet数据库应用程序所必需的，此时您需要了解数据库结构和SQL查询语言。SQL Server 2005或更高版本足以满足中小型企业的需求。一些大型企业也可以使用SQL Server数据库。实际上，除了数据存储之外，它还包括数据报告和数据分析。
 
DB2和Oracle是大型数据库，主要用于企业服务。大型企业需要存储大量数据，因此这类数据库是必须的。通常，大型数据库公司提供非常好的数据集成和应用程序平台。
 
至于BI，它实际上不是数据库，而是基于先前数据库的企业级数据仓库。基于数据仓库构建的数据存储基本上是一个商业智能平台，集成了各种数据分析和报告功能。
 
2）数据报告
 
企业需要阅读和显示数据。报告工具是最常用的工具。过去，大多数传统报告只是解决了可视化问题。现在，一些分析报告工具即将与其他应用程序进行交叉处理，以执行数据分析报告。通过界面打开，数据填写和决策等功能，它们实现了数据存储和数据展示，被视为早期的商业智能。
 
Tableau，PowerBI，FineReport和Qlikview等BI工具涵盖了多层次的报告，数据分析和数据可视化。底部也可以连接到数据仓库以构建OLAP分析模型。
 
3）数据分析
 
有很多数据分析工具，我们最常用的是Excel。
 
很多人只掌握5％的Excel功能。Excel非常强大。它可以完成很多统计分析工作。但我经常说，专门研究统计软件比使用Excel作为统计工具要好。
 

 
SPSS
 
在目前的版本是18，而且名字也被改为PASW统计。我从3.0版本开始，并将其用于Dos环境中的编程分析。随着时间的推移，它已成为一种预测分析软件，从强调医学和化学转向目前对业务分析的重视。
 
SAS
 
SAS比SPSS更强大。它是基于平台的。相对来说，SAS更难学。但是如果你掌握SAS，你可以解决更多问题。例如，对于离散选择模型，采样，正交实验设计等，最好使用SAS。此外，还有更多的SAS学习资料。
 
其他工具是Python和R，我将在下次详细介绍。
 
4）数据展览
 
数据展也称为数据可视化。上面提到的几乎所有工具都提供了一些数据显示功能。但企业最常用的工具是BI。
 
BI代表商业智能，这是传统企业的完整解决方案。它有效地集成了企业数据并快速生成报告以做出决策。它涉及数据仓库，ETL，OLAP，访问控制和其他模块。
 
在这里，我以2019年的一个非常流行的BI工具FineReport为例。它有两个主要用途。
 
一个是制作自动报告。数据分析师每天都会接触到大量数据。他们需要对数据进行排序和汇总，这是一项很大的工作量。我们可以将这部分工作交给FineReport。它可以自动进行数据整形，建模和下载。
 

 
 
来自FineReport
 
另一种是使用其可视化功能进行分析。FineReport的优势在于它提供了比Excel更丰富的可视化功能。而且它易于使用。如果你每天花两个小时画画，FineReport会把它缩短一半。
 

 
来自FineReport
 
小结
 
在学习数据分析的初始阶段，BI工具无疑是最容易学习的。如果您准备进入数据分析师领域，我强烈建议您使用此数据分析工具FineReport。您可以单击此处下载并免费使用它。官方网站还提供了帮助您快速入门的教程。