Excel软件有多强大？你用Excel做的最酷的事情是什么？

office组建中，个人认为最好用的就是Excel。

尽管有的人以为Excel只是用来进行计算的，但实际上其功能远超过于此。

现在一提到大数据，很多人就会认为excel太过陈旧无法实现，应该利用如Power BI\Tabluea\Python\R\SQL\HIVE等等一大堆貌似很高级很潮的工具才能做成数据分析这件事。但是实际上，Excel做不成数据分析，并不是因为陈旧，而是没有发现和利用到真正有价值的功能。

简单地从数据分析重点步骤来看一看：

• 数据收集

企业内部的数据一般通过数据表传递，或者从数据库中提取，外部数据通过爬虫获取，而目前最火热的收集方式非Python莫属，几乎每个公司都会在招聘要求中注明数据分析师需要会Python或者优先考虑。

但实际上并非Python才有爬虫功能，Excel也是有这样的功能，而且在新版中，还计入了自动识别，可以免去分析代码的工作，即使看不懂HTML等网络编程语言，也可以通过可视化的方式拿到你需要的数据。简单而快捷的功能。

• 数据处理

数据处理的功能几乎每一个使用Excel的人都知道的基本功能。

常用函数：SUMIFS系列/COUNTIFS系列/AVERAGEIFS系列/SUMPRODUCT/VLOOKUP/IF/MATCH/INDEX等等，这几个掌握666了，基本上就能编写公式解决大部分问题

功能键：替换、筛选、条件格式、分列、排序、分类汇总等等

2013版开始Excel开始加入数据处理插件Power query，让数据处理更加简单，几乎可以不用编写公式，全部通过点击鼠标就可以实现数据处理的各种功能。并且每一个步骤，还会自动保存痕迹，这样方便改动。更加便利的是，通过处理之后操作步骤被保存下来，但凡今后处理同样的工作，只要将数据更新，那么一系列的操作会自动帮你完成。

数据分析

数据分析并不是单纯依靠工具的工作，而是以人工大脑为关键要素，如果大脑没有洞见和模型，再优秀的工具也发挥不出真正的作用。

Excel中会提前预设多个组件，其中包括分析组件，既可以分析数据，也可以计算统计学中的各个指标。而这些只需要一键就可以完成。当然事先你要了解到有这项功能。

除了一键计算各种统计指标、预测分析、规划求解等等之外。你还可以搭建自己的模型，用以进行个性化的数据分析。

当然前提是心里有模型，也就是开头讲的人脑为分析的关键要素，而工具仅为你所用。

如果这个人对数据没有任何想法，那么在他眼里啥工具也强大不起来

• 数据展现

当前数据展现的方式主要有可视化软件(Power BI\Tabluea)、PPT报告(最近有的企业开始用Word代替PPT)等等。展现方式以各种静态、动态图表、数据表为主。

Excel中的可视化方式不仅局限于图表，而且数据透视表在数据分析过程中，就可以将其结果以可视化的方式展现出来，并且通过切片器实现互动展示。

• 小结

以上几点比较是想说明，Excel作为人人都会用的工具，不局限于常用的个别功能，强大之处有待于具备分析思维的你去发现和利用好他的功能。而不是一直追赶着去学习使用新的工具。因为工具永远有新的产品出现，但使用本质都是一样，都是经过我们的思路驱动才可能实现操作。

最酷的事情，就是发现Excel中有新的功能待解锁，那便意味着要么是思维升级了，要么是软件功能又更新了。

希望每个用户能体会到他的强大，做出属于自己最酷的事情。

数据分析有哪些工具？

数据分析工具其实有很多种，对应不同类型的使用者也有各自适合的选择。例如懂数据算法计算机语言的人，可能给他一款，填写算法代码流畅的分析软件就是有效。掌握了数据分析专业技能的人，强大的分析功能能将工作做到事半功倍，不管看着功能多复杂。还有就是我这种非计算机专业出身，非统计学出身，但工作做还需要对大量数据进行分析的人。

如果你跟我一样，那么可以看下我的回答。

我总结了下，我以前找分析工具的时候，自己先想了几个方向点：

1、好上手。一看板面就知道怎么导入数据，怎么做图表，怎么排版的。这样的高效。

2、功能还得强大的.毕竟是非专业人士了，找分析工具就是为了充分发挥工具自身能动性，和强大功能，来给我们创造价值的，特别是涉及到数据大量、复杂，必须有给力的功能支撑才能是良心工具。

3、可视化呈现要好一点，就是图表要高大上的。数据分析报告得拿出手，图表的展现就是第一门面。包装的意识还是要有的。

所以结论就是找一些操作容易、功能强大、图表颜值还得好的工具了。我就是照着这个思路找的，也用过几个，可以给大家说说。像东软做的Dataviz，是用着比较顺手的了。具体介绍我就摘抄下，自己懒得码那么多字

DataViz数据可视化分析工具，不需要编写代码，也不需要任何程序设计基础，用户可以通过简单的拖拽就可以实现数据可视化展示与分析。DataViz使用简单，但是实现的功能却不简单，上百种丰富的炫酷图表，可以实现数据的多维度多层次分析。

上图先，先看些基本图

各种数据分析好后，可以做成组合图册：

重点就是操作起来简单，拖拖拽拽的，看起来特别复杂的图表，其实拼贴一下就能搞定了。操作面板基本本国人都可以分分钟用起来。

如果是专业人士或者计算机大拿的，估计可以寻找更复杂的工具进行尝试了。但不适合我，所以我这里就不进行推荐了。

数据分析常用的软件工具有哪些？初学者应该先从哪方面开始学起？

数据分析最常用的软件一般有Excel、mysql和Tableau。

1. Excel大家都用的比较多，对日常工作来说是不可或缺的存在，其实它的数据分析功能也很厉害。
2. mysql是关系型数据库，sql语言可以很好地对数据库进行操作管理，进而进行数据分析。
3. Tableau是专业的可视化软件，在线使用很方便。

初学者应该先从SQL开始学起，SQL是所有数据方向的必备技能，也是比较容易学的技能。

数通畅联专注于企业IT架构、SOA综合集成、数据治理分析领域，感谢您的阅读与关注。

学大数据开发有前途吗？

谢谢邀请！

首先，当前学习大数据开发是不错的选择，一方面就业岗位相对比较多，另一方面薪资待遇也相对比较高。从研究生的就业情况来看，2019年秋招期间不少大厂都释放出了较多的大数据开发岗位。

大数据开发可以简单地划分为两类，一类是大数据平台开发，另一类是大数据应用开发，当前大厂的岗位多集中在大数据平台开发岗位上，随着大数据逐渐开始落地应用，未来大数据应用开发岗位的人才需求量会逐渐增加。

对于数学基础比较扎实，同时具有一定计算机基础知识的人来说，可以向大数据平台开发方向发展。大数据平台开发通常属于研发级岗位，相对于大数据应用开发来说，目前大数据平台开发岗位的薪资待遇要更高一些，而且职业生命周期也相对比较长。从近些年大厂的招聘情况来看，目前大数据方向的研究生往往更容易获得大数据平台开发岗位。

对于基础比较薄弱的初学者来说，可以先从大数据应用开发开始学起，然后随着自身知识结构的不断完善再逐渐实现岗位升级。学习大数据应用开发需要注重三方面知识的学习，其一是编程语言基础；其二是大数据开发平台知识；其三是行业知识。

目前Java、Python、Scala等语言在大数据开发领域有比较广泛的应用，所以可以从其中一门编程语言开始学起，而大数据平台可以重点关注一下Hadoop和Spark。在产业互联网时代，大量的应用开发都将基于各种平台展开，包括大数据平台、云计算平台和人工智能平台等等。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

数据分析需要用什么技术？java还python好一点？

先说结论，

问题1回答：数据分析技术简单来说可归类为统计分析技术和数据可视化两类。

问题2回答：目前阶段做数据分析使用Python更高效，方便一点。

希望我作为数据分析师的经验能对你有帮助

---

1、数据分析的本质

数据分析是指用适当的统计方法对收集的大量数据进行数据分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程，最后再通过得到的结论应用到行业中解决实际问题。

简单概括来说数据分析就是-- 处理数据然后推进优化现实工作。

数据分析应用在各行各业，互联网，工业，咨询行业等，有一个共同点，数据分析都是为业务服务的，用于解决实际运营中出来的问题，或者探索业务可优化的空间。

明白了这一点，就知道数据分析不是目的，数据分析的结果产出对业务的实际提升和优化才是目的，数据分析只是一种解决的方法，既然是方法，我们就要考虑它的效果，成本（学习成本，使用成本）等。

2.数据分析的技能要求

以现在最热门的互联网行业的数据分析而言，随便从招聘网站上截取部分应届生数据分析师招聘JD，选取应届生是因为相对要求低一点，对题主想要入门应该更有参考下价值。

不同公司业务不同，对于“岗位职责”先可以不用太关注，我们这里主要看“任职资格”这一部分，关于技能方面，可以看到有SQL，Python/R，Spark，hive，BI工具等。

看起来需要掌握的很多，那我们再来通过大数据的方法看一下，获取招聘网站上的招聘要求，根据工具关键词出现的频率，绘制成数据分析所需工具词云图：

可以看到，Excel，sql，python，PPT，hive，spss等出现的评率最高，同时可以可以看到还有很多其他的工具技能要求，但这几个出现频率最高的肯定是基本要求，那么是否这些工具我们都需要掌握呢，这个根据两个方面，一是你所处的工作阶段，二是作为数据分析师的不同方向。

我这里从数据分析方法的角度将数据分析方向分为三个：业务数据分析，数据挖掘分析，大数据分析。将每个方向对应的工具和方法做成思维导图如下：

可以见到，每个方向所对应的主要工具要求都不一样，一般来说，从业务数据分析》数据挖掘分析》大数据分析的技能门槛是逐步提高的，而且技能要求也是叠加的，也就是说例如数据挖掘分析师也需要掌握业务数据分析的工具和方法。

但这并不是数据分析师的发展路径，这只是数据分析不同的方向，如果对业务数据分析非常感兴趣且工作非常有成效，有很好的数据分析思维，那么完全可以往业务方向发展，只掌握SQL，EXCEL,PPT等成为商业分析师和集团战略分析师也是没有问题的，所以根据自己的情况，不用过分追求技术，别忘记，数据分析是为业务服务的！。

根据以上部分我们可以总结回答下题主的第一个问题（数据分析需要的技术），结合上图，可以归纳为描述性统计分析技术（业务数据分析），探索性统计分析技术（数据挖掘，大数据分析），数据可视化（将数据分析结果图表化，撰写报告用或汇报用）。

3.Python

VS Java, 更高效，方便一点

既然题主提出Python和Java的对比，说明对编程语言和数据分析还是有一定了解的，结合上面2部分的分析，题主可能实际想知道的是Python和Java哪一个更适合做探索性的数据分析（数据挖掘和大数据分析），做简单的探索性分析其实用SPSS和R语言等一样可行。

但探索性数据分析里目前非常重要且流行的一个方法是机器学习，目前机器学习的主要框架如Tensorflow, sklearn等均是基于Python语言，因为应用广泛且被证明是高效可行的，所以目前来看使用成本相对较低，另外考虑到公司里的团队合作，使用同样的编程语言，团队交流合作也会更加高效。

另外涉及学习成本，Python出名的灵活便捷使其成为数据分析的首选，使用Python做数据分析，掌握基本语法之后，学会使用Numpy,Pandas,matplotlib等库之后就可以开始数据分析，实现同样的数据分析功能，先比于Java, Python用更少的代码即可实现, 另外Python的众多数据分析相关的开源库也提供了很好的数据分析平台。

而Java并非在数据领域很少使用，相反它是大数据平台的基础，例如Hadoop等大数据平台是基于Java, 但这部分更多的是数据开发和数据仓库方向的技术开发的内容，与数据分析有较大区别。即使是大数据分析师，在使用大数据平台时，掌握Hive sql 也能完成取数要求，并不需要掌握Java。

---

综上，数据分析技术因数据分析方向和阶段各异，主要是统计分析和数据可视化，现阶段Python比Java更适合做数据分析。谢谢

数据分析包含哪几个步骤，主要内容是什么？

数据分析主要包含五个步骤：

1. 明确目的：明确数据分析的目的，确保数据分析有效进行并为数据的采集、处理提供方向；
2. 数据收集：在DAP产品中会通过应用系统定义模块实现对多个应用系统数据的采集工作；
3. 清洗加工：在DAP产品中会通过ODS和数仓实现对业务系统数据的层层加工过滤，得到最终需要的业务数据；
4. 数据展示：在配置好数据模型之后，可以通过绑定echarts组件的方式实现业务数据的可视化展现；
5. 报告撰写：主要用于描述对业务数据分析的过程和分析之后得到的结果。

数通畅联的DAP数据分析平台主要有以下三个优点：

1. 在多层的数据加工过滤之中，通过聚合计算和横向合并可以得到多指标信息的数据，更加拓宽了数据的业务性和可分析性；
2. 业务数据的可视化展现让用户可以更直观地对各个业务数据进行处理和分析；
3. 在ESB等数据调度工具的辅助之下，更加快速地实现了数据跟进，让用户可以实时跟进数据状况，有助于企业做出相应的决策。

数通畅联专注于企业IT架构、SOA综合集成、数据治理分析领域，感谢您的阅读与关注。

python如何下载，是否收费？对办公效率提升有哪方面的帮助？

想必题主一定是为了提升办公效率才打算自学python吧，作为一门简单易用的脚本语言，python语法灵活，设计巧妙，第三方库扩展丰富，因此非常适合自动化办公，下面我简单介绍一下，感兴趣的朋友可以尝试一下：

python如何下载，是否收费？

首先，python是免费的，也是开源的，不存在收费，其次，可以到官网直接下载安装包，各个平台都有适配版本（windows、linux、mac），目前分为2系列和3系列，2系列已在今年1月份停止更新和维护，建议初学者直接开始3系列，最新版本为3.8，也可安装集成软件，像anaconda、winpython等，本身集成python及众多第三方库，自带有开发环境（spyder、jupyter notebook等），功能强大、使用方便，但会占用更多存储空间：

对办公效率提升有哪方面的帮助？

python对办公效率的提高最主要表现在批量、自动化处理数据，尤其对于大量、重复、机械性的操作，如果数据量小，手动处理没有任何问题，但如果数据量庞大，成千上万，手动处理就会费时费力，且容易出错，这时你就可以使用python进行处理，excel、word、txt、csv、json等各种常见的文件和格式，python都有现成的库可以直接使用，pandas、numpy更是数据处理的神器，只需简单几行代码即可快速完成文件读写和清洗，对于自动化办公、提升办公效率来说在合适不过：

当然，除了基本的自动化办公，python还有许多其他用途，人工智能、机器学习、测试运维、web开发、桌面开发、游戏开发等，python都有深入涉及，只要是你能想到的功能，python都在慢慢集成和完善，网上也有相关教程和资料，介绍的非常详细，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。

零基础做一个优秀的数据分析师应该具备哪些技能如何入手学习？

数据分析师主要职责：

预测业务趋势；

预测行为；

收集，分析和解释原始数据；

撰写和提交报告；

为重要的业务决策做出贡献；

根据业务目标建模系统架构；

测量性能；

为业务问题创建可行的数据主导解决方案；

…………

技术技能：

统计分析

编程语言

可视化辅助工具

大数据处理框架

数据库

数据仓库

数据挖掘工具

挖掘算法

相关：怎样成为一名数据分析师？需要学习什么技能？

https://www.toutiao.com/i6668132498532205067/

大数据分析是指的什么？

大数据分析是指对规模巨大的数据进行分析。

对大数据bigdata进行采集、清洗、挖掘、分析等，大数据主要有数据采集、数据存储、数据管理和数据分析与挖掘技术等：

数据处理：自然语言处理技术。

统计分析：假设检验、显著性检验、差异分析、相关分析、多元回归分析、逐步回归、回归预测与残差分析等。

数据挖掘：分类 (Classification)、估计(Estimation)、预测(Prediction)、相关性分组或关联规则(Affinity grouping or association rules)、聚类(Clustering)、描述和可视化、Description and Visualization)、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)。

随着大数据的发展，大数据分析广泛应用在各行各业，其中金融与零售行业 应用较为广泛。

大数据分析方法：

大数据挖掘：定义目标，并分析问题

开始大数据处理前，应该定好处理数据的目标，然后才能开始数据挖掘。

大数据挖掘：建立模型，采集数据

可以通过网络爬虫，或者历年的数据资料，建立对应的数据挖掘模型，然后采集数据，获取到大量的原始数据。

大数据挖掘：导入并准备数据

在通过工具或者脚本，将原始转换成可以处理的数据，

大数据分析算法：机器学习

通过使用机器学习的方法，处理采集到的数据。根据具体的问题来定。这里的方法就特别多。

大数据分析目标：语义引擎

处理大数据的时候，经常会使用很多时间和花费，所以每次生成的报告后，应该支持语音引擎功能。

大数据分析目标：产生可视化报告，便于人工分析

通过软件，对大量的数据进行处理，将结果可视化。

大数据分析目标：预测性

通过大数据分析算法，应该对于数据进行一定的推断，这样的数据才更有指导性。