Excel

微软办公套装软件的一个重要的组成部分，它包含数据的基本处理，函数计算，数据透视表和VBA等多模块功能，可以进行各种数据的处理、统计分析和辅助决策操作，能够满足大部分人员的数据分析需求，各大公司都会JD里面，明确标明“要求熟练掌握Excel”。

SQL

有人把SQL比作“进阶版的Excel”。确实，SQL和Excel十分相似，但Excel相比，SQL有更明显的性能优势：

虽然 Excel 在小数据集中表现很棒，但是当你使用不同的公式处理100 k+ 行的文件，它变得十分缓慢和低效。

在SQL中，甚至超过 10 M+行的文件可以很快地处理。

Python

因其容易上手且功能强大，成为所有数据编程语言中最受欢迎的。

相比Java、C++等语言的难度更小，也更容易掌握。举个例子，一个用C语言需要1000行代码的程序，用Java需要100行，而Python只需要20行，语法很简洁。

Tableau

Tableau连续 6 年被评为数据分析工具的领导者。它因其界面美观、易于操作已成为数据分析必备技能之一！

它完美地结合了Excel和SQL的数据分析能力，又拥有强大的数据可视化功能。被誉为近两年数据分析行业的“后起之星”。

Power BI

与Python、R这样的编程语言不同，Power BI可以理解成Excel衍生来的商业智慧（Business Intelligence）软件。

Power BI通过PowerQuery、PowerPivot和PowerView三大功能，对资料进行获取清理、建模、视觉化。

需要注意的是，这些工具不是单单就只有数据分析或可视化一种功能，大多数的工具都有两种或两种以上的功能，例如生活中最常用的工具Excel：结合了数据处理、分析和可视化为一体。

python，excel,Tableau等

Python吧，相比Java、C++等语言的难度更小，也更容易掌握。举个例子，一个用C语言需要1000行代码的程序，用Java需要100行，而Python只需要20行，语法很简洁。

数据分析的基础的工具，非Excel莫属

可视化工具：Tableau，Power BI

统计分析：SPSS，SAS

语言的话一般会用到python，数据也会用到数据库，还有一些专门做数据分析的软件，自己学的话，刚开始入门比较难。

1.SAS软件

SAS是全球最大的软件公司之一，是由美国NORTH CAROLINA州立大学开发的统计分析软件。SAS把数据存取、管理、分析和展现有机地融为一体。SAS提供了从基本统计数的计算到各种试验设计的方差分析，相关回归分析以及多变数分析的多种统计分析过程，几乎囊括了所有最新分析方法，其分析技术先进，可靠。分析方法的实现通过过程调用完成。许多过程同时提供了多种算法和选项。使用简便，操作灵活

2.R软件

与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。R软件可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

3.SPSS

SPSS具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。提供了从简单的统计描述到复杂的多因素统计分析方法。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。SPSS针对初学者、熟练者及精通者都比较适用。并且很多群体只需要掌握简单的操作分析，大多青睐于SPSS。

4.Finebi

帆软旗下的自助性BI产品，数据分析功能强大，帆软这个公司从报表到BI ，在国内市场做了13年，现在是国内BI市场占有率第一。Finebi性能强大，在报价上有优势，性价比最高简单易学，支持自助式数据分析，能应用复杂多变的场景需求，支持多数据源连接，对企业数据平台的对接能力更强。深受行业的喜爱。

1、数据处理工具：Excel

数据分析师，在有些公司也会有数据产品经理、数据挖掘工程师等等。他们最初级最主要的工具就是Excel。有些公司也会涉及到像Visio，Xmind、PPT等设计图标数据分析方面的高级技巧。数据分析师是一个需要拥有较强综合能力的岗位，因此，在有些互联网公司仍然需要数据透视表演练、Vision跨职能流程图演练、Xmind项目计划导图演练、PPT高级动画技巧等。

2、数据库：MySQL

Excel如果能够玩的很转，能胜任一部分数据量不是很大的公司。但是基于Excel处理数据能力有限，如果想胜任中型的互联网公司中数据分析岗位还是比较困难。因此需要学会数据库技术，一般Mysql。你需要了解MySQL管理工具的使用以及数据库的基本操作;数据表的基本操作、MySQL的数据类型和运算符、MySQL函数、查询语句、存储过程与函数、触发程序以及视图等。比较高阶的需要学习MySQL的备份和恢复;熟悉完整的MySQL数据系统开发流程。

3、数据可视化：Tableau & Echarts

如果说前面2条是数据处理的技术，那么在如今“颜值为王”的现在，如何将数据展现得更好看，让别人更愿意看，这也是一个技术活。好比公司领导让你对某一个项目得研究成果做汇报，那么你不可能给他看单纯的数据一样，你需要让数据更直观，甚至更美观。

一般数据分析师常用的工具有哪些？

1、数据处理工具：Excel

数据分析师，在有些公司也会有数据产品经理、数据挖掘工程师等等。他们最初级最主要的工具就是Excel。有些公司也会涉及到像Visio，Xmind、PPT等设计图标数据分析方面的高级技巧。数据分析师是一个需要拥有较强综合能力的岗位，因此，在有些互联网公司仍然需要数据透视表演练、Vision跨职能流程图演练、Xmind项目计划导图演练、PPT高级动画技巧等。

在Excel，需要重点了解数据处理的重要技巧及函数的应用，特别是数据清理技术的应用。这项运用能对数据去伪存真，掌握数据主动权，全面掌控数据；Excel数据透视表的应用重在挖掘隐藏的数据价值，轻松整合海量数据：各种图表类型的制作技巧及Power Query、Power Pivot的应用可展现数据可视化效果，让数据说话。因此想从事数据分析岗位的，需要快速掌握快各种Excel数据处理与分析技巧。

2、数据库：MySQL

Excel如果能够玩的很转，能胜任一部分数据量不是很大的公司。但是基于Excel处理数据能力有限，如果想胜任中型的互联网公司中数据分析岗位还是比较困难。因此需要学会数据库技术，一般Mysql。你需要了解MySQL管理工具的使用以及数据库的基本操作；数据表的基本操作、MySQL的数据类型和运算符、MySQL函数、查询语句、存储过程与函数、触发程序以及视图等。比较高阶的需要学习MySQL的备份和恢复；熟悉完整的MySQL数据系统开发流程。

3、数据可视化：Tableau & Echarts

如果说前面2条是数据处理的技术，那么在如今“颜值为王”的现在，如何将数据展现得更好看，让别人更愿意看，这也是一个技术活。好比公司领导让你对某一个项目得研究成果做汇报，那么你不可能给他看单纯的数据一样，你需要让数据更直观，甚至更美观

如何理解数据可视化？像我们以前上学的时候学过的柱状图，饼状图，也是数据可视化的一种。只是在现在，简单的柱状图已经不能满足工作所需。目前比较流行的商业数据可视化工具是Tableau & Echarts。

Echarts是开源的，代码可以自己改，种类也非常丰富，这里不多做介绍，可以去创建一个工作区了解下。

4、大数据分析：SPSS & Python& HiveSQL 等

如果说Excel是“轻数据处理工具”，Mysql是“中型数据处理工具”那么，大数据分析，涉及的面就非常广泛，技术点涉及的也比较多。这也就是为什么目前互联网公司年薪百万重金难求大数据分析师的原因

大数据分析需要处理海量的数据，这对于数据分析师的工作能力要求就比较高，一般来说，大数据分析师需要会

（1）会使用Hive的SQL方法HiveQL来汇总、查询和分析存储在Hadoop分布式文件系统上的大数据集合。知道Hive如何在Hadoop生态系统进行数据分析工作。

（2）会一些SPSS modeler基础应用，这部分技能对应数据建模分析师

（3）何使用R语言进行数据集的创建和数据的管理等工作；会使用R语言数据可视化操作，让学员学会如何用R语言作图，如条形图、折线图和组合图等等；是R语言数据挖掘，本部分数据挖掘工程师

（4）用Python来编写网络爬虫程序，从页面中抓取数据的多种方法，提取缓存中的数据，使用多个线程和进程来进行并发抓取等。

工具没有最好，只有更好，适合你的就是最好的!