市面上数据分析的软件到底有多少，随便一百度就可以看到从Excel、sql、spss、python、tableau、powerbi、finebi、R、Hadoop、spark……光是看着一串的名字就该头大了

。数据分析的软件这么多，究竟用哪个才是好的。

其实每个数据分析的软件都有其侧重的功能点，在不同的数据应用场景下，选择合适的工具，能实现效率最大化。

• 数据获取时：你可以通过SQL从数据库中提取数据，也可以通过python爬取数据，但你最起码要能熟练掌握SQL；
• 数据处理时：如果数据量不大，其实Excel是最方便快捷的数据处理工具，在大数据量的情况下，SQL和python的使用更为常见；在大量不可变数据的批处理作业中，hive则最为合适；
• 分析建模时：简单的分析，Excel、BI工具已经足够，涉及到建模时，R、SPSS这类专业的统计分析软件，就更能发挥出优势，毕竟建模的思维和统计学是强相关的，当然，python也是一个不错的选择；
• 可视化时：还是建议各位用专业的可视化工具去做，可视化工具的细分上也有很多，像普通的业务数据分析师和业务人员可以使用常见的BI工具tableau、PowerBI、FineBI等去做，报表工程师更适合选择专业的报表工具例如finereport，开发人员还可以选择一些开源的可视化工具例如echart

下面给大家推荐三个在不同的场合下使用的数据分析的软件：

1.SPSS

SPSS是统计产品与服务解决方案的软件。为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体: 从理论上说，只要计算机硬盘和内存足够大，SPSS可以处理任意大小的数据文件，无论文件中包含多少个变量，也不论数据中包含多少个案例。包括常规的集中量数和差异量数、相关分析、回归分析、方差分析、卡方检验、t检验和非参数检验。也包括近期发展的多元统计技术，如多元回归分析、聚类分析、判别分析、主成分分析和因子分析等方法。总的来说是非常学术性的数据分析的软件，如果是学术界的话推荐spss。

2.Python

Python 是一门编程语言，是在 ABC 教学语言的基础上发展来的。Guido 在开发 Python 时，不仅为其添加了很多 ABC 没有的功能，还为其设计了各种丰富而强大的库，利用这些 Python 库，程序员可以把使用其它语言制作的各种模块（尤其是C语言和 C++）很轻松地联结在一起，因此 Python 又常被称为“胶水”语言。适合复杂的数据分析，以及门槛较高。

3.BI 

BI也就是商业智能，这类工具就是为数据分析而生的。你会发现BI工具的产品设计，几乎是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，全程围绕数据指导运营决策的思想。由于功能聚焦，产品操作起来也非常简洁，依靠拖拉拽就能完成大部分的需求，没有编程基础的业务人员也能很快上手。

以Finebi为例可以通过导入数据集或者连接数据库，获取数据：

如果需要进行数据处理，点击创建自助数据集，在自助数据集中可以根据业务逻辑进行过滤、分组汇总、新增数据列、多表合并等数据加工操作，从而实现数据处理、分析、建模聚类等功能，用鼠标就可以完成数据加工操作，不用死记硬背函数公式。

数据处理完毕之后，点击保存，进入仪表板创建组件，即可进行数据可视化分析，可视化作为BI工具的重点功能，里面内置了几十种可视化图表模型，非常全面方便。

最后，可以输出下图类似的可视化仪表板，用作分析结果分享、报告都很适合。

以上的数据分析的软件，适合不同的情景，这些工具在应用上有交叉重叠的地方，也有互补的地方。对于重叠的地方，无论是哪种工具，只要你能利用它解决你遇到的问题，它就是最棒的。

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo