一点感想：数据分析是一条线，从数据采集到最终形成报告，大概需要五六个流程，每个步骤都需要一种工具，但是术业有专攻，在具体分析工作中，对工具掌握程度的要求也不同。
数据分析软件
做了几年的数据分析师，深刻得感受到工具的重要性，就想着在博客园这个平台上总结一下自己的经验，供有兴趣的同学参考下。在这个行业，业务、编程、统计、分析思维，需要学习的东西比较多，工具方面则有编程与非编程的区别。
数据科学家是大数据时代最性感的职业
上面这句话不知道是谁说的，总之本来是挺严谨的分析师，就和性感挂边了，以至于有公众号喊出“我们是最性感的大数据公司”———这样的豪言壮语。言归正传，简单介绍下数据分析的过程。
做一顿好饭
数据分析就如做饭，下面做一个简单的类比：
- 买菜——采集数据
- 存菜——存储数据
- 洗菜——清洗数据
- 切菜——整理数据
- 烹饪——分析数据
- 上菜——展示数据
可以看出，这只是一个简单的类比，其实在日常生活中，我们处理任何一件事情，大体都要经历“准备—处理—结果”三个大步骤，中间会包含更多的细节，以后做数据分析时，可以多想想自己做饭的经历。
数据采集—Python大显其道
通常数据源都分布在互联网上，电子商务网站、交易论坛、门户网站、社交媒体等都是良好的数据来源地，现在通常的做法有两种：
- 专业人士：使用Python编写的蜘蛛爬虫软件，可以自由获取各类信息；
- 非专业人士：使用八爪鱼等封装好的产品去抓取，但是需要付费下载，而且灵活性上不如自由编写的爬虫软件，唯一的好处是学习成本较低，这两种不同方式的优缺点在后面的介绍中会重复出现。
数据存储—MySql大显身手
数据被采集后，必须有存储的空间，这时候就必须要有数据库了，如果只是少量的数据，可以直接存在excel中。
下面是主流的数据库
- 大型数据库：Oracle、DB2、Sybase
- 中性数据库：Mysql、SQLServer
- 小型数据库：Access、foxbase
其中Mysql由于是开源软件，因此受到中小型公司、喜欢数据库同学的喜爱，现已被甲骨文收购。
操作数据库的脚本语言中，最应该掌握得就是SQL语句，只要从事数据分析工作，就必须精通这种语言，而且，在以后的R统计分析时，SQL可以发挥极大的作用！另外一种常见脚本语言是PHP，在设计网站时用得比较多。
数据清洗与整理—SQL语言显真章
前面说过SQL语言是比较强大的，是清洗数据过程中的一把尖刀，在数据库中使用这种语句，可以快速删除重复值、找出异常值、定位缺失值等。在excel中，使用SQL也可以取代高级筛选功能，更方便得检索出需要的信息。
数据分析—多家软件齐上阵
大多数人接触的第一款数据分析软件就是Excel了，后来随着技术的发展，有了专业的分析软件—SPSS和SAS，再往后发展，有了开源的R和Python等。
- Excel：微软推出的表格处理软件，也是现在使用范围最广的一款数据分析软件，在新推出的2016版本中，整合了部分BI展示，Excel需要掌握的技能较多，同学可根据需要精通多个，如常见函数、数据透视表/图、VBA以及项目分析等加载项；
- SPSS/SAS：一般来说个人使用Spss的比较多，因为SAS价格昂贵，这两款软件都是非常出色的统计分析软件，里面集成了各种分析方法，但是灵活性稍微差了一点；
- R/Python：这两款软件经常被放在一起对比，从设计的初衷来说，R更适合做数字类的数据分析、挖掘工作，Python则适合做文本类的分析，因为爬虫也是用Python语句写得，而且Python的后期精通比较难，需要一定的基本编程思想，如果经常处理数字类的数据，建议从R学起。
数据展示—BI系统展露头脚
这一块分两大块将，一个是图表的制作，一个是图表的展示。如果Excel使用精通得话，也可以用来制作精美的商业图表。
数不如表，表不如图
相信做数据分析的同学都挺说话这句话，那么，一般用来制作图表的都有哪些软件呢？
图表制作
如果是通过R或者Spss分析得大型数据，可以在这两个软件中直接生成相对应的图，其中R中的ggplot2包，更是制作精美分析图的利器，相比之下，Spss就稍显笨拙。
其他常用的数据可视化软件有国外的Tableau，国内的魔镜，还有微软的Power BI，这几款软件都属BI系统，给领导或者客户展示时，可以考虑使用。
倘若还有时间或者感兴趣，可以学习百度的Echarts，还有比较流行的D3.js，这两款都是前端展示用，可以设计复杂漂亮的大数据图，追求炫酷的同学可以考虑学习。
图表展示
最常见的软件依旧是微软家的PPT，关于PPT演示技巧的书本很多，同学可以根据兴趣自由选择。
近年来流行一种动画式的缩放演示，效果比PPT要好点，如国外的prezi，国内的斧子演示，都是通过H5技术开发出的新软件，可以学习一下，作为以后必要的演示场合用。
至此，数据分析流程中的软件都已介绍完毕，本文中所设计的数据量没有到达大数据的层面，因此Hadoop、hive、spark等大数据软件/平台均没有介绍。
PS：推荐学习使用任意一款思维导图软件，可以非常方便得梳理清思路，我现在用得是国内的Xmind，国外有mind manager。
