學Python就能做好資料分析?萬能語言背後是一片韭菜地

“會python的大學生,找工作有多賺?“

“python到底是什麼鬼,學姐靠他拿了5個offer”

“資料分析還在用Excel?學會python效率高10倍!“

……

Image for post
Image for post

這樣的標題你一定見過,不管是技術類部落格,還是求職網站,甚至情感雞湯類部落格都會時不時地給你推一篇讓你學python的文章,尤其在資料分析領域,“python資料分析“的文章遍地都是,當然,你隨手點開一個類似上述標題的文章,拉到最後一定都是一個python課程的報名廣告…

在鋪天蓋地廣告的洗腦下,讓很多想要學習資料分析或者已經從事資料分析的人產生了這樣的疑問:python真的很厲害嗎?學資料分析一定要python嗎?它為什麼可以這麼火?

首先,不可否認,python的確是一門非常好的程式語言,應用非常廣泛,語法簡潔、代數邏輯清晰,而且擁有海量的第三方庫。

在資料分析領域功能十分強大, 資料爬取、清洗、視覺化分析,挖掘….python無所不能。開發效率高、運營速度快、而且入門簡單,據說,部分地區的小學生資訊課程甚至也加入了Python,看起來學 python是大勢所趨,勢不可擋。

但是資料分析的都要學python嗎?

答案顯然不是

不管是python、R還是Excel、SPSS,這些都是資料分析的工具,對於資料分析,我一直強調核心是業務,通過業務的分析邏輯影射到資料分析的處理邏輯,而資料分析工具則是幫助我們實現結果的手段。

如果把資料分析的結果比喻成你要去的一個目的地,那麼python只是可以到達這個目的地的一個交通工具,換句話來說,你換個工具也能做到,所以python和資料分析之間,並沒有不可分割的關係。

既然關乎到選工具,肯定是選擇最好用工具才能夠最快達到目的,那python是不是資料分析工具的最佳選擇呢?

不一定是。不一樣的路適合的交通工具不一樣,同樣,不一樣的型別的資料分析工作,合適的資料分析工具也不一樣。

Image for post
Image for post

在實際工作中,資料分析這個大類的崗位層次不一,崗位職能也大不相同,在不同的公司,同樣都叫資料分析師的崗位,可能一個就是給業務取數,提供基礎資料支撐,而另一個卻要涉及資料建模、挖掘。這兩種人需要掌握的工具技能肯定也大不相同。

我這裡把資料分析籠統的分類業務向和技術向兩類:

業務類分析師,側重業務分析,一般掛靠在業務部門,或者有單獨資料分析部門,最要工作內容就是對特定業務做專題分析,通過對資料分析來做一些業務規劃、方案等。日常的工作大多就是整理報表,做一些探索性的業務分析,解決業務問題。

技術類分析師,一般都在IT部、資料中心。根據從事的工作環節不同,被分成資料庫工程師,ETL工程師,爬蟲工程師,演演算法工程師等角色,主要的工作一般有資料倉庫搭建、專題分析、建模分析、資料探勘預測等。

說完資料分析師的工作內容,再來看目前市場流行的幾類資料分析工具:Excel、python/R、BI工具

先說大家都熟悉的Excel,Excel在資料分析領域的地位不可動搖,尤其對入門新手來說,大部分的人在進入工作之前都多少接觸Excel,所以在此基礎上要做資料分析,學習Excel是最合適不過的,從簡單的表格製作,資料透視表,寫公式,再到VBA語言,基本能夠滿足80%業務人員的分析需求。而且學習Excel的成本比學習一門程式語言低多了。

Image for post
Image for post

(見過有很多機構開始利用職場焦慮忽悠普通職場人學python,說句良心話,花費大幾千甚至破萬的價格去報班學python,沒有基礎幾個月也只能學個皮毛,回到自己的工作中根本用不上,除非你認真考慮轉行,當然轉行也不可能像培訓機構說的那麼簡單)

Image for post
Image for post

回到正題,我們再說BI工具,BI的誕生,目的是為了縮短從業務資料到經營決策的時間,提高決策效率,所以它的產品設計理念就是圍繞提高資料分析的過程展開的。

和Excel相比,BI工具在分析流程上更加簡化,以我用過的FineReport為例,從資料連結、資料處理、到視覺化圖表分析,很多功能都是封裝好的,滑鼠點選拖拽就能迅速完成一次分析。這樣的視覺化操作介面讓BI的學習門檻大大降低,更適合面向企業中的業務分析人員。

激活碼戳這裡

拖拉拽就能完成的資料分析

Image for post
Image for post

靈活易用的參數查詢功能

Image for post
Image for post

另外,在面對大資料量分析時,BI工具也能彌補Excel的不足,還有一個吸引人的點,就是BI工具的視覺化效果,在Excel中製作動態圖表或者高階的視覺化圖表效果,需要經過諸多複雜的步驟,用程式語言實現,也需要一行行程式碼調整,才能得到想要的效果,但是在BI工具中,簡單拖拽設定,就能製作出令人驚豔的視覺化圖表

Image for post
Image for post

FineReport製作的視覺化駕駛艙

不過,因為BI工具是非開源的,所以在功能上有侷限性,如果產品沒有設計某一項功能,可能就沒有辦法完成分析工作。這時候python或R這類程式語言就顯得更加靈活了,只要程式碼寫得好,基本沒有實現不了的東西。

而且在資料探勘、機器學習領域,BI和Excel就更加無能為力了,在這個階段,python語言是一個絕佳選擇,它對複雜的資料處理、建模、預測更加遊刃有餘。

最後總結一下,工具的選擇要根據自身需要,而不是哪個火學哪個,只有最適合自己的才是最好的。

像財務、人事、運營這類的基礎業務分析,Excel完全就夠用了,如果想要提升效率,追求視覺化效果,BI工具也是不錯的選擇,完全沒有必要花費極大的精力去湊Python的熱鬧,當然如果你對程式設計很感興趣,那當我沒說。

最後再來回答最後一個問題,為啥python這麼火?

當然是因為好賺錢,以前網際網路興起的時候,各種java、C++的培訓炒的火熱,培訓機構大把大把撈金,現在大資料時代來了,資料分析、資料探勘、人工智慧的概念又火了,一片新的韭菜地出現在眼前,培訓機構們還能放著這麼多的錢不賺?

隨便拿個業內TOP資料分析師的薪資給你畫個月入2W的大餅,實際上你入職大概率6–8K,而且你在培訓課裡學到那點皮毛功夫還要面臨全網被割韭菜的各行各業神仙轉行來和你PK,最後能找到心儀工作的少之又少。

Image for post
Image for post

更慘的是一些無辜小白,在原來的崗位乾的好好的,看到營銷文案,一股心血來潮要轉行,花了大價錢大精力去報班學python,最後轉行也轉不了,反而沒在自身的崗位上有什麼提升,掙大錢的夢破碎了。

最後再強調一下,大部分的資料分析師本質是個業務輔助崗位,核心是對業務的理解能力和資料敏感度,像下面這張圖裡寫的,那些告訴你學python就能入門資料分析,學python就能做好資料分析的,百分之90都是為了賺錢,另外,想轉行資料分析的也要慎重考慮,這一行也並不是你想象的那麼美好。

Image for post
Image for post

關注數據君的臉書:

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。按贊我的臉書私訊10,會有豐富資料包贈送唷!

Written by

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store