00.序言
在我身邊學python的只有兩類人:搞數據分析的，搞人工智慧的
一般人做不了人工智慧，大多數人都是奔著做數據分析去的，像爬蟲、視覺化、資料採集這種，不得不說python在這方面確實很優秀，畢竟是萬能的膠水語言嘛。
恰好，數據分析和人工智慧都是大火的崗位，新興、稀缺、高薪，多少人搶破了頭也要擠進來。有這麼多韭菜，資本市場還不狠狠收割一波，所以市場就開始瘋狂鼓吹，像那些培新機構，鼓吹學python就能找到好工作，就能升職加薪。市場吹得厲害了，那些企業也就懵了，python相關的崗位井噴式的就爆出來了，然後又吸引了更多韭菜過來湊熱鬧，市場就再收割。
想想之前的安卓、I0S，想想之前的java，想想PHP，再想想現在的python，感覺不是很像嗎?今天我們就來詳細講講：
01.數據分析需要學Python嗎?
答案顯然不是!
不管是python、R還是Excel、spss，這些都是數據分析的工具，對於數據分析，我一直強調核心是業務，透過業務的分析邏輯影射到數據分析的處理邏輯，而數據分析工具則是幫助我們實現結果的手段。
如果把數據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和數據分析之間，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是不是數據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，不一樣的型別的數據分析工作，合適的數據分析工具也不一樣。
02.數據分析師的工作內容
在實際工作中，數據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，同樣都叫數據分析師的崗位，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。
我這裡把數據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，透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。
03.數據分析工具
說完數據分析師的工作內容，再來看目前市場流行的幾類數據分析工具:Excel、python/R、BI工具
先說大家都熟悉的Excel，Excel在數據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數據分析，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。
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FineBl為例，從資料鏈接、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。
另外，在面對大數據量分析時，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
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!
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
1.有數據，需要方便的分析，數據量級不大(百萬以下):直接使用excel+bi工具可以滿足大部分場景
2.沒有數據，需要爬取，再分析:使用python 爬取數據，使用sql或者csv儲存資料，使用bi分析數據
3.有數據，數據量大:python或者sql搞吧
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
04.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;現在大數據時代來了，數據分析、數據探勘、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數據分析師的薪資給你畫個月入2W的大餅，實際上你入職大機率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。
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。
05.總結
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就能入門數據分析，學python就能做好數據分析的，百分之90都是為了賺錢，另外，想轉行數據分析的也要慎重考慮，這一行也並不是你想象的那麼美好。
以上就是本期的內容分享~~，碼字不易，如果覺得對你有一點點幫助，歡迎「關注」，「點贊」，「分享」喔，我會持續為大家輸出優質的內容~~
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
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。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆何謂BI商業智慧？BI與報表有何不同，80%的IT人都不懂！
回顧十週入門數據分析系列文：
關注數據君的臉書，ins（全網同名）
我是「數據分析那些事」。常年在臉書，ins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，並在臉書置頂帖子下回復SQL50,會有MySQL經典50題及答案贈送唷！
