鑑於你是傳統會計專業出身，那就需要考慮目前你是需要往哪方面發展，一般資料分析師職業規劃有單純的資料分析崗、資料建模崗。下面我們就說說一般資料分析師常用的軟體工具有哪些？

1、資料處理工具：Excel

資料分析師，在有些公司也會有資料產品經理、資料探勘工程師等等。他們最初級最主要的工具就是Excel。有些公司也會涉及到像Visio，Xmind、PPT等設計圖示資料分析方面的高階技巧。資料分析師是一個需要擁有較強綜合能力的崗位，因此，在有些網際網路公司仍然需要資料透視表演練、Vision跨職能流程圖演練、Xmind專案計劃導圖演練、PPT高階動畫技巧等。

在Excel，需要重點了解資料處理的重要技巧及函式的應用，特別是資料清理技術的應用。這項運用能對資料去偽存真，掌握資料主動權，全面掌控資料；Excel資料透視表的應用重在挖掘隱藏的資料價值，輕鬆整合海量資料：各種圖表型別的製作技巧及Power Query、Power Pivot的應用可展現資料視覺化效果，讓資料說話。因此想從事資料分析崗位的，需要快速掌握快各種Excel資料處理與分析技巧。

2、資料庫：MySQL

Excel如果能夠玩的很轉，能勝任一部分資料量不是很大的公司。但是基於Excel處理資料能力有限，如果想勝任中型的網際網路公司中資料分析崗位還是比較困難。因此需要學會資料庫技術，一般Mysql。你需要了解MySQL管理工具的使用以及資料庫的基本操作；資料表的基本操作、MySQL的資料型別和運算子、MySQL函式、查詢語句、儲存過程與函式、觸發程式以及檢視等。比較高階的需要學習MySQL的備份和恢復；熟悉完整的MySQL資料系統開發流程。

3、資料視覺化：Tableau & Echarts

如果說前面2條是資料處理的技術，那麼在如今“顏值為王”的現在，如何將資料展現得更好看，讓別人更願意看，這也是一個技術活。好比公司領導讓你對某一個專案得研究成果做彙報，那麼你不可能給他看單純的資料一樣，你需要讓資料更直觀，甚至更美觀

如何理解資料視覺化？像我們以前上學的時候學過的柱狀圖，餅狀圖，也是資料視覺化的一種。只是在現在，簡單的柱狀圖已經不能滿足工作所需。目前比較流行的商業資料視覺化工具是Tableau & Echarts。

Echarts是開源的，程式碼可以自己改，種類也非常豐富，這裡不多做介紹，可以去建立一個工作區瞭解下。

4、大資料分析：SPSS & Python& HiveSQL 等

如果說Excel是“輕資料處理工具”，Mysql是“中型資料處理工具”那麼，大資料分析，涉及的面就非常廣泛，技術點涉及的也比較多。這也就是為什麼目前網際網路公司年薪百萬重金難求大資料分析師的原因

大資料分析需要處理海量的資料，這對於資料分析師的工作能力要求就比較高，一般來說，大資料分析師需要會

（1）會使用Hive的SQL方法HiveQL來彙總、查詢和分析儲存在Hadoop分散式檔案系統上的大資料集合。知道Hive如何在Hadoop生態系統進行資料分析工作。

（2）會一些SPSS modeler基礎應用，這部分技能對應資料建模分析師

（3）何使用R語言進行資料集的建立和資料的管理等工作；會使用R語言資料視覺化操作，讓學員學會如何用R語言作圖，如條形圖、折線圖和組合圖等等；是R語言資料探勘，本部分資料探勘工程師

（4）用Python來編寫網路爬蟲程式，從頁面中抓取資料的多種方法，提取快取中的資料，使用多個執行緒和程序來進行併發抓取等

總結一下：

寫在最後

1、自身定位很重要

以上所有介紹的這些技能，都是根據你的自身定位而言，如果你定位只是小企業的資料分析崗位，那你也許只要把Excel玩的很6就可以了。但是從長遠來看，這部分工作崗位，終將會被大資料分析所取代。這也就是為什麼之前所說網際網路公司重金難求大資料分析師了。

2、終身學習很重要

為什麼這麼說，你會發現這個是時代的腳步越來越快了，你一不學習就很容易被時代淘汰，暫時把自己定位小型企業資料分析師的人，別忘了還是要去學習現在更流行的更有趨勢的技術。自己的工作領域能跟網際網路掛鉤的儘量往上靠，畢竟這是大勢所趨。

最最後

祝願你早日成為大資料分析師

我給你一份資料分析經典入門指南，按照這份指南，小白也能成為資料分析高手！

這是一份入門到熟練的指南，並不包含資料探勘等高階內容。可也足夠讓產品和運營們獲得進步。

Step1：Excel學習掌握

所用的工具正是職場中最常用的Excel！

①重點函式學習

重點是瞭解各種函式：Vlookup、sum，count，sumif，countif，find，if，left/right，時間日期函式、文字函式

②資料透視表學習

我曾說過，如果Excel只能學習一個功能，那唯一能入選的就是資料透視表。

掌握vlookup和資料透視表是最具價效比的兩個技巧。學會vlookup，SQL中的join，Python中的merge很容易理解。學會資料透視表，SQL中的group，Python中的pivot_table也是同理。

這兩個搞定，基本10萬條以內的資料統計沒啥難度，80%的辦公室白領都能秒殺。

Step2：資料視覺化

所用工具：PowerBi、Excel

資料分析界有一句經典名言，字不如表，表不如圖。

資料視覺化是資料分析的主要方向之一。首先要了解常用的圖表：

Excel的圖表可以100%完成上面的圖形要求，但這只是基礎。後續的進階視覺化，勢必要用到程式設計繪製。為什麼？比如常見的多元分析，你能用Excel很輕鬆的完成？但是在IPython只需要一行程式碼。

其次掌握BI，下圖是微軟的BI。

BI（商業智慧）和圖表的區別在於BI擅長互動和報表，更擅長解釋已經發生和正在發生的資料。將要發生的資料是資料探勘的方向。

BI的好處在於很大程度解放資料分析師的工作，推動全部門的資料意識，另外降低其他部門的資料需求（萬惡的導資料）。

BI市面上的產品很多，基本都是建立儀表盤Dashboard，透過維度的聯動和鑽取，獲得視覺化的分析。最後需要學習視覺化和資訊圖的製作。

Step3：資料庫學習

所用工具：SQL

Excel對十萬條以內的資料處理起來沒有問題，但是網際網路行業就是不缺資料。但凡產品有一點規模，資料都是百萬起。這時候就需要學習資料庫。

越來越多的產品和運營崗位，會在招聘條件中，將會SQL作為優先的加分項。

SQL是資料分析的核心技能之一，從Excel到SQL絕對是資料處理效率的一大進步。

學習圍繞Select展開。增刪改、約束、索引、資料庫正規化均可以跳過。主要了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時間轉換函式等。如果想要跟進一步，可以學習row_number，substr，convert，contact等。另外不同資料平臺的函式會有差異，例如Presto和phpMyAdmin。再有點追求，就去了解Explain最佳化，瞭解SQL的工作原理，瞭解資料型別，瞭解IO。以後就可以和技術研發們談笑風生，畢竟將“這裡有bug”的說話，換成“這塊的資料死鎖了”，逼格大大的不同。SQL的學習主要是多練，網上尋找相關的練習題，刷一遍就差不多了。

好了，經過這三步之後，你已經具備資料分析基本功力，剩下的需要訓練的就是你的思維和實際的業務分析能力了。

節選自秦路《七週成為資料分析師》

作為轉行資料分析的過來人，也來分享一下自己的看法

資料分析，各行各業都需要的技能

不同行業的資料分析，分析方向和內容也是千差萬別

根據你的工作經歷來看，長期從事財務方面的工作，為什麼要轉行呢？

其實，不是所有做分析的人，都能和錢掛上鉤的

而做分析師，往往到最後都得與財務分析、價值變現、結合上才行

否則很難影響公司決策，分析也就沒有什麼意義了

所以，你確實具備很多人沒有的優勢

但我不建議你轉行做分析師

財務分析本就是商業分析領域大分支

建議你向財務分析職位發展，也許更好，不浪費經驗

OK，那麼來回答資料分析常用的軟體工具：

如果你是做商業分析，更偏向公司業務分析

建議先看一下 Gartner 關於商業分析與BI平臺魔力象限分析：

解釋一下魔力象限：

下面是包括2019和2020的分佈和變化趨勢情況

基本上常見的大牌商業資料分析工具和平臺，裡面都有涉及

如果你是做運營資料分析，或者偏純技術型分析

可能你需要懂一定的程式設計基礎或增長理論，以及常用的分析工具包：

總之呢，資料分析工具一般為分為3大類

第一類：傻瓜入門型

簡單易上手，也是最常用最普及的工具

比較常用的是：EXCEL、SPSS

EXCEL，我相信只要是工作人士，應該沒有人不知道吧

就算過了這麼多年，Excel 依舊是處理資料、資料視覺化的經典工具

它的使用者基數太大了，即便是在各種高階資料分析軟體大行其道的今天

絕大部分商業資料分析專案依然使用 Excel 解決，而且學起來容易入門

但是精通EXCEL很難，使用它需要一點一點積累

所以面試的時候，看到誰敢寫精通EXCEL，基本上直接KO掉

當然，如果你認真鑽研，把它用成BI工具的也是不成問題

推薦3本書籍，入門必備：

誰說菜鳥不會資料分析，張文霖；Excel圖表之道，劉萬祥；別怕，Excel VBA其實很簡單，Excel Home；

而SPSS 全稱為「社會科學統計軟體包」

IBM 公司推出的，用於統計學分析運算、資料探勘、預測分析和決策支援任務

推薦3本書籍，入門到高階案例全了：

SPSS統計分析基礎教程，張文彤；SPSS統計分析高階教程，張文彤；IBM SPSS資料分析與挖掘實戰案例精粹，張文彤，鍾雲飛；

第二類：DIY程式碼型

基本上，全靠寫程式碼來解決問題

比如：SQL、Python，R

資料分析“直接”使用的資料大多數都為結構化資料，這些資料通常都存在資料庫裡(SQLServer, Mysql, Oracle, Hive等)，而要提取這些資料，SQL必不可少

推薦1本書，入門夠用：

SQL必知必會，Ben Forta

Python和R是開源免費工具

來自世界各地的開發者貢獻自己開發的工具包

開發者越多，軟體的生命力就越強，發展也越快

日常資料分析(挖掘)90%以上的場景，兩個軟體都可以覆蓋到

如果你已經在學其中一個，請繼續努力，深入學習即可

推薦2本書，關於python和R的：

利用Python進行資料分析；R語言實戰，Robert I. Kabacoff

第三類：混合平臺型

這種型別，既可以介面操作，又可寫程式碼，相對靈活

比如：Tableau、Powerbi、SAS

先說PowrBI，個人感覺Power BI的儀表板效能更好

它可以打通資料清洗、分析處理、視覺化三大難題

尤其在python視覺化程式碼量大的情況下，建議後期出圖考慮使用它

而且最重要的是，它有一個免費的桌面版，非常爽

而Tableau，主攻簡單、便捷的視覺化工具，當然現在被收購了，產品更加多元化了

用它做出的圖表視覺化效果很贊，可惜我本人不太喜歡它的操作風格

還有有個小缺點，就是收費版本不便宜，線上版本因為網路的問題有時比較卡

而SAS，一般是醫藥、金融類應用場景較多

比如：銀行風控、互金行業，醫藥建模檢測等等

很多國內大型公司使用它，是業內權威的代表，出的報告，行業公信力很強

當然，還有很多其他工具，網上一搜一大把

本人就不贅述了，就只列出行業比較認可的

總之，工具選擇，因人而異，選擇適合自己的最重要

再來回答一下，初學者從哪裡開始

其實大家都有過這樣的經歷

糾結選擇哪個工具糾結從哪裡學起，甚至害怕會不會學完就過時沒用了

很正常，大家都是這麼過來的，無須焦慮。

就本人經驗和感受，說3個小建議：

1. 選好書籍打基礎，資料宜精 不宜廣

選擇一本經典教材或者課程，非常重要

市面上的資源太多了，建議多看看知識和豆瓣推薦高分書籍，一般不會錯

還有建議買紙質書，花了錢，這個書才香，才容易讀完

看書籍是為了先打好基礎，然後構建個人知識框架

最後利用“碎片化”時間、從解決實際問題出發去提升自己

2. 切忌大而全，工具宜少 不宜多

本人以前很喜歡鼓搗軟體，各種工具各種玩耍

後來發現有些工具用過一次就再也沒碰過了

而真正提高工作效率的，都是大家常提的，公認的

比如：你做資料量少了200M的 簡單分析，Excel和SPSS一般是最佳選擇 出活兒快！

而SQL是用來提數跑數的，你必須得會，得熟練，不然時間都耗在這兒了

當你遇到資料量較大或者需要複雜模型，就可以上PYTHON和R了

當然如果是你公司有大資料平臺，就可能使用HIVE、SPARK、STOM等等

提示一點：切記不要為了追求高大上的模型或者效果

正所謂“屠龍之術，學而無用”

脫離實際工作場景的分析，純屬扯淡

3. 邊幹邊學 邊整理 記住“以用促學，以教促學”

很多同學總是問我，為什麼學習EXCEL

總是感覺學不會、學了就忘呢？

原因主要有2點：

一是因為沒有實戰的機會，用的太少了，短練！

二是用完了就結束了，從來不總結整理，太懶！

最常見的一種現象是，很多人常常翻著一本厚厚的EXCEL秘籍自學

可當他想使用Excel的時候，卻又要到處搜尋資料

而用完了某個函式，沒過幾天就忘記了

所以，一定要帶著問題、帶著坑，去學習，你的記憶才會深刻

最後記得，定期整理沉澱自己，消化知識

一種方法是，畫思維導圖梳理體系，知識才能內化成你自己的東西

第二是，多多和別人交流和分享，思維的碰撞，能加深個人的理解和感悟

最後提醒一點：不要過分沉迷於工具

多注重業務理解，多實踐積累經驗，才是王道

希望上面的文字回答，能幫到你

資料分析最常用的軟體一般有Excel、mysql和Tableau。

Excel大家都用的比較多，對日常工作來說是不可或缺的存在，其實它的資料分析功能也很厲害。mysql是關係型資料庫，sql語言可以很好地對資料庫進行操作管理，進而進行資料分析。Tableau是專業的視覺化軟體，線上使用很方便。

初學者應該先從SQL開始學起，SQL是所有資料方向的必備技能，也是比較容易學的技能。

在資料分析行業摸爬滾打好多年了，過來人給你一些忠實建議，看你的背景是會計，想來在數理統計、Excel使用上有一定基礎。

先說職業規劃吧，資料分析是一個很大的類別，籠統的說分演算法向和業務向，會計背景轉業務向資料分析師是比較容易的，演算法向難度高，不建議。

轉行初學者第一個要學的不是資料分析軟體工具，而是惡補基礎知識，資料分析入門先學工具是本末倒置，工具只是用來幫助你達成分析目的的，核心是你的分析思維。

第一，統計學基礎學習。這是打地基的東西，統計學知識是資料分析的基礎，推薦李航的《統計學習方法》，適合初學者

第二，基礎的資料分析工具學習。相比你對Excel應該有所瞭解了，Excel本身就是一個非常適合新手的資料分析工具，我入行的時候也是先學的Excel。需要掌握透視表、報表關聯等能力。不過大部分的企業現在不純用Excel做分析了，還有要求掌握python、或者BI工具使用，學習如何用它們做資料處理還有就是比較典型的經營分析，這些網上可以搜到不少優質的資源，可以上手練習。

當然，除了資料分析工具的掌握之外，你還需要掌握一些基本的資料庫知識，資料分析的工作存在著大量的取數工作，sql和資料庫知識也是你必須跨過的坎。

第三，業務知識。業務向的資料分析師，對業務知識的理解是核心競爭力，對於會計來說，最快的方法就是轉財務分析，會計工作會涉及到許多指標的分析，涉及到企業的資產、負債、資金流、成長性等等，這些反饋的也是一家企業運營的核心，幾乎所有指標都可以從財務指標往下拆解，而很多技術背景出身的資料分析師，在早期是沒有這樣的視角和格局的，所以不要侷限於自己之前是學會計或者做賬的。你可以在平時的學習或者工作中，有意識地塑造分析思維，尤其是財務分析，這會成為你的閃光點。

最後轉行有風險，不建議裸辭轉行，做好萬無一失的準備再大膽轉行

一般常用的工具有資料庫、EXCEL、PYTHON、POWER BI等，但是我常用的工具主要是智分析，因為其處理大資料的能力非常出色，而且入門門檻非常低，只要會EXCEL就能學會。我建議初學者還是先從EXCEL開始學起，因為EXCEL非常強大，很多事情都可以完成，等學會了EXCEL，再去結合智分析做資料分析，那將會是非常牛逼的一件事。