你是說這種看板嗎？

雖然看起來很複雜的樣子，其實製作起來一點都不難。

先上傳資料，然後處理資料：

製作圖表：

最後再把圖表都放在圖集裡就好啦

如果想要調整佈局和顏色，也很簡單：

我想如果你會用之後，每次製作一個這樣的看板大概需要1~2小時吧。

第一次做可能會久一點，但是絕對不會超過一上午。

這個神奇的工具叫：資料觀 https://shujuguan.cn/product/?from=18010901

　　R Markdown是一種用於在R中生成可重複生成的報告的開源工具。它可以幫助您將所有程式碼，結果和編寫都放在一個地方，並以一種有吸引力且易於消化的方式格式化所有內容。

　　它也是將您的資料工作展示給其他人的寶貴工具。使用R Markdown，您可以選擇將您的作品匯出為多種格式，包括PDF，Microsoft Word，幻燈片或HTML文件，以便在網站上使用。

　　使用R Markdown將資料分析變成漂亮的文件。

　　R Markdown是一個功能強大的工具，因為它可用於資料分析和資料科學，與他人協作以及將結果傳達給決策者。

　　在大資料分析R Markdownde的使用技巧文章中，我們將介紹在RStudio中使用R Markdown的一些技巧，竅門和快捷方式。

　　我們喜歡使用R Markdown在R中進行編碼和創作內容。實際上，我們在R Markdown中撰寫了此大資料分析R Markdownde的使用技巧文章!讓我們找出原因!

　　1.鍵盤快捷鍵

　　知道R Markdown鍵盤快捷鍵將在建立報告時節省大量時間。

　　以下是一些基本的R Markdown快捷方式：

　　1)Command + Option + I在Mac或Ctrl + Alt + ILinux和Windows 上插入一個新的程式碼卡盤。

　　2)Command + Shift + K在Mac或Ctrl + Shift + KLinux和Windows 上，以YAML標頭中指定的格式輸出文件。“ k”是“編織”的縮寫!

　　接下來，我們將介紹執行程式碼塊的快捷方式。但是在執行此操作之前，通常最好重新啟動R會話並從乾淨的環境開始。Command + Shift + F10在Mac或Ctrl + Shift + F10Linux和Windows 上執行此操作。

　　1)Command + Option + P在Mac上運行當前塊上方的所有塊;Ctrl + Alt + P在Linux和Windows上。

　　2)在Mac 上Command + Option + C或Command + Shift + Enter在Mac上運行當前塊;Ctrl + Alt + C或Ctrl + Shift + Enter在Linux和Windows上。

　　3)Command + Option + N在Mac上執行下一個塊;Ctrl + Alt + N在Linux和Windows上。

　　4)在Mac 上Command + Option + R或Command + A + Enter在Mac上執行所有塊;Ctrl + Alt + R或Ctrl + A + Enter在Linux和Windows上。

　　二、快速預覽您的文件

　　R Markdown提供了許多用於編譯文件的格式選項。但是，將您的工作呈現為PDF或簡報的時間可能比編譯為HTML所需的時間長得多。因此，創作時將文件輸出為HTML通常很有用，因為這樣可以快速進行迭代。

　　當您開啟一個新的R Markdown檔案時，預設輸出格式為HTML-編譯報告時，您可以在Web瀏覽器中輕鬆檢視它。此預設設定可以節省您的時間!當您接近成品時，可以將輸出更改為您選擇的格式，然後進行最後的修飾。

　　3.知道您的程式碼塊選項

　　R Markdown的一大優點是，您有許多選擇來控制如何評估和呈現每個程式碼塊。這使您可以從頭開始構建簡報和報告，包括程式碼，圖表，表格和影象，同時僅將基本資訊呈現給目標受眾。例如，您可以包含結果圖，而不顯示用於生成結果的程式碼。

　　掌握這些程式碼塊選項對於成為熟練的R Markdown使用者至關重要：

　　1)echo = FALSE：隱藏程式碼，但執行程式碼併產生所有輸出，曲線圖，警告和訊息。

　　2)eval = FALSE：顯示程式碼，但不對其進行評估。

　　3)fig.show = "hide"：隱藏圖。

　　4)include = FALSE：執行程式碼，但不顯示所有輸出。這對於設定程式碼很有幫助。開啟新的R Markdown文件時，您可以在第一個程式碼塊中看到一個示例!

　　5)message = FALSE：防止軟體包在載入時列印訊息。這也抑制了函式生成的訊息。

　　6)results = "hide"：隱藏列印輸出。

　　7)warning = FALSE：防止軟體包和功能顯示警告。

　　4、使用內聯程式碼

　　使用內聯程式碼將R程式碼直接嵌入到R Markdown文件中。當您要在書面摘要中包含有關資料的資訊時，這很有用。

　　將內聯程式碼與一起使用，r並新增程式碼以在反引號內進行評估。例如，在撰寫此大資料分析R Markdownde的使用技巧文章時，我們使用了內聯程式碼來為每個部分自動編號，因此我們不必手動新增它們。那麼我們是怎麼做到的呢?我們首先tip_number在setup程式碼塊中建立一個名為和的變數，然後將值設定為零，如下所示：

　　然後，將以下內聯程式碼新增到每個部分，以使每次迭代的數目增加一：

　　嘿，等一下!我們如何在R Markdown中撰寫的此大資料分析R Markdownde的使用技巧中包含最後一行程式碼，而不弄亂下面的部分編號?帶有程式碼塊選項!上面的程式碼示例以程式碼塊形式編寫，帶有eval = FALSE用於阻止程式碼執行的選項。像這樣：

　　如您所見，R Markdown是一個功能強大的工具，因為它可以使您對文件的輸出進行很多控制!

　　5.使用TinyTex

　　藉助R Markdown，您可以使用LaTeX文件準備系統輸出高質量的報告。當報告包含科學或數學符號以及符號時，LaTeX特別有用。例如，我們在AAA教育中使用LaTeX編寫使用數學符號的統計內容。

　　但是，諸如TeX Live，MiKTeX和MacTeX之類的LaTeX發行版需要大約5 GB的磁碟空間!相反，TinyTex在安裝時僅使用約150 MB。

　　使用install.packages("tinytex")或安裝TinyTex tinytex::install_tinytex()。使用解除安裝TinyTex tinytex::uninstall_tinytex()。

　　安裝TinyTex後，如果您將PDF指定為輸出格式，則無需執行其他操作即可輸出PDF文件!

　　要編譯一個LaTeX文件為PDF格式，呼叫其中的一個tinytex功能：pdflatex()，xelatex()，和lualatex()。使用的功能取決於您要使用的LaTeX引擎。

　　TinyTex開發人員和R Markdown超級巨星謝逸輝說，這是R使用者平均需要了解TinyTex的全部內容。為什麼?因為提到的LaTeX功能將自動檢測並安裝所有缺少的LaTeX軟體包!

　　6.使用R指令碼生成R Markdown文件

　　您是否知道可以從R指令碼生成R Markdown文件?為此，請使用捕獲註釋#"。您甚至可以使用來指定程式碼塊選項#+。這是一個例子：

　　該R指令碼以檔名“ r_script.R”儲存。為了將此文件呈現為R Markdown文件，我們spin()從指定函式knitr，如下所示：

　　knitr::spin("r_script.R", knit = FALSE, format = "Rmd")

　　這將生成一個R Markdown文件，如下所示：

　　當您編織此文件時，將返回以下HTML輸出：

　　7.生成帶有R Markdown文件的R指令碼

　　您可能想知道是否存在將R Markdown文件轉換為R Script的方法?有!該knitr軟體包還為此提供了一個功能purl()。這是將我們的R Markdown文件轉換回R指令碼的命令：

　　knitr::purl("r_script.Rmd", documentation = 2)

　　請注意，您必須指定documentation = 2返回#"註釋中的完整文件。如果您的文件是純程式碼，請指定documentation = 0。

　　8.在R Markdown中新增換行符

　　在輸出中新增換行符有多困難?不是。但是弄清楚這一點可能有點棘手!

　　要在R Markdown中打斷一行並將其顯示在輸出中，請使用兩個尾隨空格，然後單擊return。讓我們來看一個例子。

　　在這裡，我們沒有在第一(頂部)組的兩個句子之間指定兩個尾隨空格。但是我們確實在第二個(底部)組的兩個句子之間指定了兩個尾隨空格。

　　結果?看看這個!

　　9.在R Markdown中新增空白行

　　結果就是這裡!

　　10.在R Markdown中查詢SQL

　　您可以透過建立{sql}程式碼塊在R Markdown中查詢SQL 。

　　首先，將生成一個記憶體中的SQL資料庫以供本示例使用。您將生成一個著名的“ mtcars”資料集的SQL資料庫。大資料分析R Markdownde的使用技巧https://www.aaa-cg.com.cn/data/2382.html這是程式碼：

　　在新的程式碼塊中，編寫一個SQL查詢以使用四缸引擎從資料庫中選擇所有汽車。確保將此塊的型別更改為{sql}。此命令返回一個數據框，您將另存為mt_cars_df：

　　指定output.var = "mt_cars_df"將查詢結果儲存到資料框。資料框如下所示：

　　您可以在R程式碼塊中使用此資料幀來執行分析或生成ggplot，例如：

　　11.使用塊名稱

　　命名程式碼塊對於包含許多塊的長文件很有用。例如，使用R程式碼塊，將塊命名為：{r my_boring_chunk_name}。

　　使用命名的程式碼塊，您可以在R Markdown視窗窗格底部包含的程式碼塊導航器中的塊之間進行導航。這也可以使圖易於按名稱標識，因此可以在文件的其他部分中使用它們。

　　我們已經從上面在SQL示例中添加了塊名稱。這是我們在導航器中看到的內容：

　　12.將它帶到雲端!

　　RStudio現在提供了一個基於雲的RStudio桌面版本，稱為RStudio Cloud。RStudio Cloud允許您在R Markdown中進行創作，而無需安裝軟體，只需要一個Web瀏覽器。

　　RStudio Cloud中的工作被組織到類似於桌面版本的專案中，但是RStudio Cloud使您可以指定希望用於每個專案的R版本。

　　RStudio Cloud還可以輕鬆，安全地與同事共享專案，並確保每次訪問專案時都能完全再現工作環境。這對於在R Markdown中編寫可複製的報告非常有用!

　　如您所見，RStudio Cloud的佈局與在RStudio桌面中編寫R Markdown文件非常相似：

　　獎勵：R Markdown備忘單

　　RStudio已釋出了許多與R一起使用的備忘單，包括有關使用R Markdown的詳細備忘單!透過選擇，可以從RStudio中訪問R Markdown備忘單Help > Cheatsheets > R Markdown Cheat Sheet。

https://www.toutiao.com/i6846585878664446477/

為什麼還守著不能及時、直觀展現資料，不能指導業務的分析軟體？能做資料填報，能做圖文報告的資料視覺化工具，不香嗎？除了填報、圖文報告、整合到第三方、智慧切換多語言、集團分級授權系統管理不同組織架構、現成BI方案直接用……資料視覺化工具遠比想象中更實用。

說起資料視覺化工具，一般來說都會想到“秒分析、直觀呈現”，事實上除了分析效率高、資料呈現直觀易懂外，資料視覺化工具還具有大大小小實用型功能板塊。

1、現成BI方案，短週期、更安全

奧威BI資料視覺化工具現成的BI方案不僅週期短，還更安全。只因該BI方案是奧威軟體在系統整理其豐富BI專案經驗後形成的系統化、標準化BI方案，在方案制定過程中就已參考以往BI經驗，有效規避大量設計BUG，使用安全度更高。

2、整合第三方平臺，使用更便捷

企業辦公軟體那麼多，逐個開啟太不方便，但如果能將他們整合到同一個平臺上，從該平臺直接開啟就方便很多。你可將奧威BI資料視覺化工具整合大任意第三方平臺，當你需要使用BI系統時，從第三次平臺就能直接開啟。

3、資料中臺，統一不同系統資料分析口徑，為秒分析打下地基

不同部門有各自的資料系統，由於分析口徑不同，往往無法及時聯合做資料分析。資料視覺化工具利用資料中臺集中不同系統的資料，統一資料分析口徑，為後期的海量資料秒分析、自助式分析秒響應等奠定基礎。

除以上三點之外，多語言、行計算自定義、AI+BI語音操控、智慧填報、集團分級授權等智慧資料視覺化分析功能都已上線。對BI資料視覺化分析感興趣的朋友可透過“demo”平臺親自體驗自助式資料分析、資料視覺化分析效果，感受資料秒分析、多維度分析效果。

問題：製作資料分析報告的工具都有哪些？

網際網路時代，大資料的話題已經層出不窮，其資料在實際生活中的應用一直指引著時代潮流。而應用，則要突顯出資料所呈現的結論，而這些結論需要形成可閱讀的報告，可以為影片，可以為互動式報告，可以為書面報告等，不一而論。

就像題主提到的，有哪些高大上的工具可以形成這些很酷，很炫的報告，那這裡就不得不提一些資料視覺化。

比如下面這些視覺化的效果圖：

視覺化資料大屏-1

視覺化資料大屏-2

視覺化資料大屏-3

視覺化資料大屏-4

而為了滿足上述的效果，一般我們會對資料進行一系列的處理，這裡把其概括而言，分為三大步驟：資料分析、資料統計，資料視覺化

由於網際網路時代的各廠商都抓住了市場前沿，故在處理上述步驟時有很多可以借鑑參考，故這裡形成了一個彙總，供大家參考。

一、資料分析 層面可能會應用到的工具

說明：上述層面提到的資料都是基於網際網路開放的資料，可以進行獲取（有部分涉及費用），如果要形成的資料報告是行業相關或公司相關的，可能具體的資料需要另行獲取。

二、資料統計 層面可能會應用到的工具

說明：當然你也可以採用最傳統的方式，利用Excel等工具進行最為原始的統計分析

三、資料視覺化 層面可能會應用到的工具

說明：目前市場上還有的阿里雲的DataV也非常具有可用性。這些工具都會利用到一些程式設計屬性，如果非技術人員，可能在動態視覺化層面需要發力。

最後，想說明一點的就是，上述提到的這些思路，工具方法都是基於網際網路企業而言，那對於非網際網路，非技術人員，則還是依賴於Excel、Power BI或者Tableau，較為容易上手並形成一些較為客觀的視覺化資料報告！

當然，也希望留下你的觀點和看法……

DataViz資料視覺化分析工具是線上資料分析軟體(BI)，無需資料分析師和IT人員的幫助，業務人員只需透過拖拽式操作即可完成資料視覺化分析工作。支援拖拽資料集中維度和度量即可自動實現視覺化展現以及資料透視功能，支援數十種圖表自由切換。支援連線各種業務資料庫如Oracle、 MySQL、 SQL Server等、文字資料來源如Excel、 Csv等。可以訪問東軟平臺雲(https://cloud.neusoft.com)直接註冊訪問。

用的很多了，首先是Python和一些包，機器學習的知識！還有就是echarts或者hcharts結合前端知識建立資料視覺化圖形進行分析，有時候也用D3。

當然了最簡單的就是BI工具，直接拖拽流行了，當然要用好也沒那麼簡單，常用的BI工具有tableau，帆軟，永洪等等，即可以報表也可以做駕駛艙等等！實在不行也可以用Excel在百萬以內的資料還是完全可以用它做分析的，實惠簡單！

資料分析再怎麼說也是一個專業的領域，沒有數學、統計學、資料庫這些知識的支撐，對於我們這些市場、業務的人員來說，難度真的不是一點點。從國外一線大牌到國內宣傳造勢強大的品牌，我基本試用了一個遍，總結一句話“人人都是資料分析師”這個坑實在太大，所有的資料分析工具無論宣傳怎樣，都有一定的學習成本，尤其是要深入業務實際。今天就我們用過的幾款工具簡單總結一下，與大家分享。

1、Tableau

這個號稱敏捷BI的扛把子，魔力象限常年位於領導者象限，介面清爽、功能確實很強大，實至名歸。將資料拖入相關區域，自動出圖，圖形展示豐富，互動性較好。圖形自定義功能強大，各種圖形引數配置、自定義設定可以靈活設定，具備較強的資料處理和計算能力，視覺化分析、互動式分析體驗良好。確實是一款功能強大、全面的資料視覺化分析工具。新版本也集成了很多高階分析功能，分析更強大。但是基於圖表、儀表板、故事報告的邏輯，完成一個複雜的業務彙報，大量的圖表、儀表板組合很費事。給領導彙報的PPT需要先一個個截圖，然後再放到PPT裡面。作為一個數據分析工具是合格的，但是在企業級這種應用匯報中有點侷限。

2、PowerBI

PowerBI是蓋茨大佬推出的工具，我們也興奮的開始試用，確實完全不同於Tableau的操作邏輯，更符合我們普通資料分析小白的需求，操作和Excel、PPT類似，功能模組劃分清晰，上手真的超級快，圖形豐富度和靈活性也是很不錯。但是說實話，畢竟剛推出，系統BUG很多，視覺化分析的功能也比較簡單。雖然有很多複雜的資料處理功能，但是那是需要有對Excel函式深入理解應用的基礎的，所以要支援複雜的業務分析還需要一定基礎。不過版本更新倒是很快，可以等等新版本。

3、Qlik

和Tableau齊名的資料視覺化分析工具，QlikView在業界也享有很高的聲譽。不過Qlik Seanse產品系列才在大陸市場有比較大的推廣和應用。真的是一股清流，介面簡潔、流程清晰、操作簡單，互動性較好，真的是一款簡單易用的BI工具。但是不支援深度的資料分析，圖形計算和深度計算功能缺失，不能滿足複雜的業務分析需求。

最後將視線聚焦國內，目前搜尋排名和市場宣傳比較好的也很多，永洪BI、帆軟BI、BDP等。不過經過個人感覺整體宣傳大於實際。

4、永洪BI

永洪BI功能方面應該是相對比較完善的，也是拖拽出圖，有點類似Tableau的邏輯，不過功能與Tableau相比還是差的不是一點半點，但是操作難度居然比Tableau還難。預定義的分析功能比較豐富，圖表功能和靈活性較大，但是操作的友好性不足。宣傳擁有高階分析的資料探勘功能，後來發現就集成了開源的幾個演算法，功能非常簡單。而操作過程中大量的彈出框、難以理解含義的配置項，真的讓人很暈。一個簡單的堆積柱圖，就研究了好久，看幫助、看影片才搞定。哎，只感嘆功能藏得太深，不想給人用啊。

5、帆軟BI

再說號稱FBI的帆軟BI，帆軟報表很多華人都很熟悉，功能確實很不錯，但是BI工具就真的一般般了。只能簡單出圖，配合報表工具使用，能讓頁面更好看，但是比起其他的視覺化分析、BI工具，功能還是比較簡單，分析的能力不足，功能還是比較簡單。帆軟名氣確實很大，號稱行業第一，但是主要在報表層面，而資料視覺化分析方面就比較欠缺了。

6、Tempo

另一款工具，全名叫“Tempo大資料分析平臺”，宣傳比較少，2017年Gartner報告發布後無意中看到的。是一款B/S架構的工具，申請試用很便捷，填寫資訊後就有諮詢小姐姐開通使用賬號並告知你一些使用注意事項，還有線上使用答疑人員服務很到位~

第一次試用也是一臉懵逼，不知道該點那！不過抱著試一試的心態稍微點了幾下之後，操作居然越來越流暢。也是拖拽式操作，資料視覺化效果比較豐富，支援很多便捷計算，能滿足常用的業務分析。最最驚喜的是它還支援視覺化報告匯出PPT，PDF，PNG，徹底解決了分析結果輸出彙報的問題。深入瞭解後，才發現他們的核心居然是“資料探勘”，演算法十分豐富，也是拖拽式操作，我一個文科的分析小白，居然跟著指導和說明做出了一個數據預測的挖掘流程，簡直不要太驚喜，巨有成就感呢。掌握了Tempo的基本操作邏輯後，發現他的易用性真的很不錯，功能完整性和豐富性也很好。不過就是宣傳方面比較少，是個低調的平臺呢。

經過多家產品的試用，個人感覺無論功能怎樣的工具，都需要一定的學習成本，因為資料分析畢竟是一個專業的領域，每一個工具都有自己的設計邏輯和操作方式，只是有難有易罷了！在選擇工具的時候，需要結合自己的實際業務需求出發，進行總結和對比

在大資料和大資料分析，他們對企業的影響有一個興趣高漲。大資料分析是研究大量的資料的過程中尋找模式，相關性和其他有用的資訊，可以幫助企業更好地適應變化，並做出更明智的決策。整理了一些大資料分析能用到的工具，助力大家更好的應用大資料技術。

　　一、hadoop

　　Hadoop 是一個能夠對大量資料進行分散式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。Hadoop 是可靠的，因為它假設計算元素和儲存會失敗，因此它維護多個工作資料副本，確保能夠針對失敗的節點重新分佈處理。Hadoop 是高效的，因為它以並行的方式工作，透過並行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級資料。此外，Hadoop 依賴於社群伺服器，因此它的成本比較低，任何人都可以使用。

　　Hadoop帶有用 Java 語言編寫的框架，因此執行在 Linux 生產平臺上是非常理想的。Hadoop 上的應用程式也可以使用其他語言編寫，比如 C++。

　　二、HPCC

　　HPCC，High Performance Computing and Communications(高效能計算與通訊)的縮寫。1993年，由美國科學、工程、技術聯邦協調理事會向國會提交了“重大挑戰專案：高效能計算與 通訊”的報告，也就是被稱為HPCC計劃的報告，即美國總統科學戰略專案，其目的是透過加強研究與開發解決一批重要的科學與技術挑戰問題。HPCC是美國實施資訊高速公路而上實施的計劃，該計劃的實施將耗資百億美元，其主要目標要達到：開發可擴充套件的計算系統及相關軟體，以支援太位級網路傳輸效能，開發千兆 位元網路技術，擴充套件研究和教育機構及網路連線能力。

　　三、Storm

　　Storm是自由的開源軟體，一個分散式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的資料流，用於處理Hadoop的批次資料。Storm很簡單，支援許多種程式語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應用企業包括Groupon、淘寶、支付寶、阿里巴巴、樂元素、 Admaster等等。

　　Storm有許多應用領域：實時分析、線上機器學習、不停頓的計算、分散式RPC(遠過程呼叫協議，一種透過網路從遠端計算機程式上請求服務)、 ETL(Extraction-Transformation-Loading的縮寫，即資料抽取、轉換和載入)等等。Storm的處理速度驚人：經測 試，每個節點每秒鐘可以處理100萬個資料元組。Storm是可擴充套件、容錯，很容易設定和操作。

　　四、Apache Drill

　　為了幫助企業使用者尋找更為有效、加快Hadoop資料查詢的方法，Apache軟體基金會近日發起了一項名為“Drill”的開源專案。Apache Drill 實現了 Google"s Dremel。該專案將會創建出開源版本的谷歌Dremel Hadoop工具(谷歌使用該工具來為Hadoop資料分析工具的網際網路應用提速)。而“Drill”將有助於Hadoop使用者實現更快查詢海量資料集的目的。

　　透過開發“Drill”Apache開源專案，組織機構將有望建立Drill所屬的API介面和靈活強大的體系架構，從而幫助支援廣泛的資料來源、資料格式和查詢語言。

　　五、RapidMiner

　　RapidMiner是世界領先的資料探勘解決方案，在一個非常大的程度上有著先進技術。它資料探勘任務涉及範圍廣泛，包括各種資料藝術，能簡化資料探勘過程的設計和評價。

　　六、 Pentaho BI

　　Pentaho BI 平臺不同於傳統的BI 產品，它是一個以流程為中心的，面向解決方案(Solution)的框架。其目的在於將一系列企業級BI產品、開源軟體、API等等元件整合起來，方便商務智慧應用的開發。它的出現，使得一系列的面向商務智慧的獨立產品如Jfree、Quartz等等，能夠整合在一起，構成一項項複雜的、完整的商務智慧解決方案。

Pentaho BI 平臺構建於伺服器，引擎和元件的基礎之上。這些提供了系統的J2EE 伺服器，安全，portal，工作流，規則引擎，圖表，協作，內容管理，資料整合，分析和建模功能。這些元件的大部分是基於標準的，可使用其他產品替換之。

SPSS、SAS都是用於統計分析，圍繞統計學知識的一些基本應用，包括描述統計，方差分析，因子分析，主成分分析，基本的迴歸，分佈的檢驗等等。SPSS用於市場研究較多，SAS銀行金融和醫學統計較多，有一些難度。

R語言像是綜合性較強的一類資料分析工具，集統計分析、資料探勘，資料視覺化。

展開來，講講資料分析~

這些資料分析工具的使用還是看需求，每個企業應用的選擇和方式都不同。資料分析的概念很廣，站在IT的角度，實際應用中可以把資料分析工具分成兩個維度：

第一維度：資料儲存層——資料報表層——資料分析層——資料展現層

第二維度：使用者級——部門級——企業級——BI級

1、資料儲存層

資料儲存設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，但至少要理解資料的儲存方式，資料的基本結構和資料型別。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。

Access2003、Access07等，這是最基本的個人資料庫，經常用於個人或部分基本的資料儲存；MySQL資料庫，這個對於部門級或者網際網路的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的資料查詢能力；

SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了資料儲存，也包括了資料報表和資料分析了，甚至資料探勘工具都在其中了；

DB2，Oracle資料庫都是大型資料庫，主要是企業級，特別是大型企業或者對資料海量儲存需求的就是必須的了，一般大型資料庫公司都提供非常好的資料整合應用平臺；

BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的資料倉庫。Data Warehouse，建立在DW機上的資料儲存基本上都是商業智慧平臺，整合了各種資料分析，報表、分析和展現，BI級別的資料倉庫結合BI產品也是近幾年的大趨勢。

2、報表/BI層

企業儲存了資料需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。過去傳統報表大多解決的是展現問題，如今像帆軟報表FineReport也會和其他應用交叉，做資料分析報表，透過介面開放功能、填報、決策報表功能，能夠做到打通資料的進出，涵蓋了早期商業智慧的功能。

Tableau、Qlikview、FineBI這類BI工具，可分在報表層也可分為資料展現層，涵蓋了資料整合、資料分析和資料展現。FineBI和Tableau同屬於近年來非常棒的軟體，可作為視覺化資料分析軟體，可常用FineBI從資料庫中取數進行報表和視覺化分析。相對而言，視覺化Tableau更優，但FineBI又有另一種身份——商業智慧，所以在大資料處理方面的能力更勝一籌。

3、資料分析層

這個層其實有很多分析工具，當然我們最常用的就是Excel。

Excel軟體，首先版本越高越好用這是肯定的；當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體；

SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下程式設計分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體；

SAS軟體：SAS相對SPSS其實功能更強大，SAS是平臺化的，EM挖掘模組平臺整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多，也公開，會有收穫的！

JMP分析：SAS的一個分析分支

XLstat：Excel的外掛，可以完成大部分SPSS統計分析功能

4、表現層

表現層也叫資料視覺化，以上每種工具都幾乎提供了一點展現功能。FineBI和Tableau的視覺化功能上文有提過。其實，近年來Excel的視覺化越來越棒，配上一些外掛，使用感更佳。

PPT：辦公常用，用來寫資料分析報告；

Xmind&百度腦圖：梳理流程，幫助思考分析，展現資料分析的層次；

Xcelsius軟體：Dashboard製作和資料視覺化報表工具，可以直接讀取資料庫，在Excel裡建模，網際網路展現，最大特色還是可以在PPT中實現動態報表。

最後，需要說明的是，這樣的分類並不是區分軟體，只是想說明軟體的應用。有時候我們把資料庫就用來進行報表分析，有時候報表就是分析，有時候分析就是展現；當然有時候展現就是分析，分析也是報表，報表就是資料儲存了！

行業內普遍用的多的是Excel、R、Python、BI，可以滿足大部分業務需求~

Excel：

1.一般的辦公需求下的資料處理工作；

2.中小公司資料管理，儲存（很多國有企業都用）；

3.學校學生，老師做簡單的統計分析（如方差分析，迴歸分析）；

4.結合Word，PowerPoint製作資料分析報告；

5.資料分析師的主力分析工具（部分資料分析師的輔助工具）；

6.部分商業雜誌，報刊圖表製作（資料視覺化）；

優點：

1.容易上手；

2.學習資源十分豐富；

3.可以用Excel做很多事情，建模，視覺化，報表，動態圖表；

4.幫助你在進一步學習其它工具之前（比如Python，R），理解很多操作的含義；

缺點：

1.深入學習需要掌握VBA，難度有點高；

2.當資料量較大時，會出現卡頓的情況；

3.到Excel2016版，在不借助其它工具的情況下，Excel資料檔案本身能夠容納的資料僅有108萬行，不適合處理大規模資料集；

4.內建統計分析種類太簡單，實用價值不大；

5.不像Python，R語言等開源軟體，正版Excel需要付費，比如我用office365.每年需要支付300多塊錢（不過也值了）

R：

透過擴充套件的第三方R包，R能夠做的事情幾乎涵蓋了任何需要資料的領域。就我們一般的資料分析或者學術資料分析工作而言，R能做的事情包括但不限於如下方面：

1.資料清洗與整理；

2.網路爬蟲；

3.資料視覺化；

4.統計假設檢驗（t檢驗，方差分析，卡方檢驗等）；

5.統計建模（線性迴歸，邏輯迴歸，樹模型，神經網路等）；

6.資料分析報告輸出（Rmarkdown）；

R容易學嗎？

從我個人來看，想要入門R是非常簡單的，10天的集中學習，對於掌握R的基本使用，基本資料結構，資料匯入匯出，簡單的資料視覺化，是完全沒有問題的。有了這些基礎，在遇到實際的問題時，去找到需要使用的R包，透過閱讀R的幫助文件，以及網路上的資料，就能夠相對快速的解決具體問題了。

Python

R語言和Python同為需要程式設計的資料分析工具，所不同的是，R專門用於資料分析領域，而科學計算與資料分析只是Python的一個應用分支，Python還可以用來開發web頁面，開發遊戲，做系統的後端開發，以及運維工作。

現在的一個趨勢是，Python在資料分析領域正在追趕R，在某些方面已經超越了R，比如機器學習，文字挖掘等偏程式設計的領域，但R語言在偏統計的領域仍然保持優勢。Python在資料分析方面的發展，很多地方借鑑了R語言中的一些特色。所以，如果你現在還是一片空白，還沒開始學習，要做決定學習R還是Python的話，建議從Python入手。Python和R都比較容易學習，但是如果你同時學習兩者，由於在很多地方它們非常相似，就會很容易混淆，所以建議不要同時學習它們。等其中一個掌握到一定的程度，再著手學習另外一個

Python能做什麼？

1.網路資料爬取，使用Python能夠很容易的編寫強大的爬蟲，抓取網路資料；

2.資料清洗；

3.資料建模；

4.根據業務場景和實際問題構造資料分析演算法；

5.資料視覺化（個人感覺不如R好用）；

6.機器學習，文字挖掘等高階資料探勘與分析領域；

應該學習R還是Python？

如果因為時間有限，只能選擇其中的一種來學習的話，我建議使用Python。但我仍然建議兩者都瞭解一下，畢竟每個人都不一樣。可能你在某些地方聽說，Python在工作中更加常用，但是工作中，解決問題才是最重要的，如果你能夠用R高效的解決問題，那就用R。實際上，Python很多資料分析方面的特色，是模仿R來實現的，比如pandas的資料框，正在開發中的ggplot視覺化包模仿的是R語言中非常著名的ggplot2.

BI

多數分析師日常的工作就是做報表，而資料分析師更多用到的報表是BI。BI全稱商業智慧，在傳統企業中，它是一套完整的解決方案。將企業的資料有效整合，快速製作出報表以作出決策。涉及資料倉庫，ETL，OLAP，許可權控制等模組。BI工具主要有兩種用途。一種是利用BI製作自動化報表，資料類工作每天都會接觸大量資料，並且需要整理彙總，這是一塊很大的工作量。這部分工作可以交給BI自動化完成，從資料規整、建模到下載。

另外一種是使用其視覺化功能進行分析，BI的優點在於它提供比Excel更豐富的視覺化功能，操作簡單上手，而且美觀，如果大家每天作圖需要兩小時，BI會縮短一半時間。BI作為企業級應用，可以透過它連線公司資料庫，實現企業級報表的製作。這塊涉及資料架構，就不深入講了。

關於BI，像Tableau、FineBI這類BI（商業智慧）工具，涵蓋了報表、資料分析、視覺化等多層。底層還可於資料倉庫銜接，構建OLAP分析模型。

再扯遠一點，怎麼樣選擇資料分析工具，學習一些技能其實還要看你是偏業務的還是技術的，還有取決於你公司的IT資訊化水平。

業務類分析師，往往在營運部，市場部，銷售部等，根據服務的業務部門的不同，可能叫資料運營，經營分析，會員分析，商業分析師等名字。因為各個業務線具體考慮的問題不同，分析思路與體系均有不同，所以會有這種區別。日常的工作更多是整理業務報表，針對特定業務做專題分析，圍繞業務增長做需要用到資料的測算、規劃、方案等。

技術類分析師，往往在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。在中小企業，往往一個技術小哥通吃這些流程。在大企業，一個標準的資料中心，一般都有資料倉庫、專題分析、建模分析等組來完成資料開發工作，再大的公司，還有專門負責資料治理的小組。之所以有這個區分，是因為生產資料，需要一個多層次的複雜的資料系統。一個數據系統，需要資料採集、資料整合、資料庫管理、資料演算法開發、報表設計幾個環節組合。這樣才能把分散在各處的一點一滴的資料集中起來，計算成常用的指標，展示成各種炫酷的圖表。這裡每一個環節都需要對應的技術支援和人員工作，因此有了不同的崗位。

分析師有技術和業務之分，那對應工具也有這樣的屬性側重。

分析類工具

對於初級資料分析師，玩轉Excel是必須的，資料透視表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。

對於高階資料分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其他分析工具（如Matlab）視情況而定。

對於資料探勘工程師……嗯，R和Python必備，要靠寫程式碼來解決。

程式碼類工具

對於初級資料分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。

對於高階資料分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理資料都是事半功倍。當然其他程式語言也是可以的。

對於資料探勘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之程式語言絕對是資料探勘工程師的最核心能力。

一圖說明問題：

產研專案管理、門店管理、內容管理....All in One資料神器

在資訊越來越豐富的今天，越來越多的年輕人不再受限於傳統的Excel、Word，而是轉向自由化、定製化的模組化筆記，比如像notion、airtable、Trello、印象筆記等。這種多合一的新時代效率應用可以做筆記管理、任務管理、資料整理等。

而像企業或者團隊，也開始使用各種低程式碼工具來搭建高效工作流，幫助業務降本增效。例如明道雲、簡道雲、氚雲等零程式碼應用搭建平臺開始慢慢滲透到中小企業。

它是我們一直想要的瑞士軍刀，個人可以用來做：筆記管理、密碼管理、任務計劃管理、日程安排、旅遊計劃管理、投資清單管理等，企業也可以用於做產研專案管理、門店管理系統、進銷存管理系統、商品管理、內容資料管理、HR人事管理....

一張酷炫的大屏報表，需要找一堆懂程式碼開發的同學，花費很長的時間去做，對於一般企業而言，是得不償失的。

我們現在要做的，就是一個普通的業務人員，也能用分析雲，搭建出一張酷炫的大屏。使用分析雲，同樣可以實現酷炫的視覺化大屏，驚豔又酷炫，而且操作簡單，易用性強！

下面，我來說一下怎麼做吧！

1、工欲善其事，必先利其器

做大屏前，首先要做好兩個準備：

準備分析雲：產品為綠色版，僅需執行BAT批處理檔案即可，無需安裝。（產品包下載，可登入官網下載）

準備資料來源：執行分析雲，抽取資料，建立業務模型及語義模型。值得一提的是：分析雲擁有自建的資料抽取平臺，不僅能夠實現U8、NC、K3、EAS、T+等主流ERP的資料抽取，還支援第三方資料抽取和Excel資訊填報。

開啟分析雲管理控制檯，選擇已建立的業務分析模型，並新建查詢。（不用擔心，後臺的模型由技術人員搞定！）

02 深思以致遠，謀定而後動

在做報表前，首先要梳理需求，明確報表展現內容。例如，下圖是分析雲體驗環境上的銷售總監駕駛艙（大屏）展示頁面，主要展示的是該企業的銷售情況。

對於銷售總監而言，最為關注的無非是：銷售額（合同金額、回款金額）、銷售量（合同量）、銷售完成情況（銷售完成率）以及利潤情況。

所以，這張頁面主要圍繞這幾個點具體展開，依靠時間維度和區域維度來多維展現這幾個指標，還利用了漏斗模型具體展示了銷售轉化率情況，客戶的回款率情況等等。

03 弱水三千尺，只取一瓢飲

分析雲有豐富的視覺化圖表展示方式，能夠滿足企業絕大部分的報表需求。我們在選擇視覺化圖表時，需要根據圖表的展現特點選取最適合的一種形式。

透過拖拉拽的方式，將報表元素塊（圖表模板）放至檢視區域並進行排版。排版對於報表的美觀度十分重要，根據大眾審美特點，一般選擇上圖下表的形式。

每個報表元素塊上都標明瞭需要拖拽的是維度還是度量，根據分析需求，將所需分析的資料拖拉拽至相應位置。

04 精益而求精，精工需細酌

一張比較成功的大屏，需要對細節處進行美化和加工。針對每一個元素塊需要進行美化，塊名稱、圖例顯示情況、資料顯示格式、Tooltip顯示格式、表格邊框線、自定義顏色…都可以在【屬性】中找到設定。

有小夥伴可能會說，我不太懂美工，不太會配色，怎麼辦？

不要緊，分析雲預設了四種色系，人人都可以自主調出好看的效果。

基於蘋果設計的主打色系牛油果綠的流行色系簡約大方的海藍風色系黨政機關比較偏愛的沉穩色系還有可以自定義色系

另外，在【屬性】中也可以對進行“穿透”和“鑽取”設定。

推薦使用智分析這個報表工具，市面上有很多報表工具，但是我覺得這一個用的是最舒服的，主要是它和EXCEL結合的比較緊密，可以導進EXCEL資料來源去做資料分析，也能把這個外掛安裝在EXCEL或者WPS裡，利用EXCEL去連線資料庫處理超大容量的資料來源，非常給力。在網頁端上的功能也有很多，例如透視分析啊，ETL，報表儀表盤這些功能都有，可以做出非常好看的圖形報表。最主要的是這個報表工具是免費的，很多功能不用花錢就能用到，你可一定不錯過。