新人入职场，会经常听到老员工或者leader说，“这个业务我们要看XXX数据”“这个需求出个数据”等话题，很多新人初入职场的时候会很迷茫——数据是什么数据？哪些数据重要？我要怎么去分析数据才是有价值的？实际上，随着大数据的发展，现在似乎越来越多的业务需要“数据意识”“数据分析”的能力，特别是大企业更是如此。简单的来讲，就是大企业的用户多，产生的数据多，因此除了传统的问卷调研、访谈等手段，还能通过大量的数据进行分析。这样同样能够起到了解用户反馈、产品效益的目的，甚至在很多情况下还会更准确、更省时间。

　　也因此，许多企业在招聘时会偏好有“数据分析”能力的候选人；同时很多打工人也发现，原有的Ｅｘｃｅｌ技能很难满足自己的工作需求，有一定的数据能力能够大大提升自己的办公效率，开始自学数据分析。

　　今天，小助手就和大家分享下，除了常规的Ｅｘｃｅｌ，还有什么数据分析的工具值得用、值得学，主要分了三个等级

　　SQL基本上是数据方向上所有岗位的必备技能，重要程度和Excel不相上下。做数据分析专业的同学常常会称自己为SQL民工也是因为同样的原因。对于非数分岗位的同学，其实能够掌握ｓｑｌ就非常足够了。

　　SQL入门比较容易，概括起来就是在数据库里搜索调取想要的数据，在数据库里增删改查新旧数据。总而言之，要想入行数据分析，SQL是必要技能。

　　作为可视化工具的Tableau和PowerBI在数据分析中也是不可或缺的一部分。Tableau的上手非常快，只要拖拽处理过的数据后便会产出很多精美的可视化图像。

　　数据可视化简单明了，用图表来识别问题，在做数据分析和演讲时都会让你在工作上非常加分。适合有数据分析需求，又需要做汇报的同学。

　　除了SQL外，如果需要更成熟的数分技能，Python也一定会要求（当然大多数非数分岗的打工人还不需要这么专业）。Python也是一款比较容易上手的数据分析软件。写作语法和英语比较相似，比起Java，C++等SDE必须要会的软件更容易上手。

　　用Python清理数据和处理数据时往往比较方便快捷，同时，有很多数据科学家也会在Python中编写模型。Python可以进行爬虫，写游戏，可以说是数据分析师一定要会的数据分析工具了。

　　随着Python的广泛应用，用R的分析师近几年好像有所减少，但R多数被用于统计计算和图形的编程语言的免费软件。

　　R语言在统计学家和数据挖掘者中广泛用于开发统计软件和数据分析，同时R语言作为一个老牌分析软件，其Library做的非常的完善，如果同学们在使用R语言时遇到任何问题都基本可以在Library里找到答案。

　　Apache Spark是大数据分析软件，用于大规模数据处理的统一分析引擎。

　　它提供Java，Scala，Python和R中的高级API，以及支持常规执行图的优化引擎。 和Hadoop MapReduce一样，用于在集群上使用并行的分布式算法来处理和生成大数据集。但Spark的执行速度比MapReduce快100倍，如果你想要进入大数据领域的分析师，Spark是一定要会的技能之一。

　　BigML是另一种广泛使用工具，它提供了一个完全可交互的，可用于处理机器学习算法。

　　BigML提供了使用云计算满足行业需求的标准化软件。通过它，公司可以在公司的各个部门中使用机器学习算法。

　　例如，它可以将这一软件用于销售预测，风险分析和产品创新。 BigML专门从事预测建模。它使用各种各样的机器学习算法，例如聚类，分类，时间序列预测等。

希望本期的分享对大家有所帮助！