• 數(shù)據(jù)存儲層：Access、SQL Server、DB、Oracle等
• 數(shù)據(jù)處理層：Python、Hadoop
• 數(shù)據(jù)報表層：Finereport
• 數(shù)據(jù)展示層：Tableau、Powerbi、Finebi

衡石科技

2.3

5條點評

咨詢產(chǎn)品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

9

合作品牌

24

一、數(shù)據(jù)存儲層面

   這一方面主要是數(shù)據(jù)庫和數(shù)據(jù)倉庫的一些知識點，企業(yè)要想做數(shù)字化轉(zhuǎn)型，把原先的一些數(shù)據(jù)系統(tǒng)，如ERP、OA、CRM、Excel等，必須得進行數(shù)字打通，不然整個企業(yè)就相當于在進行煙囪式開發(fā)，數(shù)據(jù)東一塊，西一塊，根本不能成為體系。

   具體的，就是一些數(shù)據(jù)庫的使用，不要說這方面的知識不想學，有運維替你管著。一個好的大數(shù)據(jù)體系，數(shù)據(jù)倉庫和數(shù)據(jù)庫、數(shù)據(jù)湖、數(shù)據(jù)集市的建立是非常重要的，建模的維度就決定了你后面分析的維度，如果維度不夠全面與準確，那你的工具再好也就沒有意義了。

二、數(shù)據(jù)處理層面

   python、hadoop可以閃亮登場了，但是hadoop是一個非常復雜的平臺，需要的技術(shù)很多，所以這里我們暫時不討論。

   我做了很多年的大數(shù)據(jù)技術(shù)了，所以最早我開始做分析的時候都是希望通過編程來實現(xiàn)，使用Python的好處是自由度非常高，能夠靈活運用模型和算法，并且從數(shù)據(jù)采集到數(shù)據(jù)清洗到數(shù)據(jù)分析，一種語言就可以全部搞定。

三、數(shù)據(jù)報表層面

可能提到報表，很多人腦子里的想法就是Excel，這其實是完全不對的，excel的短板是很明顯的：

• Excel會導致企業(yè)信息化程度不夠
• 數(shù)據(jù)口徑不一致，浪費人力去核對
• 數(shù)據(jù)采集困難，更改不能實時顯示數(shù)據(jù)

關(guān)于報表工具，我推薦的是FineReport，這里簡單介紹一下：

報表開發(fā)方面，F(xiàn)ineReport比Excel更專業(yè)一些，因為它是一個純Java開發(fā)的報表軟件，相對于開源報表來說，它的功能都是封裝好的，用戶不需要編碼直接就能用，而且它的界面設(shè)計風格和Excel類似，兼容Excel常用的公式，稍微會點Excel就能很快上手。

而且Finereport是作為企業(yè)級的報表平臺應(yīng)用，所以適合公司使用。

數(shù)據(jù)統(tǒng)計分析軟件

四、數(shù)據(jù)展現(xiàn)層面

我上一家公司用的是SAS，可現(xiàn)在流行R語言來訓練模型，作為數(shù)據(jù)分析工具，今年已經(jīng)沒有采購SAS了預算了，預算都給大數(shù)據(jù)平臺產(chǎn)品了。

你們以為的數(shù)據(jù)展現(xiàn)，可能就是所有數(shù)據(jù)都處理好了，然后直接生成可視化就行，其實遠不是這樣，那數(shù)據(jù)變動怎么辦呢？數(shù)據(jù)量太大，宕機了怎么辦呢？

所以一個實時的可視化工具就顯得非常重要，我覺得Tableau、PowerBI、FineBI都是一個不錯的選擇，

（1）Tableau

Tableau我更傾向于將他定義為數(shù)據(jù)可視化工具，而不是數(shù)據(jù)分析工具，因為tableau的數(shù)據(jù)可視化能力確實非常強，他的交互式的可視化體驗在業(yè)內(nèi)是被人津津樂道，但是在數(shù)據(jù)建模和數(shù)據(jù)分析功能上，略輸pbi與finebi一籌。

其實我用的是Tb prep+Tb desktop，因為tableau一直以來就被數(shù)據(jù)處理能力差而詬病，prep就是千呼萬喚始出來的數(shù)據(jù)清洗工具，2018年才剛剛面世，主要是為了彌補tb在數(shù)據(jù)清洗工作上的欠缺，我用過一兩次，接觸的不深，風格還是一貫的tb清新風格，基本可以實現(xiàn)數(shù)據(jù)清洗、數(shù)據(jù)整理、數(shù)據(jù)合并等etl操作，但是理論上任何產(chǎn)品都需要一定的生長曲線，我相信tb prep也同樣是如此，未來還有更大的空間可以優(yōu)化。

另外就是prep+desktop兩款工具協(xié)同工作的方式，太過于麻煩，這也算是tb的一大與生俱來的缺點。

此外Tableau是國外的工具，一是服務(wù)體系不夠全，出了問題要解決很久，這是不能接受的；二是價格實在是太高，動不動就上百萬。

（2）FineBI

所以我推薦FineBI，一款web級的敏捷數(shù)據(jù)工具，不僅直接拖拽就能生成可視化，而且還能做復雜報表，BI報表就是企業(yè)的新方向。

其實數(shù)據(jù)展現(xiàn)類的工具，靠不靠譜還得看引擎，F(xiàn)ineBI引擎的兩種模式可以支持大數(shù)據(jù)量分析，這一點我是非常推崇的：

• 抽取模式：提供基于索引的高效計算引擎，通過數(shù)據(jù)預加載，支撐前端快速數(shù)據(jù)分析，適用于實時性要求不高的分析。
• 實時模式：直接對接讀取企業(yè)的數(shù)據(jù)庫表進行分析，適用于對實時性要求較高的數(shù)據(jù)分析場景。

可視化能力嘛，比tableau弱一點，不過好處就是簡單一點，很好上手。

（3）PowerBI

首先powerbi我將其定義為適合個人多聯(lián)機的數(shù)據(jù)分析與挖掘工具。

PBI可以說是微軟的一次偶然嘗試和偶然的產(chǎn)品，在tableau出現(xiàn)之前，微軟對于數(shù)據(jù)分析領(lǐng)域的布局其實非常簡單，只有針對企業(yè)用戶的sql server analysis service和excel里的power pivot，后來微軟將這兩個工具進行結(jié)合，開發(fā)出了Powerbi

所以與其說powerbi是微軟開發(fā)出的數(shù)據(jù)分析工具，不如說是微軟依靠對BI業(yè)務(wù)模型多年的研究總結(jié)后得出的一套解決方案，也就是DAX所代表的的數(shù)據(jù)分析理念。這一點與tableau提倡的理念是相反的。

   現(xiàn)在很多人都在說不學python會怎么怎么樣，但其實不是這樣，歸根結(jié)底只是一個底層語言，需要混合使用。Python是有一定門檻的，而且學習的時間成本不低，往往一次分析需要花較多的時間，如果不是大型分析項目，有點大材小是對于大型的項目，尤其是涉及到數(shù)據(jù)挖掘類的，建議用python。當然還有一些可以數(shù)據(jù)抓取的工具，我就不說了，本質(zhì)其實都差不多，以上就是小編為您帶來的數(shù)據(jù)統(tǒng)計分析軟件的相關(guān)介紹。