進行數據分析除了需要良好的數學統計基礎，對數據的敏感性外，有一位熟練使用的“老手”是非常重要的，數據分析的軟件類型有：Excel、SQL、BI、統計編程、數據可視化JavaScript庫、R語言等等。

數據分析的軟件有什么？數據分析的軟件推薦！

1、Excel數據處理

Excel：數據的加工以及分析處理，這個工具不用多說，不會這個基本和數據分析這個工作也就沒有了，可以說這玩意是數據分析的基礎軟件工具，掌握它對我們后面進一步學習使用BI工具或統計編程工具有很大幫助。

它的功能很強大，數據分析中最常用的功能有：數據透視表、分析工具庫、可視化圖表、自動化數據處理、快速實現業務報表開發等等，它的數據輸入可以是手工輸入，也可以是通過各類標準文件導入，也可以是使用“Power Query”功能實現從數據庫取數。

2、數據庫操作

SQL：結構化數據查詢，主要用于查詢關系型數據庫中的數據，例如：Oracle、SQL Server、MySQL、Hive、PosgreSQL等。

3、BI工具

BI（Business Intelligence 商業智能）工具不僅僅是數據可視化，更是智能數據分析工具，可以大大提高數據分析的效率。主要有以下2款：

Tableau BI：數據可視化軟件，相比Excel，能夠支持更多數據的可視化。不免費，但是淘寶上有低價格的專業版key賣一年幾十塊。

PowerBI：和Tableau類似的數據可視化軟件，微軟出品，PowerBI Desktop免費，免費版也可以在PowerBI Service上進行公開分享，但是如果需要按角色分享就需要付費了，或者更多企業云上功能也需要付費。但是免費版本的PowerBI Desktop足以完成所有工作。

其實PowerBI和Tableau的核心本質是一樣的，這個核心就是Excel的數據透視表和數據透視圖。它們都是通過拖拽字段的方式，實現數據透視分析，并一鍵生成圖表。這也是為什么說如果你對Excel數據透視表很掌握，再去學習這兩門工具上手會很快。

4、統計編程

一款菜單式統計工具：SPSS，三款統計編程工具：SAS、Python、R

常用的統計模型（或方法）：

• 數據的點估計、區間估計、方差分析

• 各種假設檢驗（卡方檢驗、t檢驗、F檢驗、正態性檢驗等）

• 數據降維（如主成分分析、因子分析等）

常用的數據挖掘模型：

• 預測類算法（如多元線性回歸模型、決策樹模型、隨機森林模型、K近鄰算法、支持向量機SVM模型等）

• 分類算法（如Logistic回歸模型、貝葉斯算法、提升樹GBDT算法等）

• 聚類算法（如K均值聚類、層次聚類、密度聚類等）

5、數據可視化JavaScript庫

Echarts和JavaScript數據可視化庫，用于制作數據可視化網頁。

6、R語言

R是用于統計分析、繪圖的語言和操作環境。R是屬于GNU系統的一個自由、免費、源代碼開放的軟件，它是一個用于統計計算和統計制圖的優秀工具。R是用于統計分析、繪圖的語言和操作環境。R是屬于GNU系統的一個自由、免費、源代碼開放的軟件，它是一個用于統計計算和統計制圖的優秀工具。R語言開發IDE通常使用的是Rstudio，社區版免費，通常夠用了。 

7、SQL

這里的SQL不是單指mysql或者oracle，亦或者hive等，而是指標準SQL查詢語言。數據庫可以存儲大量的數據，通過SQL可以進行復雜的數據關聯查詢，比如幾張表之間的關聯信息。寫好SQL，也能高效的挖掘出數據之間的關系，做出最有商業價值的數據分析報表。

通過數據分析來實現軟件和數據之間的平衡。資料分析要大量使用資料集合，數據分析手段，所用資料儲存的特殊技術，如深度分析法，以資料庫為基礎，建立以工具書為基礎的硬件資料分析系統，資料儲存于軟體或硬體，以便在整個軟體發展、制造過程中，能有效運用。