数据分析工具软件大致可以分为以下五类:

Excel生态工具，数理统计工具，BI工具，数据库工具，编程工具。

(Excel被划分为一类，主要是因为其应用场景广泛，用户基数庞大，甚至超过了其他所有工具用户的总和。)

每个类别的代表性工具有:

“Excel生态”:Excel、VBA、PowerQuery、PowerPivot、Power View和Power Map。

“数理统计工具”:SAS、SPSS、Stata、Minitab、Eviews、Statistica、MATLAB、Mathematica。

“BI工具”:PowerBI、Tableau、Qlikview、SAP BI、Oracel BI、FineBI、永红BI。

数据库工具:MySQL，PostgreSQL，Oracle，SQLServer，MongoDB，Hive。

“编程工具”:Python、R、Julia、Scala、Spark、Java、Hadoop。

下面是对每个工具的简单介绍。

Excel生态Excel不仅包括电子表格软件，还内置了很多数据分析工具和插件，在群众基础上是无可比拟的。

1、Excel不用说，几乎每个人都在使用数据处理软件，由微软开发，是office三剑客之一。

虽然excel很容易上手，但是大部分人还处于使用excel、访问数据、制作表格的初级阶段。

事实上，excel可以制作复杂的报表、模型、应用程序和系统，例如构建财务分析模型。

可以从基本界面，导入导出，公式&学习excel功能，排序，数据格式，可视化图表，透视表，数据模型，工作协同，最好按照官网文档指导，配合实践，一般进步会很快。

2.VBAExcel中的编程语言，一般理解为宏，自动执行一些操作。办公软件提供了丰富的功能接口，VBA可以调用这些接口实现定制需求。

VBA最大的功能就是自动、批量、智能操作Excel。VBA广泛应用于数据分析和处理、数据建模、报表开发、应用程序开发等领域。在金融、审计、财务等行业很受欢迎。

3.PowerQuery是嵌入在Excel Microsoft产品中的一项技术，可帮助您调整数据形状。在Excel中，选择功能区上的“”。数据”选项卡来查看“获取和转换数据和查询”。连接”组。

在从各种数据源导入并刷新数据后，您可以在逐步转换中调整数据，并逐渐创建独特的表格形状，以满足数据分析的需要。

4.PowerPivot是一种数据建模技术，用于创建数据模型、建立关系和创建计算。您可以使用PowerPivot处理大型数据集，建立广泛的关系，并创建复杂(或简单)的计算，所有这些都在您熟悉的高性能环境和Excel中执行。

5.Power View是一种数据可视化技术，用于创建交互式的图表、图形、地图等视觉效果，从而直观地呈现数据。Power View在Excel、BI SharePoint、SQL Server和Power BI中可用。

6.Power Map是一个三维(三维)数据可视化工具，可以用来以一种新的方式查看信息。通过功率图，我们可以找到传统二维表格和图表中的(二维)视图。

使用Power Map，您可以在三维地球或自定义地图上绘制地理和时态数据，显示这些数据，并创建可以与其他人共享的可视化浏览。

数理统计工具，专门做数理统计分析，可以做数据挖掘，数据建模，系统构建等等，适合学术和大型商业公司。

7.SAS三大统计软件之一。是目前国际上最流行的大型统计分析系统，被誉为统计分析的标准软件。

它由几十个特殊模块组成，功能包括数据存取、数据存储和管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学和预测等。

它主要完成四个以数据为中心的任务:数据访问；数据管理；数据呈现；数据分析。

8.三大统计软件之一的SPSS。IBM的一系列软件产品和相关服务，用于统计分析、数据挖掘、预测分析和决策支持任务。

SPSS和Excel类似，界面简单，适合初学者，统计功能强大。它有四个模块，分别用于数据处理、描述性分析、推理性分析和探索性分析。

SPSS具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。它有11种136种功能。

SPSS提供了从简单的统计描述到复杂的多因素统计分析的方法，如探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

9.Stata三大统计软件之一。它是一个完整的、集成的统计软件，为用户提供数据分析、数据管理和绘制专业图表。它非常强大，包括线性混合模型，平衡重复和多项式概率模型。

Stata绘制的统计图相当漂亮，Stata操作灵活，简单易学易用，运行速度极快。

功能包括:数据管理、统计分析、图表、模拟、自定义编程。

10.Minitab数据分析、统计和流程改进工具。应用场景是现代质量管理统计，通常结合一些统计处理方法，如六适马、能力成熟度模型集成(CMMI)等过程改进方法。

11.Statistica是一款集数据分析、图表绘制、数据库管理和定制应用开发系统环境于一体的专业软件。

统计不仅为用户提供统计、绘图和数据管理程序等一般需求，还提供数据分析方法(例如，数据挖掘、商业、社会科学、生物研究或工业工程等。)具体需求所要求的。

12、三大数学软件之一的MATLAB。一种先进的技术计算语言和交互式环境，用于算法开发、数据可视化、数据分析和数值计算。

MATLAB除了矩阵运算、绘制函数/数据图像等常用函数外，还可以用来创建用户界面，调用其他语言(包括C、C++、Java、Python、FORTRAN)编写的程序。

MATLAB的工具箱非常强大，可以支持各行各业做数据分析和建模。

典型应用包括:数据分析、数值和符号计算、工程和科学绘图、控制系统设计、航空航天工业、汽车工业、生物医学工程、语音处理、图像和数字信号处理、金融、财务分析、建模、仿真和原型开发、新算法研发、图形用户界面设计等。

13.Mathematica是三大数学软件之一。一种科学计算软件，有时称为计算机代数系统，广泛应用于科学、工程、数学、计算等领域。

它融合了数值和符号计算引擎、图形系统、编程语言、文本系统以及与其他应用的高级连接，许多功能在相应领域处于世界领先地位。

BI工具BI，又称商业智能，一般用于分析商业数据，洞察商业机会。这可以是大多数数据分析工作需要的工具，因为学习简单，数据处理和呈现功能强大。

下图是Gartner列出的BI工具优势:

14、PowerBI

微软的BI产品也是目前全球最受欢迎的BI工具之一，其优势在于与微软良好的生态整合。

Power BI是一个软件服务、应用程序和连接器的集合，它们协同工作，将相关的数据源转换为一致的、视觉上真实的交互式洞察。

无论用户的数据是简单的Excel电子表格，还是基于云和本地混合数据仓库的集合，Power BI都可以让用户轻松连接到数据源，直观地看到(或发现)重要内容，并与他们想要的任何人分享。

Power BI简单而快速，可以从Excel电子表格或本地数据库中创建快速洞察。同时，Power BI还可以进行丰富的建模、实时分析和定制开发。

因此，它不仅是用户的个人报告和可视化工具，也是集团项目、部门或整个企业背后的分析和决策引擎。

15.Tableau也是目前国际上最流行的BI工具之一，具有强大的数据分析和可视化能力。

Tableau是一个用于可视化数据分析的商业智能工具。用户可以创建和分发交互式和可共享的仪表板，以图形和图表的形式描绘数据的趋势、变化和密度。

Tableau可以连接文件、关系数据源和大数据源，获取和处理数据。这个软件允许数据混合和实时协作，这使它非常独特。它被企业、学术研究人员和许多政府用于可视化数据分析。在Gartner的魔力象限、商业智能和分析平台中，它也被定位为领导者。

16.Qlikview是一个完整的业务分析软件，它使开发人员和分析师能够构建和部署强大的分析应用程序。QlikView应用程序使各类最终用户能够以高度可视化、功能强大且富有创造性的方式交互式分析重要的业务信息。

它使开发人员能够从各种数据库中提取和清理数据，构建强大而高效的应用程序，并使它们能够被高级用户、移动用户和日常终端用户修改和使用。

17.SAP BISAP公司的BI服务，一个支持数据报告、可视化和共享的集中式套件。作为SAP业务技术平台

21.MySQL是最流行的数据库之一，也是国内互联网公司最喜欢的数据库。我想称之为必修课。

MySQL以其高性能、低成本和良好的可靠性成为过去最流行的开源数据库，因此被广泛应用于互联网上的中小型网站。

随着MySQL的不断成熟，它逐渐被用于更大规模的网站和应用，如维基百科、谷歌和脸书。非常流行的开源软件组合LAMP中的“M”指的是MySQL。

22.PostgreSQL中最强大最有潜力的数据库之一，开源免费，分析能力强，稳定可靠，支持广泛。在很多方面都比MySQL好，比如复杂SQL的执行，存储过程，触发器，索引等。我想称之为最强。

23.Oracle是一家老牌企业，也是最稳定的数据库之一。大多数银行、证券、电信等行业都在使用Oracle。因其商业化程度高、功能强大、稳定，受到世界500强企业的欢迎。

24、SQLServer微软数据库产品，windows系统上最强王者。它易于使用，可扩展用于分布式组织，数据仓库功能用于决策支持，与许多其他服务器软件密切相关的集成，以及良好的性价比。

25.MongoDB是一个基于分布式文件存储的数据库。用C++语言写的。它旨在为WEB应用程序提供可扩展的高性能数据存储解决方案。

MongoDB是介于关系型数据库和非关系型数据库之间的产品，功能性最强，类似于关系型数据库。

26.HiveHadoop大数据生态数据查询工具，是一个开发SQL类型脚本执行MapReduce操作的平台，目前在互联网公司广泛使用。

具体来说，Hive是一个在Hadoop中处理结构化数据的数据仓库基础设施工具。位于Hadoop的顶端，用于汇总大数据，方便查询分析。

编程工具除了以上的数据分析软件，针对数据分析的编程也是大势所趋。越来越多的数据分析师使用Python和R对数据进行建模和可视化，编程语言快速、灵活、可重用的特点也适合数据处理和分析。

27.Python是目前最火的数据科学编程语言，没有之一。Python以其简洁的语法、强大的生态和无所不能的应用，几乎占据了数据分析和编程领域的半壁江山。

前段时间matlab被限制在国内，知乎开始讨论有什么工具可以替代matlab。python是被提及最多的编程语言。

且不说python是否能取代matlab，python在科学计算、模型构建和可视化方面的能力已经可以从编程界脱颖而出，拥有很多像numpy、scipy、statemodels、pandas、matplotlib等等现象级的数据科学库。

无论是github、kaggle、天池，还是企业、高校的数据项目，python几乎成为首选的支持语言之一。

此外，在高端技术领域，还有python。自1997年以来，美国国家航空航天局已经在各种复杂的科学操作中广泛使用Python。

至于AI，这也是python的看家本领，其应用生态可谓波澜壮阔，星光璀璨。

既有tensorflow、pytorch、caffe、keras等主流人工智能学习框架，也有Gensim、NLTK、Opencv、Mahotas等经典开发工具，专注于nlp和cv细分。

28、R编程统计工具的鼻祖。作为一个统计分析软件，它集统计分析和图形显示于一体。它可以运行在UNIX、Windows和Macintosh操作系统上，并嵌入了非常方便实用的帮助系统。

r是一个集成了数据操作、计算和图形显示功能的套件。

包括:有效的数据存储和处理功能，一套完整的数组(尤其是矩阵)计算运算符，一套完整的数据分析工具系统，强大的数据分析和显示的图形功能，一套完整、简单、有效的编程语言(来自S语言)(包括条件、循环、自定义函数、输入输出函数)。

29.Julia是编程数据分析领域的新星。Julia是一种用于科学计算的高性能动态高级编程语言。

首先定位是通用编程语言，其次是高性能计算语言。

Julia在分布式并行化和精确数值计算方面提供了独特的支持，并包含大量可扩展的数学函数库。

特别是在线性代数、随机数生成、信号处理、字符串处理等方面，集成了许多基于C和Fortran开发的成熟优秀的开源库，性能和效率都很高。

此外，Julia拥有强大而开放的开发者社区，贡献了大量第三方库，通过内置的包管理器可以轻松安装使用。

30.ScalaJava的衍生语言用于spark数据分析和大数据开发。

31.Spark是一个开源集群计算框架。Spark在内存中执行程序的计算速度可以比Hadoop MapReduce快100倍。即使在硬盘上执行程序，Spark也能快10倍。

Spark允许用户将数据加载到集群内存中，并多次查询，非常适合机器学习算法。

32.不用说，Java是最流行的编程语言。它在数据分析领域的应用主要是搭建大数据框架。

33.Hadoop是目前最流行的大数据框架，几乎所有的互联网公司都在使用。做大数据，就离不开大数据。

简而言之，Hadoop是一个支持数据密集型分布式应用的开源软件框架，在Apache 2.0许可协议下发布。它支持在用商业硬件构建的大型集群上运行的应用程序。

Hadoop基于Google在MapReduce和Google文件系统上发表的论文。所有Hadoop模块都有一个基本假设，即硬件故障是常见的，应该由框架自动处理。