【TO 編輯部導讀】
作者在資料分析職場中觀察到工具的分級現象，例如用 Python 就比較厲害、只會用 Excel 做資料統計與整理就被列為初階工作者。透過本文，作者將討論資料分析界存在的不成文規定，並對於應該抱持什麼樣的觀念使用工具提出看法。
在說今天的話題之前，我想先丟一個結論：
「做資料分析，不要建立一種以使用的軟體來給自己分級的心態，但是一定要用工具避免誤入職業發展歧途！」
為什麼今天要談關於資料分析工具分級的問題呢？其實這涉及到職場中一個非常常見的現象 — — 工具鄙視鏈：會 Python 程式語言的，瞧不起用 BI 工具做資料分析的；會用 Tableau、FineReport 這種分析工具的，瞧不起會用 SPSS、SQL 這種資料工具的；會用 SPSS、SQL 的，瞧不起用 PPT 做資料彙報的；會用 PPT 做資料彙報的，瞧不起只會用 Excel 做資料統計與整理的。
資料分析界不成文的鄙視鏈
不光是資料分析行業，在程式設計師、產品經理等行業中都存在這樣的鄙視鏈。也有不少人和公司，遵從著這樣的鄙視鏈現象，透過這樣的鄙視鏈進行崗位的分級，或者作為選人招聘的門檻標準。
而這個鄙視鏈似乎是與這個崗位生死同戚、難以分離的：比如我，在前幾年我還剛接觸資料分析的時候，只學會用 Excel 做資料處理，所有的資料清洗、資料加工和圖表視覺化工作都是用 Excel 完成的。
但是看著網上很多人都在學 Python 程式設計，當時還有一種「Python 才是資料分析標配」的言論，我也成為了跟風的一份子。
當時帶我的老大就告訴我：
「網上說學 Python 才能做資料分析的，純粹就是瞎說，Python做資料分析確實比 Excel 要專業一些，但是真正的核心，是什麼資料場景和什麼人在用。
我用 Excel 做的資料清洗絕對夠用，但是如果我想做一些高階視覺化，也會用 Python 去做，誰規定資料分析師只能用一個軟體了？
說到底還是出於對資料分析崗位的自卑，資料分析才出現幾年啊，誰都覺得用 Excel 做資料分析太低級了，一點都體現不出我們的專業性，不學一門程式語言，其他部門的人誰瞧得起我們？」
工具只是工具，「資料思維」才是資料分析師存在的意義
對於我老大的話，我覺得講的就很靠譜！正是出於對於資料分析作崗位的錯誤認知，才會造成那麼多人對於資料分析工具的誤解。
其實這麼多年，Excel、Tableau、FineReport、PowerBI、SPSS、Python……我幾乎每種工具和軟體都用過，並沒有覺得哪一種是最萬能的。工具從來只是工具，是用來輔助我們進行資料分析的，最核心的關鍵還是在於人，也就是你是否真的具有資料分析思維和能力。
像我之前老大的能力，用 Excel 照樣超給力；要是沒有能力，學一萬種語言都沒用！
所以很多剛入門資料分析的朋友，一上來就買很多 Python、R 語言、VBA 的書籍和資料，安裝了各個語言的環境。
但其實資料分析師的日常工作，最多就是用到 SQL 取數以及 Excel 資料透檢視、BI 分析工具中拖拉拽圖表。（可參考下圖）
所以，會用工具不是能力，懂得資料思維，才是資料分析師存在的意義！
工具那麼多，該怎麼選？
那麼回到我們今天的話題，資料分析當中有著不同的資料場景，會用到非常多的工具，那麼應該如何選擇，下面簡單舉幾個例子。
1. Excel
別以為 Excel 只會處理表格，你可以把它當成資料庫，也可以把它當成 IDE，甚至可以把它當成資料視覺化工具來使用。
它可以建立專業的資料透視表和基本的統計圖表，但由於預設設定了顏色、線條和風格，使其難以建立用於看上去「高大上」視覺效果。
儘管如此，我仍然推薦你使用 Excel，因為它其實能夠處理大部分的資料分析問題了！
2. BI 工具
近幾年冒出來的 BI 之秀，如 Tableau、PowerBI 都強調視覺化，一改傳統 BI 工具 SAP BO、IBM 家的 cognos（不過近幾年貌似都在研發雲端 BI）
這裡不談開源，還沒見到能成熟應用的 BI，成熟的 BI 工具如 FineReport 和 Tableau，都很推薦。
3. Python
學過 Python 資料分析的朋友都知道，在視覺化的工具中，有很多優秀的三方庫，比如 matplotlib，seaborn，plotly，Boken，pyecharts 等等，這些視覺化庫都有自己的特點，在實際應用中也廣為大家使用。
4. SPSS
SPSS 是統計分析入門軟體，如果你想快速入門而又不想學習程式設計，我推薦使用 SPSS。
學習 SPSS 的重點並不在於軟體本身，而是相關的統計學知識，這也是在前面建議大家鋪墊的，也就是你要學會怎樣去分析「輸入資料後，軟體給你呈現的結果」。
訂閱《AI TOgether》趨勢週報
每週幫你精選 AI 主題報導
感謝訂閱！隨時注意信箱的最新資訊
每種工具都只是輔助，關鍵在於你怎麼用它
其實今天談的這個話題，也是其他行業裡常見的現象之一，既然產生了這種亂象，說明一定有其產生的原因與邏輯，我們不必太過敏感。
但是，對於我們資料分析師自身而言，真正做分析時候，你會發現市面上有太多的分析工具，需要掌握的實在是太多了。
其實不必糾結於此，依據個人能力，配合當前的資料分析環境，適用的工具自然會被選出，最後記住一句話：工具是人用的，重點在於人，而不在於工具！
參加活動，還能以 5 折考 AWS 證照、再抽 10 位全額免費（價值 $ 4,500）
＊本文經合作夥伴 數據分析那些事 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈資料分析工具鄙視鏈：Python 成老大，Excel 小弟都稱不上？〉。首圖來源：數據分析那些事。
（責任編輯：廖紹伶）
