【Python 是標配、Excel 只能打雜?】打破資料分析職業迷思!擁有「資料思維」才能不敗

(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?〉。)

【我們為什麼挑選這篇文章】從事資料分析相關工作,會用 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嗎?到底資料分析界存在怎樣不成文的規定?會使用特定工具在職場上就能橫著走?(責任編輯:賴佩萱)

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?」

破解資料分析工具的階級迷思: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」。

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!

(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?〉。)

你可能會有興趣


科技報橘 LinkedIn 上線!

最新科技產業動態、技術新突破、專業職能技巧提升 ....... 鎖定 TO  LinkedIn 專業品牌,提升職能與產業 Know-how,躋身產業菁英之列 https://www.linkedin.com/showcase/techorange

點關鍵字看更多相關文章: