SPSS和Python，單純地說哪個好，是沒有意義的，還要看你用來干什么?

[[272751]]

我來幫你區分一下這些術語。

1、分析工具：Excel、SPSS、Tableau屬于分析工具類;

2、分析語言：Python、R屬于分析腳本語言。

分析工具類，如果細分還可以分為統計工具和挖掘工具。

• 1)統計工具：比如像Excel/Tableau/PowerBI都屬于統計工具，此類工具的很簡單，是基于統計(比如分類匯總)的分析工具，通過統計指標，查看業務的規律、變化、趨勢等等，來作出對業務的判斷并給出合適的業務策略。所以，此類工具側重于業務的描述性分析(業務規律、業務變化、業務周期)，常用有的分析方法有：對比分析、分布分析、結構分析、趨勢分析等等。
• 2)挖掘工具：像SPSS/SAS類就屬于挖掘工具。此類挖掘工具側重探索隱藏得比較深的業務知識和模式，挖掘工具側重于業務的影響因素分析、預測性分析等等，講究分析模型(比常規的分析方法要復雜)，在分析模型中不見得有統計指標，而是模式。常用的分析模型：影響因素分析(相關/方差/列聯分析)、數據預測模型(回歸預測/時序預測)、分類預測模型(決策樹、神經網絡、支持向量機等)，當然還其它更多的模型，比如聚類、關聯等等。

理論上，使用高級的數據挖掘工具也是可以進行常規的數據統計分析的，即Excel能夠實現的，理論上SPSS也可以實現。但坦白地說，用挖掘工具來做統計工具分析，其效率反而沒有統計工具高。

不過，當前絕大多數公司，都是在用Excel/SQL來做數據分析，可見他們并沒有什么復雜的業務問題需要用到更高級的分析工具，簡單的工具已經足以勝任平時的業務數據分析了。

最后再來說分析語言Python/R。

3)分析語言。

當然你也可以認為分析語言本身也是一種分析工具。只是這種分析工具與Excel/SPSS相比不一樣，Excel/SPSS只需要通過拖拉就能夠實現數據分析結果，但Python/R則需要通過寫腳本寫代碼的方式來運行分析。

作為工具，Excel/SPSS中已經內置和封裝了很多常用的分析方法、分析模型，所以你不需要花太多的時間去弄明白是怎樣實現的，甚至你有時不需要知道數據公式和原理(如果知道的話就更好了)，你只需要聚焦在業務層面，就可以實現業務數據分析，得到良好的分析結果。

但是，如果你們公司需要一些特殊的分析模型，或者需要對原有的模型進行修改或優化，而分析工具又不支持的話，那么此時你就得要使用分析語言Python來實現自定義的分析流程了。而且，當你使用Python分析語言時，你就得必須了解分析模型的原理及實現，還得懂編程的一系列技能，那么你得花大量的時間在如何實現模型上，無法聚焦在業務問題的解決上了。所以，比起用分析工具，用Python的好處是可以任意修改或定制化模型、可以自動化實現分析流程，但壞處也是顯而易見的(分析復雜、周期較長、效果不一定好)。你擁有了定制化，就失去了簡潔;你擁有強的功能，就增加了復雜度，此即有得就必有失了。

所以，一般人我是不建議他們學習Python的。因為學習難度高，學習周期長，還不一定有Excel/SPSS好用和效果好。除非你本身就具有編程能力，此時轉學Python就相對容易了。

關于就業，最后說一下：

• ----實際情況，當前絕大多數的企業，業務簡單到只需要用Excel等分析工具，就能夠解決工作中80%的業務問題，部分復雜問題只需要用SPSS也可以基本解決;
• ----當然，如果你說你懂什么Python/Hadoop等，那絕對是裝B的加分項。盡管有很多公司領導甚至不知道這兩個英文是什么意思。