“會(huì)python的大學(xué)生，找工作有多賺?“

“python到底是什么鬼，學(xué)姐靠他拿了5個(gè)offer"

“數(shù)據(jù)分析還在用Excel?學(xué)會(huì)python效率高10倍!“

...... 

這樣的標(biāo)題你在朋友圈、公眾號(hào)一定見(jiàn)過(guò)，不管是技術(shù)類公眾號(hào)，還是求職公眾號(hào)，甚至情感雞湯類公眾號(hào)都會(huì)時(shí)不時(shí)地給你推一篇讓你學(xué)python的文章，尤其在數(shù)據(jù)分析領(lǐng)域，“python數(shù)據(jù)分析“的公眾號(hào)或者文章遍地都是，當(dāng)然，你隨手點(diǎn)開(kāi)一個(gè)類似上述標(biāo)題的文章，拉到最后一定都是一個(gè)python課程的報(bào)名廣告...

在鋪天蓋地廣告的洗腦下，讓很多想要學(xué)習(xí)數(shù)據(jù)分析或者已經(jīng)從事數(shù)據(jù)分析的人產(chǎn)生了這樣的疑問(wèn)：python真的很厲害嗎?學(xué)數(shù)據(jù)分析一定要python嗎?它為什么可以這么火?

首先，不可否認(rèn)，python的確是一門(mén)非常好的編程語(yǔ)言，應(yīng)用非常廣泛，語(yǔ)法簡(jiǎn)潔、代數(shù)邏輯清晰，而且擁有海量的第三方庫(kù)。

在數(shù)據(jù)分析領(lǐng)域功能十分強(qiáng)大， 數(shù)據(jù)爬取、清洗、可視化分析，挖掘....python無(wú)所不能。開(kāi)發(fā)效率高、運(yùn)營(yíng)速度快、而且入門(mén)簡(jiǎn)單，據(jù)說(shuō)，部分地區(qū)的小學(xué)生信息課程甚至也加入了Python，看起來(lái)學(xué) python是大勢(shì)所趨，勢(shì)不可擋。

但是數(shù)據(jù)分析的都要學(xué)python嗎?

答案顯然不是。

不管是python、R還是Excel、spss，這些都是數(shù)據(jù)分析的工具，對(duì)于數(shù)據(jù)分析，我一直強(qiáng)調(diào)核心是業(yè)務(wù)，通過(guò)業(yè)務(wù)的分析邏輯影射到數(shù)據(jù)分析的處理邏輯，而數(shù)據(jù)分析工具則是幫助我們實(shí)現(xiàn)結(jié)果的手段。

如果把數(shù)據(jù)分析的結(jié)果比喻成你要去的一個(gè)目的地，那么python只是可以到達(dá)這個(gè)目的地的一個(gè)交通工具，換句話來(lái)說(shuō)，你換個(gè)工具也能做到，所以python和數(shù)據(jù)分析之間，并沒(méi)有不可分割的關(guān)系。

既然關(guān)乎到選工具，肯定是選擇最好用工具才能夠最快達(dá)到目的，那python是不是數(shù)據(jù)分析工具的最佳選擇呢?

不一定是。不一樣的路適合的交通工具不一樣，同樣，不一樣的類型的數(shù)據(jù)分析工作，合適的數(shù)據(jù)分析工具也不一樣。

在實(shí)際工作中，數(shù)據(jù)分析這個(gè)大類的崗位層次不一，崗位職能也大不相同，在不同的公司，同樣都叫數(shù)據(jù)分析師的崗位，可能一個(gè)就是給業(yè)務(wù)取數(shù)，提供基礎(chǔ)數(shù)據(jù)支撐，而另一個(gè)卻要涉及數(shù)據(jù)建模、挖掘。這兩種人需要掌握的工具技能肯定也大不相同。

我這里把數(shù)據(jù)分析籠統(tǒng)的分類業(yè)務(wù)向和技術(shù)向兩類：

業(yè)務(wù)類分析師，側(cè)重業(yè)務(wù)分析，一般掛靠在業(yè)務(wù)部門(mén)，或者有單獨(dú)數(shù)據(jù)分析部門(mén)，最要工作內(nèi)容就是對(duì)特定業(yè)務(wù)做專題分析，通過(guò)對(duì)數(shù)據(jù)分析來(lái)做一些業(yè)務(wù)規(guī)劃、方案等。日常的工作大多就是整理報(bào)表，做一些探索性的業(yè)務(wù)分析，解決業(yè)務(wù)問(wèn)題。

技術(shù)類分析師，一般都在IT部、數(shù)據(jù)中心。根據(jù)從事的工作環(huán)節(jié)不同，被分成數(shù)據(jù)庫(kù)工程師，ETL工程師，爬蟲(chóng)工程師，算法工程師等角色，主要的工作一般有數(shù)據(jù)倉(cāng)庫(kù)搭建、專題分析、建模分析、數(shù)據(jù)挖掘預(yù)測(cè)等。

說(shuō)完數(shù)據(jù)分析師的工作內(nèi)容，再來(lái)看目前市場(chǎng)流行的幾類數(shù)據(jù)分析工具：Excel、python/R、BI工具

先說(shuō)大家都熟悉的Excel，excel在數(shù)據(jù)分析領(lǐng)域的地位不可動(dòng)搖，尤其對(duì)入門(mén)新手來(lái)說(shuō)，大部分的人在進(jìn)入工作之前都多少接觸Excel，所以在此基礎(chǔ)上要做數(shù)據(jù)分析，學(xué)習(xí)Excel是最合適不過(guò)的，從簡(jiǎn)單的表格制作，數(shù)據(jù)透視表，寫(xiě)公式，再到VBA語(yǔ)言，基本能夠滿足80%業(yè)務(wù)人員的分析需求。而且學(xué)習(xí)Excel的成本比學(xué)習(xí)一門(mén)編程語(yǔ)言低多了。

(見(jiàn)過(guò)有很多機(jī)構(gòu)開(kāi)始利用職場(chǎng)焦慮忽悠普通職場(chǎng)人學(xué)python，說(shuō)句良心話，花費(fèi)大幾千甚至破萬(wàn)的價(jià)格去報(bào)班學(xué)python，沒(méi)有基礎(chǔ)幾個(gè)月也只能學(xué)個(gè)皮毛，回到自己的工作中根本用不上，除非你認(rèn)真考慮轉(zhuǎn)行，當(dāng)然轉(zhuǎn)行也不可能像培訓(xùn)機(jī)構(gòu)說(shuō)的那么簡(jiǎn)單)

回到正題，我們?cè)僬f(shuō)BI工具，BI的誕生，目的是為了縮短從業(yè)務(wù)數(shù)據(jù)到經(jīng)營(yíng)決策的時(shí)間，提高決策效率，所以它的產(chǎn)品設(shè)計(jì)理念就是圍繞提高數(shù)據(jù)分析的過(guò)程展開(kāi)的。

和Excel相比，BI工具在分析流程上更加簡(jiǎn)化，以我用過(guò)的FineBI為例，從數(shù)據(jù)鏈接、數(shù)據(jù)處理、到可視化圖表分析，很多功能都是封裝好的，鼠標(biāo)點(diǎn)擊拖拽就能迅速完成一次分析。這樣的可視化操作界面讓BI的學(xué)習(xí)門(mén)檻大大降低，更適合面向企業(yè)中的業(yè)務(wù)分析人員。

另外，在面對(duì)大數(shù)據(jù)量分析時(shí)，BI工具也能彌補(bǔ)Excel的不足，還有一個(gè)吸引人的點(diǎn)，就是BI工具的可視化效果，在Excel中制作動(dòng)態(tài)圖表或者高級(jí)的可視化圖表效果，需要經(jīng)過(guò)諸多復(fù)雜的步驟，用編程語(yǔ)言實(shí)現(xiàn)，也需要一行行代碼調(diào)整，才能得到想要的效果，但是在BI工具中，簡(jiǎn)單拖拽設(shè)置，就能制作出令人驚艷的可視化圖表

不過(guò)，因?yàn)锽I工具是非開(kāi)源的，所以在功能上有局限性，如果產(chǎn)品沒(méi)有設(shè)計(jì)某一項(xiàng)功能，可能就沒(méi)有辦法完成分析工作。這時(shí)候python或R這類編程語(yǔ)言就顯得更加靈活了，只要代碼寫(xiě)得好，基本沒(méi)有實(shí)現(xiàn)不了的東西。

而且在數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)領(lǐng)域，BI和Excel就更加無(wú)能為力了，在這個(gè)階段，python語(yǔ)言是一個(gè)絕佳選擇，它對(duì)復(fù)雜的數(shù)據(jù)處理、建模、預(yù)測(cè)更加游刃有余。

最后總結(jié)一下，工具的選擇要根據(jù)自身需要，而不是哪個(gè)火學(xué)哪個(gè)，只有最適合自己的才是最好的。

像財(cái)務(wù)、人事、運(yùn)營(yíng)這類的基礎(chǔ)業(yè)務(wù)分析，excel完全就夠用了，如果想要提升效率，追求可視化效果，BI工具也是不錯(cuò)的選擇，完全沒(méi)有必要花費(fèi)極大的精力去湊Python的熱鬧，當(dāng)然如果你對(duì)編程很感興趣，那當(dāng)我沒(méi)說(shuō)。

最后再來(lái)回答最后一個(gè)問(wèn)題，為啥python這么火?

當(dāng)然是因?yàn)楹觅嶅X(qián)，以前互聯(lián)網(wǎng)興起的時(shí)候，各種java、C++的培訓(xùn)炒的火熱，培訓(xùn)機(jī)構(gòu)大把大把撈金，現(xiàn)在大數(shù)據(jù)時(shí)代來(lái)了，數(shù)據(jù)分析、數(shù)據(jù)挖掘、人工智能的概念又火了，一片新的韭菜地出現(xiàn)在眼前，培訓(xùn)機(jī)構(gòu)們還能放著這么多的錢(qián)不賺?

隨便拿個(gè)業(yè)內(nèi)TOP數(shù)據(jù)分析師的薪資給你畫(huà)個(gè)月入2W的大餅，實(shí)際上你入職大概率6-8K，而且你在培訓(xùn)課里學(xué)到那點(diǎn)皮毛功夫還要面臨全網(wǎng)被割韭菜的各行各業(yè)神仙轉(zhuǎn)行來(lái)和你PK，最后能找到心儀工作的少之又少。

更慘的是一些無(wú)辜小白，在原來(lái)的崗位干的好好的，看到營(yíng)銷(xiāo)文案，一股心血來(lái)潮要轉(zhuǎn)行，花了大價(jià)錢(qián)大精力去報(bào)班學(xué)python，最后轉(zhuǎn)行也轉(zhuǎn)不了，反而沒(méi)在自身的崗位上有什么提升，掙大錢(qián)的夢(mèng)破碎了。

最后再?gòu)?qiáng)調(diào)一下，大部分的數(shù)據(jù)分析師本質(zhì)是個(gè)業(yè)務(wù)輔助崗位，核心是對(duì)業(yè)務(wù)的理解能力和數(shù)據(jù)敏感度，像下面這張圖里寫(xiě)的，那些告訴你學(xué)python就能入門(mén)數(shù)據(jù)分析，學(xué)python就能做好數(shù)據(jù)分析的，百分之90都是為了賺錢(qián)，另外，想轉(zhuǎn)行數(shù)據(jù)分析的也要慎重考慮，這一行也并不是你想象的那么美好。