按关键词阅读：
作为一名曾经的银行数据工作者 ， 笔者认为 ， 精通一种乃至多种数据分析工具对于数据分析人员而言是十分必要的 ， 以便能应付不同业务场景和需求 。
以风险防控为例 ， 当需要对客户的信用风险进行评估时 ， 我们可以通过SQL从数据库里快速提取相关指标数据表 ， 同时通过Excel观察表结构、分析元数据 。 在此基础上 ， 我们可以运用BI工具进行描述性分析 ， 计算相关统计指标或者作可视化的图表 ， 做最终的分析报告 。 为获取更深层次、更全面的分析结果 ， 我们可以通过SAS或Python构建逻辑回归分类模型 ， 开展客户风险分析评级 ， 辅助经营决策 。
下图从功能、场景和适用人员三个维度对各类数据分析工具进行了横向对比 ， 供大家参考 。
文章插图
各类分析工具横向对比图
互联网行业Excel、SQL、Python、BI的使用场景就不多说了 ， 基本和银行金融也类似 ， 说说不同之处 。
互联网行业的数据分析主要运用于运营端 ， 包括产品运营、电商运营、网站运营等 ， 也有做业务端（比如供应链、物流、有些电商行业的门店) ， 做企业内部（比如财务、人力、销售）的专业数据分析 。
运营岗虽谈不上专业数据分析师 ， 但基本都需要数据分析技能 。 比如产品要做埋点 ， 统计产品的功能使用情况 ， 做交互分析 ， 做用户留存分析 。 网页要分析各环节跳转率以及环环节转化情况 。 电商就更复杂了 ， 要做产品分析、客户分析、广告投放分析等等 。 但大部分都是基本的描述性分析 ， 通常用的工具是BI ， 像FineBI、Tableau之类 。 因为对于业务来讲 ， BI是相对好上手的工具 。
专业的数据分析岗 ， 可能会做一些深度的分析 ， 比如预测销售额 ， 构建用户画像 ， 以及风险监测 ， 会需要数据建模 ， 可能会用到R语言一类 。
其他传统行业以上两个行业是数据分析发展走在前沿的行业 ， 因为具备数据和技术土壤 。 但其他传统行业 ， 如制造业、医药、地产等 ， 情况又大不同了 ， 企业有没有数据 ， 做不做数据分析还不一定 。
一些信息化相对成熟（有较为完善的业务系统 ， 有数据库 ， 有IT部门）的企业 ， 这两年多多少少有数据意识 。 这类公司做数据 ， 更多是IT牵头 ， 不会像其他行业单独分出数据分析岗 ， 除非中大型公司会有专门的数据部门、数据中心 。 围绕数据分析的需求更多是：
- 对企业数据做整合 ， 把各业务的数据线整合起来 ， 构建分析型的数据仓库
- 梳理公司各业务线的分析需求、指标体系 ， 做好数据管理
- 梳理公司各业务线、各层级的报表体系 ， 包括固定式报表、分析性报表、驾驶舱
- 搭建数据平台 ， 业务可以自助的访问数据、探索性描述性分析 ， 做报表、做可视化分析报告 ， 实现自助取数分析 。
用到的工具 ， 构建数据仓库用到的IT技术和组件就多了去了 ， 这属于大数据工程师的范畴 ， 这里就不展开讲了 。 构建了数据仓库之后 ， 在前端需要做报表展现 ， 需要从数据库中取数做分析 ， 这个时候更多用到的是BI工具 ， 这个BI工具可以分为两类 ， 一种是报表型的工具 ， 比如finereport ， 表哥表姐专用；另一种是分析型的 ， 比如自助BI分析工具FineBI 。 深度的数据挖掘和模型建立会需要用到Python和R 。
文章插图其中报表和BI用的比较多 ， 因为传统企业的运营流程就是依赖报表 ， 另外数据分析的基因不是那么强 ， 业务提不出分析需求 ， 分析师/表哥表姐不那么熟悉业务 ， 所以很多数据都是以报表呈现 。 但现在报表也不是以前的报表 ， 一些分析型报表、驾驶舱更重视对业务决策的价值 。 现在的报表开发也不是以前用Excel那一套 ， 比如报表工具finereport开发起来也很快 ， 大大缩短了在报表开发的投入 。
文章插图【不同行业都用什么数据分析工具？对号入座，少走弯路】最后 ， 个人觉得 ， 作为一名数据分析师 ， 要提高生产经营效率 ， 就需要在面对复杂多变的业务环境时能够灵活选择并运用手边的数据分析工具 ， 当然这也依赖于你所在公司对多种分析工具的支持 。 笼统来讲 ， SQL、Excel和BI是要掌握的 ， 技术型的还要再学一门Python 。
稿源：(未知)
【傻大方】网址：http://www.shadafang.com/c/111J291552020.html
标题：不同行业都用什么数据分析工具？对号入座，少走弯路( 二 )