使用什么工具进行分析？我不想再使用Excel了！

  不请自来，这个话题值得商榷。

在回答“我需要什么样的数据互联网推广工具”之前，我需要问自己几个问题：

这个问题的意义不是质疑数据分析本身的价值，而是进行数据分析。我需要考虑数据的价值。在这里我们可以列出数据分析背后的一些简单要求：

为什么我们需要澄清这个问题？因为在数据分析的每一个具体需求背后，都有对所需工具的不同需求。我个人的想法是没有通用的工具，只有最能满足你需求的工具。只有认识到这一点，我们才能真正做到这一点，有效地利用新的学习工具。

现在我们可能面临一个新问题：我知道需要使用数据分析的场景，那么我如何知道在这种情况下需要使用什么工具？

此时，我们需要回答下一个问题：

面对各种各样的工具，我们常常被各种酷炫的功能和产品演示所淹没。学了这个之后，我们发现这很好。我们总是担心捡芝麻丢西瓜。看看今天的Excel，我觉得你可以用表格来计算所有的东西。明天，当我看到tableau令人眼花缭乱的案例库时，我认为视觉分析是王道。然而，我无法安心学习工具。有什么问题吗？问题是我们选择用我们宝贵的时间和精力去适应产品，而不是让产品在面对许多产品时“适应”我们。当然，这种“倒过来”的学习很累，效果并不显著，所以在整个过程中，我们需要不断地扪心自问：我需要什么？我想要什么？如果你不想从这些简单的数据中找出你想要的“理想的分析工具”是什么公司的数据库进行分析，每天的任务是统计一些关键业绩指标，制作文本报告并生成简单的可视化报告。对小明来说，他的理想是每天上班时泡一壶茶，点击数据分析工具，输入一些东西，KPI的统计值就会出来，然后他就可以专心写报表了。

在上述两种情况下，小明在理想工作状态上与小红有很大差异。以下是理想数据分析状态的小结：

*理想的数据分析工作流有两种模式：决策驱动的数据分析和任务驱动的数据分析。

顾名思义，前者把数据分析的结果作为辅助决策（产品决策和营销决策）的利器，后者则以数据分析的结果本身为目的。在此分类的基础上，将得到两个子类别的工作模式：可控数据分析和自动数据分析。

可控数据分析旨在对分析过程中的分析环节进行高度控制。像上面的小红一样，她可能需要控制每次接收数据的天数，如何对每个a/B测试进行分组，哪些数据是异常数据，等等。

自动数据分析是一种“托管”模式。对于上面的小明来说，数据分析只是一件必要的事情，但他不想花时间。如果有人能代替他做这件事，那是最好的。如果没有，最好的工具可以自动解决他的问题。为什么它是理想的？因为在实际情况下，它通常是决策驱动和任务驱动的数据分析的混合体。上面总结了两种不同的工作流（决策和基于任务的）和两种工作模式（可控和自动），因此我们有2×2=4的组合。让我们谈谈我们对每一类工具的要求。决策+可控：

3。任务+可控

4。基于任务+自动化

让我们从几个方面来解释：

因此，我们可以对市场上的一些产品进行分析

在这里，我们将数据分析工具分为三类：，每个类别都指出了一个代表性（欢迎添加）

代表性：Excel

dad级别的数据分析工具背后有强大的团队合作，为实力的保证，对于许多任务驱动的数据分析，Excel往往是一个足够好的选择。Excel本身的产品内容非常丰富，分析的效率和稳定性都很好

对于大多数人来说，Excel最终未能成为他们的核心