“會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offer"

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

...... 

這樣的標題你在朋友圈、公眾號一定見過，不管是技術(shù)類公眾號，還是求職公眾號，甚至情感雞湯類公眾號都會時不時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“的公眾號或者文章遍地都是，當然，你隨手點開一個類似上述標題的文章，拉到最后一定都是一個python課程的報名廣告...

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：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，python的確是一門非常好的編程語言，應(yīng)用非常廣泛，語法簡潔、代數(shù)邏輯清晰，而且擁有海量的第三方庫。

在數(shù)據(jù)分析領(lǐng)域功能十分強大， 數(shù)據(jù)爬取、清洗、可視化分析，挖掘....python無所不能。開發(fā)效率高、運營速度快、而且入門簡單，據(jù)說，部分地區(qū)的小學(xué)生信息課程甚至也加入了Python，看起來學(xué) python是大勢所趨，勢不可擋。

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，對于數(shù)據(jù)分析，我一直強調(diào)核心是業(yè)務(wù)，通過業(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目的地，那么python只是可以到達這個目的地的一個交通工具，換句話來說，你換個工具也能做到，所以python和數(shù)據(jù)分析之間，并沒有不可分割的關(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。

在實際工作中，數(shù)據(jù)分析這個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，或者有單獨數(shù)據(jù)分析部門，最要工作內(nèi)容就是對特定業(yè)務(wù)做專題分析，通過對數(shù)據(jù)分析來做一些業(yè)務(wù)規(guī)劃、方案等。日常的工作大多就是整理報表，做一些探索性的業(yè)務(wù)分析，解決業(yè)務(wù)問題。

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)庫工程師，ETL工程師，爬蟲工程師，算法工程師等角色，主要的工作一般有數(shù)據(jù)倉庫搭建、專題分析、建模分析、數(shù)據(jù)挖掘預(yù)測等。

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

先說大家都熟悉的Excel，excel在數(shù)據(jù)分析領(lǐng)域的地位不可動搖，尤其對入門新手來說，大部分的人在進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是最合適不過的，從簡單的表格制作，數(shù)據(jù)透視表，寫公式，再到VBA語言，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)一門編程語言低多了。

(見過有很多機構(gòu)開始利用職場焦慮忽悠普通職場人學(xué)python，說句良心話，花費大幾千甚至破萬的價格去報班學(xué)python，沒有基礎(chǔ)幾個月也只能學(xué)個皮毛，回到自己的工作中根本用不上，除非你認真考慮轉(zhuǎn)行，當然轉(zhuǎn)行也不可能像培訓(xùn)機構(gòu)說的那么簡單)

回到正題，我們再說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)營決策的時間，提高決策效率，所以它的產(chǎn)品設(shè)計理念就是圍繞提高數(shù)據(jù)分析的過程展開的。

和Excel相比，BI工具在分析流程上更加簡化，以我用過的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，鼠標點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，在面對大數(shù)據(jù)量分析時，BI工具也能彌補Excel的不足，還有一個吸引人的點，就是BI工具的可視化效果，在Excel中制作動態(tài)圖表或者高級的可視化圖表效果，需要經(jīng)過諸多復(fù)雜的步驟，用編程語言實現(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，簡單拖拽設(shè)置，就能制作出令人驚艷的可視化圖表

不過，因為BI工具是非開源的，所以在功能上有局限性，如果產(chǎn)品沒有設(shè)計某一項功能，可能就沒有辦法完成分析工作。這時候python或R這類編程語言就顯得更加靈活了，只要代碼寫得好，基本沒有實現(xiàn)不了的東西。

而且在數(shù)據(jù)挖掘、機器學(xué)習(xí)領(lǐng)域，BI和Excel就更加無能為力了，在這個階段，python語言是一個絕佳選擇，它對復(fù)雜的數(shù)據(jù)處理、建模、預(yù)測更加游刃有余。

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

像財務(wù)、人事、運營這類的基礎(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工具也是不錯的選擇，完全沒有必要花費極大的精力去湊Python的熱鬧，當然如果你對編程很感興趣，那當我沒說。

最后再來回答最后一個問題，為啥python這么火?

當然是因為好賺錢，以前互聯(lián)網(wǎng)興起的時候，各種java、C++的培訓(xùn)炒的火熱，培訓(xùn)機構(gòu)大把大把撈金，現(xiàn)在大數(shù)據(jù)時代來了，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)機構(gòu)們還能放著這么多的錢不賺?

隨便拿個業(yè)內(nèi)TOP數(shù)據(jù)分析師的薪資給你畫個月入2W的大餅，實際上你入職大概率6-8K，而且你在培訓(xùn)課里學(xué)到那點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)行來和你PK，最后能找到心儀工作的少之又少。

更慘的是一些無辜小白，在原來的崗位干的好好的，看到營銷文案，一股心血來潮要轉(zhuǎn)行，花了大價錢大精力去報班學(xué)python，最后轉(zhuǎn)行也轉(zhuǎn)不了，反而沒在自身的崗位上有什么提升，掙大錢的夢破碎了。

最后再強調(diào)一下，大部分的數(shù)據(jù)分析師本質(zhì)是個業(yè)務(wù)輔助崗位，核心是對業(yè)務(wù)的理解能力和數(shù)據(jù)敏感度，像下面這張圖里寫的，那些告訴你學(xué)python就能入門數(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，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。