对于数据分析师来说，掌握以下数据分析工具很有必要，一个好的数据分析工具，可以使得数据分析工作事半功倍，相对于整个数据分析学习流程来说，掌握数据分析工具是学习数据分析的关键。

日常数据分析中，有80%的时间都是在数据处理和数据可视化，所以，借助工具进行数据清洗以及可视化很有必要，可以提高数据处理效率，以及丰富分析内容，针对不同的数据分析应用场景，可分为初级、中级、高级工具，下面举例说明。

01. 初级应用工具

刚刚入门学习数据分析使用Excel最为合适不过了，Excel操作简单，界面简洁，功能较多，不管是数据处理还是数据可视化，总能得心应手，并且，作为一款职场必备办公软件，其功能特点被大家所熟知，初级应用工具推荐使用Excel。

对于Excel的学习，通常要求掌握数据分类汇总、数据透视表的使用，五类常用的Excel函数，包括文本清洗类、关联匹配类、逻辑运算类、计算统计类、时间序列类五类，除此之外，Excel还有比较多的工具箱，比如Excel自带的数据分析工具箱、PowerMap，独立开发的工具箱比如方方格子、EasyCharts、tusimple BI都能使得数据分析更加便捷。

比如这里使用tusimple BI可以创建多种精美的图表，tusimple BI是一款专业的Excel 商务图表绘制插件，拥有超过120+项图表功能，傻瓜式一键出图，帮助用户轻松、高效地制作Excel所不能制作的高级图表，从此图表制作不再是难题。

使用tusimple Bl让Excel增加了更为丰富的可视化库，既有瀑布图、马赛克图、增长箭头等咨询公司专属图表，也有华夫图、玫瑰图、桑基图等时尚流行的信息图表。这些图表100%采用Excel原生图表制作，完全和内置图表属性一样，随数据变化而自动更新。

02. 中级应用工具

熟练掌握Excel后，可以尝试使用一些更高级的数据分析工具，一方面，如果数据量比较大的时候，仍然使用Excel就会变得比较困难，处理效率慢不说，就连打开数据量大的表格都是个问题，另一方面，Excel在交互式图表方面功能有所欠缺，而PowerBI和Tableau很好的解决了这个问题，用于创建一个Dashboard最为合适不过，丰富了图表内容。

PowerBI中内置了很多视觉对象，比如这里使用RadialBarChart径向条形图用来展示分类字段的数据达成情况，这里要展示各个市的体育代表团奖牌数据情况，将代表团拖入到Group，奖牌的属性（金牌、银牌、铜牌）拖入到Categories，值拖入到First Measure，就动态呈现了甘肃省第十五届运动会奖牌榜的变化情况。

Animated Bar Chart Race可以动态演示数据达成，这里动态演示不同月份手机品牌数的动态变化，将品牌拖入到Name，数量拖入到Value，月拖入到Period，所有的视觉对象都是内置的，使用起来轻松、方便。

PowerBI和Tableau的使用相对比较简单，在数据清洗方面有大量的功能菜单可以使用，比如数据排序、数据去除重复值、数据聚合等，除此之外，还可以使用软件内的计算字段功能，对数据做更高级的清洗，有意思的是，在数据可视化时，PowerBI和Tableau都可以使用简单的“托拉拽”，就可以生成一个丰富的交互式图表。

03. 高级应用工具

学习了中级应用后，接下来是重头戏，介绍MySQL和Anaconda，之所以放在最后来讲，是因为这两种软件功能实在是太过于强悍，首先说说MySQL软件，MySQL是一种开放源代码的关系型数据库管理系统，简而言之，MySQL用于管理数据，而数据是一个企业的生命线，可见MySQL的重要性不一般，MySQL通常用于数据清洗和数据存储。

其次，再说说Anaconda软件，Anaconda软件是一个开源的包、环境管理器，其具有数据清洗、数据建模、数据可视化等众多的包，比如，下面为常见的数据分析包。

• NumPy：科学运算包
• Pandas：数据处理和分析工具包
• Matplotlib：绘图工具包
• SciPy：数据运算包
• Scikit-learn：机器学习工具包
• Seaborn：可视化包

除常规软件使用，对应的还有一些比较好的编译器和插件，比如MySQL软件可连接Navicat Premium使用，Anaconda软件可连接PyCharm Community 使用，并且，Jupyter Notebook还有众多插件，这里推荐JupyterLab，让你在写代码的时候，感受到插件所带来的快捷，如下就是Anaconda软件连接PyCharm Community进行代码编译。

总结来说，在数据分析不同的学习阶段使用的数据分析工具是不一样的，在入门学习阶段使用Excel即可，并搭配一些Excel插件，后期可以学习PowerBI或者是tableau，推荐使用PowerBI，可以较好的与Excel的学习做衔接，如果想要进阶学习数据分析，可以继续学习SQL和Python，针对不同的使用习惯和应用场景选择合适的数据分析工具。