非編程篇/可直接上手的工具

1.Excel

Excel是最容易上手的圖表工具，善於處理快速少量的數據。結合數據透視表，VBA語言，可製作高大上的可視化分析和dashboard儀表盤。

單表或單圖用Excel製作是不二法則，它能快速地展現結果。但是越到複雜的報表，excel無論在模板製作還是數據計算性能上都稍顯不足，任何大型的企業也不會用Excel作爲數據分析的主要工具。

2.可視化 BI（Power BI \Tableau \ 帆軟FineBI等等）

也許是Excel也意識到自己在數據分析領域的限制和眼下自助分析的趨勢，微軟在近幾年推出了BI工具Power BI。同可視化工具Tableau和國內帆軟的BI工具一樣，封裝了所有可能分析操作的編程代碼，操作上都是以點擊和拖拽來實現，幾款工具的定位稍有不同。

Power BI

最大的明顯是提供了可交互、鑽取的儀錶板，利用Power Pivot可直接生產數據透視報告，省去了數據透視表。

Tableau

可視化圖表較爲豐富，堪稱一等， 操作更爲簡單。

帆軟FineBI

企業級的BI應用，實用性較強，因2B市場的大熱受到關注。千萬億級的數據性能可以得到保證，業務屬性較重，能與各類業務掛鉤。

對於個人，上手簡單，可以騰出更多的時間去學習業務邏輯的分析。

編程篇

對於尋求更高境界數據分析師或數據科學家，如果掌握可視化的編程技巧，就可以利用數據做更多的事情。熟練掌握一些編程技巧，賦予數據分析工作更加靈活的能力，各種類型的數據都能適應。大多數設計新穎、令人驚豔的數據圖幾乎都可以通過代碼或繪圖軟件來實現。

與任何語言一樣，你不可能立刻就開始進行對話。要從基礎開始，然後逐步建立自己的學習方式。很可能在你意識到之前，你就已經開始寫代碼了。關於編程最酷的事情在於，一旦你掌握了一門語言，學習其他語言就會更加容易，因爲它們的邏輯思路是共通的。

1. Python語言

Python 語言最大的優點在於善於處理大批量的數據，性能良好不會造成宕機。尤其適合繁雜的計算和分析工作，而且，Python的語法乾淨易讀，可以利用很多模塊來創建數據圖形比較受IT人員的歡迎。

利用 Python 生成的圖表

2. PHP語言

PHP這個語言鬆散卻很有調理，用好了功能很強大。在數據分析領域可以用php做爬蟲，爬取和分析百萬級別的網頁數據，也可與Hadoop結合做大數據量的統計分析。

因爲大部分 Web 服務器都事先安裝了 PHP 的開源軟件，省去了部署之類的工作，可直接上手寫。

比如 Sparkline（微線表）庫，它能讓你在文本中嵌入小字號的微型圖表，或者在數字表格中添加視覺元素，就像下面這張圖一樣：

利用 PHP 圖形函數庫生成的微線表

一般 PHP會和 MySQL 數據庫結合使用，這使它能物盡其用，處理大型的數據集。

3.HTML、JavaScript 和 CSS語言

很多可視化軟件都是基於web端的，可視化的開發，這幾類語言功不可沒。而且隨着人們對瀏覽器工作越來越多的依賴，Web 瀏覽器的功能也越來越完善，藉助 HTML、JavaScript 和 CSS，可直接運行可視化展現的程序。

可交互日曆，同時也是用戶使用 your.flowingdata 的熱度圖

不過還是有幾點需要注意。由於相關的軟件和技術還比較新，在不同瀏覽器中你的設計可能在顯示上會有所差別。在 Internet Explorer 6 這類老舊的瀏覽器中，有些工具可能無法正常運行。比如一些銀行單位仍舊使用着IE，無論是自己使用還是開發的時候都要考慮這樣的問題。

4.R語言

R語言是絕大多數統計學家最中意的分析軟件，開源免費，圖形功能很強大。

談到R語言的歷史，它是專爲數據分析而設計的，面向的也是統計學家，數據科學家。但是由於數據分析越來越熱門，R語言的使用也不瘦那麼多限制了。

R的使用流程很簡潔，支持 R 的工具包也有很多，只需把數據載入到 R 裏面，寫一兩行代碼就可以創建出數據圖形。比如利用 Portfolio 工具包快速創建出如下的板塊層級圖。

R 生成的熱度圖

當然還有很多傳統的統計圖表。