有哪些数据分析的工具？ 黄金期货预测分析软件有哪些好用的

行业内普遍用的多的是Excel、R、Python、BI，可以满足大部分业务需求。

1.一般的办公需求下的数据处理工作；

2.中小公司数据管理，存储（很多国有企业都用）

3.学校学生，老师做简单的统计分析（如方差分析，回归分析）

4.结合Word，PowerPoint制作数据分析报告；

5.数据分析师的主力分析工具（部分数据分析师的辅助工具）

6.部分商业杂志，报刊图表制作（数据可视化）

优点：

1.容易上手；

2.学习资源十分丰富；

3.可以用Excel做很多事情，建模，可视化，报表，动态图表；

4.帮助你在进一步学习其它工具之前（比如Python，R），理解很多操作的含义；

缺点：

1.深入学习需要掌握VBA，难度有点高；

2.当数据量较大时，会出现卡顿的情况；

3.到Excel2016版，在不借助其它工具的情况下，Excel数据文件本身能够容纳的数据仅有108万行，不适合处理大规模数据集；

4.内置统计分析种类太简单，实用价值不大；

5.不像Python，R语言等开源软件，正版Excel需要付费，比如我用office365.每年需要支付300多块钱（不过也值了）

通过扩展的第三方R包，R能够做的事情几乎涵盖了任何需要数据的领域。就我们一般的数据分析或者学术数据分析工作而言，R能做的事情包括但不限于如下方面：

1.数据清洗与整理；

2.网络爬虫；

3.数据可视化；

4.统计假设检验（t检验，方差分析，卡方检验等）；

5.统计建模（线性回归，逻辑回归，树模型，神经网络等）；

6.数据分析报告输出（Rmarkdown）；

R容易学吗？

从我个人来看，想要入门R是非常简单的，10天的集中学习，对于掌握R的基本使用，基本数据结构，数据导入导出，简单的数据可视化，是完全没有问题的。有了这些基础，在遇到实际的问题时，去找到需要使用的R包，通过阅读R的帮助文档，以及网络上的资料，就能够相对快速的解决具体问题了。

R语言和Python同为需要编程的数据分析工具，所不同的是，R专门用于数据分析领域，而科学计算与数据分析只是Python的一个应用分支，Python还可以用来开发web页面，开发游戏，做系统的后端开发，以及运维工作。

现在的一个趋势是，Python在数据分析领域正在追赶R，在某些方面已经超越了R，比如机器学习，文本挖掘等偏编程的领域，但R语言在偏统计的领域仍然保持优势。Python在数据分析方面的发展，很多地方借鉴了R语言中的一些特色。所以，如果你现在还是一片空白，还没开始学习，要做决定学习R还是Python的话，建议从Python入手。 Python和R都比较容易学习，但是如果你同时学习两者，由于在很多地方它们非常相似，就会很容易混淆，所以建议不要同时学习它们。等其中一个掌握到一定的程度，再着手学习另外一个

Python能做什么？

1.网络数据爬取，使用Python能够很容易的编写强大的爬虫，抓取网络数据；

2.数据清洗；

3.数据建模；

4.根据业务场景和实际问题构造数据分析算法；

5.数据可视化（个人感觉不如R好用）；

6.机器学习，文本挖掘等高级数据挖掘与分析领域；

应该学习R还是Python？

如果因为时间有限，只能选择其中的一种来学习的话，我建议使用Python。但我仍然建议两者都了解一下，毕竟每个人都不一样。可能你在某些地方听说，Python在工作中更加常用，但是工作中，解决问题才是最重要的，如果你能够用R高效的解决问题，那就用R。实际上，Python很多数据分析方面的特色，是模仿R来实现的，比如pandas的数据框，正在开发中的ggplot可视化包模仿的是R语言中非常著名的ggplot2.

多数分析师日常的工作就是做报表，而数据分析师