目前常用的市场数据分析软件有哪些？

我最近刚做了个梳理，大致可以分为六类：

1，流量分析类：

• Google Analytics
• 百度统计
• CNZZ

2，App 分析类：

• 友盟
• TalkingData
• 百度移动统计

3，用户行为分析类：

• Mixpanel
• Heap Analytics
• 神策分析（ 神策数据 | Sensors Data）：作为神策数据的创始人，我这里得多加两句说明。相比其他家，神策分析提供（1）私有化部署，保证数据安全；（2）支持可视化埋点、代码埋点、工具导入等多种数据采集手段，并有分析师配合指导，帮助客户做好数据的采集与建模；（3）作为PaaS平台，方便进行二次开发。
• 诸葛IO
• GrowingIO

4，数据可视化类：

• Tableau
• Qlik
• BDP
• 永洪BI

5，应用市场监控类：

• App Annie
• ASO100
• ASO114

6，广告效果监测类：

• AppsFlyer
• Adjust

以上并没有包括所有的产品，只是列出了比较有名和我比较熟悉的，供参考。

对于企业的IT部门来说，主要还是用BI工具进行数据分析，传统重型BI的代表厂商有SAP、ORACEL等，而tableau、powerbi等不少自助式BI逐渐成为趋势，国内具有代表性的是FineBI等。

一、SAP BO

BO是BI界的元老级软件，现在已经被SAP公司收购，产品运作模式是结合SAP的ERP系统。

优点：

1. 在收购BI工具的领导厂商博奥杰之后仍然坚持其自主运作
2. 为使用SAP ERP大客户提供更多更好的BI功能，包括操作型BI
3. 为CFO提供强大的效绩管理工具
4. 与SAP结合的ERP具有一定的优势

缺点：

1. 整合其他数据库或者数据系统不占优势，属于重型BI
2. SAP公司没有自己的数据库产品
3. 升级困难，代价昂贵
4. 整合资源困难，技术支持薄弱
5. 功能定位不清晰

二、Tableau

Tableau自身定位是一款可视化工具，与Qlikview的定位差不多，是一款非常成熟的全球化商业软件，拥有着非常强大的数据可视化分析功能。

优点：

1. 官网提供很多学习文档、案例、视频等资源供用户进行上手学习
2. 支持进行Iframe网页集成
3. 内置时序分析预测、聚类算法，可进行简单数据挖掘计算处理
4. OLAP计算分析能力比较强大

缺点：

1. 对计算机的硬件要求很高，部署十分复杂
2. 数据模型属于宽带模型，灵活性和拓展性比较差
3. 无法控制用户查看的列级别的权限粒度，数据权限控制较差
4. 国内主要是代理商提供项目实施和技术服务，本土化稍弱，不如国内厂商
5. 不能进行深度的数据挖掘

三、Power BI

Power BI来源于微软公司，主要基于高级Excel功能，目前国内BI商业化模式推广正处于起步阶段。

优点：

1. 基于ERP和财务帐套，内置多种分析模块
2. 面向ERP之上的数据分析，在应用产品上更专业
3. 在数据建模上，支持实时和抽取模式，但不支持多数据源

缺点：

1. 可视化程度很低
2. 不支持Kylin、Derby、Gbase、ADS、Hbase、Mongodb的数据源连接
3. 对用户的技术要求较高，学习成本较大
4. 计算分析能力和数据挖掘能力与同样的FineBI相比起来较差

四、 FineBI

帆软旗下的自助性BI产品，数据分析功能强大，帆软这个公司从报表到BI ，在国内市场做了13年，现在是国内BI市场占有率第一。 FineBI商业智能软件 - 新一代自助大数据分析的BI工具帆软旗下的自助性BI产品，数据分析功能强大，帆软这个公司从报表到BI ，在国内市场做了13年，现在是国内BI市场占有率第一。

优点：

1. 性能强大，在报价上有优势，性价比最高
2. 简单易学，支持自助式数据分析，能应用复杂多变的场景需求
3. 支持多数据源连接，对企业数据平台的对接能力更强
4. 内设多种数据挖掘算法，数据加工能力强大
5. 后期采用jar包升级换代，维护方便
6. 轻量化的BI工具，部署方便，走多维分析方向

缺点：

• 属于轻量级应用

最后分享一些相关资料：

——转载自 @阿尔法汪 的原创内容。

BI（BusinessIntelligence）即商业智能，越来越多的智能软件供应商推出可视化数据分析工具，应对企业业务人员的大数据分析需求。然而如果你觉得不是数据分析专业、没有挖掘算法基础就无法使用BI工具？NO，自助式分析工具已经让数据产品链条变得大众化，。为了更好地帮助读者选择分析工具，本文将为介绍数说立方、数据观、BDP等11款BI-商业智能产品，排名不分先后！

1、数说立方

数说立方是数说故事新推出的一款面向数据分析师的在线商业智能产品。最重要的特点是配备百亿级社交数据库，同时支持全网公开数据实时抓取，从数据源端解决分析师难点；另外数说立方搭载了分布式搜索、语义分析、数据可视化三大引擎系统的海量计算平台，实现数据处理“探索式分析”和“秒级响应”的两个核心功能。同时数说立方是数说故事三大主打产品之一，并与其他两大产品数说聚合和数说雷达实现从数据源、数据分析、到数据展示完整的数据解决方案。

优点：

• 即便是个人免费版，体验和功能仍然非常好；
• 与自家产品“数说聚合”的无缝接入，支持定向抓取微信、微博等数据；
• 功能完善，集数据处理、特征工程、建模、文本挖掘为一体的机器学习平台；
• 可视化视图展现、友好的客户感知页面；
• 支持SAAS，私有化部署，有权限管理；

缺点：

• 产品新上市，操作指导页不太完善；
• 体验过程中有一些小bug；

体验网址： 数说立方

2、数加平台

数加是阿里云发布的一站式大数据平台，可以提供数据采集、结构化、加工到展示分析整套的一站式数据服务。 可采集不同系统及物理存储的源头数据，在分布式计算平台上进行数据的深度整合、计算、挖掘，将计算的结果通过可视化的工具进行个性化的数据分析和展现，也可直观的展示分析现有云上业务系统的数据库数据。

优点：

• 有完整的产品规划，功能完善；
• 图形展示和客户感知良好；
• 提供SQL查询；

缺点：

• 需要捆绑阿里云才能使用，一般用户还不能真正使用起来；
• 部分体验功能一般，有一定的学习成本；

体验网址： 阿里云-数加

3、Tableau

Tableau是目前市面上较为成功的BI工具。产品既有针对性，又有普适性。拖放式界面，操作简单。数据兼容性强，适用于多种数据文件与数据库，同时也兼容多平台，windows、mac、Online均可使用。而且重要的一点是免费为用户安排现场培训或按需求进行在线培训。

优点：

• 处于行业领导者地位，功能完善；
• 有较好的图形展现与客户感知；
• 新产品开始支持云端展现，但是需要客户端支持；

缺点：

• 相比于商业智能BI，更像一个基于数据查询的数据展示工具；
• 处理不规范数据、转化复杂模型比较难；
• 无法处理大量数据；
• 国内网络连接Online版速度较慢；

体验网址： 商业智能和分析

4、Qlik

QlikView只需轻轻单击几下，就可以对所有数据源进行合并、搜索、可视化和分析，可在不影响性能的前提下连接到多个数据源；其次视图种类丰富，界面简洁，互动性强，总体来说是一款简单易用的BI产品。Qlik用户可通过各类可视化效果，将Qlik扩展到任何应用程序中。另外用户也可以通过使用标准的和最新的网络API，可将可视化效果数据嵌入网站或应用程序。

优点：

• 产品功能完善，图形展现和客户感知良好；
• 支持SAAS，有权限管理功能；

缺点：

• 有一定的学习成本；
• 报表规范性要求很高；
• 数据抓取功能都非常弱，需要有非常好的数据仓库作为基础；

体验网址： 商业智能和数据可视化软件

5、Spotfire

Spotfire服务对象是一线工作人员和日常决策人员，其交互界面形象易懂，无需写脚本语言和编写程序就可以对数据进行添加、分离操作。内置搜索引擎，可以随意查找任意信息。支持R、S+等统计、挖掘功能；有丰富、开源的R模型。标记有自身特色，提供了过滤、钻取等功能，多个标记同时还可以实现图形化的集合运算。

优点：

• 交互界面形象易懂，即使是普通的业务人员也能轻而易举地进行复杂的数据分析；
• 不一定要建数据仓库，还可以直接从多个异构数据源提取数据进行分析；
• 支持SAAS，有权限管理功能；

缺点：

• SAAS版只支持30M，由于是国外服务器所以上传很慢；
• 不适合中国式的固定报表；
• 进军中国市场较晚，国内案例较少；
• 工具的适应性范围广，但是难易跨度大；

体验网址： Data Visualization & Analytics Software

6、神策分析

神策分析的产品有完整的使用文档，每个模块都有详细的使用说明以及示例，降低了用户的学习成本。而且支持私有部署、任意维度的交叉分析，并帮助客户搭建专属的数据仓库。目前提供事件分析、漏斗分析、留存分析、数据管理等功能，未来预计会增加用户分群、用户人群分析、推送和异常维度组合挖掘等，工具需要付费使用。

优点：

• 专注于用户行为数据分析，不追求做大而追求做全；
• 有详细的产品使用文档以及案例；
• 提供SQL查询；

缺点：

• 更多的是demo示例，不能开箱即用；
• 纯dashboard展示，并不能对单独一块数据作自定义分析；

体验网址： 神策数据 | Sensors Data

7、BDP

（因为产品改版了，所以换了一张图片）

BDP个人版使用免费，只需导入数据，设定分析维度，即可实时得到图表分析结果。产品示例和视频教学很细致，交互页面很友好。每次数据更新，对应的图表也会自动更新，可以免去一些重复分析、制作图表的数据工作。另外，分享环节也很贴心，数据仪表盘可以一键导出，也可直接生成链接分享给他人或分享到微信、微博等社交平台。

优点：

• 产品支持移动端；手机同步呈现最新数据
• 用户可以免费使用工具，还有免费公开的数据源；
• 操作体验流畅，界面友好，功能全，总体来说是一款不错的产品；
• 即便是个人免费版，体验和功能仍然非常好；
• 数据可以同步更新，免去了重复劳动的工作；

缺点：

• 官网的介绍比较简单；

体验网址： BDP个人版-零门槛可视化分析利器

8、永洪BI

永洪BI是一款可在前端进行多维分析和报表展现的BI软件。支持拖拽操作，数据源格式多样，提供不同级别的查询支持，支持跨库跨源连接。另外永洪提供了一款数据存储、数据处理的软件——MPP数据集市，可与BI打通，使得数据查询，钻取和展示的速度大幅度提高。不过其产品用户体验一般，拖拽过于自由，导致仪表盘布局不好控制；主题样式虽多但是给人感觉样式还是很传统。

优点：

• 商业流程完善，给人专业的感觉；
• 产品定制化的版本效果不错；
• 支持的数据接入较多；

缺点：

• SAAS版体验很差，有一定的学习成本；
• UI的视觉效果一般，整体可视化效果不够现代化；

体验网址： 北京永洪商智科技有限公司

9、数据观

数据观的功能设计理念是极简、无门槛，所以它最大的特点就是简单。数据观数据来自云端，如：百度 网盘、微盘、salesforce等。数据上传后，马上有推荐图表，引导明确。另外产品的使用没有技术门槛，无需专业IT知识，同时适用于非专业分析师出身的业务人员，可以快速将数据转化成直观的图表，适合一开始接触数据分析工具的非专业数据从业人员。

优点：

• 注册只需填写邮箱，且支持明道账号登陆；
• 使用引导明确，支持salesforce、百度云数据导入；
• 分析结果支持链接分享，大大降低用户的沟通成本；

缺点：

• 不支持超过20MB的数据上传；
• 数据导入后，数据分析体验方面存在bug；
• 产品的使用以点击为主，不支持拖拽操作；

体验网址： http://www.shujuguan.cn

10、FineBI

FineBI分为数据处理、可视分析和分享公用三大功能模块。支持多种数据源，图表风格清爽美观，可选择任意维度分析。分析页面由控件和组件组成，控件和组件的数量是可以添加至任意多个，但是布局的交互比较僵硬，且使用逻辑有点乱，引导不明确。需要安装本地客户端才能使用。

优点：

• 有较为详细的行业案例与技术方案；
• 产品演示和资源中心也较为清晰

缺点：

• 需要使用客户端，增加了使用的不便利性
• 只有仪表盘展示，BI报表需要另一款产品；
• 无法处理大量的数据；

体验网址： FineBI商业智能解决方案|BI工具

11、魔镜

魔镜支持自动拖拽建模，同时可视化效果库十分酷炫。用户可以邀请团队成员到自己的项目，合作进行探索分析，并且按照需求有效控制访问数据的成员权限。产品模块规划完整，有基础企业版到hadoop等5种选择为，而且可以支持定制化服务。但是可能是云平台版的缘故，使用过程中出现不少BUG，企业版的体验可能会相对好一点。

优点：

• 产品模块的规划比较健全，其中包括数据源导入、数据分析、仪表盘、数据挖掘和数据工厂；
• 官网的设计不错，模板选择性大，颜值控可能会喜欢；
• 工具使用指导清晰，使用篇和方法篇等比较详细；

缺点：

• 产品存在较多的BUG，UI和功能相对其他产品来说较简陋；
• 部分产品模块并不能切实用于数据分析；

体验网址： 国云大数据魔镜

选择一款适用的BI产品，能够大大简化数据分析的繁杂工作，提高分析效率与质量。当然，以上每个工具各有优点，工具地址都给大家了，接下来就是轮到你动手的时候了，找一个自己喜欢的工具，开始吧！

从问题描述看，题主应该是需要个人使用的数据分析软件，企业级BI软件可能不太符合实际情况，价格较高。个人数据分析软件还是很多的，推荐一个我常使用的免费数据分析软件， Yonghong Desktop，软件功能很多，能覆盖市场数据分析日常工作中的很多场景。功能层面可以理解为是Tableua+SPSS+Python三个软件的综合，从基础的数据可视化到统计分析再到一些简单的机器学习模型都可以覆盖。

因为工作内容问题，我接触的市场营销分析比较少，在这里我就举个其他数据分析工作场景的例子，给大家初步展示是如何使用 Yonghong Desktop完成一次数据分析的。

1.数据导入

分析的第一个环节是数据导入，这里支持很多种数据导入的方式，常用的数据源都基本可以支持，本次我们分析的数据是csv文件，所以选择Excel的形式。

数据导入后在右侧可以看到数据内容的概览，点击左边新建报告按钮就可以进入可视化分析环节。在这我们导入原始数据。

2.可视化分析

本次分析的目标是刻画违约用户的用户画像，所以针对违约用户的特征分析是本次分析的关键，需要用到大量可视化图表分析，在可视化分析环节，软件内置了很多常见/不常见的可视化图表，从常见的柱状图、折线图、饼图到不常见的漏斗图、雷达图等等，分析中需要用到的图表几乎全部可以在这里找到，比较全面。

画图的方式也是简单的拖拽法，不需要写代码，操作和tableau接近，选择好想要的图表后，把想要分析的维度和指标拖拽到图表对应位置。

首先查看违约用户/非违约用户性别分布情况，在这里我们采用环形图去，直接选中环形图图表拖拽到工作区。

并在指标和分组中，分别拖入用户名指标和性别维度

需要注意的是，因为我们需要计算的是用户的个数，因此在指标中选择计数，除计数外，软件还支持其他方式对指标计算、比如均值、最大值等。

再然后因为我们想要去查看违约用户对年龄分别情况，在这里我们利用图表的用户筛选功能，去把违约用户给筛选出来，TARGRT = 1

双击左上方修改图表标题，我们就得到了违约用户的性别分布情况，女性223人，男性163人，男女比例接近4比6.

以此内推，我们画出非违约用户的性别分布情况，直接选择复制组件复制一个一样的环形图可以省不少事，然后修改筛选条件为非违约用户就可以得到非违约用户的性别分布情况，3078个女性用户，1536个男性用户，男女比接近3比7，通过两个饼图的男女比例我们不能看出，男性用户相对女性用户会更容易违约，由此我们就得出了第一个画像刻画。

同样的方法以此类推，可以进行更多维度刻画，对比平均年收入发现，非违约用户年收入更高。

从年龄分布上看，非违约用户年龄更小，年龄更小的用户可能更容易违约。

这些图表通过拖拽的方式可以很轻松的完成，由此我们就初步完成了对违约用户的画像刻画：男性用户、年龄小的用户、低收入用户具有更高的违约概率。

除了基本可视化外，工作中还经常会到数据原有的指标不够用，需要对原有指标进行一些组合运算的情况，比如我想根据用户年收入和孩子总数量去计算出用户在每个孩子身上平均能够进行的花销，这个数字越小认为用户的负担可能越重，违约的可能性越大，Yonghong Desktop可以直接支持指标的计算。

可以看到非违约用户的平均能在每个孩子身上花的收入要远高于违约用户！由此我们就获得一个非常重要的违约用户区分指标，用户平均每个孩子可花费收入。

总结：我们目前得到的违约用户画像包括：男性、年龄小、年收入低、平均每孩子的可花费收入更低，由此我们就完成了进一步的违约用户画像刻画。

总的来说，Yonghong Desktop提供的多样化分析图表和拖拽式的简洁操作，以及各种深度分析能力，可以比较大程度提高分析效率，是一个很不错的数据分析软件。感兴趣的话可以下载体验一下（地址： https://www.yonghongtech.com/cp/desktop/）。

一款数据分析软件，整个分析流程包括数据采集&接入、数据清洗&传输、数据建模&存储、数据计算&分析、数据查询&可视化。

简单说一下分析软件，目前市面上数据分析软件较多，主要分为以下几个类型：

具体说一下这些分析软件：

1、友盟+： https://www.umeng.com/

最常用的APP分析软件，友盟+作为一款自助式分析工具，主要功能包括：App用户统计、用户行为分析、行业看板、用户运营工具。

1）App统计功能包括：实时统计、用户分析、留存分析、渠道分析、用户参与度等。

在用户分析中，包括对新增用户、活跃用户、启动次数、留存率的分析。

2）用户行为分析功能：包括事件分析、漏斗分析、自定义留存分析、路径分析、用户分群、用户画像。

3）运营功能：包括用户生命周期各阶段的用户分析，像新手阶段、成长阶段、沉默阶段、流失阶段。

分析和运营功能主要用于用户运营，进行用户画像和生命周期管理。

整体而言，友盟+功能还算全面，可以涵盖从用户统计、分析到运营。包括即席分析功能在内，大部分功能都是免费使用的，只需要技术集成SDK，基本上可以满足大家对一款App的数据统计分析需求。特别是提供了埋点模版和行业看板，对一些不会梳理埋点和搭建报表的初创企业，十分友好。

像问题中提到的对于一个产品的运营状况如何，营销效果如何，这些直接在友盟+上就可以看到。

2、百度统计： https://tongji.baidu.com/

主要用于网站流量统计，功能包括：流量分析、来源分析、访问分析、转化分析、访客分析、优化分析。

通过来源分析，可以直接看到网站流量的主要来源，是用户直接访问，还是通过搜索引擎、外部链接。

百度统计操作起来也比较简单，基础功能免费，适合用做SEO优化。

百度统计分为五个模块：用户管理模块、行为分析模块、增长实验模块、渠道转化模块、数据应用模块。

3、CNZZ（站长统计）

已和友盟+合并，也就是直接用友盟+的账号就可以登录，具体功能和展示页面与百度统计类似。

4、Google Analytics（简称GA）

Google公司提供的数据分析工具，主要用于分析网站数据，以前用的较多。

二、用户行为分析、用户增长

GrowingIO： https://www.growingio.com

通过对实时的用户行为数据进行分析，以优化产品体验，用数据驱动用户和营收的增长。和友盟+一样，通过添加 SDK统计分析数据。

优点是针对各个行业，有比较定制化的数据模板，以电商行业为例，数据看板domo如下：

GrowingIO相关功能需要付费使用，可以免费试用 15 天。

诸葛IO： https://zhugeio.com/

神策数据： https://www.sensorsdata.cn/auto

基本功能和GrowingIO接近。

三、ASO优化

七麦数据： https://www.qimai.cn/

ASO114: https://aso114.com/

禅大师： https://www.chandashi.com/

这块不算主流，主要用于ASO优化人员，就是APP在应用商店的优化。通过优化关键词来提高APP在应用商店的排名。

例如，你搜贷款，排名第一位的是某贷款软件，那用户下载的概率就比较高，ASO在在游戏、金融产品做得比较多。

数据指标：榜单实时排名、关键词数量、TOP3关键词数、TOP10关键词数、下载量、好评数。

四、搜索指数类

百度指数： http://index.baidu.com/v2/index.html#/

用于查看关键词搜索趋势、网民兴趣和需求、监测舆情动向、资讯和媒体指数。

像做一些品牌广告，可以通过搜索指数的变化来查看品牌推广效果。

对于一个网站，搜索指数逐渐上升，说明搜该网站处在上升期，受用户关注在增长。

另外，还有淘宝指数、微信指数、微博指数等。

五、数据可视化工具

BDP个人版： https://me.bdp.cn/home.html

页面功能简单，基础功能免费使用。

Echarts： https://www.echartsjs.com/examples/zh/index.html

Tableau: https://www.tableau.com/

Fine BI: https://www.finebi.com/

Power BI： https://powerbi.microsoft.com（微软发布的自助智能商业分析工具）

数据可视化工具较多，如果excel水平较强，可以直接用Power BI。

数据分析过程中，工具只是辅助，选择适合自己的就行。

做数据分析，一定要明白以下几点：

1）核心数据是什么？就是所谓的KPI。

像社交产品，最核心的数据是日活跃用户、平均使用时长。

电商产品是成交金额、客单价、转化率。

2）数据分析的目的是什么？

产品优化、用户增长，通过数据来驱动变现和增长，通过数据来搭建收入增长等式。

以电商为例，实现增长的等式：

收入增长 = 流量×每个产品页的流量×产品库存×购买转化量×平均购买价值×重复购买行为

所以，要实现收入增长，需要提高店铺的总曝光量、产品页面的流量、保证产品库存、提高转化率、提高平均购买金额、增加重复购买的用户数。

在做数据分析的过程中，要追求简单实用高效。以数据可视化为例，看起来很华丽，如果没有从中发现数据的规律，找出数据的价值，就只放在那里自我欣赏，对产品的增长并没有多少帮助。

3）互联网时代，每个人都要有数据意识

数据分析不是一个人或一个部门的事情，而是整个公司，每一名员工的事情。

作为一名运营和产品人员，不要说数据与你无关，那是数据分析师的事情。

你不去了解数据，怎么知道用户从哪里来，用户在那个页面上停留时间最长，用户访问到那个页面的时候就跳出去了。

数据分析工具类软件，大体可以分为以下5类：

Excel生态工具、数理统计工具、BI工具、数据库工具、编程工具

（Excel单独分成一类，主要是因为它应用场景广泛，且用户基数过于庞大，甚至超过其他所有工具用户之和）

每个类别的代表工具分别有：

Excel生态：Excel、VBA、PowerQuery、PowerPivot、Power View、Power Map

数理统计工具：SAS、SPSS、Stata、Minitab、Eviews、Statistica、MATLAB、Mathematica

BI工具：PowerBI、Tableau、Qlikview、SAP BI、Oracel BI、FineBI、Yonghong BI

数据库工具：MySQL、PostgreSQL、Oracle、SQLServer、MongoDB、Hive

编程工具：Python、R、Julia、Scala、Spark、Java、Hadoop​

下面分别就每个工具做简单介绍

Excel生态

Excel不光包含表格软件，还有很多内置的数据分析工具和插件，从群众基础来说无人能及。

1、Excel

无需多言，几乎人人都在用的数据处理软件，由微软开发，是office三剑客之一。

虽然excel很容易入手，但大部分人对excel的使用程度还处在入门阶段，存取数据、做做表。

其实excel可以制作复杂的报表、模型、应用、系统，比如构建金融分析模型。

大家学习excel，可以从基本界面、导入导出、公式&函数、筛选排序、数据格式、可视化图表、数据透视表、数据模型、工作协作这几个方面入手，最好是按照官网文档指导，配合实践，一般进步会很快。

2、VBA

Excel里的编程语言，通俗理解为宏，自动化地执行一些操作。Office 软件提供丰富的功能接口，VBA 可以调用它们，实现自定义的需求。

VBA最大的作用是自动化、批量化、智能化地操作Excel，被广泛应用于数据分析处理、数据建模、报表开发、应用开发等，在金融、审计、财务等行业非常流行。

3、PowerQuery

一种嵌入Excel Microsoft 产品的技术，旨在帮助你塑造数据。 在Excel，选择功能区上的"数据"选项卡，查看"获取&转换数据和查询"&连接"组。

从各种数据源导入和刷新数据后，可以在分步转换中调整数据，逐步创建唯一的表格形状以满足数据分析需求。

4、PowerPivot

一种数据建模技术，用于创建数据模型，建立关系，以及创建计算。 可使用 PowerPivot 处理大型数据集，构建广泛的关系，以及创建复杂（或简单）的计算，这些操作全部在高性能环境中和所你熟悉的 Excel 内执行。

5、Power View

一种数据可视化技术，用于创建交互式图表、图形、地图和其他视觉效果，以便直观呈现数据。 Power View 在 Excel、BI SharePoint、SQL Server 和 Power BI 中均可用。

6、Power Map

一种三维 (三维) 数据可视化工具，可用于以新方式查看信息。 通过电源图，可发现传统二维表格和图表中 (二维) 见解。

使用 Power Map ，可以在三维地球或自定义地图上绘制地理和时态数据，显示这些数据，并创建可以与其他人分享的视觉浏览

数理统计工具

这类工具偏专业数学统计分析，可以做数据挖掘、数据建模、系统搭建等工作，适合学术和大型商业公司。

7、SAS

三大统计软件之一。是目前国际上最为流行的一种大型统计分析系统，被誉为统计分析的标准软件。

它由数十个专用模块构成，功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等等。

主要完成以数据为中心的四大任务：数据访问；数据管理；数据呈现；数据分析。

8、SPSS

三大统计软件之一。IBM公司的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称。

SPSS和Excel比较像，界面简单，适合初学者使用，且统计功能强大，拥有四大模块，用于数据处理、描述性分析、推断性分析和探索性分析。

SPSS具有完整的数据输入、编辑、统计分析、报表、图形制作等功能，自带11种类型136个函数。

SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

9、Stata

三大统计软件之一。是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它功能非常强大，包含线性混合模型、均衡重复反复及多项式普罗比模式。

用Stata绘制的统计图形相当精美，且Stata具有操作灵活、简单、易学易用、运行速度极快等优点。

功能包括：数据管理，统计分析，图表，模拟，自定义编程。

10、Minitab

数据分析、统计、过程改善工具。应用场景是现代质量管理统计，通常结合一些统计处理方法，如六标准差（Six Sigma）, 能力成熟度模型集成（CMMI），以及其他制程改善方法等。

11、Statistica

一个整合数据分析、图表绘制、数据库管理与自订应用发展系统环境的专业软件。

STATISTICA不仅提供使用者统计、绘图与数据管理程序等一般目的的需求，更提供特定需求所需的数据分析方法(例如，数据挖掘、商业、社会科学、生物研究或工业工程等)。

12、MATLAB

三大数学软件之一。一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。

除矩阵运算、绘制函数/数据图像等常用功能外，MATLAB还可用来创建用户界面，以及调用其它语言（包括C、C++、Java、Python、FORTRAN）编写的程序。

MATLAB的工具箱非常强大，可以支持各行各业做数据分析建模。

典型应用有：数据分析、数值与符号计算、工程与科学绘图、控制系统设计、航天工业、汽车工业、生物医学工程、语音处理、图像与数字信号处理、财务、金融分析、建模、仿真及样机开发、新算法研究开发、图形用户界面设计等。

13、Mathematica

三大数学软件之一。一款科学计算软件，有时候也被称为计算机代数系统，广泛使用于科学、工程、数学、计算等领域。

它很好地结合了数值和符号计算引擎、图形系统、编程语言、文本系统、和与其他应用程序的高级连接，很多功能在相应领域内处于世界领先地位。

BI工具

BI也就是商业智能，一般用来分析商业数据，洞察商业机会。这可以是大部分数据分析岗位需要用到的工具，因为学习简单，且数据处理和展示功能强大。

下图是Gartner统计的BI工具实力榜：

14、PowerBI

微软的BI产品，也是目前世界上最流的BI工具之一，它优势在于和微软生态集成较好。

Power BI 是软件服务、应用和连接器的集合，它们协同工作以将相关数据来源转换为连贯的视觉逼真的交互式见解。

无论用户的数据是简单的 Excel 电子表格，还是基于云和本地混合数据仓库的集合，Power BI 都可让用户轻松地连接到数据源，直观看到（或发现）重要内容，与任何所希望的人进行共享。

Power BI 简单且快速，能够从 Excel 电子表格或本地数据库创建快速见解。 同时 Power BI 也可进行丰富的建模和实时分析，及自定义开发。

因此它既是用户的个人报表和可视化工具，还可用作组项目、部门或整个企业背后的分析和决策引擎。

15、Tableau

同样是目前世界上最流的BI工具之一，优点是数据分析、可视化能力强大。

Tableau是用于可视分析数据的商业智能工具。用户可以创建和分发交互式和可共享的仪表板，以图形和图表的形式描绘数据的趋势，变化和密度。

Tableau可以连接到文件，关系数据源和大数据源来获取和处理数据。该软件允许数据混合和实时协作，这使它非常独特。它被企业，学术研究人员和许多政府用来进行视觉数据分析。它还被定位为Gartner魔力象限中的领导者商业智能和分析平台。

16、Qlikview

一个完整的商业分析软件，使开发者和分析者能够构建和部署强大的分析应用。QlikView应用使各种各样的终端用户以一个高度可视化，功能强大和创造性的方式，互动分析重要业务信息。

它让开发者能从多种数据库里提取和清洗数据，建立强大、高效的应用，而且使它们能被Power用户、移动用户和每天的终端用户修改后使用。

17、SAP BI

SAP公司的BI服务，一款支持数据报告、可视化和共享的集中式套件。作为 SAP Business Technology Platform [业务技术云平台] 的本地 BI 层，该套件可以随时随地将数据转化为有用的洞察。

18、OracleBI

Oracle公司的BI服务。

19、FineBI

国内较为领先的BI软件，定位于自助大数据分析的BI工具，提供数据处理、即时分析、多维度分析、可视化等服务。

20、Yonghong BI

同样是国内较为领先的BI软件，基于本机安装，省去繁琐的部署环节，即装即用。提供一站式、敏捷、高效的数据治理及可视化分析、AI深度分析能力。

数据库工具

数据库是数据存储的工具，一般企业都会有自己的私有部署数据库，或者云数据库，每一位数据从业者几乎都需要和数据库打交道。因为熟悉各类数据库，并编写SQL查询，是数据人必备技能之一。

21、MySQL

最流行数据库之一，国内互联网公司最喜欢的数据库，我愿称之为必学。

MySQL在过去由于性能高、成本低、可靠性好，已经成为最流行的开源数据库，因此被广泛地应用在Internet上的中小型网站中。

随着MySQL的不断成熟，它也逐渐用于更多大规模网站和应用，比如维基百科、Google和Facebook等网站。非常流行的开源软件组合LAMP中的“M”指的就是MySQL。

22、PostgreSQL

最强大且最具潜力的数据库之一，开源免费，分析能力强，稳定可靠，支持广泛。在很多方面都比MySQL强，如复杂SQL的执行、存储过程、触发器、索引。我愿称之为最强。

23、Oracle

老牌企业，最稳定的数据库之一。大部分银行、证券、电信等行业都在使用Oracle，因为其商业化程度高、功能强大且稳定，所以备受世界500强欢迎。

24、SQLServer

微软公司数据库产品，windows系统上最强王者。具有易用性、适合分布式组织的可伸缩性、用于决策支持的数据仓库功能、与许多其他服务器软件紧密关联的集成性、良好的性价比等。

25、MongoDB

一个基于分布式文件存储的数据库。由 C++ 语言编写。旨在为 WEB 应用提供可扩展的高性能数据存储解决方案。

MongoDB 是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。

26、Hive

Hadoop大数据生态的数据查询工具，一个用来开发SQL类型脚本来执行MapReduce操作的平台，当前在互联网公司应用非常广泛。

具体来说，Hive是一个数据仓库基础设施工具，用于处理Hadoop中的结构化数据。它位于Hadoop的顶部，用于汇总大数据，并使查询和分析变得轻松。

编程工具

除了上述的数据分析软件外，编程用于数据分析也是大趋势。越来越多的数据分析师通过Python、R等进行数据建模、可视化，而且编程语言快速、灵活、复用性强的特点也适合数据处理分析。

27、Python

目前最火的数据科学编程语言，没有之一。Python因为其简洁的语法、强大的生态、无所不能的应用几乎已经霸占了数据分析编程领域的半壁江山。

前段时间matlab被限制在中国使用，知乎上开始讨论什么工具可以替代matlab，python是被提及最多的编程语言。

且不说python能否替代matlab，就目前python在科学计算、模型构建、可视化上的能力就已经可以傲视编程界，其拥有像numpy、scipy、statemodels、pandas、matplotlib等众多现象级的数据科学库。

不管是github、kaggle、天池，还是企业高校里的数据项目，python几乎都已成为首选支持语言之一。

另外在高端科技领域，同样有python的身影。自 1997 年，NASA 就大量使用 Python 进行各种复杂的科学运算。

至于AI，这也是python的看家本领了，其应用生态可谓波澜壮阔、群星云集。

不仅有tensorflow、pytorch、caffe、keras等主流人工智能学习框架，还有Gensim、NLTK、OpenCV、Mahotas等专注于nlp、cv细分领域的经典开发工具。

28、R

编程统计工具的鼻祖。作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统。

R是一套由数据操作、计算和图形展示功能整合而成的套件。

包括：有效的数据存储和处理功能，一套完整的数组（特别是矩阵）计算操作符，拥有完整体系的数据分析工具，为数据分析和显示提供的强大图形功能，一套（源自S语言）完善、简单、有效的编程语言（包括条件、循环、自定义函数、输入输出功能）。

29、Julia

编程数据分析领域的新星。Julia 是一个面向科学计算的高性能动态高级程序设计语言，

首先定位是通用编程语言，其次是高性能计算语言。

Julia在分布式并行化、精确数值计算等方面提供了独具特色的支持，并包含大量可扩展的数学函数库。

尤其是在线性代数、随机数生成、信号处理、字符串处理等方面，集成了众多成熟、优秀的基于C和Fortran开发的开源库，有着很高的性能与效率。

另外，Julia有着强大开放的开发者社区，贡献了大量的第三方库，并可通过内置的包（Package）管理器进行方便的安装使用。

30、Scala

Java的衍生语言，用于spark数据分析、大数据开发等。

31、Spark

一个开源集群运算框架，Spark在存储器内执行程序的运算速度能做到比Hadoop MapReduce的运算速度快上100倍，即便是执行程序于硬盘时，Spark也能快上10倍速度。

Spark允许用户将资料加载至集群存储器，并多次对其进行查询，非常适合用于机器学习算法。

32、Java

不用多说，最流行的编程语言。其在数据分析领域的应用主要是搭建大数据框架。

33、Hadoop

最流行的大数据框架，几乎大部分互联网公司都在用，如果你做大数据，肯定离不开它。

简答来说，Hadoop是一款支持数据密集型分布式应用程序，并以Apache 2.0许可协议发布的开源软件框架。它支持在商用硬件构建的大型集群上运行的应用程序。

Hadoop是根据谷歌公司发表的MapReduce和Google文件系统的论文自行实现而成。所有的Hadoop模块都有一个基本假设，即硬件故障是常见情况，应该由框架自动处理。

部分信息来源：维基百科、百度百科、百度文库

“做数据分析，不要建立一种以掌握的软件来给自己分级的心态，但是一定要用工具避免误入职业发展的歧途！”

为什么今天要谈关于数据分析工具分级的问题呢？

其实这涉及到职场中一个非常常见的现象——工具鄙视链：

• 会python编程语言的，瞧不起用自助BI工具做数据分析的；
• 会用Tableau、FineBI这种分析工具的，瞧不起会用SPSS、SQL这种数据工具的；
• 会用SPSS、SQL的，瞧不起用PPT做数据汇报的；
• 会用PPT做数据汇报的，瞧不起只会用Excel做数据统计与整理的；

逃不开的鄙视链

不光是数据分析行业，在程序员、产品经理等行业中都存在这样的鄙视链

也有不少人和公司，遵从着这样的鄙视链现象，通过这样的鄙视链进行岗位的分级，或者作为选人招聘的门槛标准

而这个鄙视链似乎是与这个岗位生死同戚、共生共存、难以分离的：

比如我，在前几年我还刚接触数据分析的时候，只学会用Excel做数据处理，所有的数据清洗、数据加工和图表可视化工作都是用Excel完成的

但是看着网上很多人都在学Python编程，当时还有一种“python才是数据分析标配”的言论，我也成为了跟风的一份子

当时带我的老大就告诉我：

“网上说学python才能做数据分析的，纯粹就是放屁，python做数据分析确实比Excel要专业一些，但是真正的核心，是要是什么数据场景和什么人在用。

我用Excel做的数据清洗绝对能完爆这些工具，但是我想做一些高级可视化，也会用python去做，谁规定数据分析师只能用一个软件了？

说到底还是出于对数据分析岗位的自卑，数据分析才出现几年啊，谁都觉得用Excel做数据分析太low逼了，一点体现不出我们的专业性，不学一门编程语言，其他部门的人谁瞧得起我们？”

对于我老大的话，我深以为然，正是出于对于数据分析作岗位的错误认知，才会造成那么多人对于数据分析工具的误解

其实这么多年，excel、Tableau、FineBI、PowerBI、SPSS、Python......我几乎每种工具和软件都用过，并没有觉得哪一种是最万能的

工具从来只是工具，是用来辅助我们进行数据分析的，最核心的关键还是在于人，也就是你是否真的具有数据分析思维和能力

像我之前老大的能力，用Excel照样牛逼；要是没有能力，学一万种语言都没用！

所以很多刚入门数据分析的朋友，一上来就买很多Python，R语言，VBA的书籍和资料，安装了各个语言的环境

但其实数据分析师的日常工作，最多就是用到SQL取数以及Excel数据透视图、BI分析工具中拖拉拽图表

所以，会用工具不是能力，懂得数据思维，才是数据分析师存在的意义

工具是辅助

那么回到我们今天的话题，数据分析当中有着不同的数据场景，会用到非常多的工具，那么应该如何选择，下面简单举几个例子

1、excel

别以为EXCEL只会处理表格，你可以把它当成数据库，也可以把它当成IDE，甚至可以把它当成数据可视化工具来使用

它可以创建专业的数据透视表和基本的统计图表，但由于默认设置了颜色、线条和风格，使其难以创建用于看上去“高大上”视觉效果

尽管如此，我仍然推荐你使用Excel

2、BI工具

近几年冒出来的BI之秀，如TB、qlk都强调可视化，一改传统BI工具SAP BO、IBM家的cognos（不过近几年貌似都在研发云BI）

这里不谈开源，还没见到能成熟应用的BI，成熟的BI工具如 FineBI（国内）和 Tableau（国外），都很推荐

3、python

学过Python数据分析的朋友都知道，在可视化的工具中，有很多优秀的三方库，比如matplotlib，seaborn，plotly，Boken，pyecharts等等，这些可视化库都有自己的特点，在实际应用中也广为大家使用

4、SPSS

SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS

学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”

推荐大家一本书：《如虎添翼 数据处理的SPSS/SAS EG实现》，徐筱刚老师写的，十分适合SPSS新手入门

最后说点啥

其实今天谈的这个话题，也是其他行业里常见的现象之一，既然产生了这种乱象，说明一定有其产生的原因与逻辑，我们不必太过敏感

但是，对于我们数据分析师自身而言，真正做分析时候，你会发现市面上有太多的分析工具，需要掌握的实在是太多了

其实不必纠结于此，依据个人能力，配合当前的数据分析环境，适用的工具自然会被选出，最后记住一句话：工具是人用的，重点在于人，而不在于工具！

最后分享一下我整理的一份数据分析流程知识图谱，需要可自取。内含数据分析12个常见分析模型、18个理论分支、136个详细知识要点和60多个实际分析场景案例，不懂或不记得的知识点拿出地图就能查，数据人必备！高清电子版获取方式↓↓

花了两天时间，整理了一些用于数据分析的“必备神器”，其中很多工具是亲测过认为非常强大的，希望大家能从中找到对自己有帮助的工具。

网站分析监测工具：

H5传播分析工具： http://chuanbo.datastory.com.cn/

百度统计： http://tongji.baidu.com/web/welcome/login

腾讯云分析： http://mta.qq.com/

51.la： http://www.51.la/

社交媒体监测工具：

孔明社会化媒体管理： http://www.kmsocial.cn/

企业微博管理中心： http://e.weibo.com/

知乎用户深度分析： http://www.kanzhihu.com/useranalysis

词频分析工具：

Rost： http://www.cncrk.com/downinfo/54638.html
图悦： http://www.picdata.cn/
语义分析系统： http://ictclas.nlpir.org/nlpir/
Tagul： https://tagul.com/
腾讯文智： http://nlp.qq.com/semantic.cgi
Tagxedo词云： http://www.tagxedo.com/

舆情分析工具：

清博舆情系统： http://yuqing.gsdata.cn/
云相： http://www.weidata.cn/

互联网趋势分析工具：

微博指数： http://data.weibo.com/index
百度指数： http://index.baidu.com/
好搜指数： http://index.so.com/#index
搜狗指数： http://zhishu.sogou.com/
百度预测： http://trends.baidu.com/

数据可视化工具：

入门：

豌豆BI： excel的强大不用多说，但是用excel做一份可视化报表，对入门者来说可能有些为难。对于入门者，可以将excel的数据导入进豌豆BI，拖入指标和维度，即可马上制作可视化看板，数据统计和分析功能足以支撑日常使用。 使用地址

进阶：

亿信ABI：一款适合技术人员使用的专业的企业级数据分析软件，适用于对海量数据的处理与分析，融合了ETL数据处理、数据建模、数据可视化、数据分析、数据填报、移动应用等核心功能，比较符合中国人数据分析的习惯和逻辑。 使用地址

百度ECharts： http://echarts.baidu.com/

顺手推荐一些数据分析平台：

数据分析网： http://www.afenxi.com

媒体微博排行榜： http://v6.bang.weibo.com/xmt

友盟： http://www.umeng.com/

中国新闻地图： http://vis.360.cn/open/cnnews/

中国票房榜： http://www.cbooo.cn/

收视率排行： http://www.tvtv.hk/archives/category/tv

农业大数据云平台： http://www.dataagri.com/agriculture/gis.action

房价指数： http://industry.fang.com/data/datacenter.aspx

中国统计局： http://data.stats.gov.cn/

中国主要城市拥堵排名： http://report.amap.com/traffic/

中国综合社会调查： http://www.chinagss.org/

中国P2P网贷指数： http://www.p2p001.com/wdzs/wdzs_p2pline.html

Alexa： http://www.alexa.com/

易车汽车指数： http://index.bitauto.com/

旅游预测： http://trends.baidu.com/tour/

后面再慢慢补充，希望你喜欢~

关于亿信华辰

亿信华辰是中国专业的智能数据产品与服务提供商，一直致力于为政企用户提供从数据采集、存储、治理、分析到智能应用的智能数据全生命周期管理方案，帮助企业实现数据驱动、数据智能，已积累了8000多家用户的服务和客户成功经验，为客户提供数据分析平台、数据治理系统搭建等专业的产品咨询、实施和技术支持服务。

欢迎关注公众号：亿信华辰Pro
－让数据驱动进步－

首先想到的一定是Excel，但Excel却有一定的局限性，比如：数据量巨大，有可能会导致软件崩溃，无法进行数据分析

数据分析~

数据分析工具的使用还是看需求，每个企业应用的选择和方式都不同。数据分析的概念很广，站在IT的角度，实际应用中可以把数据分析工具分成两个维度：

第一维度：数据存储层——数据报表层——数据分析层——数据展现层

第二维度：用户级——部门级——企业级——BI级

1、数据存储层

数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。

Access2003、Access07等，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力；

SQL Server2005或更高版本，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了；

DB2，Oracle数据库都是大型数据库，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台；

BI级别，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。Data Warehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现，BI级别的数据仓库结合BI产品也是近几年的大趋势。

2、报表/BI层

企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。过去传统报表大多解决的是展现问题，如今像帆软报表 FineReport也会和其他应用交叉，做数据分析报表，通过接口开放功能、填报、决策报表功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。

Tableau、Qlikview、FineBI这类BI工具，可分在报表层也可分为数据展现层，涵盖了数据整合、数据分析和数据展现。 FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，可常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份——商业智能，所以在大数据处理方面的能力更胜一筹。

3、数据分析层

这个层其实有很多分析工具，当然我们最常用的就是Excel。

Excel软件，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；

SPSS软件：当前版本是18，名字也改成了PASW Statistics；我从3.0开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；

SAS软件：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！

JMP分析：SAS的一个分析分支

XLstat：Excel的插件，可以完成大部分SPSS统计分析功能

4、表现层

表现层也叫数据可视化，以上每种工具都几乎提供了一点展现功能。FineBI和Tableau的可视化功能上文有提过。其实，近年来Excel的可视化越来越棒，配上一些插件，使用感更佳。

PPT：办公常用，用来写数据分析报告；

Xmind&百度脑图：梳理流程，帮助思考分析，展现数据分析的层次；

Xcelsius软件：Dashboard制作和数据可视化报表工具，可以直接读取数据库，在Excel里建模，互联网展现，最大特色还是可以在PPT中实现动态报表。

最后，需要说明的是，这样的分类并不是区分软件，只是想说明软件的应用。有时候我们把数据库就用来进行报表分析，有时候报表就是分析，有时候分析就是展现；当然有时候展现就是分析，分析也是报表，报表就是数据存储了！

转载自miao君知乎回答： https://www.zhihu.com/people/mmiaojjun/answers/by_votes

大多数用户理解的数据分析/报表分析/数据可视化软件都可以归为是同一类数据产品，即BI（Business Intelligence，简称：BI）产品，又称商业智能，商业智慧或商务智能，百度百科对其定义为：指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。国外的老牌BI产品有Tableau、Power BI、Qlik，以及新晋的Looker、ThoughtSpot。虽然国外的产品在创新性及易用性上处于一定的领先地位，但国外的产品售前售后、相关的技术支持与运维远不如国内的产品，有关的产品问题无法及时得到反馈，对企业的信息部门来说采购国外的BI产品有较大的风险。因此给大家重点推荐国产BI产品：网易有数。

网易有数是网易集团重点战略部门，肩负引领集团大数据技术方向重任，同时打造网易大数据核心系统。从2006年开始服务集团数据分析需求，从传统的固定报表一步步演进到敏捷分析平台，经过网易内部诸如网易云音乐、网易严选、网易味央、邮箱、网易考拉等诸多业务部门的试炼打磨后对外商业化，至今已为金融、零售、传媒、物流、农业、制造等多个领域的企业客户提供端到端的大数据服务。

身为一个前App运营，每天最有成就感的时候就是在看数据。

各个渠道的收效一目了然，自己的努力变成一个个漂亮的数字，真的是满足感爆棚！

还能随时监测运营效果，比如从这个饼图就能看出来渠道D表现很好，因此可以增加投入。

不过，要完成这个随时随地能看能用的数据分析表，还需要做一些准备工作：

数据收集：

对于网站的访问来源、入口页面这些数据，我看的是 百度统计

对于App的下载来源、留存情况，我看的是 友盟

对于微信公众号的数据，我是直接后台授权导入（具体方法一会讲）

对于其他渠道，比如海报、宣传单页、媒体渠道这些，我是直接挂参数进行追踪的

数据分析：

以上涉及到的全部数据，我会统一放在一个平台里—— 数据观

这样能把全部数据聚合到一起，不会零零散散在各个不同的后台里

微信我也是在这里直接导入的，利用第三方数据源授权

导入后的数据比微信本身更整齐，而且可以自动定时更新

再补充三个网站：

看App应用市场数据： 七麦数据（原ASO100）

看热点： 百度指数、 新浪微舆情

数据分析软件不在于多，在于精

推荐一下神策分析把

（另外，我整理了一些数据分析相关的书籍打包好了送给大家，记得关注我的公众号【渔好学】免费下载）

（点击下面链接，就可以获取上面资料啦）

目前市场上的数据分析工具还是比较多的，国内跟国外都有，我就介绍几款主流的。

国外：

Tableau：自身定位是一款可视化工具，与Qlikview的定位差不多，可视化功能很强大，对计算机的硬件要求较高，部署较复杂。目前移动端只支持IOS系统。

Qlikview:最大的竞争者是Tableau，同Tableau和国内众多BI一样，是属于新一代的轻量化BI产品，体现在建模、部署和使用上。只能运行在windows系统，C／S的产品架构。采用内存动态计算，数据量小时，速度很快；数据量大时，吃内存很厉害性能偏慢。

国内：

思迈特软件Smartbi:是国内领先的BI厂商思迈特软件开发的软件，产品定位于一站式大数据服务平台思迈特软件Smartbi设计过程可视化，鼠标拖拉拽即可快速完成数据集准备、可视化探索和仪表盘的制作，丰富的可视化展示，轻松制作BI看板。

永洪BI:敏捷BI软件，产品稳定性较高。利用sql处理数据，不支持程序接口，实施交由第三方外包。

推荐一款 开源私有化部署 的数据统计分析工具：Cobub Razor http://www.cobub.com

图扑软件（Hightopo）在数据可视化上是名列前茅的！能提供 独创的自定义格式矢量渲染引擎，从底层设计就追求极致的性能，所有组件皆可承受上万甚至几十万以上图元量，上万的表格数据、网络拓扑图元和仪表图表承载力。

点击进入官网 查看更多案例

基于 HTML5 标准浏览器技术、针对监控领域的数据可视化图形组件中间件。其具有轻量、高效、易用和跨平台等特性，提供了从 API 级的 SDK 组件库，到 2D 和 3D 可视化编辑器，到行业矢量图标和三维模型资源库，构成了一站式的数据可视化解决方案、形成了一整套实践证明的高效开发流程和生态体系。

HT 工业互联网图形组态可视化，基于纯 HTML5（Canvas/WebGL/WebVR）的标准 Web 技术，满足了工业物联网跨平台云端化部署实施的需求，从 SDK 组件库，到 2D 和 3D ，三维模型资源库，构成了一站式的数据可视化解决方案、形成了一整套实践证明的高效开发流程和生态体系，可快速实现现代化的、高性能的、跨平台的（桌面 Mouse/移动 Touch/虚拟现实 VR）图形展示效果及交互体验。

完备流水线作业工具链，从视图组件设计、2D 图纸设计到3D 场景设计皆有相应可视化，各工具创建的资源可直接共享复用。解决了传统 2D 和 3D 设计分割独立、无法融合一体的痛苦；解决了传统设计师和程序员使用完全不同的独立设计开发工具，导致设计和最终实现效果不一致且重复劳动的难题；真正实现了 2D 和 3D 无缝融合，设计师和程序员统一工具协同开发模式，达到产品开发高速迭代，快速将想法变成 2D、2.5D 和 3D 的最终界面成果。

专注于 2D 和 3D 图形界面组件数据可视化领域，用户遍及电信、电力、政府、交通、水利、公安、国防、医疗、金融、科研等行业。HT for Web 可提供监控可视化解决方案，可用于快速创建和部署，高度可定制化，并具有强大交互功能的拓扑图形及表盘图表等应用。