数据分析的工具千万种，综合起来万变不离其宗。无非是数据获取、数据管理、数据分析、数据处理、数据展示等几个方面。而被提到频率最高的又非excel、R、Python、spss、SQl等。那么，这些工具本身到底有什么特点呢，应该如何合理的使用来解决数据分析的各种问题？

序号	工具名称	特点	适用场景	招聘技能要求 出现频数
1	Excel	一般非大量数据分析的人员可以满足大部分需求	财务、金融、产品经理等一般数据量处理需求	较高，作为普通技能
2	R语言	兼容性强，语言程序化也强，在编程语言方面需要投入的精力比Python要大，但适用面也较广	数据分析基本皆可用	三个高频工具技能要求之一
3	Python	life is too short，I use Python 以语言简单，注重数据分析的高效著称，尤其是在文本处理等数据结构化方面有很好优势	数据分析基本皆可用	三个高频工具技能要求之一
4	SQL	数据库处理和分析的必备技能，属于数据库方面的基本工具	数据分析基本皆可用，侧重数据库方面	三个高频工具技能要求之一
5	spss	统计分析功能强大，侧重于统计分析类模型	建模能力已经不局限于统计了，在预测、机器学习方面也有很多包	频率一般
6	Google analytical	网页分析的主要手段	想去互联网做的不能不懂	互联网数据分析高频工具
7	sas	金融大数据分析	金融风控建模较多	金融投资数据建模常用工具之一

       总的来说，不同工具各有擅场，最关键的当然还在于业务的掌握，数学方法的掌握：主要有统计学和机器学习等核心方法。但磨刀不误砍柴工，把基本工具掌握熟练了百利无一弊。而当你要做大数据和云计算时，又要用到hadoop等工具了。

       而且，工具不是万能的，业务和数据建模方法才是万法之源。不要被工具迷花了眼哦！