说到自助分析,朋友小高是昨天还在抱怨老板恨不得你十八般武艺样样精通,前天给了她一堆季度数据让她进行分析,奈何数据实在太多根本不知道如何入手,花了一整晚做出来的东西直接被退回来!
吐槽一大堆之后竟然在喝下午茶的餐厅用电脑搜索了起来!
首先她排除了Excel,因为数据量实在太大,卡到不能运转。排除之后映入眼帘的就是劈天盖地的Python编程语言。
小高脑袋一拍,算了算了我这个商科狗让我写代码,臣妾实在做不到啊!
快走的时候被一个叫做豌豆BI的工具吸引,没报多大希望的小高说算了算了,回去使用一下!然后回去给我发了一下这个表情,
竟然无意中遇到宝了!!!整个过程导入数据,建主题表,进行分析,然后导出,做出来的效果也漂亮!
有点诧异竟然那么简单自己也去试了一下,得出了如下分析:
豌豆BI VS Python&R
Python和R通常是具有IT背景和编程知识的技术人员掌握的技能,这类编程语言可以独立完成数据分析的整个流程,但是相比自助BI工具,缺少通过交互式筛选进行可视化探索的能力。相比之下,自助式BI界面化的操作更容易掌握,而且也能胜任大部分分析任务。值得注意的是,豌豆BI和Tableau的敏捷BI产品都支持编程语言进行二次开发,加强分析和可视化的能力,未来的趋势将很可能是工具和语言的融合。
对于业务分析师,在已经掌握了敏捷BI产品的基础上,学会一门语言可以拓展数据分析能力,但需要衡量为此付出的时间成本;如果是二选一,首先掌握一个BI软件是性价比较高的选择。
经济增长模式分为两种,一种是数量型增长,一种是效率型增长。数量型增长依靠增加资本投入拉动,效率型增长依靠技术创新拉动。由于边际收益递减的规律,依靠资源投入的数量型增长会逐渐停滞,而依靠技术创新的效率型增长不会碰到边际收益递减的问题,未来的增长模式是从资本驱动的数量型增长转向技术驱动的效率型增长。
“转型需要专注而执着的笨人,不需要聪明人,不要盲目跟随时髦的概念和流行的口号”,对数据分析师,这个命题同样成立,分析工具和语言有很多,找到一个能解决问题的,踏踏实实的掌握最重要。
效率型增长需要精细化的运营,面对瞬息万变的市场、日益膨胀的数据量和数据维度,业务人员必须参与其中,或抽丝剥茧,或大浪淘沙,从海量数据中快速获取有价值的洞察,自助式BI工具契合了这一需求,会逐渐被越来越多的分析人员所接受。