大多数人对某种语言的追捧，本质上只是对资本市场下某种需求的追逐
在我身边学python的只有两类人：搞数据分析的，搞人工智能的
一般人做不了人工智能，大多数人都是奔着做数据分析去的，像爬虫、可视化、数据采集这种，不得不说python在这方面确实很优秀，毕竟是万能的胶水语言嘛
恰好，数据分析和人工智能都是大火的岗位，新兴、稀缺、高薪， 多少人抢破了头也要挤进来
有这么多韭菜，资本市场还不狠狠收割一波，所以市场就开始疯狂鼓吹，像那些培新机构，鼓吹学python就能找到好工作，就能升职加薪
市场吹得厉害了，那些企业也就懵了，python相关的岗位井喷式的就爆出来了，然后又吸引了更多韭菜过来凑热闹，市场就再收割
想想之前的安卓、IOS，想想之前的java，想想PHP，再想想现在的python，感觉不是很相像吗？
数分需要学Python吗？
答案显然不是。
不管是python、R还是Excel、spss，这些都是数据分析的工具，对于数据分析，我一直强调核心是业务，通过业务的分析逻辑影射到数据分析的处理逻辑，而数据分析工具则是帮助我们实现结果的手段
如果把数据分析的结果比喻成你要去的一个目的地，那么python只是可以到达这个目的地的一个交通工具，换句话来说，你换个工具也能做到，所以python和数据分析之间，并没有不可分割的关系
既然关乎到选工具，肯定是选择最好用工具才能够最快达到目的，那python是不是数据分析工具的最佳选择呢？
不一定是。
不一样的路适合的交通工具不一样，同样，不一样的类型的数据分析工作，合适的数据分析工具也不一样
在实际工作中，数据分析这个大类的岗位层次不一，岗位职能也大不相同，在不同的公司，同样都叫数据分析师的岗位，可能一个就是给业务取数，提供基础数据支撑，而另一个却要涉及数据建模、挖掘。
我这里把数据分析笼统的分类业务向和技术向两类：
业务类分析师，侧重业务分析，一般挂靠在业务部门，或者有单独数据分析部门，最要工作内容就是对特定业务做专题分析，通过对数据分析来做一些业务规划、方案等。日常的工作大多就是整理报表，做一些探索性的业务分析，解决业务问题。
技术类分析师，一般都在IT部、数据中心。根据从事的工作环节不同，被分成数据库工程师，ETL工程师，爬虫工程师，算法工程师等角色，主要的工作一般有数据仓库搭建、专题分析、建模分析、数据挖掘预测等。
说完数据分析师的工作内容，再来看目前市场流行的几类数据分析工具：Excel、python/R、BI工具
先说大家都熟悉的Excel，excel在数据分析领域的地位不可动摇，尤其对入门新手来说，大部分的人在进入工作之前都多少接触Excel
所以在此基础上要做数据分析，学习Excel是最合适不过的，从简单的表格制作，数据透视表，写公式，再到VBA语言，基本能够满足80%业务人员的分析需求
回到正题，我们再说BI工具，BI的诞生，目的是为了缩短从业务数据到经营决策的时间，提高决策效率，所以它的产品设计理念就是围绕提高数据分析的过程展开的
和Excel相比，BI工具在分析流程上更加简化，以我用过的FineBI为例，从数据链接、数据处理、到可视化图表分析，很多功能都是封装好的，鼠标点击拖拽就能迅速完成一次分析
这样的可视化操作界面让BI的学习门槛大大降低，更适合面向企业中的业务分析人员
所以在此基础上要做数据分析，学习Excel是最合适不过的，从简单的表格制作，数据透视表，写公式，再到VBA语言，基本能够满足80%业务人员的分析需求
回到正题，我们再说BI工具，BI的诞生，目的是为了缩短从业务数据到经营决策的时间，提高决策效率，所以它的产品设计理念就是围绕提高数据分析的过程展开的
和Excel相比，BI工具在分析流程上更加简化，以我用过的FineBI为例，从数据链接、数据处理、到可视化图表分析，很多功能都是封装好的，鼠标点击拖拽就能迅速完成一次分析
这样的可视化操作界面让BI的学习门槛大大降低，更适合面向企业中的业务分析人员
不过，因为BI工具是非开源的，所以在功能上有局限性，如果产品没有设计某一项功能，可能就没有办法完成分析工作
这时候python或R这类编程语言就显得更加灵活了，只要代码写得好，基本没有实现不了的东西
最后总结一下，工具的选择要根据自身需要，而不是哪个火学哪个，只有最适合自己的才是最好的
像财务、人事、运营这类的基础业务分析，excel完全就够用了，如果想要提升效率，追求可视化效果，BI工具也是不错的选择，完全没有必要花费极大的精力去凑Python的热闹，当然如果你对编程很感兴趣，那当我没说
为啥python这么火？
当然是因为好赚钱，以前互联网兴起的时候，各种java、C++的培训炒的火热，培训机构大把大把捞金
现在大数据时代来了，数据分析、数据挖掘、人工智能的概念又火了，一片新的韭菜地出现在眼前，培训机构们还能放着这么多的钱不赚？
随便拿个业内TOP数据分析师的薪资给你画个月入2W的大饼，实际上你入职大概率6-8K，而且你在培训课里学到那点皮毛功夫，还要面临全网被割韭菜的各行各业神仙转行来和你PK，最后能找到心仪工作的少之又少
更惨的是一些无辜小白，在原来的岗位干的好好的，看到营销文案，一股心血来潮要转行，花了大价钱大精力去报班学python，最后转行也转不了，反而没在自身的岗位上有什么提升，挣大钱的梦破碎了
那些告诉你学python就能入门数据分析，学python就能做好数据分析的，百分之90都是为了赚钱
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（文末获取！）
温馨提示：篇幅有限，已打包文件夹，获取方式在“文末”！！！
二、Python必备开发工具
三、精品Python学习书籍
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、Python视频合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、Python练习题
检查学习结果。
七、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
165
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
