Leo的博客

经常有粉丝问我有“哪个报表工具好用易上手？”或者是“有哪些适合绝大多数普通职场人的万能报表工具？”

电商如何做数据分析？直接开门见山，不说废话，都是干货。首先，纠正大家的一个想法：数据分析并不是要对工具有太多的要求，会基本的Excel数据透视表，图表可视化等基本操作即可，至于高端点的spss，Python，r语言等统计和BI工具来说是进阶的水平，这个下面再说。

现在程序员有个很奇怪的归宿，就是都在主动或被动地成为全栈程序员。前端被要求写后端的代码，后端被要求能看懂前端，美名其曰加速成长或为老板省钱！但一个人能做到全栈真的很难！就拿报表开发而言，学习整个报表软件的开发是耗时耗力，每一个端你都需要不停的摸爬滚打才能做到略微精通。如果你是个新兵，一端还没搞懂，就想着一次学完所有，只会导致更多的错误；如果你是老兵，想通过全栈突破职场瓶颈，即便交出的代码当时还凑合，但随着时代的演进，迟早爆雷，别认为自己特别，95%的人逃不出这两种结果。

听到小道消息，我们公司要取消日报、周报了，这让我们公司的“表哥、表姐”开心了好几天。毕竟，在我们这种传统制造型公司，信息化建设是很不完善的，而周报就意味着每周都要去脏乱的数据堆里找到能用的数据，如果数据缺失或者异常还要跑车间里去核对情况，然后再按照业务的需求做出报表，发送给对应的业务部门。现在周报要取消了，那简直就是省下了一大堆功夫。消息正式下来了，根本不是要取消周报。不过也算是好消息，领导意识到了每周做报表实在浪费时间，于是提出了报表自动化的想法。

工作快十年了，最开始是在华为做报表，后来去了美团从事大数据和平台方面的工作，现在在国企干了快三年。辗转各大企业的IT部门，最明显的感知就是企业间数字化程度差距太大了。就从报表这个点来说，互联网公司早就实现了报表自动化，连运营这些业务人员都会些SQL。但放在国企，这个事情就大不相同了，大部分员工还是用Excel，每个领导桌子上都有一摞一摞的报表。事实上，后面这种情况才是中国多数公司的状态。数据脏乱缺失，手工报表泛滥，IT想要取数做表的难度极高，大量时间被浪费，业务需求也无法及时响应。

数据有多重要，已经不言而喻，随之而来的是职场对数据分析与展示能力的要求也越来越高。但是你是不是这种情况？一用图表就只会用饼图、折线图，一做报告只会打开PPT，一旦需要丰富图表，也只会加点动画效果，汇报过程中如果想对数据进行深层次地探索分析只能告诉老板会后再拉下数据。所以老板不想听有时候真的不一定是老板的问题，可能是你千篇一律的报表让老板审美疲劳，也可能是你仅限于查看的报表限制了异常数据的进一步探索。都说了干得好不如汇报得好，你要是一直如此，明年的升职加薪自然难上加难。

前端程序员是不是饱和了？为什么面了好几家公司都是开12K左右？”这是我的一位粉丝问我的问题，他是位初级前端。这个问题让我一度地想骂醒他：首先这么低的薪资要么是自己没信心不敢谈，要么就自己没好好学，要么就是没项目经验还有些眼高手低，结果最后只把原因归结于市场饱和。当然现在前端是很卷，但只要你沉下心踏踏实实的干，绝对还是个个人可以获得巨大回报的职业。首先现在任何一家企业都在发展“互联网+”，其次目前市场对前端的需求量也仅次于JAVA岗位，如果前端你都觉得饱和了，那其他岗位还不知道什么样子。

工作原因，老李经常跟不同行业的人打交道。不聊不知道，在大肆谈论“数字化转型”、“信创”、“业务对象数字化”、“BI”这类大而广的词语之下，隐藏着的却是国人的无知。搞业务的朋友不太懂这类工具和概念，我也理解。但居然有CIO连报表和BI都分不清，采购系统都是闹着玩的？显而易见的结论是：BI可以用报表展示，但BI不是报表。BI的概念之所以不被完全理解，一个是BI厂商对工具的过度包装：一会是敏捷BI、智能BI，一会又是自助式BI、AI+BI等；另一个是大多数企业信息化水平完全没到能用BI的阶段，山猪哪懂吃细糠。

沃尔玛啤酒搭售尿布，展现数据分析的洞察之细致；Alpha Go打败柯洁，凸显人工智能的能力之强大；Target寄送育儿优惠券，表现用户画像的刻画之精准。一个个故事，把复杂的信息变简单，抽象的技术变具象。人类需要故事，故事是人类理解世界的重要方式。回到数据科学；数据也需要故事，故事是帮助人类高效理解数据的重要方式。“数据科学家是一个能够洞察数据，并且通过数据讲故事的人。Policy.摄影师靠照片讲故事，导演靠影像讲故事，数据科学家靠指标体系、分析报告讲故事。

昨天看到一个哥们发帖说IT部门负责做报表的同事阳了，再加上年底各个业务部门报表需求旺盛，现在他们是忙的饭都吃不上，天天凌晨才能回家。京东的人倒是被解放了，毕竟强东说汇报只能1页ppt。但对于万千其他公司的朋友们来说，周报、月报是想躲也躲不过。不少人觉得周报、月报这种没有意义，全是流水账。我其实不这么认为。就拿我们这种子公司很多的制造型国企来说，监控每天的项目进度和生产数据非常重要，周报是最高效能够反映各个子公司经营状况的报表。目前对我们来说最重要的问题，不是要不要周报、月报，而是能不能让汇报更加高效。

作为2022年的最后一个月，不少人正在或即将的年终总结怎么写愁掉了头发。今天老李就给大家分享几个如何做出领导爱看，绩效翻倍的年终总结的方法或套路。

IT行业的底层码农，是青春饭，不要心存侥幸！最近chatGPT应该在IT这个行业刷屏了吧，作为自然语言问答式AI刚发布就风头无两，程序员对其体验之后褒贬不一，让我想起几年前低代码刚出来时也是这般情形。只是伴随着阿里的钉钉、腾讯的微搭、华为的AppCube的全面升级，程序员不得不承认低代码确实能取代他们的部分工作。我也及时注册了一个账号体验了下,单单从生成代码，修复代码而言确实做的很好，我让它根据我的描述，用JavaScript实现轮播图的代码，结果拿来就能用。所以程序员真的要失业了？

报表可以说是中国职场的一大特色，不少职场人需要每天做各种报表给领导或者业务决策者看，为此甚至诞生了不少的“表哥表姐”。但很多人在做报表的时候其实并不懂业务，需要找业务确定业务指标才做的下去。今天我就分享40多个报表模板，在最真实的业务场景下，将各个业务的核心指标罗列出来，大家只需要换个数据源就能直接套用这套模板。动态钻取功能很酷炫，可以钻取全国各个地区的实际情况。核心指标：工程进展、资源投入情况、项目安排、施工质量与数据、结项时间运用轮播目录齿轮图，从不同维度进行酒店印象评价，很直观。核心指标：入住率、热门

周报这东西在国内大家并不陌生，深受荼毒的人更非少数。不过在国外倒是很少，如果确实要汇报，一般都是拉个电话会议，只能说马斯克确实学到了精髓。不过比起国内的周报卷到飞起，马斯克还是总结了些经验，譬如规定了周报的内容和格式，避免了在无谓的形式上占用员工更多的时间。

第一次接触FineReport应该是在2018年，当时刚从美团出来进了现在的国企IT部门。一晃用了快4年了。4年前，我觉得FineReport是一款万能的企业级系统，4年后，我的这个想法依旧没有改变。先别开喷，看完我为什么这么想再说。这4年里我几乎每天都在用这个工具，也跟同行推荐过很多次。也是因为推荐了太多次，又恰逢软件国产化趋势，来找我咨询工具的朋友有点多，我一时回复不过来。所以想着有必要总结一下我这4年的使用经验，为正在使用和想要使用FineReport的朋友们解解惑。

只要在IT部门呆得够久，你会遇到各种各样的需求。

Python有多火热，不需要我罗列具体的数据，仅大家回想下见过多少广告就知道。Python最初是由数据分析带起来的，号称自动化办公，表格处理，数据分析，图表制作吸引了一大波人。不过等真的感兴趣想要学习的时候，大家又被一堆代码拦在了门口，说到底Python并非真的适合普通人的职场办公，因为它确实有一定的学习门槛。那是否就意味着大家还是只能回到原来的办公阶段？既然提出这个问题，我自然找到了Python的最佳替代—FineReport工具。

经常看到年轻人提问“究竟是去大公司打杂好，还是去小公司磨练好？”这个问题我年轻的时候也想过，当时觉得去大公司只能当螺丝钉，做按部就班的工作，于是毅然决然放弃了大厂offer去了一家IT部门只有3个人的公司。当时我在想，IT老大可以手把手带我成长，要不了多久我就能自己干项目了。

在企业信息化过程中，我们经常能听到企业的数字化核心难点就是“信息孤岛”的存在，尤其是对于程序员而言，**当你在一个行业越久，就会发现信息壁垒越高，信息孤岛愈加严重。**最直观的就是当你在一个团队或方向呆久了，想要“活水”到另一个组织中，自身的知识往往会限制你的选择。譬如你在银行搞开发和在传统制造企业搞开发，这完全是两条不同的职业道路，别跟我说什么底层技术都是一样的，要知道做得好的程序员，对业务理解也有着高要求。那是不是就意味着一旦选中某个行业，就只能一条路走到黑？

四款软件都具备了BI软件应该有的轻量，功能方面的差距不是非常大，都可以去体验一下。如果非要给出一个结论的话，在不考虑数据安全和服务的情况下，可以选择Tableau和Power BI，前者更适合纯业务部门使用。老李是比较支持国产软件的，如果大家倾向选择国产软件的话，建议选择Fine BI，也不是功能比永洪BI好多少，就从技术服务、案例丰富度以及社区交流方面来说，整体体验感会好些。不过，软件合不合适还得看企业情况，我这边只是给大家提用一些信息。

虽然Excel很强大，可以应付绝大多数需求，但是在以上痛点环节仍然力不从心，更多时候充当的是轻量数据库和计算功能，且在银行大数据处理量和需及时响应业务部门需求的背景下，数据部门应该及时找到替换Excel的合适报表/BI工具，释放科技部门的报表取数精力，让数据部门能够快速支撑业务部门的数据分析需求。最后把工具和模板已经打包好了，回复“素材包”即可获取！

这年头，谁都懂些数据分析的知识，但真正能“支撑决策”的却少之又少。常常就是，做了一堆报表，不是留在自己的电脑里占内存，就是挂在公司的系统中吃灰。一个是个人的数据分析能力。分不清决策层级，把握不了细节程度，不知道用什么展现分析结果。另一个是对业务的熟悉程度。理解不透彻业务的需求，分析了一堆，一点用都没有。

看上面这张图，应该就能明白。企业发展的过程中，由于不同业务部门使用的系统不同，数据存储的方式、地方都不同，这就导致了部门之间的数据无法共通，最后这些数据就变成了一个个孤岛，毫无关联性。

*为什么要学习图表？**很多人在没有想清楚的时候就已经开始接触图表了。小伙伴们还记得自己制作的第一个图表是什么吗？老李的第一个图表是柱状图。图表入门很简单，一个折线图、一个饼图就算入门了，并且这些图表在日常中的使用概率也更高，似乎占据了80%的各种报表，但这并不意味着图表的潜力只限于此。不少朋友希望学习图表除了能满足日常工作之外，还能满足其他的需求，

PPT的效果有限，展现数据也多为静态，顶多是通过添加动画，让画面略微增加些动态效果，但这种制作起来麻烦不说，而且也很难出彩，更还极易卡成PPT。

又要周五了，数据整理好了吗？周报提交了吗？下周周会的材料准备好了吗？基本上每个工作的人，都会被周报、月会折磨，「周报」本身不是形式主义，而现在公司把周报和周会变成「形式化」而非业务导向，这才是形式主义。我们最常见的周报形式应该就是word或者ppt，经常花了大量时间和精力制作ppt，但根本没办法保证引用的数据是完全准确的，会议结束之后的ppt也没办法再利用而产生价值。

报表工具能花钱解决就不要自己瞎捣鼓。公司要是没给你预算，你就老老实实用Excel、免费的开源。公司要是给了你预算，那你就去选商用的，牌子和市场名气大的，有稳定售后服务的，不要怕贵，软件这东西把一个用透了胜过买一堆软件，更不要贪小便宜去找第三方或开源的做。

好的数据分析师不仅熟练地掌握了分析工具，还掌握了大量的数据分析方法和模型。这样得出的结论不仅具备条理性和逻辑性，而且还更具备结构化和体系化，并保证分析结果的有效性和准确性。今天老李我将从以下6个维度32种分析模型和方法逐个简略介绍，赶紧点赞收藏！同时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！回复“图谱”即可获取高清版！主要应用于商业和管理领域，通过内部

在工作中，未经视觉化的数据往往令人费解，不仅增加了沟通成本，也提高了项目难度，但可视化数据太难了，大多数情况下，好的数据往往沦为拙劣可视化的牺牲品。所以如何提高数据可视化能力，是值得行业终生研究的事。不过作为普通人，我们仅掌握以下几个技巧，至少能够让你超越95%的人。

前几天有个粉丝找我，说花699报了一门数据分析课程，还有实战项目，让我帮她看看她做的数据分析。项目的名称叫：豆瓣高分电影分析。她写了一大堆内容，我也没细看，截取几张可视化图表给大家，大家觉得有什么问题呢？这个项目可以称为，但要说数据分析项目的话，多少有点扯了。到处可见的“数据分析”培训课都快把人都带跑偏了，今天再给大家讲讲数据分析，希望大家能够沉下心真正学明白。

企业里这两个部门经常互相抱怨，业务部门抱怨IT部门不懂业务，花了大把钱做出来一堆没有价值的页面；IT部门则抱怨业务部门什么都不懂，自己想要什么数据都描述不清楚。归根结底，IT部门与业务部门能否有深入的配合，关键在于项目团队能否对这个两个部门的关系有明确的定位，按“IT人员搭台，业务人员唱戏”的分工去推进。我这边就不展开讲业务人员应该怎么做了，毕竟大多数业务因为绩效、KPI的关系，只会盯着眼前的“二亩三分地”。我自己也是搞IT的，干过不少项目，今天就从IT视角，跟大家讲讲IT怎么为业务赋能。

这些思维模型有时能帮助他们少走点弯路，有时能够快速建立对特定场景、业务的认知，这也是为什么我一直强调思维模型的重要性。成熟的思维模型系统性地沉淀了每种业务的明细与视角，掌握这些模型的来龙去脉，更有助于你将工作中的零碎经验系统性地串接起来。

职场上最折磨人之一的东西莫过于各种汇报。写太少，领导直接说你敷衍；写多了，领导又不乐意看。明明做了很多事情，领导根本没感知，下次升职也轮不到你。

一篇完整的数据分析报告可能会让你的求职变得更加容易

前几天遇到一个朋友，也是做数据分析的，不管是多杂乱的数据，他也能从中分析出个所以然来。但他做的可视化图表，可以说就像是上个年代的东西，实在是不太美观。他也很苦恼，问我有没有什么好用的可视化工具。

35岁被裁后转行开滴滴、离开大厂后我开始送外卖、天桥下贴膜的十年IT老兵……你能想到的各种段子几乎都能套用在程序员身上，好像程序员的职业生涯，一到35岁就戛然而止。事实也确实如此，不管你承不承认，大多数程序员做的工作都是执行类的，产品经理规划好了产品功能，让程序员开发什么就开发什么。这种类型的程序员，到35岁之后，代码学习能力没有应届生来得快，薪资却翻了好几倍，公司不裁你才怪。

很多公司的业务/产品，从0-1做起来并不难，但一旦拥有了一定的用户基础后，想实现业务的1-10却是件漫长或者困难的事情，尤其是传统企业的传统线下模式转变为线上模式之后。

在阿里的时候，我面过很多的程序员，也问过面试过程中都会问到的问题：你们的未来规划是如何的？回答其实都千篇一律：提升技术水平，成为技术专家。

金九银十求职季已经过半，最近咨询经验的同学也越来越多了，有很多求职、或是转行的同学向我咨询我数据分析师岗位的种种信息。虽然老李我在数据领域待了这么多年，对这个岗位的的各种信息了然于心，但个人经验还是没有实际数据更有信服力。因此，为了帮助大家对数据分析岗位有一个全面深入的判断，本文爬取Boss直聘网站上“数据分析”相关岗位的各种信息，用真实数据来解答各位同学对于数据分析岗位的疑惑，以数据分析来了解“数据分析”。

要说整个公司最没有地位、工资最低的，那应该就是招聘HR了，每天不是在面试就是在筛简历，面得人都快比公司人数还要多了，仍然觉得没有什么能力提升。