資料分析裡的鄙視鏈！EXCEL:感覺有被冒犯到

在資料分析的領域裡有一個特別怪的現象，那就是唯工具論，這給我們一個錯覺，好像誰懂的工具越多，就好像誰就能拿高薪一樣，而且還存在著這樣的一個工具鄙視鏈：會python程式語言的，瞧不起用BI工具的；會用BI工具的，瞧不起會用SPSS、SQL這種工具的; 會用SPSS、SQL的，瞧不起用PPT做資料彙報的; 會用PPT做資料彙報的，瞧不起只會用Excel做資料統計與整理的…姑且先不說這個鄙視鏈是不是正確的，我們先來看一個例子。

朋友小K計算機專業畢業，畢業之後一直在網際網路行業裡從事開發的工作，JAVA、Python、資料庫等工具用的賊溜，因隨著年紀逐漸增大，小K擔心自己會遇到職業瓶頸，想轉行到資料分析的領域。小K自信地認為自己懂得那麼多的工具，要找一份資料分析的工作簡直是輕而易舉。抱著這樣的自信，他投了好幾個正在招聘資料分析的崗位，因為會工具使用的不錯，他如願地進入了面試的環節。可是當面試官問他一些具體的業務邏輯和分析思路時，他傻眼了，自己沒做過這些，根本說不出來，他只會寫程式碼。毫無疑問，最後他被這些公司否決了。

從小K的事蹟中我們可以看出，並不是工具用的好就一定能做資料分析的工作，我們一定不能有這樣的錯誤思維。資料分析是一個能力要求非常綜合和全面的工作，首先要具備的能力，就是對業務的理解能力，如果不懂得業務，就算你工具用的多好，也分析不出什麼觀點來，很多資深的資料分析師都是在業務中摸爬滾打出來的。正是基於對業務有著深入的理解，資料分析師才能結合多個維度去找出業務痛點，為業務提供指導方向。所以，工具很重要，但絕不是主要條件。

我們再回到剛剛的鄙視鏈裡，其實在我看來，每一個工具都有其特定的功能，我們不能因為其難度大小去判斷哪個工具更厲害，正確的思維是，有什麼樣的場景就應該用什麼樣的工具，在某些場景裡，EXCEL也不一定會比Python差。舉個例子，我們都知道，雖然EXCEL處理的資料量是有限制的，我們只能用資料庫去處理更大容量的資料檔案，但是EXCEL安裝智分析的外掛之後一樣也可以連線資料庫，而且處理效率不比其他工具低。如果用EXCEL就能解決的問題，我們又何必去寫程式碼呢？

    所以對工具的選擇應該是以效率為前提，如果把大量的時間花在複製貼上或者寫程式碼上，相當於做了很多無用功，我們應該把更多的時間花在業務問題的分析上，找出業務痛點，推動業務部門做改善。市面上具備綜合能力這麼強的工具非常少見，目前做的比較好的是智分析，基本把EXCEL、資料庫、Python的所有功能都融入進去了，無論是做透視分析，電子表格，還是做視覺化儀表盤，它都能滿足使用者的需求，而且都是自助式拉取資料，效率非常高。

    會用工具是必須要具備的能力，但更要懂得資料思維，這才是資料分析師存在的意義。其實不必糾結於此，依據個人能力，配合當前的資料分析環境，適用的工具自然會被選出，最後記住一句話：工具是人用的，重點在於人，而不在於工具。