有什么免费的数据分析工具吗？

在制作数据分析报告的时候，需要做一些数据分析，需要一些数据图表，这种需求是很常见的，或许你可以参考下这篇文章：

这个数据工具也是免费，而且也可以制作数据分析报告，应该是符合你的需求哒~~

看了一下上面的答案给了很多工具，但是没有系统介绍一下，这里我把数据分析工具分成两个维度，进行工具的推荐：

第一维度：数据存储层——数据报表层——数据分析层——数据展现层

第二维度：用户级——部门级——企业级——BI级

1、数据存储层

2、报表层

企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。传统报表解决的是展现问题，目前国内的帆软报表FineReport已经算在业内做到顶尖，是带着数据分析思想的报表。

Finereport因其优异的接口开放功能、填报、表单功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。

Tableau，同FineBI一样，可分在报表层也可分为数据展现层。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，我常用FineBI从数据库中进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份——商业智能，所以在大数据处理方面的能力更胜一筹。

Tableau：

FineBI：

三、数据分析层

四、表现层

表现层也叫数据可视化，以上每种工具都几乎提供了一点展现功能。FineBI和Tableau的可视化功能上文有提过。其实，近年来Excel的可视化越来越棒，配上一些插件，使用感更佳。

简道云：全数据流程分析，简单仪表盘分析展示用。

PPT：办公常用，用来写数据分析报告；

Xmind&百度脑图：梳理流程，帮助思考分析，展现数据分析的层次；

Xcelsius软件：Dashboard制作和数据可视化报表工具，可以直接读取数据库，在Excel里建模，互联网展现，最大特色还是可以在PPT中实现动态报表。

最后，需要说明的是，这样的分类并不是区分软件，只是想说明软件的应用。有时候我们把数据库就用来进行报表分析，有时候报表就是分析，有时候分析就是展现；当然有时候展现就是分析，分析也是报表，报表就是数据存储了！

最后分享一些相关资料：

有什么免费的数据分析工具吗？

谈到数据分析，相信大家最先想到的就是数据分析的工具，常见的有Excel、SQL、python、BI工具等。从业多年，基本每个软件都体验过，今天就来给大家伙出个测评，希望大家都能找到心仪的拿手工具。

我分为板块的向大家一一介绍吧

数据整合

1. Excel

一款所有行业都能用的软件，非技术部门人人都能用，网上有大量丰富的教学视频，想学习的话便可以立刻入门进行学习，十分方便，内置功能可以建立报表；画图，进行简单的数据计算，内置了一些简单的模型，但数据处理量不够，需要进行特别多的数据处理的时候，Excel往往无法胜任。

1. SQL

SQL几乎算得上是数据分析岗位里面人人的必备能力，可以进行数据查询和数据计算，学习成本较低，两个星期就能学个大概。而且每个不同的数据库，例如MySQL、PGSQL，它们的语法相似，可以通用。

数据可视化

1. Tableau

可以进行可视化功能，是当下数据可视化软件里十分全面的工具之一，非常适合于可视化探索分析。但毕竟是国外软件，学习时间十分的冗长，资料难找，又对学习效率造成了巨大的影响。前段时间退出中国市场的事情在数据分析行业里也是引起了轩然大波，之后的路还是不确定因素的。

1. FineBI 是我最拿手的软件，并且个人版永久免费。我就来详细说说

在分析数据方面

Excel入门简单，精通难，尽管有很多分析需求，限于有限的工具使用能力，对于工具掌握能力稍弱的业务人员来说，免不了人工筛选的部分，费时费力，无法专注于数据。

相较于Excel，使用FineBI的优势在于：

1、操作简单且快捷，所见即所得；

2、支持各种复杂运算场景，专注于数据分析的产品功能设计，辅助业务人员进行数据分析；

3、操作自动保存，避免文件丢失；

在查看数据方面：

1. 使用Excel分析数据，只支持单次分析，数据无法更新，遇到类似分析场景需要重新编辑，同时也无法实现数据监控，需要人员一步步后退，修改后重新进行编辑。而FineBI的数据来自于数据连接，随数据库数据更新而更新，可长期复用，实现数据时时监控；
2. 分享便捷，且保障数据安全；分享便捷，且保障数据安全；数据分析报告完成后，需要将分析报告提供给相关团队，使用excel分析，则要发送数据源文件，存在数据安全问题，最终文件去向无法把控；而使用FineBI，仪表板的分享功能及权限管理功能控制数据源；

3、支持移动端，查看方便；FineBI的仪表板除了可以在PC端查看之外，还可以在移动端，如手机、pad端进行查看，查看的方式也有很多种，包括有数据分析app、微信、钉钉、手机浏览器等；

除此之外，FineBI更是好处多多

实现多个岗位同时减负

FineBI的使用，无论是对技术人员、业务人员都是好处颇多的。

IT部门只需要将数据按照业务模块分类准备好，业务部门就可以在前端进行自助分析。

对于技术人员来说这一举可以解放精力，更加把精力放在数据工作上，聚焦在数据治理和价值挖掘上。

业务人员又能够获得分析主导权，让业务人员由足够的数据支撑，发展正确的决策。

这两款是国外软件，用户体系的生态建设不是那么好，入门要花很久的时间。

数据导入方便

以FineBI为例，FineBI能够从各种数据源中抓取数据，除了支持大家常用的Oracle、SQLServer、MySQL等数据库，还支持SAP BW等多维数据库

具体的操作是通过业务包的形式进行数据的分类管理，而使用者只要通过简单的鼠标操作就能完成数据导入

数据处理轻松快捷

完成数据导入之后，就可以通过添加自助数据集来进行自主的数据处理

你想要分析什么内容，就可以对什么内容进行处理，最好是实现过滤字段、分类汇总、新增数据列、排序、合并等等处理功能

比如FineBI提供的时间序列、聚类、回归等算法，可以与图形分析结合，强化预测判断能力

数据可视化展示

因为数据分析是要给人看的，其展示效果一定要直观清楚，这一点FineBI通过仪表板驾驶舱就可以实现

FineBI仪表板就像一个画布一样

之前制作好的各种组件可以直接在这个画布上进行拖拉组合

最后再进行进一步的美化，就可以实现最终的效果

工具在这里：

数据分析方面 FineBI商业智能软件 - 新一代自助大数据分析的BI工具数据分析方面

1. python

可谓是数据分析届的当前顶流内置了大量的数据分析模块、数据挖掘模块可以调用，能适应爬虫、可视化、数据计算的全部工作。由于功能性强大，且速度块，深受好评。

1. R语言

微软推出的分析工具，和python功能类似，经常被拿出来和python比较。一般是

技术线的数据分析、数据建模、数据挖掘工程师等人群经常进行使用。常用的统计开源编程语言，统计模型支持全面

总的来说

数据整理，推荐Excel和SQL，前者易学，后者操作强大

数据可视化，推荐FineBI，全面，功能性强大，易上手却逼格高

数据分析，推荐Python，最常用，功能全面，速度快

最后分享一些资源：

有啊，我本人-- BDP个人版！

虽然是免费的，但是功能却很强大，基本可以满足所有数据分析的要求。

BDP个人版包括数据接入、数据处理、可视化分析、数据报表等数据功能，让数据可以集中管理。

可视化分析：通过30多种可视化图表直观展示分析结果。

在“编辑图表”处，将数据拖到维度、数值栏，即X轴和Y轴，再根据需求进行可视化分析~

数据分析：BDP是不需要写函数公式，在数值栏处选择分析方式，有求和、计数、平均值等常见计算，也有同环比、留存率、重复率等高级计算。

可视化：再根据数据的适用情况选择想要的可视化图表，有普通图表和经纬度地图，经纬度地图我觉得是一个很高级的功能，所以放特色功能来讲。普通图表除了常见的柱图、条形图、折线图等，还有一些稍高级的图表，如瀑布图、词云、漏斗图、行政地图、树图、桑基图等。

下面放几张炫酷的图表：

当然有免费的数据分析工具，但是天下没有免费的午餐，也没有无缘无故的付费，付费一定是为价值付费，下面我为你介绍几款数据分析工具：

上手简单的数据分析工具——Excel

首先，作为office办公系统，Excel的操作界面简单易懂，各种筛选、编辑、搜索、排序、检查等功能按钮对使用者来说最为熟悉。时间、日期、排序等基本数据处理操作简单便捷，一些函数公式下拉即可获得计算结果。

其次，各类统计分析结果均可以数据图表的形式展现，包括二维图表、三维图表，添上相关插件后可完成智能图表以及各种复杂图表的可视化，即使你不会各种炫酷的BI 操作，也能满足数据可视化的基本要求。

另外，数据透视表应当是Excel中使用频率教高的一块内容，有人称它为“Excel中最实用的功能”，它可以将各字段区域中的信息对应，并且通过【值】的方式来计数、求和与求平均值等操作。最方便的是，Excel的使用者可以完全不会任何编程语言和相关脚本程序，只需要选择合适的数据与函数，就可得到相关结果，而且，宏记录器可以记录执行操作，从而直接变成可以运行的宏命令。

但是，使用简单功能强大的Excel也有不可忽视的缺点：例如，最拉低办公效率的就是当数据量过大的时候，查询和计算速度会下降，如果此时的Excel中又包含多个sheet，那么极有可能出现卡死的状况。再如，Excel无法对用户进行角色管理，这也就注定了它较差的保密性，容易被其他软件破解。

其实，Excel基本可以满足非专业数据分析师的日常工作需求，而且对于Excel的使用技巧也不用过于担心，市面上有极多关于Excel的应用类教辅以及视频课程（可在网易云课堂、腾讯课堂、喜马拉雅等平台上获取相关课程）用来辅助使用者迅速掌握Excel。

适用于统计分析的数据分析工具——SPSS

当你手握海量调研问卷的时候；当要对数据进行回归分析、因子分析、聚类分析的时候；当要用收集的数据支持一份多维度的研究报告时，都少不了一种比Excel更适用的数据分析工具——SPSS。

首先，SPSS经常给人一种更“高端”的感觉，因为它既可以很好地进行回归分析、方差分析以及多变量分析等，又几乎不需要进行任何语句的编写，直接用鼠标单击即可完成相关操作。而且还能在计算分析的同时输出图形，极高地提升工作效率。另外，我们在日常工作中常用到的 Excel 表格数据、文本格式数据均可以导入SPSS 中进行分析，从而节省了相当大的工作量，并且避免了因复制和粘贴可能引起的错误。

虽然相比Excel，SPSS似乎在统计分析领域有更高一筹的优势，但它依然存在一些将使用者拒之门外的因素。比如它需要使用者对统计学有初步的了解，需要对一些分析模型有理论层面上的理解，而且，它的功能性和丰富性有所欠缺，尤其是与功能包的R相比，在数据可视化方面过于单调，较为成熟的数据分析师甚至会直接跳过SPSS，选取可视化更强的分析工具。

更高阶层的数据分析工具——R

与上述两种分析工具不同的是，R属于开源统计工具，即它的源代码是开放的，一些源代码、程序包等资料都可以在其网站下载。

有人说会用R才能算真正会做数据分析，因为只要入了门，R的功能就能很大程度地帮助使用者实现各种数据分析需求。其中最吸引使用者的是——尽管它需要编写语句，但只要掌握了其编程语法，就可以自由地编制函数来扩展现有的语言，而这也是其程序包繁多并且更新迅速的原因之一。另外需要突出的就是其强大的制图能力，它可以高质量地支持矢量图形，借助 ggplot2，可以快速创建所需的各种图表，并根据图表形状自行调整。

但其实，R语言跟SPSS一样，并不适合毫无统计知识的初学者使用，因为它的数据包来源于不同的贡献者，这些贡献者的水平参差不齐，导致数据包在质量上会存在一些问题，对于判断能力较弱的初学者来说，这无疑增加了学习和使用负担。

如果你需要使用较为系统的数据分析工具并且对可视化的要求较高，同时又对编程语言不反感的话，R语言或许是一种比较不错的选择。

面面俱到的数据分析工具—— Python

随着互联网大数据的发展，Python 逐步被从触不可及的山峰上普及到了各大数据分析领域，不满足于上述工具的数据分析师们开始向各式各样的编程类分析工具迸发，与R相似，Python也是一种开放的自由软件，可以阅读并改动它的源代码。

如果说R的优势在于数据统计分析领域的游刃有余，那么Python的优势则在于更加全面，无论是对于系统的操作、文字的处理，还是一些复杂的数据挖掘算法，Python都能平衡兼顾。虽然Python是用C语言写的，但是它抛弃了一些复杂的构成，简化了 Python 的语法。而且，除了Python的标准库以外，它还有例如Twisted、wxPython等一些高质量的数据库，可以满足不同程度使用者的需求，但Python的开源性也使得它在保密功能上存在一些隐患。

看上去十分复杂的Python凭借其强悍的功能在一步步地提升开发者的效率，有的数据分析师甚至呼吁未学习R语言的新手分析师可以直接学习用Python进行数据分析。也许是Python广泛的应用领域让其越来越引人注目，因为它不仅仅局限在数据分析领域，它还可以进行Web 开发、网络编程、自动化运维、Linux 系统管理、科学计算、人工智能、机器学习等等。

移动开发者数据分析工具——友盟

提到企业数据服务就不得不提到友盟，作为早期起步的大数据服务平台，友盟以移动应用统计分析为产品起点，为其提供数据统计分析、开发和运营组件及推广服务。它帮助移动应用开发商统计和分析流量来源、内容使用、用户属性等数据，以便开发商利用数据进行产品、运营、推广策略的决策。尤其是它提出对移动游戏开发者提供一站式解决方案，方便开发者进行更优质的决策判断。

如果你针对各大移动应用平台的数据统计分析，友盟或许是优选，因为在统计分析的同时它还可以提供移动广告的检测数据、品牌广告检测数据、电商广告检测数据等营销数据服务，可以很好地解决一部分B端企业的数据需求。

但是，由于它极强的数据统计属性，让它在实际分析的层面有所欠缺，而且数据采集和统计的局限性让它更偏重事后分析，在时效性的层面还存在一些遗憾。而且，分析深度尚浅，只适合相对基础的数据分析工作。

最懂用户行为的数据分析工具——神策分析

神策分析是神策数据推出的用户行为分析产品。神策数据这几年在大数据分析业界成长迅速，拥有强大的百度技术背景，显著优势是支持“私有化部署”，大数据分析的特点是聚焦在“大数据用户行为”全场景下的数据分析应用。数据分析的深度和广度都有了很大提升，让企业实现更为精细化运营成为可能。

神策数据的九大数据分析模型成为用户行为分析的利器，这九大数据分析模型是“事件分析”“漏斗分析”“留存分析”“分布分析”“点击分析”“用户路径分析”“用户分群分析”“属性分析”“间隔分析” 。

不伦你关注用户行为研究，还是基于用户行为数据寻找业务问题，神策数据能都满足复杂的分析需求，比如：

1 不同渠道的用户转化率高低

2 用户下载APP后的激活数量

3 用户在转化路径的哪个环节流失了

4 对不同行为的用户划分用户分群

5 从流量获取、APP下载激活、购买的全流程分析

上面所说的数据分析工具，友盟和神策分析是收费的其他全能找到免费版本。

温馨提示：

在做数据分析时，一定要知道你的精力应该放在哪？不要花费在学习软件或者机械化的操作上，至于选择付费还是免费，根据具体需求具体分析。

如果你对神策数据的产品神策分析感兴趣，欢迎点击下方链接试用：

官网： 神策数据

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

是的，没错，这就是我们的产品做的！阁下好眼光！
不过你问题中的图表demo是好久以前的了，我们已经更新了：

当然，也有大家比较感兴趣的这种新型图表：

你说你被Excel伤害了，我猜应该是Excel对于大数据量的支持不能让你满意，并且经常崩溃；也可能是Excel的图表公式太过于繁琐。
既然它伤害了你，那就离它远去，Excel走了，但是FineReport和FineBI来了。
我不知道题主的技术水平怎么样，会不会简单的sql，所以我这里分2种情况来说一下。
1、如果你会sql，哪怕不是很多
那就是用 FineReport，一个低代码报表工具，说是报表开发者的福音，一点都不为过。

• 可以完成从数据库取数（有整合数据功能）—设计报表模板—数据展示的过程
• 类似excel做报表，三种报表设计模式支持制作各类中国式复杂报表一张模板配合参数查询可以代替几十张报表
• 数据填报系统加上决策平台的支持，提供数据上报，流程审批，权限管理的一系列功能，可以灵活应对运营、人资、财务、合同等多变的业务需求

作者：帆软
链接： https://www.zhihu.com/question/49371842/answer/1689981295
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

来看看用户对其的评价，这可能去最真实的：

你想做dashboard，完全没问题，里面的决策报表模式是专门为可视化准备的，图表都是工具内现成的，70多种图表，完全不需要自己去费心思挑选。
而且，一套模板做好了可以直接复用个N个报表，这就是节约效率的典型！

dashboard如上所示，教程也有，我都为你准备好了：
帆软：手把手教你做酷炫的数据可视化大屏，零基础的你仅需6步
2、如果你啥也不会，Excel也仅仅算入门
那就是 FineBI了。

这是一个可视化的自助式BI工具，整个操作就是导数据/连数据库——处理数据（可视化ETL）选择图表——拖数据字段——可视化展现&美化，操作简单上手快。
我只是用了其可视化的一隅功能，多数情况下，这个工具都是拿来做可视化报表，对接企业大数据平台，做企业数据运营分析用。
它能做什么？
帆软：Python爬虫，FineBI画图，让数据报告更专业一点！

3、报表+BI
对，没错，这2个工具是可以结合的。
举个例子，东北证券的数据平台建设完毕之后，结构化数据初步实现了统一归集，数据报表和图表可视化均可以通过Cognos工具实现。
但是，由于Cognos使用繁琐、开发复杂，数据小组一直无法接手该工具，而新需求不断出现，亟需通过系统保存工作中产生的结构化数据，取代excel记录和上报数据的模式。
所以，东北证券最后用了FineReport，较为完善的解决了当前数据填报和其他分析需求。
所以，FineReport+BI系统，赢在开发效率，赢在面向中层、面向固定式、面向复杂报表的定位。无论是传统BI，还是新型自助式BI如FineBI等，都用可以FineReport“+”起来。
以上2种工具，你可以自行选择。

可以申请DataHunter，通过审核后免费试用，下面视频是产品功能演示：

说到数据分析工具，每个数据分析师可能都有自己的弹药库，这话匣子一打开可就巴拉巴拉的关不上了。不过，有很大一部分可能是公司提供的或者是付费的。想要"白嫖"可能真的不大容易。

今天小亿给大家推荐一款真真正正的“免费的数据分析工具——豌豆BI”

他是一款面向业务人员的自助式数据分析平台，提供了从数据导入、数据预处理、自动建模和数据可视化分析于一体的完整的解决方案。

1、数据导入

支持连接数据库获取数据、导入excel文件数据、以及从网络上爬取数据等多种来源的数据。

2、数据预处理

对于接入系统的数据，通过点选式的方式进行去除重复行、空值替换、数据裁剪、数据脱敏、类型转换等复杂的数据处理操作，并且能进行图形化界面多表关联。

3、数据分析

支持基于列存储的MPP架构的分布式数据库进行敏捷分析，百亿数据可达到秒级响应，给用户带来极致的产品体验，可解决TB甚至PB级超大数据量敏捷分析的难题。

4、敏捷看板丰富的可视化展示

支持灵活的自由式布局、组件化的统计图、丰富的数据统计函数、灵活的筛选功能、智能的图表联动，用户只需通过简单的拖拉拽，就可以快速地制作出一张敏捷看板。

支持敏捷看板，即席报告，幻灯片等多种分析方式，使数据分析更贴近用户应用的场景。并且提供多种可视化组件：表格、常规统计图、html5统计图、地图等。

说了这么多，这么香的数据分析工具不光强大还免费！真的是深得我心~点击如下链接快开开启试用之旅吧~

关于亿信华辰

亿信华辰是中国专业的智能数据产品与服务提供商，一直致力于为政企用户提供从数据采集、存储、治理、分析到智能应用的智能数据全生命周期管理方案，帮助企业实现数据驱动、数据智能，已积累了8000多家用户的服务和客户成功经验，为客户提供数据分析平台、数据治理系统搭建等专业的产品咨询、实施和技术支持服务。

欢迎关注公众号：亿信华辰Pro
－让数据驱动进步－

写报告，想插入数据分析结果，那最好的就是excel，而且也只有excel才是真正免费的，excel的单机分析能力 也绝不逊色于其他的商用工具， 如果想用图形效果好些的，可以用echarts 也免费

其他的一些，商用的，toB的数据分析产品，不管厂家怎么说免费，到时候一用都会是收费的，因为toB的产品，商业逻辑就是收费挣钱，而不像toC的逻辑是免费占领市场，靠流量转化广告等变现

有啊，康康我！

ModelWhale 有完备的数据集资源和社区学习教程，支持 Python、Julia、 R 等多种语言，提供 Jupyter Notebook 交互式和 Canvas 拖拽式两种分析界面，以及 即开即用的云端分析环境。

现在进入 ModelWhale.com，即可 免费试用，并获赠 CPU 和 GPU 算力！

开通试用后，ModelWhale 会赠送：2核8G CPU 算力 20小时、4核16G CPU 算力 10小时、8核32G CPU 算力 5小时以及T4 GPU 算力 5小时

相关学习内容可以参考：

Python基础语法

1. 科赛 x 机器之心 | 从零上手Python关键代码
2. Python入门教程
3. 快速入门：搞定初学Python的十大易错点

Numpy

1. Numpy快速上手指南 --- 基础篇
2. Numpy快速上手指南 --- 进阶篇
3. 这100道练习，带你玩转Numpy
4. Numpy入门教程
5. Numpy实战全集

Pandas

1. Pandas基础命令速查表
2. 这十套练习，教你如何使用Pandas做数据分析
3. Pandas入门系列： Pandas入门教程（1）、 Pandas入门教程（2）、 Pandas入门教程（3）
4. 50道练习带你玩转Pandas
5. 告别加班：用Pandas代替Excel快速处理数据
6. 10分钟搞定pandas
7. Pandas120题

【可视化库】
Matplotlib

1. 从零开始学python系列：

• 从零开始学Python【1】--matplotlib(条形图)
• 从零开始学Python【2】--matplotlib(饼图)
• 从零开始学Python【3】--matplotlib(箱线图)
• 从零开始学Python【4】--matplotlib(直方图)
• 从零开始学Python【5】--matplotlib(折线图)
• 从零开始学Python【7】--matplotlib(雷达图)

2. matplotlib入门系列：

• matplotlib入门教程（1）
• matplotlib入门教程（2）
• matplotlib入门教程（3）

3. 【专栏】Matplotlib绘图详解
4. matplotlib 的数据可视化
5. Matplotlib数据可视化巩固训练，适合进阶和提高
Seaborn

1. seaborn可视化学习之 categorial visualization
2. seaborn可视化学习之distribution visualization
3. seaborn可视化之time series & regression & heatmap

Pyecharts

1. 如何在KLab中使用Pyecharts 1.x
2. Python数据可视化利器：Pyecharts！
3. pyecharts + notebook，真的不需要PPT了耶
4. 【可视化系列2】pyecharts交互式可视化巩固训练
5. 【pyecharts教程】应该是全网最全的教程了～

Plotly

1. plotly那些事儿系列：

• plotly那些事儿(1)
• plotly那些事儿(2)
• plotly那些事儿(3)
• plotly那些事儿(4)
• plotly那些事儿(5)

2. Plotly入门教程

【数据分析】

1. Data Analysis入门教程
2. 【教程】数据特征分析
3. 【教程】数据处理
4. 【数据降维方法】使用Python实现因子分析

【机器学习】

1. 【专栏】Practical AI 机器学习实践
2. 【专栏】Machine Learning 机器学习
3. 【专栏】吴恩达《机器学习》
4. 机器学习术语表

【深度学习】

1. 【专栏】机器学习总结&代码实践
2. 【专栏】吴恩达《深度学习》
3. 【专栏】深度有趣

【深度学习细分方向】
NLP

1. 【NLP文本分类】各种文本分类算法集锦，从入门到精通
2. 【BERT-至今最强大的NLP大杀器！】基于BERT的文本分类
3. 机器学习竞赛必备基础知识_Word2Vec
4. Transformer学习
5. Attention机制学习1
6. 【专栏】苏格兰折耳喵的文本挖掘杂货铺

推荐系统
1. 【专栏】推荐系统遇上深度学习
计算机视觉
1. 斯坦福CS231n：计算机视觉课程

【Tensorflow & Keras】
1. 【专栏】玩转TensorFlow
2. 50题真 • 一文入门TensorFlow2.x
3. 40题刷爆Keras，人生苦短我选Keras
4.小知同学TensorFlow2.x教程：

• 【TensorFlow 2.0第2篇】TensorFlow2.x基础语法使用
• 【TensorFlow2.x系列第3篇】构造机器学习模型的步骤
• 【TensorFlow2.x系列第4篇】深度学习中的激活函数

5. 30天吃掉那只TensorFlow2.0
6. 114题 TensorFlow 查漏补缺，学得够快疑惑就追不上我

【PyTorch】

1. 【专栏】深度学习框架PyTorch入门与实践
2. 【专栏】玩转PyTorch与深度学习
3. 60题PyTorch简易入门指南，做技术的弄潮儿

如何完成一份出彩详尽的报告？光用数据堆叠肯定不行，图文并茂是一个很好的选择。

现在市面上的数据分析工具种类越来越多，并且好多都打着“对小白友好”的旗号，但很多当你真正下载安装使用之后发现，连数据源怎么连接都不知道，对新手其实一点都不友好。

就拿最简单也是最普遍使用的Excel来说，想要玩转函数处理和数据透视表，下功夫去钻研、勤加练习是不能绕过的。但大多数人都没有那么多时间去钻研深究。

什么才是数据分析入门者真正需要的？应该是我把表格文件导入进去，然后简单处理一下数据，最好还能有个模板能够直接套用一下，就能产出一些够精美、够专业、够“唬人”的表格给领导和同事看，类似于下面这些图表：

上面这些表格看着复杂，实际制作时间最快只需要30秒，因为都是直接使用的九数云案例中心的模版。

除上面这些图表之外，一些常用的分析场景比如考勤数据分析、资产分析、人员业绩分析、调查问卷分析等都可以在案例中心直接查找使用，帮助那些对数据分析没有概念、没有分析方向或者纯粹就是懒得动手的人较快产出分析结论。

当案例中心的模版不再能够满足你，你想要自主完成数据分析也没有问题。

首先，先建立一个较为清晰的数据分析思路，确保每一步都知道自己这样做是为了得到什么结果。

分析思路可以分为四步：

导入数据、数据处理、数据分析、数据可视化。

这里将这四步与是用九数云的具体使用步骤一一对应，方便大家理解。

那咱接着唠唠详细的操作步骤：

1. 新建数据表

简单来说，就是将最原始的未经修改的数据表格导入BI工具中。

在九数云初始界面点击数据源，上传xlsx/csv/xls数据表或是使用公共数据源或是亚马逊数据等备用。

2. 新建分析表

完成数据导入之后，就可以通过添加分析表来进行自主的数据处理，一般数据处理的种类有：分类汇总（加强版的excel数据透视表功能）、上下合并/左右合并（完美替代了Excel的Vlookup函数和麻烦的复制粘贴）、筛选、新增字段、利用函数计算等等。

在九数云上传完表格后，在左侧找到你所上传的数据，然后新建分析表，选择需要分析的字段，再对这些字段进行各种处理得到你最终想要的数据格式或是计算字段。所有的分析步骤都会在右侧展现，可以随时修改溯源。

同样的，整个数据处理过程只需要简单的点击和拖拽字段，就能够轻松完成。

即使原数据有更新，也不用担心会重复进行这些操作步骤，只需要在原表格处更新Excel，九数云会自动进行原来所有分析步骤。

3. 制作图表

在完成数据处理之后，就可以进行数据分析了，这一步也是对于数据的进一步挖掘和探索。

基本操作步骤就是：点击上方的“图表”按钮，新建图表，系统会根据你现有的字段自动识别生成一个图表。

如果自动生成的图表你不满意怎么办？重新选择想要呈现的图表类型，如折线图、组合图、散点图、漏斗图等，拖拽相应的字段就会自动完成图表的制作。

4. 制作仪表板/导出分析表

恭喜你，到这一步你已经完成了数据分析的前九十九步，还差最后一步为你的数据分析画上一个完美的句号--那就是将你所有的图表整合在一张仪表板上。

这可以说是最简单却也最重要的一步，因为数据分析的最终目的是让看的人了解到数据背后的含义，从而优化自己的营销策略或是发展方向等等。

根据你此次分析的主旨，将不同维度、不同样式的图表通过拖拽的方式尽可能美观地罗列在一起，一张完美的分析仪表板就诞生了。

5、其他功能

此外九数云还支持数据联动、过滤等功能，提高分析结果的互动性和针对性。

像 九数云这样的在线数据分析及可视化工具降低了数据分析的门槛，让即使没有SQL、python等编程基础的人也能玩转数据分析。

但降低难度并不代表降低数据分析的深度，多维度多形式地拆解展示数据，尝试用不同的角度看待问题，那深度自然就会体现出来。

推荐你试试镝数图表——在线数据可视化神器，不会代码的小白也能够轻松上手。

不管是基础的饼图、线形图、柱状图，还是稍微复杂一点的桑基图、玫瑰图、甘特图，甚至是地图图表，都可以在镝数图表里轻松制作。

除此之外，镝数图表还提供了很多非常精美的图文模板，数据大屏、工作汇报、PPT都可以在镝数图表里轻松搞定，而且完全免费！

操作方法也是非常简单，只需要简单的三步就能够完成一个图表的制作~

• 选择模板
• 导入数据，一键生成图表
• 调整效果

首先选择你要使用的图表模板，进入编辑页面~

然后点击【编辑数据】，将准备好的数据导入或者复制粘贴过去

再点击【编辑图表】，对图表进行细节上的一些处理

做好后点击右上角的【下载】，或者复制链接分享都是可以的

是不是非常方便呢~快来试试吧~

希望可以帮助到你~

免费的数据分析工具？推荐一个超级好用的数据分析利器—Excel！

Excel核心功能有哪些？

Excel是一款电子表格软件，主要用于数据分析、数据处理、数据可视化等方面，它的核心功能包括但不限于：

1. 数据输入：Excel提供了丰富的数据输入方式，包括手动输入、复制粘贴、导入、链接外部数据源等方式。
2. 数据处理：Excel提供了诸如排序、筛选、合并、拆分、数据透视表等数据处理功能，可帮助用户更好地处理和管理数据。
3. 公式和函数：Excel内置了各种常用的公式和函数，例如基本的数学和统计函数、日期和时间函数、逻辑函数等等，用户可以利用这些公式和函数快速地进行计算和分析。
4. 图表制作：Excel提供了丰富的图表类型和定制选项，用户可以利用这些工具将数据可视化，快速地生成各种报表和图表。
5. 数据分析：Excel提供了各种高级数据分析工具，例如回归分析、多元数据分析、偏差分析等等，可以帮助用户深入挖掘数据背后的信息。
6. 宏编程：Excel提供了宏编程功能，可以帮助用户自动化重复性工作，提高工作效率。
7. 数据保护和安全：Excel提供了各种数据保护和安全措施，例如密码保护、权限设置等等，保证数据的安全性和隐私性。
8. 数据交互和共享：Excel支持多种数据交互和共享方式，例如将数据导出为PDF、HTML、CSV等格式，或者通过邮件、共享文件夹等方式与他人分享数据。

Excel能够解决什么问题？

Excel能够用于数据的收集、整理、存储、分析、可视化等多个方面，从而能够帮助用户快速有效地解决各种数据分析问题。具体而言，Excel可以帮助用户进行以下方面的工作：

1. 数据清洗和准备：Excel 可以帮助用户清理和整理原始数据，例如删除重复值、过滤数据、填充缺失值、格式化数据等。
2. 数据可视化：Excel 可以生成各种图表和图形，例如柱状图、折线图、饼图、散点图等，以便用户更好地理解数据和发现规律。
3. 数据汇总和统计：Excel 可以帮助用户对数据进行各种计算和汇总，例如求和、平均值、最大值、最小值、计数等，并生成相应的报表和图表。
4. 数据建模和分析：Excel 提供了各种建模和分析工具，例如回归分析、排序、筛选、PivotTable、数据透视图等，以便用户更好地探索数据和进行深入的分析。
5. 数据导入和导出：Excel 可以导入和导出各种数据格式，例如文本文件、CSV 文件、数据库等，以便用户更方便地处理和管理数据。

综上所述，Excel 在数据分析领域中有着广泛的应用，是一个非常有用的工具。

Excel如何轻松地掌握？

学习技术没有捷径可言，勤加练习、善于思考才是王道，多结合实际应用场景来学习效果更佳

1. 掌握基本操作，了解其核心功能构成，以目的为出发点，以解决何种问题为导向。
2. 掌握常用的函数，可以帮助你更好地进行数据清洗和数据处理。
3. 掌握数据透视表：数据透视表是Excel中的重要功能，可以帮助你快速分析和汇总数据。
4. 掌握常用的图表：可以帮助你更加直观地展示数据，让你的数据分析更加生动。
5. 多练习多思考：通过练习来提高你的Excel技能，尝试解决实际工作中遇到的问题，从中学习和积累经验。
6. 学习高级应用：掌握Excel的高级应用，例如宏、条件格式、数据验证等，可以提高你的工作效率和精度。
7. 参考学习：可以参考一些Excel教材、视频教程等，了解更多高级应用和实际应用场景。

网上有哪些公开数据集

• kaggle： https://www.kaggle.com/
• uci： http://archive.ics.uci.edu/ml/index.php
• 和鲸： https://www.heywhale.com/home
• 天池： https://tianchi.aliyun.com/

以上就是关于数据分析工具Excel的详细介绍，下一篇会继续分享Excel常用的函数与公式，敬请期待哟！