大数据领域有一个一直被很多人关注的问题，那就是大数据分析应该用什么工具？2020年，我们应该开阔视野，而不是局限于那些老掉牙的数据分析古董。
我很想知道，所以一定程度上打开了，但是搜索的时候，里面全是信息，很多软件都没有实际用途。浪费时间，找不到答案，让我们急得像热锅上的蚂蚁。
但是，仔细分析这个问题，冷静思考之后，我想到了几个有价值的思考点。经过这么多年的工作经验，我获得了一些经验。那我就系统的给你解释一下。
在数据分析师的工作中，报表制作是一项频率很高的工作。在成熟的公司中，通常会有数据产品或BI工具来帮助分析师完成报表类型的工作，而对于需要外部数据(这里是存储在非数据库中的数据)进行更新或业务变化较快的业务，实时更新的数据BI工具尤为重要。
如果只做数据分析，全平台，全方位的数据，按照目前的曝光，EXCEL是不够支持的，很快就会被淘汰。如果您想进行拖放式重新计算或商业智能，可以使用BI工具。BI工具有很多，后面会介绍。
简单来说，我们可以简单地将大数据分析工具分为两个维度：
第一维度：数据存储层——数据处理层——数据报表层——数据分析与展现层第二维度：用户级——部门级——企业级
让我们从第一维度开始。
1、数据存储层面
一方面主要是数据库和数据仓库的一些知识点。企业要想做数字化转型，就必须打通一些原始数据系统，如ERP、OA、CRM、Excel等。否则整个企业相当于在进行烟囱式的开发，数据根本无法成为系统。
具体来说，就是一些数据库的使用。不要说你不想学这个知识，但是有操作维护给你。
一个好的大数据系统，数据仓库和数据库、数据湖和数据集市的建立是非常重要的，建模的维度决定了你后期分析的维度。如果维度不全面不准确，那么你的工具就没有意义。
2、数据处理层面
Python和hadoop都可以出道，但是hadoop是一个非常复杂的平台，需要很多技术，所以暂时不在这里讨论。
我做大数据技术很多年了，所以刚开始做分析的时候，希望通过编程来实现。使用Python的优点是自由度非常高，可以灵活使用模型和算法，并且从数据采集到数据清理。到数据点，
析，一种语言就可以全部搞定。现在很多人都在说不学python会怎么怎么样，但其实不是这样，归根结底只是一个底层语言，需要混合使用。Python是有一定门槛的，而且学习的时间成本不低，往往一次分析需要花较多的时间，如果不是大型分析项目，有点大材小用。
但是对于大型的项目，尤其是涉及到数据挖掘类的，我建议用python。
还有一些可以数据抓取的工具，我就不说了，本质其实都差不多。
3、数据报表层面
可能提到报表，很多人脑子里的想法就是Excel，这其实是完全不对的，如果是Excel，那我也没有写这篇文章的必要了。
不信？你随便去问问500人以上的公司，Excel行不行，这样的公司可能有千万家，但最后得出的结论都是一致的：
- Excel会导致企业信息化程度不够
- 数据口径不一致，浪费人力去核对
- 数据采集困难，更改不能实时显示数据
FineReport做的可视化
关于报表工具，我认可的只有FineReport，《我月薪3W，却不用熬夜加班做报表，这个养老工具，你一定要知道》，这里就不再过多介绍。
4、数据展现层面
我上一家公司用的是SAS，可现在流行R语言来训练模型，作为数据分析工具，今年已经没有采购SAS了预算了，预算都给大数据平台产品了。
你们以为的数据展现，可能就是所有数据都处理好了，然后直接生成可视化就行，其实远不是这样，那数据变动怎么办呢？数据量太大，宕机了怎么办呢？
所以一个实时的可视化工具就显得非常重要，我觉得FineBI和Tableau是一个不错的选择，但是Tableau是国外的工具，一是服务体系不够全，出了问题要解决很久，这是不能接受的；二是价格实在是太高，动不动就上百万。
所以我推荐FineBI，一款web级的敏捷数据工具，不仅直接拖拽就能生成可视化，而且还能做复杂报表，BI报表就是企业的新方向。
这才是真正的大数据分析工具，别被忽悠了！
（此处已添加小程序，请到今日头条客户端查看）
你是可以直连数据库的，它支持很多种不同类型的数据库，哪怕是不同的数据源，也可以在一起分析！
谈到BI，就不得不谈一下OLAP技术，老一代OLAP分析的技术实现需要严格的从头开始手动建模，Cube的大小极大限制了大数据背景下的使用场景，动辄成百上千新旧不一的Cube需要繁重的运维，架构无法纵向扩展、无法满足大数据量下构建、查询和并发的性能要求。
FineBI的数据业务包是BI分析的数据基础，由管理员创建，通过定义的数据连接向数据库中取数，获取到的数据自动保存在Cube中，BI分析则从Cube中获取数据，这也就保证了只要Cube中存有数据，就算不联网也可以使用BI分析。
所以现在懂了吗？数据实时显示，FineBI就是这么完成的。
其实数据展现类的工具，靠不靠谱还得看引擎，FineBI引擎的两种模式完美支持大数据量分析，在特定的场景下，如银行、电商，可以做到亿级数据的秒级呈现。
- 抽取模式：提供基于索引的高效计算引擎，通过数据预加载，支撑前端快速数据分析，适用于实时性要求不高的分析。
- 实时模式：直接对接读取企业的数据库表进行分析，适用于对实时性要求较高的数据分析场景。
你不要以为FineBI是给IT、开发人员用的，它的设计模式，就是简单易用，目标是业务人员，不用再经历提交需求——等到好久才拿到报告——不满意再改——又是无尽的等待...
IT帮你初步处理好数据之后，你就可以按照自己的分析规划，将数据拖入到需要分析的维度上，对了，FineBI还具有ETL的功能，内置的数据处理计算，不需要你写函数，也是封装好的功能。
最后来说说FineBI的可视化效果吧，这也是很多领导看重的。
关注我，并转发该文章，回复“数据”，即可获得上述数据工具！
