隨著數據量越來越大，依賴于數據決策的場景越來越多，使用工具對于數據進行分析，越來越成為一個職場人必備的一項技能。那么如果要更自如的進行數據分析，就必須掌握幾個數據分析常用的工具。俗話說的好：工欲善其事必先利其器。那么數據分析常備的工具是啥呢？神器組合：xmind + sql+power bi +excel。我自己在實際工作中也是屢試不爽的。
01 工具包
工具都是有自己的適用場景的，知道什么場景下用什么樣的工具，可以最大程度的提高自己的效率。
各個工具的使用場景和順序：
02 微軟的商業智能'利器'
有些人可能對于POWER BI比較陌生，參考我之前的一篇文章來個科普貼。我自己是從2018年工作中接觸到POWER BI，自那以后也是比較癡迷于它。
-POWER BI與excel處理邏輯相似，由于它是微軟公司做的商業智能軟件。
-從excel演變而來，計算表達式與excel的函數表達式很像，區別是POWER BI的函數直接作用于一列或者一張表。
-學習成本比SQL和Python都要簡單，基本上能應付絕大部分數據分析場景。
-本身使用是免費的。
03 POWER BI的優勢
下面以一個案例來講下POWER BI使用及優勢。
Kaggle上的一個零售數據集：某英國在線零售商8個月訂單數據，訂單表，產品維度表（是我隨意打標簽的創造的一個）：
stockcode: 產品code,invoiceNo:訂單號，invoicedate:下單日期，unitprice：單價，quantity:數量，customerid:顧客id；
我們從數據分析項目的流程來簡單講下優勢(操作步驟見下圖演示）：
- 數據清洗整理（多數據源導入，清理模板，數據量大時候，速度快，數據基本空值情況）
可以從多數據源導入數據，本案例導入了csv和excel文件兩種(1&2);然后在power query進可以看到列中的空值與錯誤值情況（3），用行了清洗，去除空值和負值，這些清理操作會被保留下來(4)，下次更新數據源，不用再操作一遍。
- 數據模型建立 - 建立關系 + 表+ 計算列 + 度量值 + 計算應用（計算銷售額）
POWER BI有個比較重要的功能就是數據模型，這個概念是數據倉庫中有的，接地氣點說就是搭建數據報表模板。
我們將兩張表(5)通過stockcode這個子段建立了關系（6-vlookup),然后生成新的計算列‘銷售額’(7)，計算每個產品的價格，最后用度量衡聚合SUM函數計算來銷售總額(8)。
- 我們用分析常用的視角來可視化探索這個零售的數據。
描述看各個國家的體量情況（9&10，采用地圖視角）;用分解樹細分定位國家的主要構成品類（11&12）;看各個品類的趨勢情況(13&14)最后通過切片可以篩選任意國家的趨勢情況(15&16)。
- 固定化成模板 -可以直接連接數據庫。
POWER BI還有強大的功能可以直接連接數據庫，然后可以根據已經制作好的模板，處理數據呈現想看的結果，以及建立動態儀表盤等等功能。
如果有興趣入門的話，可以繼續關注我的公眾號，后續會對POWER BI進行分析專題分享；
歡迎關注微信公眾號'數據氧氣'，回復【軟件安裝包】，即可獲得文中的數據集以及POWER BI安裝包和POWER BI文件。
