因为越高级的数据分析，在菜鸟眼中越简单！其中太多脚踏实地干活的部分，在他们看来，完全不够炫酷、玄幻、高大上，他们会说：数据本来就很大呀！不就是做个报表吗！本质上，这种质疑来自对数据分析工作的不理解，和对自身能力的过度自负。
唉。
三、如何提升数据分析的高级感前段时间说互联网行业的黑话，“打法，赋能，拉通，痛点”，大家都喜欢这些听起来高大上的名字，比如：“我用数据分析发现了与销售业绩关联度高的5个维度”，直接叫“构建销售五力模型”。是不是那感觉一下就上来了。
再比如，“我按照规则提交名单给业务部进行跟进，经过1个月检验发现65%预测正确，30%出现误差”就太脚踏实地了。直接叫：“建立赋能系统，进行5轮迭代，持续优化模型效能”直接把人看趴下。
只要那些天天吹高大上方法的人，一碰上数据采集，一碰上数据清洗，一碰上落地流程，基本都化成灰了。
所以什么概念的先放一边，做好高级的数据分析，还是得从工具入手。
工欲善其事，必先利其器。说起来道理大家都懂，只是到了要学习的时候就开始各种退缩。殊不知好的数据分析工具可以让你事半功倍，瞬间提高学习工作效率。
虽然数据分析的工具千万种，综合起来万变不离其宗。无非是数据获取、数据存储、数据管理、数据计算、数据分析、数据展示等几个方面。而R、python、excel、FineBI是被提到频率最高的数据分析工具。那么，这些工具本身到底有什么特点呢？
1、Excel
这个就不用多说了吧，最常用的工具之一，优点缺点都很明显，不过不要再说Excel用的精怎么怎么样了，很多东西你接触到了才有评论权，你觉得它好，是因为某种程度上，你的数据量还没有达到一定程度。
2、R
与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。
不过需要编程，上手挺难的，所以这个不建议没有基础的小白使用。
3、python
Python极其容易上手，不过和R一样，你让30岁的人从头学肯定不现实。
4、FineBI
既然编程很难，那么有没有不需要代码的平台？也就是所谓的零代码工具。
有！
拖拖拽拽即可实现数据分析，完全不需要任何复杂的操作，从一个零基础的新手，到会用、用好只需要很短的时间。
你以为处理数据还需要函数？不需要的！直接用内置好的计算功能。你以为数据修改还需要手动核对？不需要的，数据直连多种数据源。你以为仅仅是数据分析工具？完全不是，还能做可视化！
这或许就是他们口中的高级数据分析吧。
当然，我们还是希望业内浮躁盲目的气氛少一点，大家多认真干活，用到一些有技术含量的东西，肯定比直接跑报表好太多返回搜狐，查看