经常听到网友给我留言抱怨：
“Excel很难，做个简单图表还行，一看到透视表就晕 。”
【数据分析，除了Excel数据透视表，还有什么工具？】“作为表哥表姐，每天的工作就是复制粘贴 ， 不懂技巧，一行一行审查数据 ， 枯燥没有含金量 。”
…….
那么，Excel真的有那么难么？难！而且即使被伤得深，还是要推荐入门者用excel做数据分析 。筛选、过滤、排序，简单公式，数据透视表、VBA程序开发，如果想在这条路上走得远，这些都是必须经历的 。类似下图的Dashboard ， 你所看到的是图表，但其实不光光是图表，还有内部的业务逻辑，这是一张完整报表中所需要的 。
回归主题，那么，除去Excel，除去数据透视表，有没有可替代的工具呢？有，而且很多 。
可分为这样几类：
- 报表工具
- BI工具
- Web端的BI/数据分析工具
- 数据分析语言：R、Python、Matlab
一、报表 & BI
前两者——比如用报表工具或者BI工具来做dashboard，。好处就在于用起来简单，数据透视、图表制作这些功能封装好的 。整个过程就是连数据，设计模板，web展示 。图表是内设好的或者开发对接Hcharts/Echarts/D3图标库，一般内置的图表以及够用了 。
但是 ， 两者又有很大不同，侧重点不太一样，以FineReport和FineBI为例：
FineReport是报表工具 ， 解决数据展现和业务流程管理的 。FineBI是商业智能工具，侧重于数据分析 。FineReport的使用者一般是IT人员，FineBI使用简单，业务人员也可以使用 。
主要差别：
1、数据处理——Finereport是直连数据库，FineBI可做大数据建模，生成多维数据集，实时增量数据，也可直连数据库 。
2、FineReport可以灵活定制各种复杂表样；FineBI主要在于前端的OLAP分析模式，主要在于操作体验上 。
3、报表系统FineReport和FineBI的使用对象和目的都不相同 。
报表系统更着重于短期的运作支持，而BI则关注长期的战略决策，甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身 。BI并不是用来代替着眼于日常运做的报表系统的 。
其他用户感受-FineReport
自认为帆软报表产品的两个核心是填报（往数据库填入数据）和数据展示，然后由此引出拓展的其他丰富功能 。
而目前的ERP，OA，CRM，或者各种各样其他的业务系统他们最根本最实质 ， 剖析到最深处的，也是填报和数据展示
填报：各种各样得流程表单
数据展示：打印、导出、数据报表分析
然后两年的时间，无数的项目也验证了我这一想法 ， 几乎没有它做不了的企业系统 。物流系统，HR系统，CRM，MRP系统 ， ERP系统，OA系统，这些系统的附加其实是深入的业务知识，只要努力摸清楚他们的根本，把业务一遍又一遍的梳理、剖析，会发现，最终出来就只有两个表单，报表，然后加个流程引擎，那么这两个梳理出来后，要做的第一步就是打基础，把数据库底层逻辑都定下来，然后再这个基础上，再去用帆软去实现一个界面的填报，跟展示 。
所以，其实他就是一款万能的工具，就是一款高自由度的展示工具，只要对业务熟悉有想法，有了finereport可谓如虎添翼 。
二、Web端分析工具
操作类似于上面的BI工具，只不过不带客户端，是网页版的，俗称SAAS工具，代表有DOMO、Superset、数据观等等 。可以单机版用以分析 ， 也能付费买商业版，私有化部署到服务器，成为自家公司的分析工具 。数据源可以访问和连接数据库，切片是各类数据可视化，均是单图；看板即为Dashboard，是切片的集合 ， 整体的操作是选择图表、拖拽数据字段，切片分析、可视化展示 。
三、R & Python
最后，可以用一些数据分析工具，例如R/Python，自带的图表也十分绚丽 。对于一名数据爱好者来说，Python能在相对比较短的时间内较快的实现自己的想法 。Python的库非常的多 ， 在jupyter-notebook上敲代码，用scrapy爬取数据，用pandas进行数据清洗规整，用scikit-learn进行机器学习算法分析，用matplotlib,seaborn进行数据可视化 。而这些库在ipython-notebook上都是浑然天成，自成一体 。）数据可视化库seaborn是建立在matplotlib之上的，更精简、方便，下面以图片的方式简要的介绍seaborn库到底能画什么样的图形 。
R主要是ggplot2，ggplot2是关于R里面的一个用来绘制统计图形包，制作流程如下：
