1.擅長
Excel是最容易使用的圖表工具，它擅長處理快速和少量的數據。結合數據透視表和VBA語言，可以在壹個很高的平臺上制作可視化分析和儀表盤儀表板。
用Excel做單個表格或者單個圖表是唯壹的規則，可以快速顯示結果。但涉及到復雜報表，excel無論是模板制作還是數據計算性能都略顯不足，任何大型企業都不會使用Excel作為數據分析的主要工具。
2.視覺BI(Power BI \ Tableau \ Sailing Soft fine BI等。)
或許Excel也意識到了自己在數據分析領域的局限性，以及目前自助分析的趨勢。近年來，微軟推出了BI工具Power BI。和可視化工具Tableau、國產帆板工具BI壹樣，封裝了所有可能的分析操作的編程代碼，操作都是通過點擊拖拽實現的，只是幾個工具的定位略有不同。
功率BI
最明顯的是提供壹個交互式的、可鉆取的儀表板。使用Power Pivot，您可以直接生成數據透視報告，從而不再需要數據透視表。
（舞臺上由人扮的）靜態畫面
可視化圖表豐富，堪稱壹流，操作更簡單。
帆軟FineBI
由於2B市場的火爆，實用性很強的企業級BI應用備受關註。千萬億次數據性能可以保證，業務屬性重，可以和各種業務聯動。
對於個人來說，入門簡單，可以騰出更多的時間學習業務邏輯分析。
編程文章
對於尋求更高水平的數據分析師或數據科學家來說，如果他們掌握了可視化編程技能，他們可以用數據做更多的事情。熟練掌握壹些編程技巧，賦予數據分析更靈活的能力，各種數據都能適應。絕大多數新奇驚人的數據圖，幾乎都可以通過代碼或者繪圖軟件來實現。
像任何語言壹樣，妳不能馬上開始對話。從基礎開始，然後逐步建立自己的學習風格。很有可能，在妳意識到之前，妳已經在編寫代碼了。編程最酷的地方在於，壹旦妳掌握了壹門語言，學習其他語言會更容易，因為它們的邏輯思想是共通的。
1.Python語言
Python語言最大的優勢就是擅長處理大量數據，性能好不會造成宕機。它特別適用於復雜的計算和分析。而且Python的語法幹凈易讀，很多模塊都可以用來創建數據圖，很受IT人員的歡迎。
Python生成的圖表
2.PHP語言
PHP是壹種松散但規範的語言，用得好的話非常強大。在數據分析領域，php可以作為爬蟲抓取和分析百萬級的web數據，也可以結合Hadoop做大數據的統計分析。
因為大部分Web服務器都預裝了PHP的開源軟件，所以省略了部署等工作，可以直接寫。
例如，迷妳圖庫允許您在文本中嵌入小字體大小的微型圖表，或者向數字表格中添加可視元素，如下圖所示:
PHP圖形函數庫生成的微線表
壹般PHP會和MySQL數據庫結合，使其能夠物盡其用，處理大型數據集。
3.HTML、JavaScript和CSS語言
很多可視化軟件都是基於web的，這些語言功不可沒。而且隨著人們越來越依賴瀏覽器的工作，網頁瀏覽器的功能也越來越完善。借助HTML、JavaScript和CSS，可以直接運行可視化顯示的程序。
交互式日歷，也是用戶使用your.flowingdata的熱圖。
但是，還是有幾點需要註意。因為相關的軟件和技術還比較新，所以您的設計在不同的瀏覽器中可能會有不同的顯示。在Internet Explorer 6這樣的舊瀏覽器中，有些工具可能無法正常工作。比如壹些銀行單位現在還在用IE，那麽不管是自己用還是自己開發都要考慮這個問題。
4.r語言
r語言是大多數統計人員最喜歡的分析軟件，開源免費，圖形功能強大。
說到R語言的歷史，是專門針對數據分析的，也是針對統計學家和數據科學家的。但是，由於數據分析越來越普及，R語言的使用就不那麽受限制了。
R的使用過程很簡單，有很多支持R的工具包，只需要將數據加載到R中，寫壹兩行代碼就可以創建壹個數據圖。例如，使用Portfolio Toolkit快速創建下面的板塊層次圖。
例如熱圖。