Python 正在取代 Excel，助力业务决策规模化
Python 和 R 等其他开源编程语言正在快速取代 Excel，后者并不适用于现代业务的可扩展需求。多年来，Excel 一直是企业事实上的决策引擎。但它诞生于数据集较小、不需要实时信息、协作也不那么重要的年代。开源编程语言可以帮助公司更好地利用数据，而如今许多岗位也要求具备编程知识才能实现数据流利度。
我们的数据科学家 Chris Cardillo 表示：“如果有人每天在 Excel 上花费超过四个小时，那么学习 Python/R 无疑会让他们受益匪浅。”用这样的视角评估您的员工很有价值——它将编程需求与工作场景中易于识别的模式进行了对照。事实上，正是通过开源代码显著提升工作成果的能力，让 Chris 成为了一名数据科学家。
来源：xkcdPython 如何助力业务分析？
商业智能与仪表板（描述性分析）
业务分析的首要目标之一是描述已经发生的事情，以便理解趋势并评估一段时间内的指标。这个领域称为描述性分析，通常由数据分析师执行。
数据分析师常用 Python 来描述和分类当前存在的数据。他们会进行探索性数据分析，包括数据剖析、结果可视化，以及提出观察结论以指导后续分析步骤。Python 可用于操作数据（使用如 pandas 等库）、优化工作流，并创建可视化（使用 Matplotlib）。
机器学习（预测性分析）
业务分析的另一个目标是通过预测将要发生的事情来为未来做好准备。这个领域称为预测性分析。机器学习是预测性分析的一个分支，它使用高效的统计算法，基于既有信息来预测未来，并识别关系和洞见——例如 Netflix 的推荐引擎。
Python 正迅速成为机器学习的首选语言，被用于构建贝叶斯网络、决策树等各类模型。谷歌的 TensorFlow 是一个广受欢迎的 Python 库，许多数据科学家使用它来快速调用众多有监督与无监督的机器学习算法。
决策科学（规范性分析）
规范性分析（又称决策科学）是业务分析的最后阶段，它预判某些结果会在何时、为何发生——并据此决定如何行动。它将数据应用于决策过程。在我们的 DataFramed 播客中，Google Cloud 首席数据科学家 Cassie Kozyrkov 解释了决策智能与数据科学之间的联系。
决策科学家会围绕业务问题来构建数据分析，并使用与数据科学家相同的诸多技术和工具。他们的目标是让洞见可用，因此其模型与可视化方法必须能够清晰传达这些洞见。Python 常用于通过深度学习构建规范性分析工具，利用人工神经网络优化结果。
让 Python 走进每一家业务分析团队
DataCamp 拥有广泛且不断扩展的 Python 课程体系。不知道从哪里开始？我们建议有志成为数据科学家的学员加入我们的Python 数据科学家职业路径，获取精心策划的课程组合。
对于重视持续学习的公司，DataCamp for Business 使员工能够在业务分析的各个领域保持技能的与时俱进。
点击此处预约我们的平台演示。
为什么 Python 如此重要？
Python 让每个人的工作更高效
Python 应用广泛，是数据科学、网页开发、系统管理、编写自动化脚本等领域的顶级编程语言之一。开箱即用，Python 就能让用户存储、访问和处理数据。它还拥有庞大且不断增长的生态系统，包含多种开源软件包和库。这意味着不同岗位可以用 Python 实现各自的目的。
Python 几乎适用于所有行业，包括医疗、金融、科技、咨询等。医疗行业正使用基于 Python 的机器学习算法来预防和诊断疾病，并优化医院运营。农民借助物联网技术使用 Python 进行产量预测，管理农作物病虫害。
Python 也是当今最受欢迎的业务分析语言之一，并以惊人的速度持续增长。它通常被认为是更易读、易学的编程语言之一——语法简洁，命令贴近英语表达。这也是许多业务分析师认证包含 Python 的原因之一。