Microsoft Excel có thể là phần mềm phổ biến nhất trong cộng đồng doanh nghiệp. Được phát hành cách đây hơn 30 năm, Excel vẫn được sử dụng hàng ngày ở các quốc gia trên toàn cầu để lưu trữ, thao tác và phân tích dữ liệu. Nó được sử dụng rộng rãi đến mức trở thành một thuật sĩ Excel có thể giúp tăng đáng kể thu nhập của bạn
Nhưng Excel, mặc dù tuyệt vời, nhưng vẫn có những hạn chế của nó. Nếu bạn đang làm việc với dữ liệu hàng ngày, thì những hạn chế này rất đáng kể. Chúng tôi đã nói chuyện với nhà khoa học dữ liệu của Pacific Life, Alyssa Columbus, người đã cho chúng tôi 9 lý do tại sao bạn có thể thấy đáng để học một ngôn ngữ lập trình để phân tích dữ liệu, ngay cả khi bạn đã là người thành thạo Excel và không cố gắng kiếm việc làm trong lĩnh vực dữ liệu
Trong các điểm bên dưới, Alyssa đang so sánh cụ thể Excel với việc thực hiện phân tích dữ liệu trong R, một ngôn ngữ lập trình phổ biến để phân tích dữ liệu. Nhưng hầu hết những ưu điểm này cũng đúng với Python, ngôn ngữ mã hóa phổ biến khác để làm việc với dữ liệu. Chúng tôi cung cấp các khóa học giới thiệu miễn phí về cả hai và sẽ là một nâng cấp sức mạnh đáng kể so với Excel
1. Nhập và thao tác dữ liệu mạnh mẽ hơn
Không giống như Excel, Alyssa nói, “R về cơ bản có thể đọc bất kỳ loại dữ liệu nào. ” Và các định dạng dữ liệu mà nó không thể đọc được vẫn có thể hoạt động. “Ngoài ra còn có các gói R được thiết kế đặc biệt để đọc các tệp dữ liệu XML, JSON, SPSS, Excel, SAS và STATA, đồng thời bạn cũng có thể lấy dữ liệu từ các trang web và thực hiện các truy vấn SQL. ”
Thao tác dữ liệu - các tác vụ như đặt con, hợp nhất và mã hóa lại dữ liệu - cũng dễ dàng hơn nhiều trong R. Bất kỳ ai đã dành nhiều thời gian để hợp nhất và xóa một số tập dữ liệu lớn trong Excel để phân tích đều có thể chứng thực rằng đó là một quá trình khó khăn và tốn thời gian. Nhưng R và một số gói phổ biến như dplyr, tidyr và plyr, làm cho quá trình này đơn giản hơn và nhanh hơn
2. Tự động hóa dễ dàng hơn
Thực tế là Excel có GUI [giao diện người dùng nơi bạn có thể nhấp vào các nút thay vì viết mã] chắc chắn làm cho nó dễ tiếp cận hơn, nhưng đó có thể là một trở ngại lớn khi bạn đang cố gắng tự động hóa một quy trình hoặc chạy nhiều lần cùng một phân tích
Sử dụng một ngôn ngữ lập trình có thể làm điều này nhanh hơn nhiều. Ví dụ: nếu bạn cần chạy cùng một phân tích trên một tập hợp dữ liệu bán hàng mới mỗi tuần, thì việc thực hiện điều này trong Excel sẽ yêu cầu mở một tệp khác theo cách thủ công mỗi tuần và nhập lại công thức cũng như các yếu tố khác cần thiết cho phân tích. Nhưng bạn có thể tự động thực hiện phân tích đó bằng một ngôn ngữ như R, viết một tập lệnh đơn giản để nhập dữ liệu mới và chạy cùng một phân tích mỗi tuần, xuất kết quả ở bất kỳ định dạng nào bạn muốn
3. Làm việc dễ dàng hơn với nhiều dữ liệu
Trong Excel, các dự án được sắp xếp theo trang tính hoặc tab và nếu bạn đã từng xử lý các tệp Excel có hàng tấn trang tính hoặc nhiều mục nhập dữ liệu trong mỗi trang tính, bạn sẽ biết rằng nó có thể rất chậm và rất nhanh. Làm việc với đủ dữ liệu trong Excel đôi khi thậm chí có thể gây ra sự cố. Tuy nhiên, các ngôn ngữ lập trình như R có thể xử lý một lượng lớn dữ liệu nhanh hơn nhiều và chúng không thể thực sự gặp sự cố giống như cách mà Excel có thể làm, vì vậy bạn không phải lo lắng về việc mất công việc của mình
4. tái sản xuất nhiều hơn
Phân tích dữ liệu hữu ích nhất khi bạn có thể giải thích những gì bạn đã làm cho người khác và những người khác có thể dễ dàng sao chép công việc của bạn để xác nhận [hoặc bạn có thể tự sao chép để kiểm tra lại]. Nhưng điều này rất khó trong Excel;
Tái tạo kết quả dễ dàng hơn nhiều trong ngôn ngữ lập trình như R. Chạy lại phân tích cũng đơn giản như nhấn “Enter” và thật dễ dàng để thêm nhận xét vào mã của bạn để giải thích điều gì đang xảy ra ở mỗi bước của quy trình, để bất kỳ ai cũng có thể kiểm tra kỹ công việc của bạn
5. Dễ tìm và sửa lỗi hơn
Khi bạn mắc lỗi trong Excel, việc tìm ra lỗi sai có thể khó khăn, vì bạn có thể phải cuộn qua hàng nghìn ô dữ liệu để tìm câu trả lời hoặc cố gắng theo dõi lại các bước của mình theo cách thủ công
Nhưng khi bạn mắc lỗi trong một ngôn ngữ viết mã như R, thông thường bạn sẽ nhận được thông báo lỗi giải thích lỗi mà máy tính cho là đã sai. Và tất nhiên, bạn cũng nên có nhận xét giải thích từng dòng mã của mình, điều này giúp bạn dễ dàng quay lại và kiểm tra lại từng bước để tìm lỗi. Thông thường, các lập trình viên cũng sử dụng một hệ thống để kiểm soát phiên bản, vì vậy nếu bạn gặp lỗi mà bạn chưa từng gặp trước đây, bạn sẽ có thể so sánh mã hiện tại của mình với lần lặp lại trước đó để biết lỗi gì đã xảy ra
Điều này không có nghĩa là bạn sẽ luôn có thể sửa lỗi ngay lập tức. Nhưng “lỗi trong phân tích dữ liệu là không thể tránh khỏi,” Alyssa nói, “và việc tìm và sửa những lỗi đó trong R dễ dàng hơn trong Excel. ”
6. Khả năng tiếp cận nguồn mở
Excel rất tuyệt, nhưng nó thuộc sở hữu của Microsoft, điều đó có nghĩa là cuối cùng bạn sẽ phụ thuộc vào ý thích bất chợt của công ty có trụ sở tại Washington về các lỗi, bản cập nhật và hỗ trợ tính năng. Không giống như Excel, Alyssa nói, “R không phải là hộp đen. Bạn có thể kiểm tra mã R cho bất kỳ chức năng hoặc phép tính nào bạn thực hiện. Bạn thậm chí có thể sửa đổi và cải thiện các chức năng chính bằng cách thay đổi mã. ”
Python cũng là mã nguồn mở và trong trường hợp của cả hai ngôn ngữ, điều này cũng có nghĩa là bất kỳ nhà phát triển nào [bao gồm cả bạn] đều có thể tạo các gói để tăng cường ngôn ngữ và thêm chức năng hoặc cải thiện tính dễ sử dụng. Cả hai ngôn ngữ đều có các gói và thư viện phổ biến và được sử dụng rộng rãi do các nhà phát triển bên thứ ba tạo ra để giúp phân tích và trực quan hóa dữ liệu dễ dàng hơn
Phải thừa nhận rằng Excel có một số phần bổ trợ của bên thứ ba, nhưng vì đây là phần mềm độc quyền nên chúng không mạnh bằng và bạn không dễ dàng thêm bất kỳ chức năng nào mà bạn có thể muốn hoặc cần
7. Thống kê nâng cao và khả năng học máy
Cả R và Python đều có nhiều khả năng thống kê nâng cao hơn Excel [và điều này đặc biệt đúng với R, được thiết kế với các phân tích thống kê nâng cao]. Cả hai ngôn ngữ cũng cho phép tạo ra các mô hình học máy [thường tích hợp các gói và khuôn khổ học máy như caret, scikit-learn và TensorFlow]
8. Khả năng trực quan hóa dữ liệu nâng cao
Rõ ràng, Excel có thể tạo nhiều loại biểu đồ, nhưng ngôn ngữ lập trình có thể làm được nhiều hơn thế, và đặc biệt là ngôn ngữ R “có khả năng đồ họa tốt hơn, tiên tiến hơn và hiện đại hơn với các gói lattice, ggplot2 và shiny,” Alyssa nói
Khả năng tạo các hình ảnh trực quan hấp dẫn và nhiều thông tin đặc biệt quan trọng trong bối cảnh kinh doanh, vì những người đưa ra quyết định tại một công ty có thể không quen thuộc với phân tích thống kê hoặc giỏi đọc các biểu đồ phức tạp. Bạn càng hiểu dữ liệu của mình dễ dàng bao nhiêu thì công việc của bạn càng có tác động thực sự bấy nhiêu.
9. Ổn định đa nền tảng
Các tập lệnh trong các ngôn ngữ lập trình như R và Python có thể chạy trên mọi nền tảng mà không gặp trục trặc. Bạn có thể tự tin rằng tập lệnh R của mình sẽ hoạt động trên các máy Windows, Mac và Linux, nhưng điều này không phải lúc nào cũng đúng với các tệp Excel
Tất nhiên, điều đó không có nghĩa là bạn nên từ bỏ hoàn toàn Excel. Alyssa chỉ ra rằng nó có một số lợi thế so với ngôn ngữ lập trình. Do có giao diện đồ họa người dùng nên việc nhập dữ liệu thủ công thường dễ dàng hơn trong Excel và nếu bạn chỉ muốn lướt qua bảng tính một cách nhanh chóng, thì việc xem qua tệp Excel có thể nhanh hơn và dễ dàng hơn so với thực hiện điều đó bằng mã. Cả Python và R đều có cách hiển thị các phần dữ liệu bạn đang làm việc ở định dạng bảng trực quan để dễ dàng xem bạn đang làm việc với cái gì, nhưng trong Excel, phần trình bày dữ liệu trực quan này là mặc định chứ không phải là thứ gì đó.
Tuy nhiên, rõ ràng là nếu bạn đang thực hiện nhiều phân tích dữ liệu, việc sử dụng ngôn ngữ lập trình sẽ mang lại một số lợi thế rất đáng kể so với Excel. Nếu bạn làm việc nhiều với Excel, thì việc học dù chỉ một chút lập trình R hoặc Python có thể giúp bạn tiết kiệm hàng giờ trong Excel mỗi tuần. Nếu bạn chỉ quen thuộc với Excel, ý tưởng học một ngôn ngữ lập trình như R hoặc Python có thể rất đáng sợ
Nhưng nó không khó như bạn nghĩ. Tại Dataquest, chúng tôi tin rằng bất kỳ ai cũng có thể học cách viết mã và chúng tôi cung cấp các lớp giới thiệu miễn phí về R và Python mà bạn có thể tham gia mà không cần bất kỳ kinh nghiệm viết mã nào cũng như không cần bất kỳ nền tảng toán học hay kỹ thuật nào
Nhận tài nguyên khoa học dữ liệu miễn phí
Đăng ký miễn phí để nhận bản tin hàng tuần của chúng tôi với các liên kết tài nguyên khoa học dữ liệu, Python, R và SQL. Ngoài ra, bạn có quyền truy cập vào nội dung khóa học trực tuyến tương tác miễn phí của chúng tôi
Giới thiệu về tác giả
Charlie Custer
Charlie là sinh viên ngành khoa học dữ liệu và cũng là nhà tiếp thị nội dung tại Dataquest. Trong thời gian rảnh rỗi, anh ấy học đi xe đạp leo núi và làm video về nó