继续回到上一个例子 ， 发现最近DAU下降了 ， 主要是学生群体的下降 。 那么有什么办法？是否能够让学生群体在上学的时候也能够活跃呢？或者说如果学生群体在上学时候没法活跃 ， 那么有没有什么办法去看一下其他非学生用户群体的渗透率是什么样子 。 有没有办法让非学生群体的渗透率变高 。
针对这些环节 ， 你还缺哪些能力 ， 就可以根据具体的技能点查漏补缺 。
会用Excel ， 真的需要再学Python吗？ 很多读者来问我 ， 说我现在已经Excel了 ， 我还有必要去学Python吗？
其实要注意的是 ， 不管是Excel、Python还是SQL ， 其实都只是数据分析的一个工具而已 。 分析的本身和你用什么工具其实是没有关系的 。 用Excel能做数据分析 ， 用Python也能做 ， 用其他工具也可以 。 所以大家不要觉得说用Python做数据分析 ， 就比用Excel做数据分析高级 ， 其实不太存在这方面的问题 。
既然这样的话 ， 可能有同学就会问了 ， 既然如此 ， 我是不是只会Excel这一个技能就好了 ， 我就没必要去学Python了 。
大家如果有在网上看去看招聘要求的话 ， 会看到基本上互联网公司招聘都会有一项要求会Python 。
为什么呢？我个人认为主要有两方面的 ， 一、在有些场景下 ， 有些场景下 ，Excel和Python可能都能做这件事情 ， 但是 Python的效率可能会更好一些 。 第二个原因就是 ， 在特定的场景下 ， 只有 Python能做 ， 但是 Excel是不能做的 。
基于这两个原因 ， 我们就有必要去学Python 。 虽然不是100%的工作都是用Python ， 但万一遇到非Python不可的时候 ， 你也会 ， 这就能让你如虎添翼 。
具体工作场景中 ， 使用Excel和Python的不同 接下来具体讲讲日常的具体工作内容 ， 再看一下在具体的场景中用Excel和Python有哪些不一样的地方 。
第一点就是数据处理 。
比如说缺失值处理 ， 重复值处理 ， 加减乘除运算等 。 Python的一个优势就在于大数据处理 ，Excel的话可能上限就100多万行 。
而且虽然上限是100多万行 ， 但处理大量级数据的话 ， 一般超过20万行 ，Excel就反应特别慢了 。 尤其当你在里面嵌套了很多公式时 ， 经常导致 Excel无响应就崩溃退出了 。 而Python就不存在这个问题 。 如果数据量级很小 ，Excel和Python是差不多的 ， 有时可能Excel效率可能还会更好 。
这是关于在数据处理方面 ， 因为我们做数据分析的第一件事情 ， 可能就是去对这个数据进行各种各样的一个处理 ， 大家根据自己的情况去选择就好了 。
第二点是报表自动化 。
常见的有日报、周报、月报等 。 这种报表有一个好处就是格式相对比较固定 。 只要格式是固定的 ， 我们就可以想想办法去把进行自动化 。 自动化的话可以用Python写代码 ， 把代码写好了 ， 它运行一次就ok了 。 在Excel里面的话也是可以的 ， 去写vba ， 或者用各种公式嵌套 。 网上就有人专门去比较过 ， 同样的操作 ， 用vba和用Python的效率差异 ，Python可能要比vba更快一些 ， 也就是效率更高一些 。
Python和 vba在写代码的方面 ， 比如要读取一个文件 ， Python里面可能一行代码就能够读取进来了 ， 在vba里面可能要写好几行代码 ， 而且也不是那么好理解 。
还有一个最重要的点是Python现在很火 。
很火就意味着网上会有很多的资料 ， 如果你遇到什么不太懂的地方 ， 去网上搜一搜大概率是能搜得到的 。 但是vba整个受众还是相对较小的 ， 如果遇到什么相关问题 ， 可能问身边的人发现也没几个人会用 。 你去网上搜也得不到太多的资料 ， 我们在学的时候都需要去借助网上资料 ， 网上的资料多少就决定了我们学习的效率 。