在进行数据分析时，常用的机器有三种：个人电脑、工作站和服务器。在选择使用哪种机器进行数据分析时，需要考虑数据量大小、分析复杂度、处理速度要求等因素。

首先，个人电脑通常是最基本的数据分析工具。对于小规模数据或简单分析任务来说，个人电脑已经可以胜任。它的优势在于灵活性高、成本低、操作简单。可以使用一些数据分析软件比如Excel、Python、R等进行数据清洗、可视化、统计分析等操作。

其次，当数据量较大或者分析任务较为复杂时，工作站可能是更好的选择。工作站通常配置更高，能够处理更大规模的数据，并且具有更强的计算能力。一些专业的数据分析软件比如SPSS、SAS、MATLAB等通常在工作站上运行效果更好。

最后，服务器则是针对大规模数据分析而设计的。服务器通常配置更为强大，具有更高的计算性能和存储容量。它可以支持大规模数据的处理和分析，并且通常被用于大数据分析、机器学习等领域。一些大数据处理框架比如Hadoop、Spark通常在服务器集群上运行。

不同的机器适用于不同规模和复杂度的数据分析任务，选择适合的机器可以提高数据分析的效率和准确性。同时，也需要根据自身情况来权衡成本和性能，选择最适合的机器进行数据分析。

数据分析可以使用各种不同类型的机器，具体取决于分析的规模、复杂度以及数据的特点。以下是常用于数据分析的几种机器类型：

1. 个人电脑：对于小型数据集或简单分析任务，个人电脑通常就足够了。个人电脑通常配备有适用于数据处理和分析的软件工具，如Microsoft Excel、R或Python等。使用个人电脑进行数据分析可以方便快捷，适用于初级数据科学家或数据分析师。

2. 本地服务器：对于较大规模的数据集或需要更快速的计算能力的任务，可以使用本地服务器进行数据分析。本地服务器通常具有更高的处理能力和内存容量，可以更快地处理大量数据，并执行更复杂的分析算法。本地服务器通常被组织或企业用于数据仓库、数据处理和数据分析任务。

3. 云计算平台：云计算平台如Amazon Web Services(AWS)、Microsoft Azure、Google Cloud Platform等提供了灵活的计算资源，可以根据需求弹性地调整计算能力。通过云计算平台，数据分析人员可以在不同的实例上进行分析，根据任务的需求调整计算资源。云计算平台也提供了各种数据处理和分析工具的服务，如AWS的Elastic MapReduce(EMR)、Azure的Azure Machine Learning等。

4. 高性能计算集群：对于需要进行大规模数据处理和复杂计算的任务，可以使用高性能计算集群进行数据分析。高性能计算集群由多台计算节点组成，每个节点都具有独立的处理能力和内存容量，节点之间可以相互通信和协同工作，以提高数据处理和计算性能。常见的高性能计算集群包括Apache Hadoop、Apache Spark、Apache Flink等。

5. 超级计算机：对于极端复杂的数据分析任务或大规模模拟计算，可以使用超级计算机进行数据分析。超级计算机具有非常高的处理能力和内存容量，可以同时处理数百万甚至数十亿个数据点，执行复杂的模拟计算和数据分析算法。超级计算机通常由大型科研机构或企业用于科学研究、气象预报、新药研发等领域。

因此，数据分析可以使用各种不同类型的机器，根据任务的需求和规模选择合适的机器类型进行数据分析。

根据标题"数据分析用什么机器做的"，我们将从方法、操作流程等方面进行讲解，帮助您更好地了解在数据分析中使用的计算机设备。

一、选择计算机设备进行数据分析

1. 服务器

• 高性能服务器：适用于大规模数据处理和复杂计算，具有强大的处理能力和存储容量。
• 云服务器：可弹性伸缩，适合处理变化较大的工作负载，同时提供灵活的计算资源。

2. 工作站

• 高性能工作站：配备高性能CPU、大内存和高速存储，适合运行复杂的数据分析软件和算法。
• 图形工作站：适合处理大规模图形数据和可视化分析。

3. 台式机

• 专业台式机：适合进行中小规模数据处理和分析，价格相对较低。
• 个人台式机：可用于简单的数据处理和分析，处理速度和性能一般。

4. 笔记本电脑

• 高性能笔记本：可灵活携带，适合简单的数据处理和轻量级数据分析。
• 超极本：轻便小巧，适合处理简单的数据分析任务。

二、选择计算机设备的考虑因素

1. 数据规模

• 大数据处理：选择高性能服务器或云服务器进行分布式计算。
• 中小规模数据：工作站或台式机可满足需求。

2. 处理能力

• 数据复杂度：根据数据处理复杂度选择配置更高性能的设备。
• 算法复杂度：需要考虑设备是否支持高性能计算。

3. 可视化需求

• 图形处理能力：数据可视化需求较高时，选择具有良好图形处理能力的设备。

4. 灵活性与可扩展性

• 工作负载波动：根据工作负载的波动性选择云服务器等具有弹性的设备。
• 未来扩展：考虑未来数据规模、算法需求等因素选择可扩展性较高的设备。

三、操作流程

1. 确定需求：根据数据规模、处理能力、可视化需求等因素确定选择计算机设备的需求。

2. 选择设备类型：根据需求选择合适的服务器、工作站、台式机或笔记本电脑等设备。

3. 配置设备：根据预算和需求配置设备的硬件（CPU、内存、存储、显卡等）和软件（操作系统、数据分析工具等）。

4. 安装软件：安装适用于数据分析的软件和工具，如数据处理工具、统计软件、可视化工具等。

5. 导入数据：将需要进行分析的数据导入到计算机设备中，确保数据的准确性和完整性。

6. 进行数据分析：运行数据分析算法、处理数据、生成统计结果和图表等。

7. 优化分析过程：根据实际情况进行性能优化，提高数据分析的效率和准确性。

8. 保存和分享结果：保存分析结果，生成报告或图表，并与团队或合作伙伴分享分析成果。

通过以上方法和步骤，您可以根据需求选择合适的计算机设备进行数据分析，并按照操作流程进行操作，从而更高效地进行数据分析工作。希望以上内容能对您有所帮助，如有其他问题，欢迎继续提出。