一、Hadoop
Hadoop 是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的，此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。
二、SPSS统计软件
它使用Windows的窗口方式展示各种管理和分析数据方法的功能，使用对话框展示出各种功能选择项，只要是掌握一定的 Windows操作技能，粗通统计分析原理，就可以使用该软件进行各种数据分析，为实际工作服务。
三、Stata统计软件
Stata统计软件由美国计算机资源中心（Computer Resource Center）1985年研制。 特点是采用命令操作，程序容量较小，统计分析方法较齐全，计算结果的输出形式简洁，绘出的图形精美。不足之处是数据的兼容性差，占内存空间较大，数据管理功能需要加强。
四、EXCEL电子表格与统计功能
EXCEL电子表格是Microsoft公司推出的Office系列产品之一，是一个功能强大的电子表格软件。特点是对表格的管理和统计图制作功能强大，容易操作。Excel的数据分析插件XLSTAT，也能进行数据统计分析，但不足的是运算速度慢，统计方法不全。
五、SAS统计软件
SAS系统是一个模块组合式结构的软件系统，共有三十多个功能模块。SAS是用汇编语言编写而成的，通常使用SAS 需要编写程序, 比较适合统计专业人员使，而对于非统计专业人员学习SAS比较困难。SAS具有比较完备的数据存取、数据管理、数据分析和数据展现的系列功能。尤其是它的创业产品—统计分析系统部分，由于具有强大的数据分析能力，一直是业界中比较著名的应用软件，在数据处理方法和统计分析领域，被誉为国际上的标准软件和最具权威的优秀统计软件包，SAS系统中提供的主要分析功能包括统计分析、经济计量分析、时间序列分析、决策分析、财务分析和全面质量管理工具等。
评论0
加载中...
你是说这种看板吗？
虽然看起来很复杂的样子，其实制作起来一点都不难。
先上传数据，然后处理数据：
制作图表：
最后再把图表都放在图集里就好啦
如果想要调整布局和颜色，也很简单：
我想如果你会用之后，每次制作一个这样的看板大概需要1~2小时吧。
第一次做可能会久一点，但是绝对不会超过一上午。
这个神奇的工具叫：数据观 https://shujuguan.cn/product/?from=18010901
评论0
加载中...
用的很多了，首先是Python和一些包，机器学习的知识！还有就是echarts或者hcharts结合前端知识建立数据可视化图形进行分析，有时候也用D3。
当然了最简单的就是BI工具，直接拖拽流行了，当然要用好也没那么简单，常用的BI工具有tableau，帆软，永洪等等，即可以报表也可以做驾驶舱等等！实在不行也可以用Excel在百万以内的数据还是完全可以用它做分析的，实惠简单！
评论0
加载中...
市面上用来做数据分析的工具蛮多的，包括Python、Excel、SPSS、MATLAB、R、BI等等，以下挑几个比较主流的工具，尽量客观的聊聊他们的优缺点。
Excel可以说是人尽皆知把，这里就不再赘述了。想要了解如何用Excel做数据分析的伙伴，可以去看这篇：Excel从浅入深必须学会的25个知识点！
虽说Python是一种面向对象、解释型计算机程序设计语言，本身的数据分析功能并不强，但它是开源而且免费的。
Python的“平台模式”带来了大量的充满热情的用户，用户越多，软件的生命力就越强，发展也越快，这可以看作是软件生态的“人口红利”。
优点：
缺点：
emmm......在我看来Python并没有什么大的缺点。像哪些版本兼容问题、内存消耗大等都不算是大的问题。如果要从技术上来说：
如果想要寻求那种简单拖拉拽两下就能能生成分析结果的界面式工具，可以往下看。
找了一份Python学习框架，有需要的可以参考一下：
R和Python都属于“平台模式”——来自世界各地的开发者都可以贡献自己开发的工具包。但R语言更像是综合性较强的一类数据分析工具。
江湖传言，“会用R是成为一名成熟的数据分析师的重要标志。”因为只要入了门，R的功能就能很大程度地帮助使用者实现各种数据分析需求。
优点：
缺点：
对于没有数学和编程基础的新手小白，不建议从R入手，容易变成入门到放弃。
图源网络，侵删
Python
R
（PS：资料大家需要的话可以评论区戳戳，要的多我会给大家整理一波）
严格来说，BI并不完全等于数据分析，BI与数据分析是有共同交集的两个领域。数据分析是BI的一个重要组成部分，BI是数据分析的一个典型应用。
BI是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。数据仓库、报表查询、数据分析、数据挖掘、数据可视化等。
像题主所说的帆软BI工具，数据透视、图表制作这些功能都是封装好的，可以直接拿来套用，整个过程就是连数据，设计模板, web展示。图表是内设好的或者开发对接Hcharts/Echarts/D3图标库。
如果仅仅是做日常业务的数据分析，直接用模板套其实也完全够用了，比如这种：仪表盘模板
优点：
缺点：
这种自助式数据分析虽然也是需要一定的学习时间成本，但相比上面其他数据分析工具来说，整个上手过程还是比较快的，所以这点我可以接受。
Matlab是一个商业数学软件，在数值计算方面首屈一指。随着里面各种库的扩展，它在图像处理、信号处理、量化金融、工程仿真等方面都优秀到了让人忘记这是个数学软件。
优点：
缺点：
SPSS是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。
SPSS既可以像Excel一样鼠标点一点菜单就出结果，也能想Python一样通过编程出结果，老少皆宜。
优点：
缺点：
以上。
不管是Python、Excel、SPSS、SAS、MATLAB、hadoop、R等等，至少熟练使用一到两个，了解一两个，并知道每个的最适合使用场景就好了。至于怎么用，万事不懂问百度，要不就谷歌也行，如果要熟悉某个工具，最好就是多逛逛技术论坛，多拿项目练练手。
评论0
加载中...
数据分析能力，无论是什么行业、什么公司，几乎都需要。今天，给大家分享5款数据分析报告的工具，供大家学习参考！
优点：Excel具备多种强大功能，比如创建表单，数据透视表，VBA等，确保了大家可以根据自己的需求分析数据。
缺点：Excel无法处理大数据，它最适合小型数据，只有通过插件它才可以处理数百万的数据。
但换个思维想想，我们在日常中用到的数据是否超过了大数据这个极限呢？而且我们国家中小微型企业占了大部分，Excel足够处理绝大多数的数据分析需求。
综上所述：百万级以下的数据处理、分析，Excel是个不错的选择。
Power BI以前是Excel的插件，但是发展并不理想。因此它摆脱了Excel，发展成BI工具，作为后来者，Power BI每个月都有迭代更新，并且跟进的速度很快。
Power BI的PowerPivot和DAX语言能够以类似在Excel中编写公式的方式来进行复杂的高级分析，可以彻底解决很多在Python或者Excel中让人烦透了的问题，比如：
总之，Power BI最大优势在于其业务模型和数据分析功能，但是学习难度高。
尽管像Excel和BI工具这样的软件，已尽最大努力考虑到数据分析的大多数应用场景，但其实它们基本上都是定制化的。
如果软件没有设计某项功能或替某功能开发按钮，那很可能你就没法用它们来完成工作。在这一点上面，编程语言是不一样的。
R＆Python就都属于编程语言类，但用它们的前提是：必须得有代码基础，它们可以编写代码来执行所需的任何操作。
比方说，R和Python是数据科学家必不可少的工具。从专业的角度来看，它们绝对比Excel和BI工具强大。比如，一些专业统计分析和独立预测分析的应用场景，在Excel和BI工具上难以实现，但通过R和Python却可以。
SQL是结构化查询语言，基于数据库的语言，是用于数据分析和数据处理的最重要的编程语言之一。做专业数据分析，SQL也是必会的工具，因为要利用SQL语句来取数、清洗数据。
学好SQL，可以从事数据科学相关的工作（例如数据分析师、数据科学家和数据工程师），但至少需要具备下面这些技能????
如果以上数据分析工具都不能满足你的话，你还可以选择伙伴云。
伙伴云的仪表盘集大数据分析、可视化报表、智能办公桌面于一体，不仅可以用来制作常规的可视化图表，还支持超级炫酷的数据大屏。
伙伴云的操作简单，可以帮助更多小白用户参与到数据分析的行列之中。
最后的最后，我想说，选择数据分析工具，一定要：对症下药。因为每款数据分析工具都有其侧重的功能点，在不同的数据应用场景下，选择合适的工具，才能实现效率最大化。
关注@伙伴云，了解更多数据分析工具。
评论0
加载中...0
回答0
回答0
回答0
回答0
回答0
回答4
回答0
回答0
回答0
回答
