問答專欄Q & A COLUMN
一、Hadoop
Hadoop 是一個能夠對大量數據進行分布式處理的軟件框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的，此外，Hadoop 依賴于社區服務器，因此它的成本比較低，任何人都可以使用。
二、SPSS統計軟件
它使用Windows的窗口方式展示各種管理和分析數據方法的功能，使用對話框展示出各種功能選擇項，只要是掌握一定的 Windows操作技能，粗通統計分析原理，就可以使用該軟件進行各種數據分析，為實際工作服務。
三、Stata統計軟件
Stata統計軟件由美國計算機資源中心（Computer Resource Center）1985年研制。 特點是采用命令操作，程序容量較小，統計分析方法較齊全，計算結果的輸出形式簡潔，繪出的圖形精美。不足之處是數據的兼容性差，占內存空間較大，數據管理功能需要加強。
四、EXCEL電子表格與統計功能
EXCEL電子表格是Microsoft公司推出的Office系列產品之一，是一個功能強大的電子表格軟件。特點是對表格的管理和統計圖制作功能強大，容易操作。Excel的數據分析插件XLSTAT，也能進行數據統計分析，但不足的是運算速度慢，統計方法不全。
五、SAS統計軟件
SAS系統是一個模塊組合式結構的軟件系統，共有三十多個功能模塊。SAS是用匯編語言編寫而成的，通常使用SAS 需要編寫程序, 比較適合統計專業人員使，而對于非統計專業人員學習SAS比較困難。SAS具有比較完備的數據存取、數據管理、數據分析和數據展現的系列功能。尤其是它的創業產品—統計分析系統部分，由于具有強大的數據分析能力，一直是業界中比較著名的應用軟件，在數據處理方法和統計分析領域，被譽為國際上的標準軟件和最具權威的優秀統計軟件包，SAS系統中提供的主要分析功能包括統計分析、經濟計量分析、時間序列分析、決策分析、財務分析和全面質量管理工具等。
評論0
加載中...
你是說這種看板嗎？
雖然看起來很復雜的樣子，其實制作起來一點都不難。
先上傳數據，然后處理數據：
制作圖表：
最后再把圖表都放在圖集里就好啦
如果想要調整布局和顏色，也很簡單：
我想如果你會用之后，每次制作一個這樣的看板大概需要1~2小時吧。
第一次做可能會久一點，但是絕對不會超過一上午。
這個神奇的工具叫：數據觀 https://shujuguan.cn/product/?from=18010901
評論0
加載中...
用的很多了，首先是Python和一些包，機器學習的知識！還有就是echarts或者hcharts結合前端知識建立數據可視化圖形進行分析，有時候也用D3。
當然了最簡單的就是BI工具，直接拖拽流行了，當然要用好也沒那么簡單，常用的BI工具有tableau，帆軟，永洪等等，即可以報表也可以做駕駛艙等等！實在不行也可以用Excel在百萬以內的數據還是完全可以用它做分析的，實惠簡單！
評論0
加載中...
市面上用來做數據分析的工具蠻多的，包括Python、Excel、SPSS、MATLAB、R、BI等等，以下挑幾個比較主流的工具，盡量客觀的聊聊他們的優缺點。
Excel可以說是人盡皆知把，這里就不再贅述了。想要了解如何用Excel做數據分析的伙伴，可以去看這篇：Excel從淺入深必須學會的25個知識點！
雖說Python是一種面向對象、解釋型計算機程序設計語言，本身的數據分析功能并不強，但它是開源而且免費的。
Python的“平臺模式”帶來了大量的充滿熱情的用戶，用戶越多，軟件的生命力就越強，發展也越快，這可以看作是軟件生態的“人口紅利”。
優點：
缺點：
emmm......在我看來Python并沒有什么大的缺點。像哪些版本兼容問題、內存消耗大等都不算是大的問題。如果要從技術上來說：
如果想要尋求那種簡單拖拉拽兩下就能能生成分析結果的界面式工具，可以往下看。
找了一份Python學習框架，有需要的可以參考一下：
R和Python都屬于“平臺模式”——來自世界各地的開發者都可以貢獻自己開發的工具包。但R語言更像是綜合性較強的一類數據分析工具。
江湖傳言，“會用R是成為一名成熟的數據分析師的重要標志?！?strong>因為只要入了門，R的功能就能很大程度地幫助使用者實現各種數據分析需求。
優點：
缺點：
對于沒有數學和編程基礎的新手小白，不建議從R入手，容易變成入門到放棄。
圖源網絡，侵刪
Python
R
（PS：資料大家需要的話可以評論區戳戳，要的多我會給大家整理一波）
嚴格來說，BI并不完全等于數據分析，BI與數據分析是有共同交集的兩個領域。數據分析是BI的一個重要組成部分，BI是數據分析的一個典型應用。
BI是一套完整的解決方案，用來將企業中現有的數據進行有效的整合，快速準確的提供報表并提出決策依據，幫助企業做出明智的業務經營決策。數據倉庫、報表查詢、數據分析、數據挖掘、數據可視化等。
像題主所說的帆軟BI工具，數據透視、圖表制作這些功能都是封裝好的，可以直接拿來套用，整個過程就是連數據，設計模板, web展示。圖表是內設好的或者開發對接Hcharts/Echarts/D3圖標庫。
如果僅僅是做日常業務的數據分析，直接用模板套其實也完全夠用了，比如這種：儀表盤模板
優點：
缺點：
這種自助式數據分析雖然也是需要一定的學習時間成本，但相比上面其他數據分析工具來說，整個上手過程還是比較快的，所以這點我可以接受。
Matlab是一個商業數學軟件，在數值計算方面首屈一指。隨著里面各種庫的擴展，它在圖像處理、信號處理、量化金融、工程仿真等方面都優秀到了讓人忘記這是個數學軟件。
優點：
缺點：
SPSS是世界上最早采用圖形菜單驅動界面的統計軟件，它最突出的特點就是操作界面極為友好，輸出結果美觀漂亮。
SPSS既可以像Excel一樣鼠標點一點菜單就出結果，也能想Python一樣通過編程出結果，老少皆宜。
優點：
缺點：
以上。
不管是Python、Excel、SPSS、SAS、MATLAB、hadoop、R等等，至少熟練使用一到兩個，了解一兩個，并知道每個的最適合使用場景就好了。至于怎么用，萬事不懂問百度，要不就谷歌也行，如果要熟悉某個工具，最好就是多逛逛技術論壇，多拿項目練練手。
評論0
加載中...
數據分析能力，無論是什么行業、什么公司，幾乎都需要。今天，給大家分享5款數據分析報告的工具，供大家學習參考！
優點：Excel具備多種強大功能，比如創建表單，數據透視表，VBA等，確保了大家可以根據自己的需求分析數據。
缺點：Excel無法處理大數據，它最適合小型數據，只有通過插件它才可以處理數百萬的數據。
但換個思維想想，我們在日常中用到的數據是否超過了大數據這個極限呢？而且我們國家中小微型企業占了大部分，Excel足夠處理絕大多數的數據分析需求。
綜上所述：百萬級以下的數據處理、分析，Excel是個不錯的選擇。
Power BI以前是Excel的插件，但是發展并不理想。因此它擺脫了Excel，發展成BI工具，作為后來者，Power BI每個月都有迭代更新，并且跟進的速度很快。
Power BI的PowerPivot和DAX語言能夠以類似在Excel中編寫公式的方式來進行復雜的高級分析，可以徹底解決很多在Python或者Excel中讓人煩透了的問題，比如：
總之，Power BI最大優勢在于其業務模型和數據分析功能，但是學習難度高。
盡管像Excel和BI工具這樣的軟件，已盡最大努力考慮到數據分析的大多數應用場景，但其實它們基本上都是定制化的。
如果軟件沒有設計某項功能或替某功能開發按鈕，那很可能你就沒法用它們來完成工作。在這一點上面，編程語言是不一樣的。
R＆Python就都屬于編程語言類，但用它們的前提是：必須得有代碼基礎，它們可以編寫代碼來執行所需的任何操作。
比方說，R和Python是數據科學家必不可少的工具。從專業的角度來看，它們絕對比Excel和BI工具強大。比如，一些專業統計分析和獨立預測分析的應用場景，在Excel和BI工具上難以實現，但通過R和Python卻可以。
SQL是結構化查詢語言，基于數據庫的語言，是用于數據分析和數據處理的最重要的編程語言之一。做專業數據分析，SQL也是必會的工具，因為要利用SQL語句來取數、清洗數據。
學好SQL，可以從事數據科學相關的工作（例如數據分析師、數據科學家和數據工程師），但至少需要具備下面這些技能????
如果以上數據分析工具都不能滿足你的話，你還可以選擇伙伴云。
伙伴云的儀表盤集大數據分析、可視化報表、智能辦公桌面于一體，不僅可以用來制作常規的可視化圖表，還支持超級炫酷的數據大屏。
伙伴云的操作簡單，可以幫助更多小白用戶參與到數據分析的行列之中。
最后的最后，我想說，選擇數據分析工具，一定要：對癥下藥。因為每款數據分析工具都有其側重的功能點，在不同的數據應用場景下，選擇合適的工具，才能實現效率最大化。
關注@伙伴云，了解更多數據分析工具。
評論0
加載中...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
