一般用什么工具做大数据分析

Hadoop是一个能够对大量数据进行分布式处理的软件框架。

STOTM 是免费的开源软件，是一种分布式、容错的实时计算系统。

RapidMiner 是世界领先的数据挖掘解决方案，在很大程度上具有先进的技术。

Pentaho BI平台不用于传统的BI产品，它是一个以流程为中心、面向解决方案的框架。

威智科技立方是一个大数据模型平台，是基于服务总线和分布式云计算两大技术架构进行数据分析挖掘的工具平台，使用分布式文件系统存储数据，支持海量数据的处理。 多种数据采集技术用于支持结构化数据和非结构化数据的收集。 通过图形模型构建工具，支持流程模型配置。

第三方插件技术使得将其他工具和服务集成到平台中变得容易。 数据分析判断平台是海量信息的采集、数据模型的构建、数据的挖掘和分析，最后形成服务于实战、服务于决策过程的知识。

python

与用于创建自定义算法的编程方法不同，Python 不是一个独特的软件，但它是许多数据科学家的首选。 在 kdnuggets 最近对 2,052 名用户进行的分析中，Python 在数据科学软件调查中被受访者列为首选工具。

r

与 Python 类似，R 是许多数据科学专业人士喜欢的另一种编程语言，因为它更简单且更专注于数据科学。 在 Kdnuggets 调查中，R 排名第三，受访者将其列为他们最热门的数据科学工具之一。

jupyter notebook

从数据可视化和数据通信的角度来看，许多数据科学团队的数据科学工具列表中也有 jupyter 笔记本。

tableau

keras

据 Hitachi Vantara 首席技术官办公室的首席数据科学家 Wei Lin 介绍，他最常用的数据科学工具是 Python、R 和 KeRas。 出于上述所有原因，他使用 Python 和 R，同时利用了 Keras 的深度学习功能。

尽管有数以千计的数据分析工具，但它们都是一样的。 无非是数据采集、数据存储、数据管理、数据计算、数据分析、数据显示等方面。 SAS、R、SPSS、PYTHON 和 Excel 是最常提到的数据分析工具。

python

Python 是一种面向对象的解释型计算机编程语言。 Python 语法简洁明了，具有丰富而强大的类库。 通常被昵称为胶水语言，它可以很容易地将其他语言（尤其是C++）制作的各种模块链接在一起。

一个常见的用例是使用 Python 快速生成一个程序的原型（有时甚至是程序的最终接口），然后用更合适的语言重写特别需要的部分，比如 3D 游戏中的图形渲染模块，对性能要求特别高，可以用 C C++ 重写， 然后封装到 Python 可以调用的扩展库中。需要注意的是，在使用扩展库时，可能需要考虑平台，有些扩展库可能不提供跨平台实现。

R软件是一整套完整的数据处理、计算和制图软件系统。 它可以提供一些集成的统计工具，但更重要的是它提供了多种数学计算和统计计算功能，使用户可以灵活地分析数据，甚至创建满足其需求的新的统计计算方法。

SPSSSPSS是世界上最早的统计分析软件，具有完整的数据输入、统计分析、报表、图形等功能，能够读取和导出多种格式的文件。

Excel可用于各种数据处理、统计分析和辅助决策操作，广泛应用于管理、统计金融、金融等诸多领域。

SAS软件。

SAS集数据访问、管理、分析和呈现于一体。 它提供了从基础统计量的计算到各种实验设计的方差分析、相关回归分析和多变量分析的多种统计分析流程，几乎囊括了所有最新的分析方法，其分析技术先进可靠。 分析方法的实现是通过过程调用完成的。

许多进程同时提供多种算法和选项。

好用的工具有很多，比如国外厂商Tableau，是数据分析师几乎都会提到的工具，内置常用的分析图表和一些数据分析模型，可以快速探索数据分析，制作数据分析报告。 因为是商业智能，所以解决的问题更面向业务分析，Tableau可以快速制作动态交互图，图表和配色也非常方便。

国内厂商Finesoft性价比非常高，自助BI工具也是成熟的数据分析产品。 内置丰富的图表，无需调用，可直接拖拽，包括一些数据挖掘模型。 它可用于快速分析业务数据、仪表板和可视化屏幕。

它是 Tableau 的经济实惠的替代品，它与 Tableau 的不同之处在于它具有更多用于企业级数据分析的功能。 从内置的ETL功能和数据处理方式来看，专注于业务数据的快速分析和可视化。 可与大数据平台和各种多维数据库相结合，因此广泛应用于企业级BI，免费供个人使用。

通常使用大数据数据库，如MongoDB和Gbase等，用于大数据数据分析。 其次，数据仓库工具将用于清理、转换和处理数据，以获得有价值的数据。 然后使用数据建模工具进行建模。

最后，使用大数据工具进行可视化分析。

基于上述描述，我们将讨论流程使用的工具。

1、大数据工具：数据存储和管理工具。

大数据完全从数据存储开始，即从大数据框架Hadoop开始。 它是一个开源软件框架，运行在Apache上，用于在大规模计算机集群上以分布式方式存储非常大的数据集。 由于大数据需要大量信息，因此存储至关重要。

但是，除了存储之外，还需要某种方式将所有这些数据整合到某种格式化的治理结构中，以获得洞察力。

2、大数据工具：数据清洗工具。

数据仓库工具的使用基于Hadoop分布式文件系统，其数据存储在HDFS中。 Hive 本身没有特殊的数据存储格式，也不为数据创建索引，只需在创建表时告诉数据中的列分隔符和行分隔符，Hive 就可以解析数据。

3、大数据工具：数据建模工具。

SPSS：主要用于数据建模工作，稳定而强大，可以满足中小企业在商业模式建立过程中的需求。

4、大数据工具：数据可视化分析工具。

ABI是易心华辰的一站式数据分析平台，平台上有上述工具。 除了中式复杂报表、仪表盘、大屏报表外，ABI还支持自助分析，包括拖拽式多维度分析、看板和看板集，业务用户只需一拖即可进行探索性自助分析。

同时，即兴报告和幻灯片报告这个词使报告更加精彩。

有Excel、SAS、R、SPSS、Tableau软件、Python等。 SAS、R、SPSS 和 Python 都是免费的。

敏捷自助豌豆BI和企业级ABI都可以去易心华辰官网看看。

首先，rapidminer，在世界上，它是一种相对领先的数据挖掘解决方案，它之所以会受到大家的尊重和认可，而且它有一定的关系，以先进的技术为基础，它涉及的范围很广，很多专家在面试过程中都表示，在数据挖掘过程中，它总是用来简化一些设计和评估。

二是HPCC，这是一项加速信息高速公路的计划，据悉，该计划已累计投入100亿美元，早期研发的目的是开发可扩展的软件和系统，希望开发具有千兆位的网络技术，因为它的传输能力极强，因此被用于大数据分析。

三是Hadoop，现在很多大数据分析新人都喜欢用Hadoop来直接表示大数据分析，可见它非常重要，之所以会受到大众的尊重和认可，其中一个原因就是它首先预设了计算元素和存储可能失效的前提， 然后通过多角度来保证这些可以得到有效控制，不会出现。

四、Pentaho

BI与传统的BI产品有很大不同，它是一个框架，这个框架是以过程为中心的，以中心为中心，向外辐射，进而向解决方案。 Pentaho BI 彻底改变了大数据分析，使 Quartz 和 JFeno 等独立产品能够集中化，并可用作为复杂的商业智能工作提供有效解决方案的基础。

以上四种工具是大数据分析岗位的必备工具，需要灵活流畅地使用。

对此有很多种分析工具，A。