09月22日, 2014 91次
您好：大数据平台应用开发是目前一个就业的热门方向，一方面是大数据开发的场景众多，另一方面是难度并不高，能够接纳的从业人数也非常多。大数据开发是在大数据平台基础之上的开发，充分利用大数据平台提供的功能来满足企业的实际需求。大数据分析是大数据应用的一个重点。大数据分析是基于大数据平台提供的功能进行具体的数据分析，数据分析与场景有密切的关系，比如出行大数据分析、营销大数据分析、金融大数据分析等等。大数据开发工程师：开发，建设，测试和维护架构，负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等；数据分析师：收集，处理和执行统计数据分析；运用工具，提取、分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力；
大数据开发和数据分析两个不一样的技能。数据开发，和普通的程序员开发没有特别大的区别，需要考虑分布式的各种问题。数据分析，需要更多的数学知识，统计，ml/dl。两者在我看来，接下来的三到五年都会有大量的需求，没有什么太大的区别，大数据开发的技术栈可能相对数据挖掘成熟三到五年吧。五年以后这两个有多大发展前景的差距，谁都说不好。不会整个职业生涯都从事同一类型的项目的，会很无聊，选一个开始上手，做开发，也要考虑数据分析怎么样简便，你做分析，也不会对开发完全不懂。
大数据的处理技术的理论基础是，数学专业上的数理统计知识，如果你对这部分知识有一定的水平的话，可以参加你说的那个培训，在这个培训中锻炼一种处理数据方面的技能和思路。但是，你这部分的理论知识不够的话，还是趁早不要花太多精力了，因为到后期的处理，你根本没办法进行。你对EXCEL的数据分析工作，做的只是一个描述性分析工作，基本做的都是历史数据的呈现，对探究性和验证性的数据分析，你根本没办法开展。而这部分的工作才是数据分析的核心和价值。 追问 我觉得你分析的有道理，同时也很沮丧，难道就只能当个数据文员了吗？ 追答 别沮丧，文员上面不是还有秘书的嘛。或者你自学能力强的话，可以自学那些知识，上培训班啊什么的，学计算机的同学，学起来比文科的同学要容易些了。做到后期，你这些知识根不上，这就是突破不了瓶劲。那时候你才更沮丧。 本回答被网友采纳
大数据开发和大数据分析有什么不同：一个是偏向数据，一个偏向工程。通俗解释：好比要炒个菜，工程师是烧火、颠勺的那个，偏向于工具的使用。分析师是放调理、掌握火候的那个，偏向菜怎么做好吃。数据分析：通过数据来像他们的公司传递价值，用数据来回答问题，交流结果来帮助做商业决策。数据分析师的一般工作包括数据清洗，执行分析和数据可视化。数据开发：数据工程师建设和优化系统。这些系统帮助数据科学家和数据分析师开展他们的工作。数据工程师保证任何数据都是正常可接收的，可转换的，可存储的并且对于使用者来说是可获取的。
不管你是找工作还是别人找大数据开发和软件定制和外包，一定要按照以下标准，这样对你的职业生涯和发展都是有帮助的各类软件的出现，给我们的日常生活和工作学习带来了诸多的便利。现在很多企业都希望根据自己的需求定制软件，来实现更高效的工作，正是有了这一市场需求，多家软件开发服务从开发通用软件走向定制化服务。软件开发选择哪家公司比较好？北京开运联合认为可以从以下几个方面来看： 1、 尽可能满足用户需求用户之所以选择定制软件服务，就是因为市面上的软件不能完全满足自身的需求，所以需要定制个性化的软件，而作为软件开发公司，就应该能够尽可能地满足用户的需求。也许会遇见有的用户不懂软件方面的原理，然后提一些不能实现的功能，而作为软件开发方，应当耐心地给用户解释不能实现的原因并提供合适的解决方案，说服用户而不是一味地说不能实现，这样的软件开发公司才比较好，能够受到用户的青睐。互联网是个神奇的大网，大数据开发和软件定制也是一种模式，这里提供最详细的报价，如果你真的想做，可以来这里，这个手机的开始数字是一八七中间的是三儿零最后的是一四二五零，按照顺序组合起来就可以找到，我想说的是，除非你想做或者了解这方面的内容，如果只是凑热闹的话，就不要来了 2、 开发软件效率高用户一旦有了选择软件开发公司定制软件的需求，就说明这款软件对于他来说，是目前比较急切地需要的，希望能够在比较短的时候内开发完成投入使用。所以好的软件开发公司在确认完用户需求之后，就应该让专业的人员进行软件开发，并及时与用户进行沟通，在较短的时间内开发出令用户满意的软件。 3、 有比较成功的案例通常情况下，很多软件开发公司在与用户确认完需求进行报价之后，用户就需要付款才能进行软件的开发，也就是说付款在软件开发出来之前。这个时候，用户如何相信这家公司能够开发出令他满意的产品？客户案例是最说服力的。
大数据分析是指对规模巨大的数据进行分析。大数据可以概括为4个V， 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值（Value）。大数据开发其实分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。第一类工作感觉更适用于data analyst这种职位吧，而且现在Hive Spark-SQL这种系统也提供SQL的接口。第二类工作的话通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发。这种工作的话对理论和实践要求的都更深一些，也更有技术含量。大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据分析也应运而生。应用案例，与往届世界杯不同的是，数据分析成为巴西世界杯赛事外的精彩看点。伴随赛场上球员的奋力角逐，大数据也在全力演绎世界杯背后的分析故事。一向以严谨著称的德国队引入专门处理大数据的足球解决方案，进行比赛数据分析，优化球队配置，并通过分析对手数据找到比赛的“制敌”方式；谷歌、微软、Opta等通过大数据分析预测赛果...... 大数据，不仅成为赛场上的“第12人”，也在某种程度上充当了世界杯的"预言帝"。分析开始的时候，数据首先从数据仓储中会被抽出来，被放进RDBMS里以产生需要的报告或者支撑相应的商业智能应用。在大数据分析的环节中，裸数据以及经转换了的数据大都会被保存下来，因为可能在后面还需要再次转换。
大数据开发：简单粗略来说就是用工具实现大数据分析后所需要得出的结果。简单理解，大数据开发就是制造软件的，只是与大数据相关而已，通常用到的就是与大数据相关的开发工具、环境等等。大数据分析：简略来说就是从天量的数据中通过算法搜索找出隐藏在其中的信息数据的过程，然后对收集来的大量的信息数据进行详细研究和概括，推断其趋势或者结果，以便于做出判断及采取适当的行动。
通俗点说，大数据就相当于一个巨大的数据仓库，大数据开发就相当于你是这个巨大的仓库的建设者和管理者。按照目前形势，学习大数据的前景挺好的，尤其是现在兴起的人工智能领域，最需要和大数据配合，人工智能从大数据中深度学习。如果你学习能力比较强的话，可以先自学，配合着网课进行学习。学大数据开发还要学一些，比如高数，统计学等方面的内容。一些培训机构还是以营利为目的的，这里不在评论。
数据分析主要就是通过数据去解决企业实际遇到的问题，包括根据数据分析的原因和结果推理以及预测未来进行制定方案、对调研搜集到的各种产品数据的整理、对资料进行分类和汇总等等。而且发展前景很好，毕竟数据分析这一行在国内才刚刚起步，很多企业都需要这方面的人才，是很有潜力的，这一行偏商科，技术辅助。真正的大牛不是数据分析工具技术，而是用数据帮助企业在产品、价格、促销、顾客、流量、财务、广告、流程、工艺等方面进行价值提升的人。像我本人就是自学的数据分析师然后毕业后去了决明工作，现在基本实现了财务自由，但想成为大数据分析师的话，需要日积月累坚持沉淀下去，相信你总有一天也能达到这个层次。
您好:大数据平台应用开发是目前一个就业的热门方向，一方面是大数据开发的场景众多，另一方面是难度并不高，能够接纳的从业人数也非常多。大数据开发是在大数据平台基础之上的开发，充分利用大数据平台提供的功能来满足企业的实际需求。大数据分析是大数据应用的一个重点。大数据分析是基于大数据平台提供的功能进行具体的数据分析，数据分析与场景有密切的关系，比如出行大数据分析、营销大数据分析、金融大数据分析等等。
大数据分析是指对规模巨大的数据进行分析。大数据可以概括为4个V， 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值（Value）。大数据开发其实分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。第一类工作感觉更适用于data analyst这种职位吧，而且现在Hive Spark-SQL这种系统也提供SQL的接口。第二类工作的话通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发。这种工作的话对理论和实践要求的都更深一些，也更有技术含量。大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据分析也应运而生。应用案例，与往届世界杯不同的是，数据分析成为巴西世界杯赛事外的精彩看点。伴随赛场上球员的奋力角逐，大数据也在全力演绎世界杯背后的分析故事。一向以严谨著称的德国队引入专门处理大数据的足球解决方案，进行比赛数据分析，优化球队配置，并通过分析对手数据找到比赛的“制敌”方式；谷歌、微软、Opta等通过大数据分析预测赛果...... 大数据，不仅成为赛场上的“第12人”，也在某种程度上充当了世界杯的"预言帝"。分析开始的时候，数据首先从数据仓储中会被抽出来，被放进RDBMS里以产生需要的报告或者支撑相应的商业智能应用。在大数据分析的环节中，裸数据以及经转换了的数据大都会被保存下来，因为可能在后面还需要再次转换。
大数据平台应用开发是目前一个就业的热门方向，一方面是大数据开发的场景众多，另一方面是难度并不高，能够接纳的从业人数也非常多。大数据开发是在大数据平台基础之上的开发，充分利用大数据平台提供的功能来满足企业的实际需求。大数据分析是大数据应用的一个重点。大数据分析是基于大数据平台提供的功能进行具体的数据分析，数据分析与场景有密切的关系，比如出行大数据分析、营销大数据分析、金融大数据分析等等。大数据开发工程师：开发，建设，测试和维护架构，负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等；数据分析师：收集，处理和执行统计数据分析；运用工具，提取、分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力；
大数据分析是指对规模巨大的数据进行分析。大数据可以概括为4个V， 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值（Value）
首先需要定义什么叫大数据，大数据顾名思义数据量要大，至于多大才算大数据我也不清楚，还有一个是特征维度多才能称得上大数据。处理大量特征维度的大数据，通过人自己去发现规律是很难的一件事情，所以大数据分析更多需要的是编程能力和数学能力等，比如说机器学习，深度学习等算法的应用。当然在数据分析也可以利用机器学习去进行分析，不过在数据分析方面更多是通过统计学去发现解释问题。当然有一些分析思路是想通的。
简单点来说，大数据开发就是做大量数据的分布式计算的。数据分析主要是做数据的收集、挖掘、清洗、分析，最后形成分析报告想学的话可以参考下科多大。 本回答被提问者采纳
大数据分析是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源：传感器，气候信息，公开的信息，如杂志，报纸，文章。大数据分析产生的其他例子包括购买交易记录，网络日志，病历，军事监控，视频和图像档案，及大型电子商务。 大数据分析，他们对企业的影响有一个兴趣高涨。大数据分析是研究大量的数据的过程中寻找模式，相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。一、Hadoop Hadoop是一个开源框架，它允许在整个集群使用简单编程模型计算机的分布式环境存储并处理大数据。它的目的是从单一的服务器到上千台机器的扩展，每一个台机都可以提供本地计算和存储。 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。Hadoop 是可靠的，即使计算元素和存储会失败，它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop是高效的，它采用并行的方式工作，通过并行处理加快处理速度。Hadoop 还是可伸缩的，能够处理 PB 级数据。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。 Hadoop是轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点： 1、高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。 2、高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中。 3、高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。 4、高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配。 Hadoop带有用 Java 语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如 C++。二、HPCC HPCC，High Performance Computing and Communications(高性能计算与通信)的缩写。1993年，由美国科学、工程、技术联邦协调理事会向国会提交了"重大挑战项目：高性能计算与通信"的报告，也就是被称为HPCC计划的报告，即美国总统科学战略项目，其目的是通过加强研究与开发解决一批重要的科学与技术挑战问题。HPCC是美国实施信息高速公路而上实施的计划，该计划的实施将耗资百亿美元，其主要目标要达到：开发可扩展的计算系统及相关软件，以支持太位级网络传输性能，开发千兆比特网络技术，扩展研究和教育机构及网络连接能力。 该项目主要由五部分组成： 1、高性能计算机系统(HPCS)，内容包括今后几代计算机系统的研究、系统设计工具、先进的典型系统及原有系统的评价等; 2、先进软件技术与算法(ASTA)，内容有巨大挑战问题的软件支撑、新算法设计、软件分支与工具、计算计算及高性能计算研究中心等; 3、国家科研与教育网格(NREN)，内容有中接站及10亿位级传输的研究与开发; 4、基本研究与人类资源(BRHR)，内容有基础研究、培训、教育及课程教材，被设计通过奖励调查者-开始的，长期的调查在可升级的高性能计算中来增加创新意识流，通过提高教育和高性能的计算训练和通信来加大熟练的和训练有素的人员的联营，和来提供必需的基础架构来支持这些调查和研究活动; 5、信息基础结构技术和应用(IITA )，目的在于保证美国在先进信息技术开发方面的领先地位。三、Storm Storm是一个免费开源、分布式、高容错的实时计算系统。Storm令持续不断的流计算变得容易，弥补了Hadoop批处理所不能满足的实时要求。Storm经常用于在实时分析、在线机器学习、持续计算、分布式远程调用和ETL等领域。Storm的部署管理非常简单，而且，在同类的流式计算工具，Storm的性能也是非常出众的。 Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。Storm由Twitter开源而来，其它知名的应用企业包括Groupon、淘宝、支付宝、阿里巴巴、乐元素、Admaster等等。 Storm有许多应用领域：实时分析、在线机器学习、不停顿的计算、分布式RPC(远过程调用协议，一种通过网络从远程计算机程序上请求服务)、 ETL(Extraction-Transformation-Loading的缩写，即数据抽取、转换和加载)等等。Storm的处理速度惊人：经测试，每个节点每秒钟可以处理100万个数据元组。Storm是可扩展、容错，很容易设置和操作。四、Apache Drill 为了帮助企业用户寻找更为有效、加快Hadoop数据查询的方法，Apache软件基金会近日发起了一项名为"Drill"的开源项目。Apache Drill 实现了Google’s Dremel。"Drill"已经作为Apache孵化器项目来运作，将面向全球软件工程师持续推广。 该项目将会创建出开源版本的谷歌Dremel Hadoop工具(谷歌使用该工具来为Hadoop数据分析工具的互联网应用提速)。而"Drill"将有助于Hadoop用户实现更快查询海量数据集的目的。 "Drill"项目其实也是从谷歌的Dremel项目中获得灵感：该项目帮助谷歌实现海量数据集的分析处理，包括分析抓取Web文档、跟踪安装在Android Market上的应用程序数据、分析垃圾邮件、分析谷歌分布式构建系统上的测试结果等等。 通过开发"Drill"Apache开源项目，组织机构将有望建立Drill所属的API接口和灵活强大的体系架构，从而帮助支持广泛的数据源、数据格式和查询语言。五、RapidMiner RapidMiner提供机器学习程序。而数据挖掘，包括数据可视化，处理，统计建模和预测分析。 RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。 功能和特点 免费提供数据挖掘技术和库；100%用Java代码(可运行在操作系统)；数据挖掘过程简单，强大和直观；内部XML保证了标准化的格式来表示交换数据挖掘过程；可以用简单脚本语言自动进行大规模进程；多层次的数据视图，确保有效和透明的数据；图形用户界面的互动原型；命令行(批处理模式)自动大规模应用；Java API(应用编程接口)；简单的插件和推广机制；强大的可视化引擎，许多尖端的高维数据的可视化建模；400多个数据挖掘运营商支持；耶鲁大学已成功地应用在许多不同的应用领域，包括文本挖掘，多媒体挖掘，功能设计，数据流挖掘，集成开发的方法和分布式数据挖掘。RapidMiner的局限性；RapidMiner 在行数方面存在大小限制；对于RapidMiner，您需要比ODM和SAS更多的硬件资源。六、Pentaho BI Pentaho BI 平台不同于传统的BI 产品，它是一个以流程为中心的，面向解决方案(Solution)的框架。其目的在于将一系列企业级BI产品、开源软件、API等等组件集成起来，方便商务智能应用的开发。它的出现，使得一系列的面向商务智能的独立产品如Jfree、Quartz等等，能够集成在一起，构成一项项复杂的、完整的商务智能解决方案。 Pentaho BI 平台，Pentaho Open BI 套件的核心架构和基础，是以流程为中心的，因为其中枢控制器是一个工作流引擎。工作流引擎使用流程定义来定义在BI 平台上执行的商业智能流程。流程可以很容易的被定制，也可以添加新的流程。BI 平台包含组件和报表，用以分析这些流程的性能。目前，Pentaho的主要组成元素包括报表生成、分析、数据挖掘和工作流管理等等。这些组件通过 J2EE、WebService、SOAP、HTTP、Java、JavaScript、Portals等技术集成到Pentaho平台中来。 Pentaho的发行，主要以Pentaho SDK的形式进行。 Pentaho SDK共包含五个部分：Pentaho平台、Pentaho示例数据库、可独立运行的Pentaho平台、Pentaho解决方案示例和一个预先配制好的 Pentaho网络服务器。其中Pentaho平台是Pentaho平台最主要的部分，囊括了Pentaho平台源代码的主体;Pentaho数据库为 Pentaho平台的正常运行提供的数据服务，包括配置信息、Solution相关的信息等等，对于Pentaho平台来说它不是必须的，通过配置是可以用其它数据库服务取代的;可独立运行的Pentaho平台是Pentaho平台的独立运行模式的示例，它演示了如何使Pentaho平台在没有应用服务器支持的情况下独立运行; Pentaho解决方案示例是一个Eclipse工程，用来演示如何为Pentaho平台开发相关的商业智能解决方案。 Pentaho BI 平台构建于服务器，引擎和组件的基础之上。这些提供了系统的J2EE 服务器，安全，portal，工作流，规则引擎，图表，协作，内容管理，数据集成，分析和建模功能。这些组件的大部分是基于标准的，可使用其他产品替换之。七、Druid Druid是实时数据分析存储系统，Java语言中最好的数据库连接池。Druid能够提供强大的监控和扩展功能。八、Ambari 大数据平台搭建、监控利器;类似的还有CDH 1、提供Hadoop集群 Ambari为在任意数量的主机上安装Hadoop服务提供了一个逐步向导。 Ambari处理集群Hadoop服务的配置。 2、管理Hadoop集群 Ambari为整个集群提供启动、停止和重新配置Hadoop服务的中央管理。 3、监视Hadoop集群 Ambari为监视Hadoop集群的健康状况和状态提供了一个仪表板。九、Spark 大规模数据处理框架(可以应付企业中常见的三种数据处理场景：复杂的批量数据处理(batch data processing);基于历史数据的交互式查询;基于实时数据流的数据处理，Ceph:Linux分布式文件系统。十、Tableau Public 1、什么是Tableau Public - 大数据分析工具 这是一个简单直观的工具。因为它通过数据可视化提供了有趣的见解。Tableau Public的百万行限制。因为它比数据分析市场中的大多数其他玩家更容易使用票价。使用Tableau的视觉效果，您可以调查一个假设。此外，浏览数据，并交叉核对您的见解。 2、Tableau Public的使用 您可以免费将交互式数据可视化发布到Web;无需编程技能;发布到Tableau Public的可视化可以嵌入到博客中。此外，还可以通过电子邮件或社交媒体分享网页。共享的内容可以进行有效硫的下载。这使其成为最佳的大数据分析工具。 3、Tableau Public的限制 所有数据都是公开的，并且限制访问的范围很小;数据大小限制;无法连接到[R ;读取的唯一方法是通过OData源，是Excel或txt。十一、OpenRefine 1、什么是OpenRefine - 数据分析工具 以前称为GoogleRefine的数据清理软件。因为它可以帮助您清理数据以进行分析。它对一行数据进行操作。此外，将列放在列下，与关系数据库表非常相似。 2、OpenRefine的使用 清理凌乱的数据;数据转换;从网站解析数据;通过从Web服务获取数据将数据添加到数据集。例如，OpenRefine可用于将地址地理编码到地理坐标。 3、OpenRefine的局限性 Open Refine不适用于大型数据集;精炼对大数据不起作用十二、KNIME 1、什么是KNIME - 数据分析工具 KNIME通过可视化编程帮助您操作，分析和建模数据。它用于集成各种组件，用于数据挖掘和机器学习。 2、KNIME的用途 不要写代码块。相反，您必须在活动之间删除和拖动连接点;该数据分析工具支持编程语言;事实上，分析工具，例如可扩展运行化学数据，文本挖掘，蟒蛇，和[R 。 3、KNIME的限制 数据可视化不佳十三、Google Fusion Tables 1、什么是Google Fusion Tables 对于数据工具，我们有更酷，更大版本的Google Spreadsheets。一个令人难以置信的数据分析，映射和大型数据集可视化工具。此外，Google Fusion Tables可以添加到业务分析工具列表中。这也是最好的大数据分析工具之一，大数据分析十八般工具。 2、使用Google Fusion Tables 在线可视化更大的表格数据;跨越数十万行进行过滤和总结;将表与Web上的其他数据组合在一起；您可以合并两个或三个表以生成包含数据集的单个可视化; 3、Google Fusion Tables的限制 表中只有前100,000行数据包含在查询结果中或已映射;在一次API调用中发送的数据总大小不能超过1MB。十四、NodeXL 1、什么是NodeXL 它是关系和网络的可视化和分析软件。NodeXL提供精确的计算。它是一个免费的(不是专业的)和开源网络分析和可视化软件。NodeXL是用于数据分析的最佳统计工具之一。其中包括高级网络指标。此外，访问社交媒体网络数据导入程序和自动化。 2、NodeXL的用途 这是Excel中的一种数据分析工具，可帮助实现以下方面： 数据导入;图形可视化;图形分析;数据表示;该软件集成到Microsoft Excel 2007,2010,2013和2016中。它作为工作簿打开，包含各种包含图形结构元素的工作表。这就像节点和边缘;该软件可以导入各种图形格式。这种邻接矩阵，Pajek .net，UCINet .dl，GraphML和边缘列表。 3、NodeXL的局限性 您需要为特定问题使用多个种子术语;在稍微不同的时间运行数据提取。十五、Wolfram Alpha 1、什么是Wolfram Alpha 它是Stephen Wolfram创建的计算知识引擎或应答引擎。 2、Wolfram Alpha的使用 是Apple的Siri的附加组件;提供技术搜索的详细响应并解决微积分问题;帮助业务用户获取信息图表和图形。并有助于创建主题概述，商品信息和高级定价历史记录。 3、Wolfram Alpha的局限性 Wolfram Alpha只能处理公开数字和事实，而不能处理观点;它限制了每个查询的计算时间;这些数据分析统计工具有何疑问?十六、Google搜索运营商 1、什么是Google搜索运营商 它是一种强大的资源，可帮助您过滤Google结果。这立即得到最相关和有用的信息。 2、Google搜索运算符的使用 更快速地过滤Google搜索结果;Google强大的数据分析工具可以帮助发现新信息。十七、Excel解算器 1、什么是Excel解算器 Solver加载项是Microsoft Office Excel加载项程序。此外，它在您安装Microsoft Excel或Office时可用。它是excel中的线性编程和优化工具。这允许您设置约束。它是一种先进的优化工具，有助于快速解决问题。 2、求解器的使用 Solver找到的最终值是相互关系和决策的解决方案;它采用了多种方法，来自非线性优化。还有线性规划到进化算法和遗传算法，以找到解决方案。 3、求解器的局限性 不良扩展是Excel Solver缺乏的领域之一;它会影响解决方案的时间和质量;求解器会影响模型的内在可解性;十八、Dataiku DSS 1、什么是Dataiku DSS 这是一个协作数据科学软件平台。此外，它还有助于团队构建，原型和探索。虽然，它可以更有效地提供自己的数据产品。 2、Dataiku DSS的使用 Dataiku DSS - 数据分析工具提供交互式可视化界面。因此，他们可以构建，单击，指向或使用SQL等语言。 3、Dataiku DSS的局限性 有限的可视化功能;UI障碍：重新加载代码/数据集;无法轻松地将整个代码编译到单个文档/笔记本中;仍然需要与SPARK集成 以上的工具只是大数据分析所用的部分工具，小编就不一一列举了，下面把部分工具的用途进行分类： 1、前端展现 用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。 用于展现分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikView、 Tableau 。 国内的有BDP，国云数据(大数据分析魔镜)，思迈特，FineBI等等。 2、数据仓库 有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。 3、数据集市 有QlikView、 Tableau 、Style Intelligence等等。当然学大数据分析也有很多坑：《转行大数据分析师后悔了》、《零基础学大数据分析现实吗》、《大数据分析培训好就业吗》、《转行大数据分析必知技能》
大数据就业两大方向：1、大数据开发工程师数据工程师建设和优化系统。更多的是朝着软件开发能力上学习和提升。2、大数据分析师一般工作包括数据清洗，执行分析和数据可视化。核心职责是帮助其他人追踪进展，和优化目标。大数据工程师主要工作在后端。持续的提升数据管道来保证数据的精确和可获取，好的工程师会为组织节省很多的时间和精力。大数据分析师一般用数据工程师提供的现成的接口来抽取新的数据，然后取发现数据中的趋势，同时也要分析异常情况。数据分析师中的数据挖掘技术方向，门槛较高，需要扎实的算法能力和代码能力，同时薪资待遇也更好。
近几年，大数据不可谓不火，尤其是2017年，发展大数据产业被写入政府工作报告中，大数据开始不只是出现在企业的战略中，也开始出现在政府的规划之内，可以说是互联网世界的宠儿。据数联寻英发布《大数据人才报告》显示，目前全国的大数据人才仅46万，未来3-5年内大数据人才的缺口将高达150万，越来越多人加入到大数据培训，都希望在大数据培训机构中学习最前沿的知识，找一份不错的工作。大数据产业的背景据职业社交平台LinkedIn发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。其中研发工程师需求量最大，而数据分析人才最为稀缺。领英报告表明，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。大数据就业方向大数据毕业之后的主要从事工作举例如下：1.大数据开发工程师基础大数据服务平台，大中型的商业应用包括我们常说的企业级应用(主要指复杂的大企业的软件系统)、各种类型的网站等。负责搭建大数据应用平台以及开发分析应用程序。2.大数据分析师负责数据挖掘工作，运用Hive、Hbase等技术，专门对从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。以及通过使用新型数据可视化工具如Spotifre，Qlikview和Tableau，对数据进行数据可视化和数据呈现。等等大数据就业的钱景(薪酬)大数据开发工程师北京大数据开发平均工资： 30230/月。数据分析师北京数据分析平均工资： 10630/月，取自 15526 份样本，较 2016 年，增长 9.4%。Hadoop开发工程师北京hadoop平均工资： 20130/月，取自 1734 份样本。数据挖掘工程师北京数据挖掘平均工资： 21740/月，取自 3449 份样本，较 2016 年，增长 20.3%。算法工程师北京算法工程师平均工资： 22640/月，取自 10176 份样本。目前，大数据人才数量较少，但是在数据驱动的未来，大数据人才市场势必会越来越大，而现在仅仅是大数据起步的初级阶段，现在入行正是恰逢其时。
当然是大数据开发，慢慢的逐渐智能化之前干大数据分析的，将面临被取代。——来自海牛部落
数据分析师主要工作就是通过数据去解决企业实际遇到的问题，包括根据数据分析的原因和结果推理以及预测未来进行制定方案、对调研搜集到的各种产品数据的整理、对资料进行分类和汇总等等发展前景很好，毕竟数据分析这一行在国内才刚刚起步，很多企业都需要这方面的人才，是很有潜力的，这一行偏商科，技术辅助。真正的大牛不是数据分析工具技术，而是用数据帮助企业在产品、价格、促销、顾客、流量、财务、广告、流程、工艺等方面进行价值提升的人。像我本人就是自学的数据分析师然后毕业后去了决明工作，现在基本实现了财务自由，但想成为大数据分析师的话，需要日积月累坚持沉淀下去，相信你总有一天也能达到这个层次。
都不简单，涉及比较多的算法和数学，比如图，叉树、统计学、数理统计等等，而这些培训班都不会教你。
大数据，这个专业建议你考入，一流的理工科计算机系强的大学学了才会好。大数据这个技术运用的很多理论上的东西，包括高等数学，数据结构，统计学算法，等等。这些东西可不是技术学校和培训机构能够给与的。 追问 已经不是学生了，并且高中都没有读完 本回答被提问者采纳