數據加工是學的什麼軟體有哪些

1. 做數據分析，比較好用的軟體有哪些

雖然數據分析的工具千萬種，綜合起來萬變不離其宗。無非是數據獲取、數據存儲、數據管理、數據計算、數據分析、數據展示等幾個方面。而SAS、R、SPSS、python、excel是被提到頻率最高的數據分析工具。

• Python

Python，是一種面向對象、解釋型計算機程序設計語言。Python語法簡潔而清晰，具有豐富和強大的類庫。它常被昵稱為膠水語言，能夠把用其他語言製作的各種模塊（尤其是C/C++）很輕松地聯結在一起。

常見的一種應用情形是，使用Python快速生成程序的原型（有時甚至是程序的最終界面），然後對其中有特別要求的部分，用更合適的語言改寫，比如3D游戲中的圖形渲染模塊，性能要求特別高，就可以用C/C++重寫，而後封裝為Python可以調用的擴展類庫。需要注意的是在您使用擴展類庫時可能需要考慮平台問題，某些可能不提供跨平台的實現。

• R軟體

R是一套完整的數據處理、計算和制圖軟體系統。它可以提供一些集成的統計工具，但更大量的是它提供各種數學計算、統計計算的函數，從而使使用者能靈活機動的進行數據分析，甚至創造出符合需要的新的統計計算方法。

• SPSS

SPSS是世界上最早的統計分析軟體，具有完整的數據輸入、編輯、統計分析、報表、圖形製作等功能，能夠讀取及輸出多種格式的文件。

• Excel

可以進行各種數據的處理、統計分析和輔助決策操作，廣泛地應用於管理、統計財經、金融等眾多領域。


• SAS軟體

SAS把數據存取、管理、分析和展現有機地融為一體。提供了從基本統計數的計算到各種試驗設計的方差分析，相關回歸分析以及多變數分析的多種統計分析過程，幾乎囊括了所有最新分析方法，其分析技術先進，可靠。分析方法的實現通過過程調用完成。許多過程同時提供了多種演算法和選項。

2. 學習數據挖掘一般要學哪些軟體和工具

1、WEKA
WEKA 原生的非 Java 版本主要是為了分析農業領域數據而開發的。該工具基於 Java 版本，是非常復雜的，並且應用在許多不同的應用中，包括數據分析以及預測建模的可視化和演算法。與 RapidMiner 相比優勢在於，它在 GNU 通用公共許可證下是免費的，因為用戶可以按照自己的喜好選擇自定義。
WEKA 支持多種標准數據挖掘任務，包括數據預處理、收集、分類、回歸分析、可視化和特徵選取。添加序列建模後，WEKA 將會變得更強大，但目前不包括在內。
2、RapidMiner
該工具是用 Java 語言編寫的，通過基於模板的框架提供先進的分析技術。該款工具最大的好處就是，用戶無需寫任何代碼。它是作為一個服務提供，而不是一款本地軟體。值得一提的是，該工具在數據挖掘工具榜上位列榜首。另外，除了數據挖掘，RapidMiner 還提供如數據預處理和可視化、預測分析和統計建模、評估和部署等功能。更厲害的是它還提供來自 WEKA(一種智能分析環境)和 R 腳本的學習方案、模型和演算法。
RapidMiner 分布在 AGPL 開源許可下，可以從 SourceForge 上下載。SourceForge 是一個開發者進行開發管理的集中式場所，大量開源項目在此落戶，其中就包括維基網路使用的 MediaWiki。
3、NLTK
當涉及到語言處理任務，沒有什麼可以打敗 NLTK。NLTK 提供了一個語言處理工具，包括數據挖掘、機器學習、數據抓取、情感分析等各種語言處理任務。
而您需要做的只是安裝 NLTK，然後將一個包拖拽到您最喜愛的任務中，您就可以去做其他事了。因為它是用 Python 語言編寫的，你可以在上面建立應用，還可以自定義它的小任務。

3. 數據處理軟體有哪些

大數據分析平台是一個集成性的平台，可以將企業用戶所用的數據接入，然後在該平台版上進行權處理，最後對得到的數據，通過各種方式進行分析展示。
大數據平台應該是集數據整合、數據處理、數據存儲、數據分析、可視化、數據採集填報等功能為一體，真正幫助企業挖掘數據背後的業務邏輯，洞悉數據的蛛絲馬跡，發現數據的潛在價值。億信華辰的一站式數據分析平台ABI，就是大數據分析平台的一個典型代表。該平台融合了數據源適配、ETL數據處理、數據建模、數據分析、數據填報、工作流、門戶、移動應用等核心功能。採用輕量級SOA架構設計、B/S模式，各模塊間無縫集成。支持廣泛的數據源接入。數據整合模塊支持可視化的定義ETL過程，完成對數據的清洗、裝換、處理。數據集模塊支持資料庫、文件、介面等多方式的數據建模。數據分析模塊支持報表分析、敏捷看板、即席報告、幻燈片、酷屏、數據填報、數據挖掘等多種分析手段對數據進行分析、展現、應用。

4. 數據分析軟體有哪些

數據分析軟體有Excel、SAS、R、SPSS、Tableau Software。

1、Excel

為Excel微軟辦公套裝軟體的一個重要的組成部分專，它可以屬進行各種數據的處理、統計分析和輔助決策操作，廣泛地應用於管理、統計財經、金融等眾多領域。

5、Tableau Software

Tableau Software用來快速分析、可視化並分享信息。Tableau Desktop 是基於斯坦福大學突破性技術的軟體應用程序。它可以以在幾分鍾內生成美觀的圖表、坐標圖、儀表盤與報告。

5. 數據分析的軟體有哪些最近想學習一兩款數據分析的軟

上海獻峰網路認為數據分析也好，統計分析也好，數據挖掘也好、商業智能也好都需要在學習的時候掌握各種分析手段和技能，特別是要掌握分析軟體工具！學習數據分析，一般是先學軟體開始，再去應用，再學會理論和原理！沒有軟體的方法就不去學了，因為學了也不能做，除非你自己會編程序。
主意X和Y軸看：
第一維度：數據存儲層——>數據報表層——>數據分析層——>數據展現層
第二維度：用戶級——>部門級——>企業級——BI級
首先.存儲層：
1.Access2003、Access07等：最基本的個人資料庫；
2.MySQL資料庫；
3.SQL Server 2005或更高版本；
4. DB2，Oracle；
5. BI級（實際上這個不是資料庫，而是建立在前面資料庫基礎上的，這個主要是數據
庫的企業應用級了，一般這個時候的資料庫都叫數據倉庫了，Data Warehouse
，建立在DW級上的數據存儲基本上都是商業智能平台，或許整合了各種數據分析，報表、分析和展現！）

第二：報表層
推薦石頭最喜歡的兩款。
1.Crystal Report水晶報表Bill報表
2. Tableau軟體

第三：數據分析層
1.Excel軟體（有能力把Excel玩成統計工具不如專門學會統計軟體）；
2.SPSS軟體：從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測
分析軟體。
3.Clementine軟體。

6. 大數據專業需要想學什麼軟體

1，分步閱讀
數據分析報告類：Microsoft Office軟體等，如果連excel表格基本的處理操作都不會回，連PPT報告都不會做，那我答只好說離數據分析的崗位還差的很遠。現在的數據呈現不再單單只是表格的形式，而是更多需要以可視化圖表去展示你的數據結果，因此數據可視化軟體就不能少，BDP個人版、ECharts等這些必備的，就看你自己怎麼選了。
2，專業數據分析軟體：Office並不是全部，要從在數據分析方面做的比較好，你必須會用（至少要了解）一些比較常用的專業數據分析軟體工具，比如SPSS、SAS、Matlab等等，這些軟體可以很好地幫助我們完成專業性的演算法或模型分析，還有高級的python、R等。
3，資料庫：hive、hadoop、impala等資料庫相關的知識可以學習；
4，輔助工具：比如思維導圖軟體（如MindManager、MindNode Pro等）也可以很好地幫助我們整理分析思路。

最重要的是：理論知識+軟體工具+數據思維=數據分析基礎，最後要把這些數據分析基礎運用到實際的工作業務中，好好理解業務邏輯，真正用數據分析驅動網站運營、業務管理，真正發揮數據的價值。

7. 常用的數據處理軟體有哪些

Excel：還是很普遍的，大部分使用，只是數據一大就比較慢，而且寫函版數比較麻煩，學好很重權要；
BDP個人版：偏向數據可視化分析，圖表類型有30多種，適合數據小白使用；有多表關聯、追加合並等合表處理功能，性能挺快的~
SAS、SPSS：會涉及到一些數據建模的東西，相對比較難。Excel：普遍適用，既有基礎，又有中高級。中級一般用Excel透視表，高級的用Excel VBA。

8. 想從事數據分析工作，學什麼軟體或語言最好

如果你有心想發展成為一個數據分析師，或者說某業務的資深數據分析專家，從技術層面來講，你需要了解成為一個數據分析師的路徑，6個步驟：
第一步：統計、數據、機器學習
關於數學知識，大學課堂會學過一部分，如果是數學科學類的專業會學得更精深。關於統計學知識，還是需要一定思維的鍛煉的。
第二步：編代碼
如果希望擁有專業水準的話，從編程基礎到端到端的開發，一些技術的語言，比如R、Python、和一些商業軟體的SAS、SPSS等，以及深入的互動式學習，這些你至少精通幾門，其他懂一些最好。
第三步：懂資料庫
數據分析大多應用實際。企業數據常常被保存在MySQL、Oracle、Postgres、MonogoDB、Cassandra等資料庫中，所以這些資料庫你要了解甚至懂。
第四步：數據管理、數據可視化、數據報告
數據管理包括數據的清洗格加工ETL，目的是讓分析前的數據更加准確和清晰，比如DataWrangler
數據可視化數據數據分析的前端展示，目的是讓數據呈現更清楚明了，更形象，比如tableau，spotfire
數據報告是通過不同工具將數據展示出來，可以和數據可視化歸類一起，但實際應用中大多數都是通過PPT的承載方式來呈現。
目前市面上很多公司都使用商業智能的工具，比如FineBI。
BI工具是數據連接，數據處理和可視化為一體的工具，比起上方的純工具，能更好的適應業務。
第五步：大數據
大數據是未來的必然趨勢，而大數據技術的類型也是多種多樣，hadoop,maprece,spark等等，多學會一種，層次也就不一樣。
第六步：積攢經驗，學習同行
以上都是理論和工具，但是實踐才是出真知，不管是剛接觸數據分析的職場人，還是專業學習數據挖掘分析的你，都希望在學習以上內容的同時，多參加一些比賽，學習同領域的專業大神，訓練自己在這方面的感覺。
當然，在實際應用過程中，大多數人不一數據分析為主業，數據分析只是分析業務的一個工具，那第四步的內容已經能夠滿足日常對業務的分析了，當然Excel和PPT的熟練掌握也是必須的。

9. 大數據都是學什麼軟體

首先我們要了解Java語言和Linux操作系統，這兩個是學習大數據的基礎，學習的順序不分前後。

大數據

Java ：只要了解一些基礎即可，做大數據不需要很深的Java 技術，學java SE 就相當於有學習大數據基礎。

Linux：因為大數據相關軟體都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟體的運行環境和網路環境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數據集群。還能讓你對以後新出的大數據技術學習起來更快。

Hadoop：這是現在流行的大數據處理平台幾乎已經成為大數據的代名詞，所以這個是必學的。Hadoop裡麵包括幾個組件HDFS、MapRece和YARN，HDFS是存儲數據的地方就像我們電腦的硬碟一樣文件都存儲在這個上面，MapRece是對數據進行處理計算的，它有個特點就是不管多大的數據只要給它時間它就能把數據跑完，但是時間可能不是很快所以它叫數據的批處理。

Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以後的Hbase也會用到它。它一般用來存放一些相互協作的信息，這些信息比較小一般不會超過1M，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。

Mysql：我們學習完大數據的處理了，接下來學習學習小數據的處理工具mysql資料庫，因為一會裝hive的時候要用到，mysql需要掌握到什麼層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的許可權，修改root的密碼，創建資料庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。

Sqoop：這個是用於把Mysql里的數據導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數據表導出成文件再放到HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。

Hive：這個東西對於會SQL語法的來說就是神器，它能讓你處理大數據變的很簡單，不會再費勁的編寫MapRece程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。

Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapRece、Spark腳本，還能檢查你的程序是否執行正確，出錯了給你發報警並能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。

Hbase：這是Hadoop生態體系中的NOSQL資料庫，他的數據是按照key和value的形式存儲的並且key是唯一的，所以它能用來做數據的排重，它與MYSQL相比能存儲的數據量大很多。所以他常被用於大數據處理完成之後的存儲目的地。

Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數據多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你干嗎給我這么多的數據(比如好幾百G的文件)我怎麼處理得過來，你別怪他因為他不是搞大數據的，你可以跟他講我把數據放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數據的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數據進行簡單處理，並寫到各種數據接受方(比如Kafka)的。

Spark：它是用來彌補基於MapRece處理數據速度上的缺點，它的特點是把數據裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。