我推薦一些常用的大數(shù)據(jù)分析工具

1.專業(yè)的大數(shù)據(jù)分析工具

2.各種Python數(shù)據(jù)可視化第三方庫

3.其它語言的數(shù)據(jù)可視化框架

一、專業(yè)的大數(shù)據(jù)分析工具

1、FineReport

FineReport是一款純Java編寫的、集數(shù)據(jù)展示(報表)和數(shù)據(jù)錄入(表單)功能于一身的企業(yè)級web報表工具，只需要簡單的拖拽操作便可以設(shè)計復(fù)雜的中國式報表，搭建數(shù)據(jù)決策分析系統(tǒng)。

2、FineBI

FineBI是新一代自助大數(shù)據(jù)分析的商業(yè)智能產(chǎn)品，提供了從數(shù)據(jù)準(zhǔn)備、自助數(shù)據(jù)處理、數(shù)據(jù)分析與挖掘、數(shù)據(jù)可視化于一體的完整解決方案，也是我比較推崇的可視化工具之一。

FineBI的使用感同Tableau類似，都主張可視化的探索性分析，有點像加強(qiáng)版的數(shù)據(jù)透視表。上手簡單，可視化庫豐富?？梢猿洚?dāng)數(shù)據(jù)報表的門戶，也可以充當(dāng)各業(yè)務(wù)分析的平臺。

二、Python的數(shù)據(jù)可視化第三方庫

Python正慢慢地成為數(shù)據(jù)分析、數(shù)據(jù)挖掘領(lǐng)域的主流語言之一。在Python的生態(tài)里，很多開發(fā)者們提供了非常豐富的、用于各種場景的數(shù)據(jù)可視化第三方庫。這些第三方庫可以讓我們結(jié)合Python語言繪制出漂亮的圖表。

1、pyecharts

Echarts(下面會提到)是一個開源免費的javascript數(shù)據(jù)可視化庫，它讓我們可以輕松地繪制專業(yè)的商業(yè)數(shù)據(jù)圖表。當(dāng)Python遇上了Echarts，pyecharts便誕生了，它是由chenjiandongx等一群開發(fā)者維護(hù)的Echarts Python接口，讓我們可以通過Python語言繪制出各種Echarts圖表。

2、Bokeh

Bokeh是一款基于Python的交互式數(shù)據(jù)可視化工具，它提供了優(yōu)雅簡潔的方法來繪制各種各樣的圖形，可以高性能的可視化大型數(shù)據(jù)集以及流數(shù)據(jù)，幫助我們制作交互式圖表、可視化儀表板等。

三、其他數(shù)據(jù)可視化工具

1、Echarts

前面說過了，Echarts是一個開源免費的javascript數(shù)據(jù)可視化庫，它讓我們可以輕松地繪制專業(yè)的商業(yè)數(shù)據(jù)圖表。

大家都知道去年春節(jié)以及近期央視大規(guī)劃報道的百度大數(shù)據(jù)產(chǎn)品，如百度遷徙、百度司南、百度大數(shù)據(jù)預(yù)測等等，這些產(chǎn)品的數(shù)據(jù)可視化均是通過ECharts來實現(xiàn)的。

2、D3

D3（Data Driven Documents）是支持SVG渲染的另一種JavaScript庫。但是D3能夠提供大量線性圖和條形圖之外的復(fù)雜圖表樣式，例如Voronoi圖、樹形圖、圓形集群和單詞云等。

大數(shù)據(jù)分析工具比較好的有Python數(shù)據(jù)分析、DataV數(shù)據(jù)分析、Cloudera數(shù)據(jù)分析、MongoDBMongoDB數(shù)據(jù)分析、Talend數(shù)據(jù)分析等

1、Python數(shù)據(jù)分析

Python是一種面向?qū)ο?、解釋型計算機(jī)程序設(shè)計語言。Python語法簡潔而清晰，閱讀一個良好的Python程序就感覺像是在讀英語一樣。能夠?qū)Ｗ⒂诮鉀Q問題而不是去搞明白語言本身。另外具有豐富和強(qiáng)大的類庫，python能支持幾乎所有統(tǒng)計分析和建模的工作。

2、DataV數(shù)據(jù)分析

DataV數(shù)據(jù)可視化是使用可視化大屏的方式來分析并展示龐雜數(shù)據(jù)的產(chǎn)品。DataV旨讓更多的人看到數(shù)據(jù)可視化的魅力，幫助非專業(yè)的工程師通過圖形化的界面輕松搭建專業(yè)水準(zhǔn)的可視化應(yīng)用，滿足您會議展覽、業(yè)務(wù)監(jiān)控、風(fēng)險預(yù)警、地理信息分析等多種業(yè)務(wù)的展示需求。

3、Cloudera數(shù)據(jù)分析

Cloudera實際上是增加了一些額外服務(wù)的Hadoop，非常需要這個，因為大數(shù)據(jù)不容易搞。Cloudera的服務(wù)團(tuán)隊不僅可以幫助構(gòu)建大數(shù)據(jù)集群，還可以幫助培訓(xùn)員工，更好地訪問數(shù)據(jù)。

4、MongoDBMongoDB數(shù)據(jù)分析

MongoDBMongoDB是最受歡迎的大數(shù)據(jù)數(shù)據(jù)庫，因為適用于管理經(jīng)常變化的數(shù)據(jù)：非結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)常常是非結(jié)構(gòu)化數(shù)據(jù)。當(dāng)下時代大數(shù)據(jù)分析是非常必要的，而MongoDBMongoDB數(shù)據(jù)分析也是做得非常好的。

5、Talend數(shù)據(jù)分析

Talend作為一家提供廣泛解決方案的公司，Talend的產(chǎn)品圍繞其集成平臺而建，該平臺集大數(shù)據(jù)、云、應(yīng)用程序、實時數(shù)據(jù)集成、數(shù)據(jù)準(zhǔn)備和主數(shù)據(jù)管理于一體。大數(shù)據(jù)集往往是非結(jié)構(gòu)化、無組織的，因此需要某種清理或轉(zhuǎn)換。當(dāng)下，數(shù)據(jù)可能來自任何地方。

1、新榜：互聯(lián)網(wǎng)渠道的價值標(biāo)準(zhǔn)：以日、周、月、年為周期,按24大分類權(quán)威發(fā)布以微信為代表的中國各自媒體平臺最真實、最具價值的運營榜單,方便用戶了解新媒體整體發(fā)展情況,為用戶提供有效的參考導(dǎo)向…

2、Hadoop：能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架。

3、清博大數(shù)據(jù)中國新媒體大數(shù)據(jù)權(quán)威平臺：清博大數(shù)據(jù)擁有清博指數(shù)、清博輿情、營廣工品等多個核心產(chǎn)品。提供微信、微博、頭條號等新媒體排行榜,廣告交易、輿情報告、數(shù)據(jù)咨詢...

4、神策數(shù)據(jù)：多維度數(shù)據(jù)實時分析，事件分析，漏斗分析，留存分析，分布分析等8大分析模型，輕松搞定數(shù)據(jù)分析需求。

5、GrowingIO：實時采集用戶行為數(shù)據(jù)，可視化實時出圖。

工具介紹

1、前端展現(xiàn)

用于展現(xiàn)分析的前端開源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

用于展現(xiàn)分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikView、 Tableau。

國內(nèi)的有BDP，國云數(shù)據(jù)（大數(shù)據(jù)魔鏡），思邁特，F(xiàn)ineBI等等。

2、數(shù)據(jù)倉庫

有Teradata AsterData, EMC GreenPlum, HP Vertica等等。

3、數(shù)據(jù)集市

有QlikView、 Tableau、Style Intelligence等等。

擴(kuò)展資料

大數(shù)據(jù)分析的六個基本方面

1、Analytic Visualizations（可視化分析）

不管是對數(shù)據(jù)分析專家還是普通用戶，數(shù)據(jù)可視化是數(shù)據(jù)分析工具最基本的要求?？梢暬梢灾庇^的展示數(shù)據(jù)，讓數(shù)據(jù)自己說話，讓觀眾聽到結(jié)果。

2.、Data Mining Algorithms（數(shù)據(jù)挖掘算法）

可視化是給人看的，數(shù)據(jù)挖掘就是給機(jī)器看的。集群、分割、孤立點分析還有其他的算法讓我們深入數(shù)據(jù)內(nèi)部，挖掘價值。這些算法不僅要處理大數(shù)據(jù)的量，也要處理大數(shù)據(jù)的速度。

3、Predictive Analytic Capabilities（預(yù)測性分析能力）

數(shù)據(jù)挖掘可以讓分析員更好的理解數(shù)據(jù)，而預(yù)測性分析可以讓分析員根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些預(yù)測性的判斷。

4、Semantic Engines（語義引擎）

我們知道由于非結(jié)構(gòu)化數(shù)據(jù)的多樣性帶來了數(shù)據(jù)分析的新的挑戰(zhàn)，我們需要一系列的工具去解析，提取，分析數(shù)據(jù)。語義引擎需要被設(shè)計成能夠從“文檔”中智能提取信息。

5、Data Quality and Master Data Management（數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理）

數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理是一些管理方面的最佳實踐。通過標(biāo)準(zhǔn)化的流程和工具對數(shù)據(jù)進(jìn)行處理可以保證一個預(yù)先定義好的高質(zhì)量的分析結(jié)果。

假如大數(shù)據(jù)真的是下一個重要的技術(shù)革新的話，我們最好把精力關(guān)注在大數(shù)據(jù)能給我們帶來的好處，而不僅僅是挑戰(zhàn)。

6、數(shù)據(jù)存儲，數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是為了便于多維分析和多角度展示數(shù)據(jù)按特定模式進(jìn)行存儲所建立起來的關(guān)系型數(shù)據(jù)庫。在商業(yè)智能系統(tǒng)的設(shè)計中，數(shù)據(jù)倉庫的構(gòu)建是關(guān)鍵，是商業(yè)智能系統(tǒng)的基礎(chǔ)，承擔(dān)對業(yè)務(wù)系統(tǒng)數(shù)據(jù)整合的任務(wù)，為商業(yè)智能系統(tǒng)提供數(shù)據(jù)抽取、轉(zhuǎn)換和加載(ETL)，并按主題對數(shù)據(jù)進(jìn)行查詢和訪問，為聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘提供數(shù)據(jù)平臺。