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(bào)表)和數(shù)據(jù)錄入(表單)功能于一身的企業(yè)級web報(bào)表工具，只需要簡單的拖拽操作便可以設(shè)計(jì)復(fù)雜的中國式報(bào)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(diǎn)像加強(qiáng)版的數(shù)據(jù)透視表。上手簡單，可視化庫豐富。可以充當(dāng)數(shù)據(jù)報(bào)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(gè)開源免費(fèi)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(gè)開源免費(fèi)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(bào)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(shí)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。

今天想好好跟大家分享一個(gè)好用的數(shù)據(jù)功能，先賣個(gè)關(guān)子，分享之前先來看幾個(gè)實(shí)際的工作場景~

月底了，需要展示各省份本月的訂單量分布，總不能用30多條折線顯示吧，一堆密密麻麻的線沒人想看吧！

想對比分析團(tuán)隊(duì)里10個(gè)銷售經(jīng)理業(yè)績完成的情況，要出10張圖表一一對比，這也太麻煩了吧？

店鋪有成百上千個(gè)SKU，老板要對比查看每個(gè)SKU的銷售數(shù)據(jù)，難道要我做N個(gè)圖表嗎？

負(fù)責(zé)的網(wǎng)站有幾十個(gè)推廣渠道，想一一對比每個(gè)渠道的轉(zhuǎn)化效果，一張圖表展示不了效果腫么辦？

類似的“痛苦”很多人都遇到過，當(dāng)涉及到數(shù)據(jù)多維度對比分析時(shí)，比如上面的例子：不同日期維度不同地域維度的數(shù)值對比，往往一張數(shù)據(jù)圖表并不能直觀地展示效果，又不想直接用表格呈現(xiàn)一“坨”數(shù)據(jù)，這時(shí)”對比拆分”功能就顯得尤為重要！

介紹“對比拆分”之前，先普及一下維度、對比、數(shù)值（數(shù)據(jù)小白一定要看，大神可以忽視）是什么：

維度：是事物或現(xiàn)象的某種特征，可以簡單理解是X軸，如性別、地區(qū)、時(shí)間等都是維度。其中時(shí)間是一種常用的維度，時(shí)間前后的對比稱為縱比，如用戶數(shù)環(huán)比上月增長10%；同級單位之間的比較，簡稱橫比，如不同省份人口數(shù)的比較、不同公司收入的比較；

對比：當(dāng)橫比、縱比都要涉及的時(shí)候（如不同日期不同地域），就需要對比啦！

數(shù)值：即指標(biāo)/度量，用于衡量事物發(fā)展程度的單位，可以簡單理解是Y軸；

鑒于對比拆分的定義比較抽象，這里先不做解釋，主要結(jié)合文章開頭的2個(gè)實(shí)際場景來展示其使用價(jià)值，希望能真正幫到需要的yin！

工作場景1：O2O/電商網(wǎng)站想要了解近期各省市的訂單金額分布情況，需要的維度：日期、地區(qū)，需要的數(shù)值：訂單金額，先看“美顏”前后對比圖吧~

（“美顏”前）

（“美顏”后）

“美顏”前各省的數(shù)據(jù)堆在一起，N條折線就像一團(tuán)雜亂的毛線，數(shù)據(jù)給人的感覺也是一團(tuán)亂，根本不想看，也無從下手，更別說用數(shù)據(jù)驅(qū)動運(yùn)營了。

再看看“美顏”后的圖表，很清晰地展示各個(gè)省份的數(shù)據(jù)量和變化趨勢，圖表瞬間轉(zhuǎn)成小清新，感覺美美噠！

趕緊來看看“美顏”過程：

第1步：打開BDP個(gè)人版，上傳需要分析的工作表，在編輯圖表頁面將日期（付款日期）拉到維度欄、地區(qū)（收貨省份）拉到對比欄，訂單金額拉到數(shù)值欄，記得順手調(diào)個(gè)稀飯的顏色；

第2步：在右下方勾選“按對比拆分”，瞬間就出現(xiàn)多個(gè)動圖啦！不喜歡默認(rèn)的顯示，還可以寄已調(diào)整單屏顯示的行列數(shù)量哦~

酷炫的亮點(diǎn)來了：當(dāng)你把鼠標(biāo)hover到數(shù)據(jù)上，同時(shí)按下alt鍵，就能看某一天各省市的數(shù)據(jù)啦！左右滑動鼠標(biāo)還有驚喜哦！

工作場景2：半個(gè)月過去了，銷售總監(jiān)想要了解截止目前為止各個(gè)銷售經(jīng)理的業(yè)績完成情況；需要的維度：時(shí)間、人員名稱，需要的數(shù)值：合同金額（計(jì)量圖可以設(shè)置目標(biāo)值）

柱狀圖只能簡單展示每個(gè)人本月的訂單金額，并不能看出目標(biāo)完成的進(jìn)度如何，更別說能直觀對比每個(gè)人完成的情況了。計(jì)量圖的確能展示目標(biāo)完成的進(jìn)度，但是只能通過篩選一一查看每個(gè)人的進(jìn)度，并不能一下子展示所有人的。

好了，“對比拆分”又上場啦，噔噔噔~~~（具體操作見上一個(gè)例子）

哇塞，每個(gè)人的業(yè)績完成情況太直觀了。半個(gè)月過去了，完成50%及以上的只有3個(gè)，總監(jiān)應(yīng)該好好鼓勵他們，爭取更好的業(yè)績，還有7人連50%都沒有達(dá)到，那就要一一找了解下情況，找到原因及時(shí)改進(jìn)，尤其是低于是30%的銷售：

是不是在跟進(jìn)大客戶，項(xiàng)目是否靠譜，是不是屬于后半個(gè)月發(fā)力，大項(xiàng)目能否填補(bǔ)之前的落后？不能的話要怎么做才能達(dá)標(biāo)？

是不是本月跟的客戶太少？那應(yīng)該積極主動去尋找銷售線索。

還是跟了很多項(xiàng)目，但成交率很低，那成交率很低的原因又是什么：地域問題、客戶性質(zhì) or其他原因呢？根據(jù)不同原因有針對性地進(jìn)行調(diào)整。

......

原因有很多，總監(jiān)可以根據(jù)這張圖表一一找人了解情況，及時(shí)尋找原因并做出調(diào)整，爭取讓本月業(yè)績更上一層樓，這不就是數(shù)據(jù)和圖表呈現(xiàn)的意義嘛！

上述場景都很常見，也只是參考。最后，總結(jié)下對比拆分的適用場景：涉及多維度對比分析、同時(shí)需要分類呈現(xiàn)數(shù)據(jù)結(jié)果。目前，BDP個(gè)人版支持對指標(biāo)卡、計(jì)量圖、折線圖、柱柱圖和條形圖按照對比拆分為多個(gè)圖形。要好好學(xué)習(xí)對比拆分功能，學(xué)好能助你調(diào)整、優(yōu)化運(yùn)營策略，也許會有意想不到的效果哦！

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(gè)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(diǎn)分析還有其他的算法讓我們深入數(shù)據(jù)內(nèi)部，挖掘價(jià)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(jì)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(shí)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(gè)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(gè)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(jì)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。