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(kù)

3.其它語(yǔ)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(jí)web報(bào)表工具，只需要簡(jiǎn)單的拖拽操作便可以設(shè)計(jì)復(fù)雜的中國(guó)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(jiǎn)單，可視化庫(kù)豐富?？梢猿洚?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(tái)。

二、Python的數(shù)據(jù)可視化第三方庫(kù)

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(yǔ)言之一。在Python的生態(tài)里，很多開(kāi)發(fā)者們提供了非常豐富的、用于各種場(chǎng)景的數(shù)據(jù)可視化第三方庫(kù)。這些第三方庫(kù)可以讓我們結(jié)合Python語(yǔ)言繪制出漂亮的圖表。

1、pyecharts

Echarts(下面會(huì)提到)是一個(gè)開(kāi)源免費(fèi)的javascript數(shù)據(jù)可視化庫(kù)，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(kāi)發(fā)者維護(hù)的Echarts Python接口，讓我們可以通過(guò)Python語(yǔ)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(jiǎn)潔的方法來(lái)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(shuō)過(guò)了，Echarts是一個(gè)開(kāi)源免費(fèi)的javascript數(shù)據(jù)可視化庫(kù)，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(cè)等等，這些產(chǎn)品的數(shù)據(jù)可視化均是通過(guò)ECharts來(lái)實(shí)現(xiàn)的。

2、D3

D3（Data Driven Documents）是支持SVG渲染的另一種JavaScript庫(kù)。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(shù)形圖、圓形集群和單詞云等。

1、數(shù)據(jù)處理工具：Excel

數(shù)據(jù)分析師，在有些公司也會(huì)有數(shù)據(jù)產(chǎn)品經(jīng)理、數(shù)據(jù)挖掘工程師等等。他們最初級(jí)最主要的工具就是Excel。有些公司也會(huì)涉及到像Visio，Xmind、PPT等設(shè)計(jì)圖標(biāo)數(shù)據(jù)分析方面的高級(jí)技巧。數(shù)據(jù)分析師是一個(gè)需要擁有較強(qiáng)綜合能力的崗位，因此，在有些互聯(lián)網(wǎng)公司仍然需要數(shù)據(jù)透視表演練、Vision跨職能流程圖演練、Xmind項(xiàng)目計(jì)劃導(dǎo)圖演練、PPT高級(jí)動(dòng)畫技巧等。

2、數(shù)據(jù)庫(kù)：MySQL

Excel如果能夠玩的很轉(zhuǎn)，能勝任一部分?jǐn)?shù)據(jù)量不是很大的公司。但是基于Excel處理數(shù)據(jù)能力有限，如果想勝任中型的互聯(lián)網(wǎng)公司中數(shù)據(jù)分析崗位還是比較困難。因此需要學(xué)會(huì)數(shù)據(jù)庫(kù)技術(shù)，一般Mysql。你需要了解MySQL管理工具的使用以及數(shù)據(jù)庫(kù)的基本操作;數(shù)據(jù)表的基本操作、MySQL的數(shù)據(jù)類型和運(yùn)算符、MySQL函數(shù)、查詢語(yǔ)句、存儲(chǔ)過(guò)程與函數(shù)、觸發(fā)程序以及視圖等。比較高階的需要學(xué)習(xí)MySQL的備份和恢復(fù);熟悉完整的MySQL數(shù)據(jù)系統(tǒng)開(kāi)發(fā)流程。

3、數(shù)據(jù)可視化：Tableau& Echarts

如果說(shuō)前面2條是數(shù)據(jù)處理的技術(shù)，那么在如今“顏值為王”的現(xiàn)在，如何將數(shù)據(jù)展現(xiàn)得更好看，讓別人更愿意看，這也是一個(gè)技術(shù)活。好比公司領(lǐng)導(dǎo)讓你對(duì)某一個(gè)項(xiàng)目得研究成果做匯報(bào)，那么你不可能給他看單純的數(shù)據(jù)一樣，你需要讓數(shù)據(jù)更直觀，甚至更美觀。

數(shù)據(jù)分析的8個(gè)流程與7個(gè)常用思路

在產(chǎn)品運(yùn)營(yíng)過(guò)程中，數(shù)據(jù)分析具有極其重要的戰(zhàn)略意義，是產(chǎn)品優(yōu)化和產(chǎn)品決策的核心大腦。因此做好數(shù)據(jù)分析，是產(chǎn)品運(yùn)營(yíng)中最重要的環(huán)節(jié)之一。

那么如何做好支付的數(shù)據(jù)分析呢？以下梳理出數(shù)據(jù)分析的8步流程，以及常見(jiàn)的7種分析思路。新手在啟動(dòng)數(shù)據(jù)分析前，最好跟主管或數(shù)據(jù)經(jīng)驗(yàn)較豐富的童鞋確認(rèn)每一步的分析流程。

一、數(shù)據(jù)分析八流程：

為什么分析？

首先，你得知道為什么分析？弄清楚此次數(shù)據(jù)分析的目的。比如，這次短信方式的數(shù)據(jù)分析，為什么要做這個(gè)分析。你所有的分析都的圍繞這個(gè)為什么來(lái)回答。避免不符合目標(biāo)反復(fù)返工，這個(gè)過(guò)程會(huì)很痛苦。

分析目標(biāo)是誰(shuí)？

分析目標(biāo)是誰(shuí)？要牢記清楚的分析因子，統(tǒng)計(jì)維度是訂單，還是用戶，還是金額，還是用戶行為。避免把訂單當(dāng)用戶算，把用戶當(dāng)訂單算（上周運(yùn)營(yíng)同學(xué)真實(shí)案例），算出的結(jié)果是差別非常大的。

想達(dá)到什么效果？

通過(guò)分析各個(gè)維度的用戶，訂單，找到真正的問(wèn)題。例如這次的XX通道的分析，全盤下線，或維持現(xiàn)狀不動(dòng)，都不符合利益最大化原則。通過(guò)分析，找到真正的問(wèn)題根源，發(fā)現(xiàn)用戶精細(xì)化運(yùn)營(yíng)已經(jīng)非常必要了。

需要哪些數(shù)據(jù)？

支付的數(shù)據(jù)，茫茫大海，數(shù)據(jù)繁多，用“?！眮?lái)形容一點(diǎn)都不為過(guò)。需要哪些源數(shù)據(jù)？付費(fèi)總額，付費(fèi)人數(shù)？新老用戶維度？付費(fèi)次數(shù)？轉(zhuǎn)移人數(shù)？留存率？用戶特征？畫像？先整理好思路，列一個(gè)表。避免數(shù)據(jù)部門同學(xué)今天跑一個(gè)數(shù)據(jù)，明天又跑一個(gè)數(shù)據(jù)，數(shù)據(jù)部門同學(xué)也會(huì)比較煩。

如何采集？

直接數(shù)據(jù)庫(kù)調(diào)?。炕蛘呓唤o程序猿導(dǎo)出？自己寫SQL？運(yùn)營(yíng)同學(xué)不妨都學(xué)一下SQL，自力更生。

如何整理？

整理數(shù)據(jù)是門技術(shù)活。不得不承認(rèn)EXCEL是個(gè)強(qiáng)大工具，數(shù)據(jù)透視表的熟練使用和技巧，作為支付數(shù)據(jù)分析必不可少，各種函數(shù)和公式也需要略懂一二，避免低效率的數(shù)據(jù)整理。Spss也是一個(gè)非常優(yōu)秀的數(shù)據(jù)處理工具，特別在數(shù)據(jù)量比較大，而且當(dāng)字段由特殊字符的時(shí)候，比較好用。

如何分析？

整理完畢，如何對(duì)數(shù)據(jù)進(jìn)行綜合分析，相關(guān)分析？這個(gè)是很考驗(yàn)邏輯思維和推理能力的。同時(shí)分析推理過(guò)程中，需要對(duì)產(chǎn)品了如指掌，對(duì)用戶很了解，對(duì)渠道很熟悉。看似一個(gè)簡(jiǎn)單的數(shù)據(jù)分析，其實(shí)是各方面能力的體現(xiàn)。首先是技術(shù)層面，對(duì)數(shù)據(jù)來(lái)源的抽取－轉(zhuǎn)換－載入原理的理解和認(rèn)識(shí)；其實(shí)是全局觀，對(duì)季節(jié)性、公司等層面的業(yè)務(wù)有清晰的了解；最后是專業(yè)度，對(duì)業(yè)務(wù)的流程、設(shè)計(jì)等了如指掌。練就數(shù)據(jù)分析的洪荒之力并非一朝一夕之功，而是在實(shí)踐中不斷成長(zhǎng)和升華。一個(gè)好的數(shù)據(jù)分析應(yīng)該以價(jià)值為導(dǎo)向，放眼全局、立足業(yè)務(wù)，用數(shù)據(jù)來(lái)驅(qū)動(dòng)增長(zhǎng)。運(yùn)營(yíng)同學(xué)比較容易聚在某個(gè)點(diǎn)上轉(zhuǎn)圈走不出來(lái)。

如何展現(xiàn)和輸出？

數(shù)據(jù)可視化也是一個(gè)學(xué)問(wèn)。如何用合適的圖表表現(xiàn)？每一種圖表的寓意是什么？下面列舉下常用的8個(gè)圖表：

（1）、折線圖：合適用于隨時(shí)間而變化的連續(xù)數(shù)據(jù)，例如隨時(shí)間收入變化，及增長(zhǎng)率變化。

（2）、柱型圖：主要用來(lái)表示各組數(shù)據(jù)之間的差別。主要有二維柱形圖、三維柱形圖、圓柱圖、圓錐圖和棱錐圖。如支付寶與微信覆蓋率差別。

（3）、堆積柱形圖：堆積柱形圖不僅可以顯示同類別中每種數(shù)據(jù)的大小，還可以顯示總量的大小。例如我們需要表示各個(gè)支付方式的人數(shù)及總?cè)藬?shù)時(shí)。

（4）、線-柱圖：這種類型的圖不僅可以顯示出同類別的比較，還可以顯示出趨勢(shì)情況。

（5）、條形圖：類似于橫向的柱狀圖，和柱狀圖的展示效果相同，主要用于各項(xiàng)類的比較。

（6）、餅圖：主要顯示各項(xiàng)占比情況。餅圖一般慎用，除非占比區(qū)別非常明顯。因?yàn)槿庋蹖?duì)對(duì)餅圖的占比比例分辨并不直觀。而且餅圖的項(xiàng)，一般不要超過(guò)6項(xiàng)。6項(xiàng)后建議用柱形圖更為直觀。

（7）、復(fù)合餅圖：一般是對(duì)某項(xiàng)比例的下一步分析。

（8）、母子餅圖：可直觀地分析項(xiàng)目的組成結(jié)構(gòu)與比重。例如上次短信支付能力用戶中，沒(méi)有第3方支付能力的用戶，中間有X%比例是沒(méi)銀行卡，X%比例是沒(méi)微信支付賬號(hào)等。

圖表不必太花哨，一個(gè)表說(shuō)一個(gè)問(wèn)題就好。用友好的可視化圖表，節(jié)省閱讀者的時(shí)間，也是對(duì)閱讀者的尊重。

有一些數(shù)據(jù)，辛辛苦苦做了整理和分析，最后發(fā)現(xiàn)對(duì)結(jié)論輸出是沒(méi)有關(guān)系的，雖然做了很多工作，但不能為了體現(xiàn)工作量而堆砌數(shù)據(jù)。

在展現(xiàn)的過(guò)程中，請(qǐng)注明數(shù)據(jù)的來(lái)源，時(shí)間，指標(biāo)的說(shuō)明，公式的算法，不僅體現(xiàn)數(shù)據(jù)分析的專業(yè)度，更是對(duì)報(bào)告閱讀者的尊重。

二、數(shù)據(jù)分析七思路：

簡(jiǎn)單趨勢(shì)

通過(guò)實(shí)時(shí)訪問(wèn)趨勢(shì)了解產(chǎn)品使用情況。如總流水，總用戶，總成功率，總轉(zhuǎn)化率。

多維分解

根據(jù)分析需要，從多維度對(duì)指標(biāo)進(jìn)行分解。例如新老用戶、支付方式、游戲維度、產(chǎn)品版本維度、推廣渠道、來(lái)源、地區(qū)、設(shè)備品牌等等維度。

轉(zhuǎn)化漏斗

按照已知的轉(zhuǎn)化路徑，借助漏斗模型分析總體和每一步的轉(zhuǎn)化情況。常見(jiàn)的轉(zhuǎn)化情境有下單率，成功轉(zhuǎn)化率等。

用戶分群

在精細(xì)化分析中，常常需要對(duì)有某個(gè)特定行為的用戶群組進(jìn)行分析和比對(duì)；數(shù)據(jù)分析需要將多維度和多指標(biāo)作為分群條件，有針對(duì)性地優(yōu)化產(chǎn)品，提升用戶體驗(yàn)。例如我們這次對(duì)短信這類用戶，短信里又有第3方和無(wú)第3方支付能力的，需要再進(jìn)行分群的運(yùn)營(yíng)。

細(xì)查路徑

數(shù)據(jù)分析可以觀察用戶的行為軌跡，探索用戶與產(chǎn)品的交互過(guò)程；進(jìn)而從中發(fā)現(xiàn)問(wèn)題、激發(fā)靈感亦或驗(yàn)證假設(shè)。例如我們這次對(duì)新用戶的運(yùn)營(yíng)，也非常有意思。

留存分析

留存分析是探索用戶行為與回訪之間的關(guān)聯(lián)。一般我們講的留存率，是指“新增用戶”在一段時(shí)間內(nèi)“回訪”的比例。通過(guò)分析不同用戶群組的留存差異、使用過(guò)不同功能用戶的留存差異來(lái)找到產(chǎn)品的增長(zhǎng)點(diǎn)。

A/B測(cè)試

A/B測(cè)試就是同時(shí)進(jìn)行多個(gè)方案并行測(cè)試，但是每個(gè)方案僅有一個(gè)變量不同；然后以某種規(guī)則（例如用戶體驗(yàn)、數(shù)據(jù)指標(biāo)等）優(yōu)勝略汰選擇最優(yōu)的方案。數(shù)據(jù)分析需要在這個(gè)過(guò)程中選擇合理的分組樣本、監(jiān)測(cè)數(shù)據(jù)指標(biāo)、事后數(shù)據(jù)分析和不同方案評(píng)估。

不單是支付的數(shù)據(jù)分析，其他的產(chǎn)品運(yùn)營(yíng)數(shù)據(jù)分析流程和思路也一樣適用，只是支付數(shù)據(jù)相對(duì)其他產(chǎn)品而言，維度很多，以及組合的維度也非常多，因此就需要更清晰的思路和大局觀，避免陷入到數(shù)據(jù)海洋中。