1樓：shalory
首先要看大資料分析有多少種需求！
一般會把資料分析工具分成兩個維度。這兩個維度裡的每乙個層次，其實都對應著不同需求的工具。
第一維度：資料儲存層——資料包表層——資料分析層——資料展現層
第二維度：使用者級——部門級——企業級——BI級
比如資料儲存層，就可能需要用到Access2003、Access07、SQL Server、DB2，Oracle；
報表/BI層，就是Tableau、Qlikview、FineBI這類報表工具了。當然這類BI工具，可分在報表層也可分為資料展現層，因為它們涵蓋了資料整合、資料分析和資料展現。像FineBI，就是一款商業智慧型軟體，在大資料處理方面表現很突出。
2樓：PowerBI學堂
資料分析工具非常多，總結下來可以有幾類，每個類別會有兩個拔尖的產品，這裡簡單羅列一下。
資料分析語言：Python和R語言，這兩個是資料分析語言的兩個代表，非技術和技術背景都可以學習，非技術背景建議學習R語言。
BI分析工具：Power BI和Tableau，資料分析和BI領域的兩個領先工具，非技術背景上手很容易，學精需要花足夠的精力。
資料庫：Mysql和SQL Server，這兩個資料庫基本滿足多數企業需求。
資料技術框架：Spark和Hadoop，真正的大資料會用到這兩個，大企業必備。
資料分析應用：ML機器學習和DL深度學習，自動化和人工智慧方向，值得深入學習。
當然，不忘提一下PowerBI的前輩—資料分析應用最強者Excel，資料分析啟蒙大多來自於它。
3樓：foremost
天天大資料，大資料，但實際用hadoop，spark大資料平台的公司很少；
中小型公司不用用hadoop，spark，因為資料量不夠，公司現有業務用不到，但一般會有有資料治理體系，使用者畫像體系等，先為上層挖掘和分析做好資料：例如資料倉儲，ETL。
中小型公司，一般資料分析工具：Excel,sql，Tablesu/Power BI，SPSS軟體，python，R夠用了。
大型公司：需要資料分析師掌握大資料平台框架和工具：hadoop，spark等。
大資料分析中，有哪些常見的大資料分析模型？
牛博 模型其實就是一數學函式對映，從應用層角度來看，會有一些通俗的名字,簡單羅列一下 一 使用者模型 二 事件模型 三 漏斗模型 四 熱圖分析模型 五 自定義留存分析模型 六 粘性分析 七 全行為路徑分析 八 使用者分群模型 九 Session 分析 十 間隔分析 十一 分布分析 十二 營銷廣告投放...
大資料分析和大資料研發的區別？
Rorschach 比較常見的情況下，大資料分析這種強調的是從複雜的資料和關係裡面尋找關係 趨勢等等顯著地統計量來給決策提供資訊支援的。比較強調的能力是公司所在行業的領域知識，資料分析能力，對資料的敏感程度，資料視覺化技術，溝通能力特別是面向非技術職能人員的共同能力。大資料開發人員有一部分是做資料平...
如何搭建大資料分析平台？
帆軟 通常來說，企業內部的運營和業務系統每天會積累下大量歷史資料，一些企業最多是對一些零散的資料進行淺層次的分析，真正的海量資料其實並沒有得到真正有效的分析利用。同時，隨著系統的不斷增加和積累，沉澱在系統深處的資料也更加難以提取和整合，後期的報表展示和視覺化分析也就成了空殼應用。所以大資料分析平台的...