想从事数据分析工作，有哪些编程语言可以推荐吗？
python，java等等。有哪些优势呢？比如入门，自学多长时间可以就业。
永洪科技数据分析师为您解答：
具体如何正确的数据分析？来看看高薪职场人是如何做数据分析的。
1、制定指标
数据分析的第一个步骤，就是为工作的起始阶段制定一个确切的指标。有一些初阶的数据分析人，领导布置什么任务就做什么，自己连个目标都没有，执行起来都是满头乱撞，更别提自己主动去观察业务，找到突破点了。所以，在工作的初始阶段，制定一个合适的指标是很重要的，它能够让你的后续工作有一个大致的方向，而不是随便完成上级安排的任务。
2、拆解指标
做好了工作前的指标制定，接下来就需要把它落实在工作中。在做指标拆解时，并不是简单的「做加法」，这样子执行起来其实很困难。而一个优秀的运营会根据业务的流程，用「乘法逻辑」把零散的指标串联起来，把一级指标拆成二级、三级，直到拆出可以直接行动的指标。比如，要完成10万的销售额，不是直接分配哪个渠道卖多少，可以先把销售额拆成流量 X 转化率 X 客单价，然后进一步往下拆解。 拆解完指标之后，最好根据目标，对每一个环节的指标进行预测，这样能够对业务有更好的掌控感，知道哪个环节做得好，哪个环节出了问题。
3、监控数据
对业务数据进行监控，这时候可以根据活动指标的实际数据和预估数值做对比，根据数据情况指导活动优化调整，如果能够提前想出相应的优化措施那就更好了。在这个过程，像趋势分析法、维度拆解、漏斗分析等方法都可以用到。
4、分析数据
分析数据，就是通过对数据进行比对等方式，找到业务或者活动中的问题，并且给出一个行之有效的方案。一般来说，可以采用推演复盘法，拿预设的活动指标和实际的指标做对比，即可非常快速地知道业务的问题和亮点所在。 对于异常的数据指标，可以采用鱼骨图分析法挖掘产生这项数据结果背后的原因，最后给到针对性的解决方案。
总结起来就是，如果你想成为一名合格的数据分析师，要做到这4点：
1、问题识别：能够独立清晰的识别问题2、分析规划：明确范围并做好分析规划3、数据获取：熟练提取数据，应用分析方法4、展示演示：展示分析报告，表达具有逻辑且条理清晰
以上这些，是我们总结大家在日常数据分析中常出的错误，并给大家一些经验指导。
如果你没有数据分析基础，想学习数据分析或者有数据分析基础，想提高技能，来看这里，每月定期举办的永洪数据科学家直播培训课程来了，跟著永洪资深数据分析师，零基础上手数据分析，玩转数据分析，你也可以成为数据分析专家。
编辑于 01-25继续浏览内容
知乎发现更大的世界打开
Chrome继续
CDA数据分析师关注公众号【CDA数据分析师服务号】，获取更多专业优质内容！之前整理了一些数据分析的视频，你可以下载观看
免费领取「数据分析师」学习大礼包?uniu56bl7kgzt0uf.mikecrm.com之前整理了一些数据分析的视频，你可以下载观看
免费领取「数据分析师」学习大礼包?uniu56bl7kgzt0uf.mikecrm.comR 语言
这份名单如果不以 R 开头，那就是彻头彻尾的疏忽。自 1997 年起，作为一门免费的，可替代 Matlab 或 SAS 等昂贵统计软体的语言，R 被抛弃。
但是在过去的几年中，它却成了数据科学的宠儿—甚至成了统计学家、 华尔街交易员、生物学家和矽谷开发者必不可少的工具。 随著其商业价值的不断增长和传播，诸如谷歌、Facebook、 美国银行和纽约时代周刊都在使用。
R 简单易用。通过 R ，短短几行代码就可以筛选复杂的数据集，通过成熟的模型函数处理数据，制作精美的图表进行数据可视化。简直就是 Excel 的加强灵活版。
R 最大的价值就是围绕其开发的活跃的生态圈： R 社区在持续不断地向现存丰富的函数集增添新的包和特性。据估计 R 的使用者已经超过 200 万人，最近的一项调查也显示 R目前是数据科学领域最受欢迎的语言，大约 61% 的受访者使用 R(第二名是 Python, 占比39%)。
在华尔街，R 的使用比例也在不断增长。美国银行副总裁Niall O』Connor 说：「以往，分析员通常是熬夜研究 Excel 文件，但是现在 R 正被逐渐地应用于金融建模，尤其是作为可视化工具。R 促使了表格化分析的出局。」
作为一门数据建模语言， R 正在走向成熟，尽管在公司需要大规模产品的时候 R 能力有限，也有些人说它已经被其他语言替代了。
R 擅长的是勾画，而不是搭建，在 Google 的 page rank 演算法和 Facebook 的好友推荐演算法实现的核心中是不会有 R 的。工程师会用 R 进行原型设计，再用 Java 或者 Python将其实现。
Python
如果 R 是个有点神经质的可爱的极客，那么 Python 就是它容易相处的欢快的表弟。融合了 R 快速成熟的数据挖掘能力以及更实际的产品构建能力， Python 正迅速地获得主流的呼声。 Python 更直观，且比 R 更易学，近几年其整体的生态系统发展也成长得很快，使其在统计分析上的能力超越了之前的 R 语言。
Python 是行业人员正在转换发展的方向。过去两年里，很明显存在由 R 向 Python 转化的趋势
在数据处理中，通常存在规模和技巧的权衡，Python 作为一个折中出现了。 IPython notebook 和NumPy 可以用于轻量工作的处理， 而 Python 则是中级规模数据处理的有力工具。丰富的数据交流社区也是 Python 的优势，它提供了大量的Python 工具包和特性。
Python 用途宽广且灵活，所以人们蜂拥而至，但它并不是高性能的语言，偶尔才会用于装配驱动大规模的核心基础设施。
JULIA
最主流的数据科学处理语言包括 R、 Python、 Java、 Matlab和 SAS。但是这些语言仍然存在一些不足之处，而Julia 正是待以观察的新人。
对大规模商用来说， Julia 还是太晦涩了。但在谈到其取代 R 和 Python 领先地位的潜力的时候，数据极客们都会变得很激动。 Julia 是一门高级的，非常快的函数式语言。速度上比 R 快， 可能比 Python 的扩展性更高，且相对易学。
Julia 正在快速上升。最终将可以用 Julia 完成任何 R 和 Python 可以完成的事，如今的问题是 Julia 太「年轻」了。 其数据交流社区仍处在早期发展阶段，在没有足够的包和工具之前是不足以与 R 和 Python 竞争的。
JAVA
在矽谷最大的科技公司里，Java 和基于 Java 的框架构成了其底层的技术骨架。Driscoll 说：「如果深入观察Twitter，Linkedin 或者 Facebook，你会发现 Java 是他们公司数据引擎架构的基础语言」。
Java 并没有 R 和 Python 那样的数据可视化的能力， 同时也不是最好的用于统计模型的语言。但是如果需要进行原型的基础开发和构建大规模系统， Java 往往是最好的选择。
HADOOP 和 HIVE
为了满足数据处理的巨大需求，基于 Java 的工具群涌而现。 作为基于 Java 的框架，Hadoop 在批处理领域成为热点。Hadoop 比其他处理工具速度要慢，但是它非常精确且被广泛的应用于后台分析，它很好的融合了 Hive， 一个运行在 Hadoop 上的基于查询的框架。
SCALA
Scala 是另一个基于 Java的语言，和 Java 很相似，它正在逐渐成长为大规模机器学习或高级演算法的工具。它是函数式语言，也能够构建健壮的系统。
Java 就像是直接用钢筋进行搭建， Scala 则像是在处理黏土原材料，可以将其放进窖中烧制成钢筋
KAFKA 和 STORM
当需要快速、实时分析时怎么办?Kafka 可以帮助你。它已经发展了大概五年时间，但最近才成为一个流处理的流行框架。
Kafka 诞生于 Linkedin 公司的内部项目，是一个快速查询系统。至于 Kafka 的缺点呢? 它太快了，实时的操作也导致了自身的错误，且偶尔还会遗失信息。
在精度和速度之间总需要做权衡，所以矽谷所有的大公司一般都双管齐下： 用 kafka 和 Storm 进行实时处理，用 Hadoop 做批处理系统，虽然会慢一点但却十分精确
Storm 是另一个用 Scala 写的框架，且它在矽谷以擅长流处理而受到极大的关注。毫无疑问， Twitter， 一个对快速消息处理有著巨大兴趣的公司会收购了 Storm。
以上答案由思迈特软体Smartbi提供
https://www.smartbi.com.cn/?www.smartbi.com.cn发布于 03-11继续浏览内容知乎发现更大的世界打开Chrome继续
Gitee广告?知乎广告介绍
Gitee go+Hexo 搭建个人博客自动部署详细教程
你可以根据已有的文档和教程自己搭建 Hexo 站点，并结合 Gitee Go 发布部署 Hexo 到 对象存储，或通过 Fork 本仓库案例快速体验博客自动部署。查看详情
杜超?贵阳货车帮科技有限公司 数据分析师
简简单单的问题这么多人回答，知乎最近既然 出现了附件功能。知乎的回答者里面大部分都是带有广告性质的。知乎如果么有变现形式的话，大家都是来发广告的。知乎在做商业化尝试，知乎的用户量下降非常快。知乎在陷入用户下降的焦虑中，又不敢做大的改进，就是修修补补的，这样不行呀。
测试附件功能：知乎用百度网盘 处于2方面考虑，第一方面：担心侵权，第二自己开发的话投入太大，直接用mvp。
数据挖掘——概念与技术.pdf1.9M · 百度网盘知乎的附件功能，既然来自百度网盘，这个有深意呀。其他平台都是做的，视频带货，知乎直接做文章带货，把自己做成了淘宝客平台，知乎错过了短视频的风口，本来很多知识领域的知名up，都去了其他平台。
电子书轻松学大数据挖掘：演算法、场景与数据产品作者 汪榕会员专享￥ 40.97去查看?
简简单单的问题这么多人回答，知乎最近既然 出现了附件功能。知乎的回答者里面大部分都是带有广告性质的。知乎如果么有变现形式的话，大家都是来发广告的。知乎在做商业化尝试，知乎的用户量下降非常快。知乎在陷入用户下降的焦虑中，又不敢做大的改进，就是修修补补的，这样不行呀。
测试附件功能：知乎用百度网盘 处于2方面考虑，第一方面：担心侵权，第二自己开发的话投入太大，直接用mvp。
数据挖掘——概念与技术.pdf1.9M · 百度网盘知乎的附件功能，既然来自百度网盘，这个有深意呀。其他平台都是做的，视频带货，知乎直接做文章带货，把自己做成了淘宝客平台，知乎错过了短视频的风口，本来很多知识领域的知名up，都去了其他平台。
电子书轻松学大数据挖掘：演算法、场景与数据产品作者 汪榕会员专享￥ 40.97去查看?
数据分析大揭秘!数据分析到底是啥
疯猫子的视频 · 1912 播放真是好巧，我刚好做了一期视频详细的梳理了关于数据分析的方方面面，希望你能够通过我的视频得到想要的答案。
最后做一点重点说明，数据分析和大数据虽然相关，这点我在视频中有详细提到，但是他们还是侧重于不同的业务内容，大数据偏硬体和数据存储、运算效率，而数据分析则是复杂数据-产值转化，只要是机器能够算得动，数据能够取得出来，几乎分析的方法都是一样的。
最后，如果我的解答有帮助到你，希望您能给个三连和关注，谢谢啦。
Python编程由于其简单的语法和强大的功能而易于阅读和编写，这使它成为初学者的一个很好的选择。在当今的信息时代，数据驱动业务发展、数据支持业务决策早已是大势所趋，追随大数据时代号召的人们自然会羡慕这份薪酬——数据分析师的确是一份高薪的职业，那么如果学好Python，你真的能从事数据分析工作吗?
1数据分析技能
数据分析员的一般工作过程可以简化为几个关键环节：数据采集、数据整理、数据分析和数据报告。那么，小白想成为数据分析师应该从哪里开始努力呢?基本能力：相信大家都熟悉Excel，它适合一些数据量小、重复性低的工作场景。然而，面对海量数据和批量任务，会出现效率低(大量数据会被卡住)和可重用性差等问题。Python是近年来比较流行的编程语言之一。在数据分析领域，Python语言的运行效率是Excel无法企及的，图形的交互性和工作的可重用性也是Excel无法企及的。当您超越掌握Excel和探索Python技能的范围时，新的职业将会出现——无论是Web开发、操作系统、操作、数据开发、机器学习等等——这些都需要Python。
数据分析员往往为了服务于企业而处理数据，这就要求数据分析员了解企业的痛点和需求，运用自己的专业知识，从数据中提取有价值的结论。那些对数据分析感兴趣的人也应该结合具体的项目来练习他们的数据技能。
2学习Python就业
来自一些大型招聘网站的数据显示，随著Python语言的不断普及，企业对Python技术人才的需求也在不断增加，特别是在一些大城市更加明显，Python拥有numpy matplotlib、sciket-learn、pandas、ipython等工具，在科学计算方面非常有优势，尤其是熊猫，可以说在处理一个中型数据方面有著无可比拟的优势，已经成为数据分析的中流砥柱工具。Python具有强大的编程能力，这与R或Matlab不同。Python具有非常强大的数据分析能力。Python还广泛应用于爬虫、游戏编写和自动化操作等领域。您可以使用一种技术来解决所有业务服务问题，这是Python如何促进业务集成的一个很好的例子。如果使用Python，可以大大提高数据分析的效率。
如果大家在学习中遇到困难，想找一个python学习交流环境，可以点击下方加入我们一起学习，欢迎零基础和大佬加入，可分享资源
正在跳转?jq.qq.com有关Python问题都可以给我留言喔
都学，大数据方便转岗数据开发。
python是标配，大数据并不是你想像中的大数据，这点要分清哦，别选错了。
python和大数据不是在同一个概念上的，建议看一下我的这2篇普及文章
数据的追随者：大数据岗位家族解读?zhuanlan.zhihu.com
数据的追随者：最实用数据分析师准备之路?zhuanlan.zhihu.com
数据分析岗，从现在的市场需求来说，主要是两个层次，一个是偏传统的业务型数据分析，另一个是大数据背景下的数据分析+挖掘（大数据分析），相对而言需要更多的技术手段，目前行业的主流是Python，因为Python的几个数据科学相关的库，在基本的数据处理上是非常强大的。
题主的学Python还是大数据，如果是单纯想做业务型的数据分析，目前市场上的大部分岗位对Python的要求并不高，甚至很多时候也不至于到非要用Python的地步。
而如果是想做大数据当中的分析的话，那么Python肯定是需要掌握的，其次涉及到企业的大数据平台，可能还会要求一定的Hadoop、Spark技能，建议题主结合自身的学习能力和未来的发展规划做选择。
首先这个问题不太对，因为大数据和python，从根源上来说是两码事，就像你问我，是学做湘菜好，还是学做打铁好。
所以，学python好还是大数据好？python是根源，而大数据可以说是python的延伸
而且对于学大数据的话，目前所有的编程语言中，python应该是最受青睐的。
学python好还是大数据好？从以下几个方面来验证一下这个说法：
如果你有了大量的数据，你应该去做什么呢？你可以去做人工智慧，而最适合人工智慧的编程语言是什么呢？当然是python了，这几乎已经是公认的，python中的一些可视化库，都是好看又好用的。
再看一下，如果你有了大量的数据，你应该去做什么呢？做科学计算？那怎么做科学计算更方便呢？当然还是python，numpy，pandas，scipy，做起来数学计算简直爽歪歪，超大矩阵秒出答案，各种数学公式一行代码解决问题。就一个字，顺滑！
当然其他的很多编程语言，也有很多非常不错的第三方库支持，不过就现在的趋势来说，python的占比份额越来越大。
而且对于初学者来说，python会更加友好，容易学，也容易找工作，用python入门，然后向大数据的方向发展学习，这才是一个更好的选择！
两者不矛盾。看来你对几个名词的概念不是很清楚，我这里解释一下方便你理解。
- Python 是一门编程语言，是一门工具，它擅长做数据处理，也可以用于其他行业，如web开发
- 数据分析 是对数据进行分析，所以它需要数据处理，所以掌握python 非常不错。
- 大数据是一个比较宽泛的概念，里面也有 大数据分析，或者大数据开发等工作岗位，而既然涉及到数据，就需要数据处理，那么掌握python 也非常必要。
总结，只要你从事 和数据打交道的工作，学习python都是非常不错的选择。注意在学习python的过程中，注重 其中数据处理、数据可视化等部分的内容(Pandas,Numpy,matplotlib等库的使用)。
我有很多数据分析和Python的学习教程，可以在我知乎主页上看看，记得点赞关注哦。
数据分析王子：Python数据分析练手项目合集(附源代码和数据)，持续更新?zhuanlan.zhihu.com
首先你得知道什么是数据分析，什么是python，什么是大数据。
等你知道了，就知道就怎么选择了。
python，数据分析，大数据是有关联的三个纬度。
数据分析关注指标体系，异常分析，业务洞察，增长，用户画像等。很多场景需要用到编程，常用python。有些数据也来自于大数据平台，但提数大多用SQL。
大数据更偏向开发，包括数据存储，流转，清洗等。
https://zhuanlan.zhihu.com/p/346171216?zhuanlan.zhihu.com
两个都要学。
发布于 01-19继续浏览内容知乎发现更大的世界打开Chrome继续
happygogo88数据分析师 旅行爱好者从事数据分析，该从学习什么开始：
从事数据分析工作是一个职业方向，数据分析工作职责主要分两类：偏向业务分析的应用派，偏向数据挖掘，技术演算法设计，应用编程的技术派，追求的都是通过海量数据，进行数据价值挖掘工作，将数据转换为信息，进而转换为有价值的决策建议。
从技术工具角度来看，需要掌握基本入门的Excel办公套件，其次学习一到两门编程语言，Python作为时下较为流行的数据分析语言，集成了跨平台，操作简单，易学易上手，开源数据包丰富等多种优势，俗称：胶水语言；学习Python将能大大提高数据处理效率，数据分析能力和数据可视化水平，掌握python对于从事数据分析工作有益无害；大数据是一个概念，是一项技术统称；大数据应用涉及数据仓库建设，数据存储，数据治理，数据挖掘，数据应用等综合领域，现阶段，很少有公司能够建立起大数据应用平台，如果跨越基础python语言学习，直接深入大数据技术学习，一方面没有专业计算机编程背景，学习难度陡然加大，另一方面，及时学有所成，短时间，由于数据基础规范不足，数据样本较小，数据应用场景不清晰，数据技术平台隔离和孤立；一时间很难发挥出大数据应用的价值；任何技术投入和应用都是支撑商业发展为主要目标，脱离实际问题，实际应用，大谈特谈大数据如何如何厉害，都是无缘之木，高谈阔论，空中楼阁；终将被刺破泡沫。
因此想要从事数据分析工作，先从Python语言学习入手，有难入繁，循序渐进，逐步步入大数据技术学习之中，将技术学习与技术应用相互结合，学以致用，方能渐入佳境，越来越好。
从事数据分析，该从学习什么开始：
从事数据分析工作是一个职业方向，数据分析工作职责主要分两类：偏向业务分析的应用派，偏向数据挖掘，技术演算法设计，应用编程的技术派，追求的都是通过海量数据，进行数据价值挖掘工作，将数据转换为信息，进而转换为有价值的决策建议。
从技术工具角度来看，需要掌握基本入门的Excel办公套件，其次学习一到两门编程语言，Python作为时下较为流行的数据分析语言，集成了跨平台，操作简单，易学易上手，开源数据包丰富等多种优势，俗称：胶水语言；学习Python将能大大提高数据处理效率，数据分析能力和数据可视化水平，掌握python对于从事数据分析工作有益无害；大数据是一个概念，是一项技术统称；大数据应用涉及数据仓库建设，数据存储，数据治理，数据挖掘，数据应用等综合领域，现阶段，很少有公司能够建立起大数据应用平台，如果跨越基础python语言学习，直接深入大数据技术学习，一方面没有专业计算机编程背景，学习难度陡然加大，另一方面，及时学有所成，短时间，由于数据基础规范不足，数据样本较小，数据应用场景不清晰，数据技术平台隔离和孤立；一时间很难发挥出大数据应用的价值；任何技术投入和应用都是支撑商业发展为主要目标，脱离实际问题，实际应用，大谈特谈大数据如何如何厉害，都是无缘之木，高谈阔论，空中楼阁；终将被刺破泡沫。
因此想要从事数据分析工作，先从Python语言学习入手，有难入繁，循序渐进，逐步步入大数据技术学习之中，将技术学习与技术应用相互结合，学以致用，方能渐入佳境，越来越好。
首先，也是最重要的——如果你只是专注于数据分析，其实不用学这两样都行，市面上有各种各样的BI工具都能帮你无代码快速分析，得出你的分析结果，各类图表、报表等。
回答你的问题
Python是编程语言，比较简单，一句话学就完了。
但编程语言只是一门编程语言，如果你要用它做数据分析或者是爬虫或者是数据科学计算等。那是还要进阶的事，针对不同的应用方向还要再研究一段时间，你才能实际应用。别被网上的Python广告吹晕了头脑，几天上手那是不现实的。
学大数据的问题，如果你不懂编程，没有Java、Scala或者Python经验，还是别往这个胡同钻。说一句非常靠谱的话，很多干了很久的Java开发人员都未必能转做大数据开发，因为技术栈（需要学的知识内容）太多太广。如果你真的很想学，那么可以报一些系统的大数据培训课程学习下。但这个时间周期也是挺长的，因为知识版图很大。
最后
学完大数据出来你每天的工作内容其实大部分是在整理数据，做ETL。数据分析方面的工作那是业务人员要求你按他的分析规则或演算法去分析，你只负责把意思转为统计代码，到头来你还是不懂数据分析的。
你会Python，或者会用BI工具，做个运营或者数据分析师什么的，那些人才是真正在做数据分析的。
从事数据分析，用Python处理大数据不好么，两者没法比较呀，Python编程语言，大数据是一个方向。现在比较火的话就用Python处理大数据。等装好了很多库，现成的拿来用。如果想从事数据分析，现在Python机器学习，深度学习，都很方便。
如何才能成为一个合格的数据分析师呢？看招聘JD永远是最有效的方法。
数据分析师最基本的是什么，很多人可能会觉得是统计学知识、可视化、资料库能力等，这些能力是需要的但不是最必需的，统计学知识、各种工具等只是数据分析的「术」，而分析更强调的却是「道」，从上面的JD中也可以看到，所有需掌握的术其实都是为了分析、解决问题。做好数据分析真正的关键在技巧之外，即业务背景、分析思考能力、沟通表达能力，这些能力有些人可能天生就比较擅长，而很多人需要艰苦的训练获得，甚至训练也不可得。
具体的要求可以关注我的文章：
无限年光：数据分析师需要什么技能？?zhuanlan.zhihu.com
无限年光：数据分析师做什么？?zhuanlan.zhihu.com
两手抓两手都要硬
Python是一门入门级的编程语言 大数据可以说现在成为一门学科了 两者并不冲突 从事数据分析工作 大数据概念和编程技巧都要掌握。
推荐阅读：
