想從事數據分析工作，有哪些編程語言可以推薦嗎？
python，java等等。有哪些優勢呢？比如入門，自學多長時間可以就業。
永洪科技數據分析師為您解答：
具體如何正確的數據分析？來看看高薪職場人是如何做數據分析的。
1、制定指標
數據分析的第一個步驟，就是為工作的起始階段制定一個確切的指標。有一些初階的數據分析人，領導佈置什麼任務就做什麼，自己連個目標都沒有，執行起來都是滿頭亂撞，更別提自己主動去觀察業務，找到突破點了。所以，在工作的初始階段，制定一個合適的指標是很重要的，它能夠讓你的後續工作有一個大致的方向，而不是隨便完成上級安排的任務。
2、拆解指標
做好了工作前的指標制定，接下來就需要把它落實在工作中。在做指標拆解時，並不是簡單的「做加法」，這樣子執行起來其實很困難。而一個優秀的運營會根據業務的流程，用「乘法邏輯」把零散的指標串聯起來，把一級指標拆成二級、三級，直到拆出可以直接行動的指標。比如，要完成10萬的銷售額，不是直接分配哪個渠道賣多少，可以先把銷售額拆成流量 X 轉化率 X 客單價，然後進一步往下拆解。 拆解完指標之後，最好根據目標，對每一個環節的指標進行預測，這樣能夠對業務有更好的掌控感，知道哪個環節做得好，哪個環節出了問題。
3、監控數據
對業務數據進行監控，這時候可以根據活動指標的實際數據和預估數值做對比，根據數據情況指導活動優化調整，如果能夠提前想出相應的優化措施那就更好了。在這個過程，像趨勢分析法、維度拆解、漏斗分析等方法都可以用到。
4、分析數據
分析數據，就是通過對數據進行比對等方式，找到業務或者活動中的問題，並且給出一個行之有效的方案。一般來說，可以採用推演復盤法，拿預設的活動指標和實際的指標做對比，即可非常快速地知道業務的問題和亮點所在。 對於異常的數據指標，可以採用魚骨圖分析法挖掘產生這項數據結果背後的原因，最後給到針對性的解決方案。
總結起來就是，如果你想成為一名合格的數據分析師，要做到這4點：
1、問題識別：能夠獨立清晰的識別問題2、分析規劃：明確範圍並做好分析規劃3、數據獲取：熟練提取數據，應用分析方法4、展示演示：展示分析報告，表達具有邏輯且條理清晰
以上這些，是我們總結大家在日常數據分析中常出的錯誤，並給大家一些經驗指導。
如果你沒有數據分析基礎，想學習數據分析或者有數據分析基礎，想提高技能，來看這裡，每月定期舉辦的永洪數據科學家直播培訓課程來了，跟著永洪資深數據分析師，零基礎上手數據分析，玩轉數據分析，你也可以成為數據分析專家。
編輯於 01-25繼續瀏覽內容
知乎發現更大的世界打開
Chrome繼續
CDA數據分析師關注公眾號【CDA數據分析師服務號】，獲取更多專業優質內容！之前整理了一些數據分析的視頻，你可以下載觀看
免費領取「數據分析師」學習大禮包?uniu56bl7kgzt0uf.mikecrm.com之前整理了一些數據分析的視頻，你可以下載觀看
免費領取「數據分析師」學習大禮包?uniu56bl7kgzt0uf.mikecrm.comR 語言
這份名單如果不以 R 開頭，那就是徹頭徹尾的疏忽。自 1997 年起，作為一門免費的，可替代 Matlab 或 SAS 等昂貴統計軟體的語言，R 被拋棄。
但是在過去的幾年中，它卻成了數據科學的寵兒—甚至成了統計學家、 華爾街交易員、生物學家和矽谷開發者必不可少的工具。 隨著其商業價值的不斷增長和傳播，諸如谷歌、Facebook、 美國銀行和紐約時代週刊都在使用。
R 簡單易用。通過 R ，短短几行代碼就可以篩選複雜的數據集，通過成熟的模型函數處理數據，製作精美的圖表進行數據可視化。簡直就是 Excel 的加強靈活版。
R 最大的價值就是圍繞其開發的活躍的生態圈： R 社區在持續不斷地向現存豐富的函數集增添新的包和特性。據估計 R 的使用者已經超過 200 萬人，最近的一項調查也顯示 R目前是數據科學領域最受歡迎的語言，大約 61% 的受訪者使用 R(第二名是 Python, 佔比39%)。
在華爾街，R 的使用比例也在不斷增長。美國銀行副總裁Niall O』Connor 說：「以往，分析員通常是熬夜研究 Excel 文件，但是現在 R 正被逐漸地應用於金融建模，尤其是作為可視化工具。R 促使了表格化分析的出局。」
作為一門數據建模語言， R 正在走向成熟，儘管在公司需要大規模產品的時候 R 能力有限，也有些人說它已經被其他語言替代了。
R 擅長的是勾畫，而不是搭建，在 Google 的 page rank 演算法和 Facebook 的好友推薦演算法實現的核心中是不會有 R 的。工程師會用 R 進行原型設計，再用 Java 或者 Python將其實現。
Python
如果 R 是個有點神經質的可愛的極客，那麼 Python 就是它容易相處的歡快的表弟。融合了 R 快速成熟的數據挖掘能力以及更實際的產品構建能力， Python 正迅速地獲得主流的呼聲。 Python 更直觀，且比 R 更易學，近幾年其整體的生態系統發展也成長得很快，使其在統計分析上的能力超越了之前的 R 語言。
Python 是行業人員正在轉換髮展的方向。過去兩年裏，很明顯存在由 R 向 Python 轉化的趨勢
在數據處理中，通常存在規模和技巧的權衡，Python 作為一個折中出現了。 IPython notebook 和NumPy 可以用於輕量工作的處理， 而 Python 則是中級規模數據處理的有力工具。豐富的數據交流社區也是 Python 的優勢，它提供了大量的Python 工具包和特性。
Python 用途寬廣且靈活，所以人們蜂擁而至，但它並不是高性能的語言，偶爾才會用於裝配驅動大規模的核心基礎設施。
JULIA
最主流的數據科學處理語言包括 R、 Python、 Java、 Matlab和 SAS。但是這些語言仍然存在一些不足之處，而Julia 正是待以觀察的新人。
對大規模商用來說， Julia 還是太晦澀了。但在談到其取代 R 和 Python 領先地位的潛力的時候，數據極客們都會變得很激動。 Julia 是一門高級的，非常快的函數式語言。速度上比 R 快， 可能比 Python 的擴展性更高，且相對易學。
Julia 正在快速上升。最終將可以用 Julia 完成任何 R 和 Python 可以完成的事，如今的問題是 Julia 太「年輕」了。 其數據交流社區仍處在早期發展階段，在沒有足夠的包和工具之前是不足以與 R 和 Python 競爭的。
JAVA
在矽谷最大的科技公司裏，Java 和基於 Java 的框架構成了其底層的技術骨架。Driscoll 說：「如果深入觀察Twitter，Linkedin 或者 Facebook，你會發現 Java 是他們公司數據引擎架構的基礎語言」。
Java 並沒有 R 和 Python 那樣的數據可視化的能力， 同時也不是最好的用於統計模型的語言。但是如果需要進行原型的基礎開發和構建大規模系統， Java 往往是最好的選擇。
HADOOP 和 HIVE
為了滿足數據處理的巨大需求，基於 Java 的工具羣湧而現。 作為基於 Java 的框架，Hadoop 在批處理領域成為熱點。Hadoop 比其他處理工具速度要慢，但是它非常精確且被廣泛的應用於後臺分析，它很好的融合了 Hive， 一個運行在 Hadoop 上的基於查詢的框架。
SCALA
Scala 是另一個基於 Java的語言，和 Java 很相似，它正在逐漸成長為大規模機器學習或高級演算法的工具。它是函數式語言，也能夠構建健壯的系統。
Java 就像是直接用鋼筋進行搭建， Scala 則像是在處理黏土原材料，可以將其放進窖中燒製成鋼筋
KAFKA 和 STORM
當需要快速、實時分析時怎麼辦?Kafka 可以幫助你。它已經發展了大概五年時間，但最近才成為一個流處理的流行框架。
Kafka 誕生於 Linkedin 公司的內部項目，是一個快速查詢系統。至於 Kafka 的缺點呢? 它太快了，實時的操作也導致了自身的錯誤，且偶爾還會遺失信息。
在精度和速度之間總需要做權衡，所以矽谷所有的大公司一般都雙管齊下： 用 kafka 和 Storm 進行實時處理，用 Hadoop 做批處理系統，雖然會慢一點但卻十分精確
Storm 是另一個用 Scala 寫的框架，且它在矽谷以擅長流處理而受到極大的關注。毫無疑問， Twitter， 一個對快速消息處理有著巨大興趣的公司會收購了 Storm。
以上答案由思邁特軟體Smartbi提供
https://www.smartbi.com.cn/?www.smartbi.com.cn發佈於 03-11繼續瀏覽內容知乎發現更大的世界打開Chrome繼續
Gitee廣告?知乎廣告介紹
Gitee go+Hexo 搭建個人博客自動部署詳細教程
你可以根據已有的文檔和教程自己搭建 Hexo 站點，並結合 Gitee Go 發布部署 Hexo 到 對象存儲，或通過 Fork 本倉庫案例快速體驗博客自動部署。查看詳情
杜超?貴陽貨車幫科技有限公司 數據分析師
簡簡單單的問題這麼多人回答，知乎最近既然 出現了附件功能。知乎的回答者裡面大部分都是帶有廣告性質的。知乎如果麼有變現形式的話，大家都是來發廣告的。知乎在做商業化嘗試，知乎的用戶量下降非常快。知乎在陷入用戶下降的焦慮中，又不敢做大的改進，就是修修補補的，這樣不行呀。
測試附件功能：知乎用百度網盤 處於2方面考慮，第一方面：擔心侵權，第二自己開發的話投入太大，直接用mvp。
數據挖掘——概念與技術.pdf1.9M · 百度網盤知乎的附件功能，既然來自百度網盤，這個有深意呀。其他平臺都是做的，視頻帶貨，知乎直接做文章帶貨，把自己做成了淘寶客平臺，知乎錯過了短視頻的風口，本來很多知識領域的知名up，都去了其他平臺。
電子書輕鬆學大數據挖掘：演算法、場景與數據產品作者 汪榕會員專享￥ 40.97去查看?
簡簡單單的問題這麼多人回答，知乎最近既然 出現了附件功能。知乎的回答者裡面大部分都是帶有廣告性質的。知乎如果麼有變現形式的話，大家都是來發廣告的。知乎在做商業化嘗試，知乎的用戶量下降非常快。知乎在陷入用戶下降的焦慮中，又不敢做大的改進，就是修修補補的，這樣不行呀。
測試附件功能：知乎用百度網盤 處於2方面考慮，第一方面：擔心侵權，第二自己開發的話投入太大，直接用mvp。
數據挖掘——概念與技術.pdf1.9M · 百度網盤知乎的附件功能，既然來自百度網盤，這個有深意呀。其他平臺都是做的，視頻帶貨，知乎直接做文章帶貨，把自己做成了淘寶客平臺，知乎錯過了短視頻的風口，本來很多知識領域的知名up，都去了其他平臺。
電子書輕鬆學大數據挖掘：演算法、場景與數據產品作者 汪榕會員專享￥ 40.97去查看?
數據分析大揭祕!數據分析到底是啥
瘋貓子的視頻 · 1912 播放真是好巧，我剛好做了一期視頻詳細的梳理了關於數據分析的方方面面，希望你能夠通過我的視頻得到想要的答案。
最後做一點重點說明，數據分析和大數據雖然相關，這點我在視頻中有詳細提到，但是他們還是側重於不同的業務內容，大數據偏硬體和數據存儲、運算效率，而數據分析則是複雜數據-產值轉化，只要是機器能夠算得動，數據能夠取得出來，幾乎分析的方法都是一樣的。
最後，如果我的解答有幫助到你，希望您能給個三連和關注，謝謝啦。
Python編程由於其簡單的語法和強大的功能而易於閱讀和編寫，這使它成為初學者的一個很好的選擇。在當今的信息時代，數據驅動業務發展、數據支持業務決策早已是大勢所趨，追隨大數據時代號召的人們自然會羨慕這份薪酬——數據分析師的確是一份高薪的職業，那麼如果學好Python，你真的能從事數據分析工作嗎?
1數據分析技能
數據分析員的一般工作過程可以簡化為幾個關鍵環節：數據採集、數據整理、數據分析和數據報告。那麼，小白想成為數據分析師應該從哪裡開始努力呢?基本能力：相信大家都熟悉Excel，它適合一些數據量小、重複性低的工作場景。然而，面對海量數據和批量任務，會出現效率低(大量數據會被卡住)和可重用性差等問題。Python是近年來比較流行的編程語言之一。在數據分析領域，Python語言的運行效率是Excel無法企及的，圖形的交互性和工作的可重用性也是Excel無法企及的。當您超越掌握Excel和探索Python技能的範圍時，新的職業將會出現——無論是Web開發、操作系統、操作、數據開發、機器學習等等——這些都需要Python。
數據分析員往往為了服務於企業而處理數據，這就要求數據分析員瞭解企業的痛點和需求，運用自己的專業知識，從數據中提取有價值的結論。那些對數據分析感興趣的人也應該結合具體的項目來練習他們的數據技能。
2學習Python就業
來自一些大型招聘網站的數據顯示，隨著Python語言的不斷普及，企業對Python技術人才的需求也在不斷增加，特別是在一些大城市更加明顯，Python擁有numpy matplotlib、sciket-learn、pandas、ipython等工具，在科學計算方面非常有優勢，尤其是熊貓，可以說在處理一個中型數據方面有著無可比擬的優勢，已經成為數據分析的中流砥柱工具。Python具有強大的編程能力，這與R或Matlab不同。Python具有非常強大的數據分析能力。Python還廣泛應用於爬蟲、遊戲編寫和自動化操作等領域。您可以使用一種技術來解決所有業務服務問題，這是Python如何促進業務集成的一個很好的例子。如果使用Python，可以大大提高數據分析的效率。
如果大家在學習中遇到困難，想找一個python學習交流環境，可以點擊下方加入我們一起學習，歡迎零基礎和大佬加入，可分享資源
正在跳轉?jq.qq.com有關Python問題都可以給我留言喔
都學，大數據方便轉崗數據開發。
python是標配，大數據並不是你想像中的大數據，這點要分清哦，別選錯了。
python和大數據不是在同一個概念上的，建議看一下我的這2篇普及文章
數據的追隨者：大數據崗位家族解讀?zhuanlan.zhihu.com
數據的追隨者：最實用數據分析師準備之路?zhuanlan.zhihu.com
數據分析崗，從現在的市場需求來說，主要是兩個層次，一個是偏傳統的業務型數據分析，另一個是大數據背景下的數據分析+挖掘（大數據分析），相對而言需要更多的技術手段，目前行業的主流是Python，因為Python的幾個數據科學相關的庫，在基本的數據處理上是非常強大的。
題主的學Python還是大數據，如果是單純想做業務型的數據分析，目前市場上的大部分崗位對Python的要求並不高，甚至很多時候也不至於到非要用Python的地步。
而如果是想做大數據當中的分析的話，那麼Python肯定是需要掌握的，其次涉及到企業的大數據平臺，可能還會要求一定的Hadoop、Spark技能，建議題主結合自身的學習能力和未來的發展規劃做選擇。
首先這個問題不太對，因為大數據和python，從根源上來說是兩碼事，就像你問我，是學做湘菜好，還是學做打鐵好。
所以，學python好還是大數據好？python是根源，而大數據可以說是python的延伸
而且對於學大數據的話，目前所有的編程語言中，python應該是最受青睞的。
學python好還是大數據好？從以下幾個方面來驗證一下這個說法：
如果你有了大量的數據，你應該去做什麼呢？你可以去做人工智慧，而最適合人工智慧的編程語言是什麼呢？當然是python了，這幾乎已經是公認的，python中的一些可視化庫，都是好看又好用的。
再看一下，如果你有了大量的數據，你應該去做什麼呢？做科學計算？那怎麼做科學計算更方便呢？當然還是python，numpy，pandas，scipy，做起來數學計算簡直爽歪歪，超大矩陣秒出答案，各種數學公式一行代碼解決問題。就一個字，順滑！
當然其他的很多編程語言，也有很多非常不錯的第三方庫支持，不過就現在的趨勢來說，python的佔比份額越來越大。
而且對於初學者來說，python會更加友好，容易學，也容易找工作，用python入門，然後向大數據的方向發展學習，這纔是一個更好的選擇！
兩者不矛盾。看來你對幾個名詞的概念不是很清楚，我這裡解釋一下方便你理解。
- Python 是一門編程語言，是一門工具，它擅長做數據處理，也可以用於其他行業，如web開發
- 數據分析 是對數據進行分析，所以它需要數據處理，所以掌握python 非常不錯。
- 大數據是一個比較寬泛的概念，裡面也有 大數據分析，或者大數據開發等工作崗位，而既然涉及到數據，就需要數據處理，那麼掌握python 也非常必要。
總結，只要你從事 和數據打交道的工作，學習python都是非常不錯的選擇。注意在學習python的過程中，注重 其中數據處理、數據可視化等部分的內容(Pandas,Numpy,matplotlib等庫的使用)。
我有很多數據分析和Python的學習教程，可以在我知乎主頁上看看，記得點贊關注哦。
數據分析王子：Python數據分析練手項目合集(附源代碼和數據)，持續更新?zhuanlan.zhihu.com
首先你得知道什麼是數據分析，什麼是python，什麼是大數據。
等你知道了，就知道就怎麼選擇了。
python，數據分析，大數據是有關聯的三個緯度。
數據分析關注指標體系，異常分析，業務洞察，增長，用戶畫像等。很多場景需要用到編程，常用python。有些數據也來自於大數據平臺，但提數大多用SQL。
大數據更偏向開發，包括數據存儲，流轉，清洗等。
https://zhuanlan.zhihu.com/p/346171216?zhuanlan.zhihu.com
兩個都要學。
發佈於 01-19繼續瀏覽內容知乎發現更大的世界打開Chrome繼續
happygogo88數據分析師 旅行愛好者從事數據分析，該從學習什麼開始：
從事數據分析工作是一個職業方向，數據分析工作職責主要分兩類：偏向業務分析的應用派，偏向數據挖掘，技術演算法設計，應用編程的技術派，追求的都是通過海量數據，進行數據價值挖掘工作，將數據轉換為信息，進而轉換為有價值的決策建議。
從技術工具角度來看，需要掌握基本入門的Excel辦公套件，其次學習一到兩門編程語言，Python作為時下較為流行的數據分析語言，集成了跨平臺，操作簡單，易學易上手，開源數據包豐富等多種優勢，俗稱：膠水語言；學習Python將能大大提高數據處理效率，數據分析能力和數據可視化水平，掌握python對於從事數據分析工作有益無害；大數據是一個概念，是一項技術統稱；大數據應用涉及數據倉庫建設，數據存儲，數據治理，數據挖掘，數據應用等綜合領域，現階段，很少有公司能夠建立起大數據應用平臺，如果跨越基礎python語言學習，直接深入大數據技術學習，一方面沒有專業計算機編程背景，學習難度陡然加大，另一方面，及時學有所成，短時間，由於數據基礎規範不足，數據樣本較小，數據應用場景不清晰，數據技術平臺隔離和孤立；一時間很難發揮出大數據應用的價值；任何技術投入和應用都是支撐商業發展為主要目標，脫離實際問題，實際應用，大談特談大數據如何如何厲害，都是無緣之木，高談闊論，空中樓閣；終將被刺破泡沫。
因此想要從事數據分析工作，先從Python語言學習入手，有難入繁，循序漸進，逐步步入大數據技術學習之中，將技術學習與技術應用相互結合，學以致用，方能漸入佳境，越來越好。
從事數據分析，該從學習什麼開始：
從事數據分析工作是一個職業方向，數據分析工作職責主要分兩類：偏向業務分析的應用派，偏向數據挖掘，技術演算法設計，應用編程的技術派，追求的都是通過海量數據，進行數據價值挖掘工作，將數據轉換為信息，進而轉換為有價值的決策建議。
從技術工具角度來看，需要掌握基本入門的Excel辦公套件，其次學習一到兩門編程語言，Python作為時下較為流行的數據分析語言，集成了跨平臺，操作簡單，易學易上手，開源數據包豐富等多種優勢，俗稱：膠水語言；學習Python將能大大提高數據處理效率，數據分析能力和數據可視化水平，掌握python對於從事數據分析工作有益無害；大數據是一個概念，是一項技術統稱；大數據應用涉及數據倉庫建設，數據存儲，數據治理，數據挖掘，數據應用等綜合領域，現階段，很少有公司能夠建立起大數據應用平臺，如果跨越基礎python語言學習，直接深入大數據技術學習，一方面沒有專業計算機編程背景，學習難度陡然加大，另一方面，及時學有所成，短時間，由於數據基礎規範不足，數據樣本較小，數據應用場景不清晰，數據技術平臺隔離和孤立；一時間很難發揮出大數據應用的價值；任何技術投入和應用都是支撐商業發展為主要目標，脫離實際問題，實際應用，大談特談大數據如何如何厲害，都是無緣之木，高談闊論，空中樓閣；終將被刺破泡沫。
因此想要從事數據分析工作，先從Python語言學習入手，有難入繁，循序漸進，逐步步入大數據技術學習之中，將技術學習與技術應用相互結合，學以致用，方能漸入佳境，越來越好。
首先，也是最重要的——如果你只是專註於數據分析，其實不用學這兩樣都行，市面上有各種各樣的BI工具都能幫你無代碼快速分析，得出你的分析結果，各類圖表、報表等。
回答你的問題
Python是編程語言，比較簡單，一句話學就完了。
但編程語言只是一門編程語言，如果你要用它做數據分析或者是爬蟲或者是數據科學計算等。那是還要進階的事，針對不同的應用方向還要再研究一段時間，你才能實際應用。別被網上的Python廣告吹暈了頭腦，幾天上手那是不現實的。
學大數據的問題，如果你不懂編程，沒有Java、Scala或者Python經驗，還是別往這個衚衕鑽。說一句非常靠譜的話，很多幹了很久的Java開發人員都未必能轉做大數據開發，因為技術棧（需要學的知識內容）太多太廣。如果你真的很想學，那麼可以報一些系統的大數據培訓課程學習下。但這個時間週期也是挺長的，因為知識版圖很大。
最後
學完大數據出來你每天的工作內容其實大部分是在整理數據，做ETL。數據分析方面的工作那是業務人員要求你按他的分析規則或演算法去分析，你只負責把意思轉為統計代碼，到頭來你還是不懂數據分析的。
你會Python，或者會用BI工具，做個運營或者數據分析師什麼的，那些人才是真正在做數據分析的。
從事數據分析，用Python處理大數據不好麼，兩者沒法比較呀，Python編程語言，大數據是一個方向。現在比較火的話就用Python處理大數據。等裝好了很多庫，現成的拿來用。如果想從事數據分析，現在Python機器學習，深度學習，都很方便。
如何才能成為一個合格的數據分析師呢？看招聘JD永遠是最有效的方法。
數據分析師最基本的是什麼，很多人可能會覺得是統計學知識、可視化、資料庫能力等，這些能力是需要的但不是最必需的，統計學知識、各種工具等只是數據分析的「術」，而分析更強調的卻是「道」，從上面的JD中也可以看到，所有需掌握的術其實都是為了分析、解決問題。做好數據分析真正的關鍵在技巧之外，即業務背景、分析思考能力、溝通表達能力，這些能力有些人可能天生就比較擅長，而很多人需要艱苦的訓練獲得，甚至訓練也不可得。
具體的要求可以關注我的文章：
無限年光：數據分析師需要什麼技能？?zhuanlan.zhihu.com
無限年光：數據分析師做什麼？?zhuanlan.zhihu.com
兩手抓兩手都要硬
Python是一門入門級的編程語言 大數據可以說現在成為一門學科了 兩者並不衝突 從事數據分析工作 大數據概念和編程技巧都要掌握。
推薦閱讀：
