多维数据分析工具(大数据分析可视化工具)

我推荐一些常用的大数据分析工具

1.专业的大数据分析工具

2.各种Python数据可视化第三方库

3.其它语言的数据可视化框架

一、专业的大数据分析工具

1、FineReport

FineReport是一款纯Java编写的、集数据展示(报表)和数据录入(表单)功能于一身的企业级web报表工具，只需要简单的拖拽操作便可以设计复杂的中国式报表，搭建数据决策分析系统。

2、FineBI

FineBI是新一代自助大数据分析的商业智能产品，提供了从数据准备、自助数据处理、数据分析与挖掘、数据可视化于一体的完整解决方案，也是我比较推崇的可视化工具之一。

FineBI的使用感同Tableau类似，都主张可视化的探索性分析，有点像加强版的数据透视表。上手简单，可视化库丰富。可以充当数据报表的门户，也可以充当各业务分析的平台。

二、Python的数据可视化第三方库

Python正慢慢地成为数据分析、数据挖掘领域的主流语言之一。在Python的生态里，很多开发者们提供了非常丰富的、用于各种场景的数据可视化第三方库。这些第三方库可以让我们结合Python语言绘制出漂亮的图表。

1、pyecharts

Echarts(下面会提到)是一个开源免费的javascript数据可视化库，它让我们可以轻松地绘制专业的商业数据图表。当Python遇上了Echarts，pyecharts便诞生了，它是由chenjiandongx等一群开发者维护的Echarts Python接口，让我们可以通过Python语言绘制出各种Echarts图表。

2、Bokeh

Bokeh是一款基于Python的交互式数据可视化工具，它提供了优雅简洁的方法来绘制各种各样的图形，可以高性能的可视化大型数据集以及流数据，帮助我们制作交互式图表、可视化仪表板等。

三、其他数据可视化工具

1、Echarts

前面说过了，Echarts是一个开源免费的javascript数据可视化库，它让我们可以轻松地绘制专业的商业数据图表。

大家都知道去年春节以及近期央视大规划报道的百度大数据产品，如百度迁徙、百度司南、百度大数据预测等等，这些产品的数据可视化均是通过ECharts来实现的。

2、D3

D3（Data Driven Documents）是支持SVG渲染的另一种JavaScript库。但是D3能够提供大量线性图和条形图之外的复杂图表样式，例如Voronoi图、树形图、圆形集群和单词云等。

今天想好好跟大家分享一个好用的数据功能，先卖个关子，分享之前先来看几个实际的工作场景~

月底了，需要展示各省份本月的订单量分布，总不能用30多条折线显示吧，一堆密密麻麻的线没人想看吧！

想对比分析团队里10个销售经理业绩完成的情况，要出10张图表一一对比，这也太麻烦了吧？

店铺有成百上千个SKU，老板要对比查看每个SKU的销售数据，难道要我做N个图表吗？

负责的网站有几十个推广渠道，想一一对比每个渠道的转化效果，一张图表展示不了效果肿么办？

类似的“痛苦”很多人都遇到过，当涉及到数据多维度对比分析时，比如上面的例子：不同日期维度不同地域维度的数值对比，往往一张数据图表并不能直观地展示效果，又不想直接用表格呈现一“坨”数据，这时”对比拆分”功能就显得尤为重要！

介绍“对比拆分”之前，先普及一下维度、对比、数值（数据小白一定要看，大神可以忽视）是什么：

维度：是事物或现象的某种特征，可以简单理解是X轴，如性别、地区、时间等都是维度。其中时间是一种常用的维度，时间前后的对比称为纵比，如用户数环比上月增长10%；同级单位之间的比较，简称横比，如不同省份人口数的比较、不同公司收入的比较；

对比：当横比、纵比都要涉及的时候（如不同日期不同地域），就需要对比啦！

数值：即指标/度量，用于衡量事物发展程度的单位，可以简单理解是Y轴；

鉴于对比拆分的定义比较抽象，这里先不做解释，主要结合文章开头的2个实际场景来展示其使用价值，希望能真正帮到需要的yin！

工作场景1：O2O/电商网站想要了解近期各省市的订单金额分布情况，需要的维度：日期、地区，需要的数值：订单金额，先看“美颜”前后对比图吧~

（“美颜”前）

（“美颜”后）

“美颜”前各省的数据堆在一起，N条折线就像一团杂乱的毛线，数据给人的感觉也是一团乱，根本不想看，也无从下手，更别说用数据驱动运营了。

再看看“美颜”后的图表，很清晰地展示各个省份的数据量和变化趋势，图表瞬间转成小清新，感觉美美哒！

赶紧来看看“美颜”过程：

第1步：打开BDP个人版，上传需要分析的工作表，在编辑图表页面将日期（付款日期）拉到维度栏、地区（收货省份）拉到对比栏，订单金额拉到数值栏，记得顺手调个稀饭的颜色；

第2步：在右下方勾选“按对比拆分”，瞬间就出现多个动图啦！不喜欢默认的显示，还可以寄已调整单屏显示的行列数量哦~

酷炫的亮点来了：当你把鼠标hover到数据上，同时按下alt键，就能看某一天各省市的数据啦！左右滑动鼠标还有惊喜哦！

工作场景2：半个月过去了，销售总监想要了解截止目前为止各个销售经理的业绩完成情况；需要的维度：时间、人员名称，需要的数值：合同金额（计量图可以设置目标值）

柱状图只能简单展示每个人本月的订单金额，并不能看出目标完成的进度如何，更别说能直观对比每个人完成的情况了。计量图的确能展示目标完成的进度，但是只能通过筛选一一查看每个人的进度，并不能一下子展示所有人的。

好了，“对比拆分”又上场啦，噔噔噔~~~（具体操作见上一个例子）

哇塞，每个人的业绩完成情况太直观了。半个月过去了，完成50%及以上的只有3个，总监应该好好鼓励他们，争取更好的业绩，还有7人连50%都没有达到，那就要一一找了解下情况，找到原因及时改进，尤其是低于是30%的销售：

是不是在跟进大客户，项目是否靠谱，是不是属于后半个月发力，大项目能否填补之前的落后？不能的话要怎么做才能达标？

是不是本月跟的客户太少？那应该积极主动去寻找销售线索。

还是跟了很多项目，但成交率很低，那成交率很低的原因又是什么：地域问题、客户性质 or其他原因呢？根据不同原因有针对性地进行调整。

......

原因有很多，总监可以根据这张图表一一找人了解情况，及时寻找原因并做出调整，争取让本月业绩更上一层楼，这不就是数据和图表呈现的意义嘛！

上述场景都很常见，也只是参考。最后，总结下对比拆分的适用场景：涉及多维度对比分析、同时需要分类呈现数据结果。目前，BDP个人版支持对指标卡、计量图、折线图、柱柱图和条形图按照对比拆分为多个图形。要好好学习对比拆分功能，学好能助你调整、优化运营策略，也许会有意想不到的效果哦！

工具介绍

1、前端展现

用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

用于展现分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikView、 Tableau。

国内的有BDP，国云数据（大数据魔镜），思迈特，FineBI等等。

2、数据仓库

有Teradata AsterData, EMC GreenPlum, HP Vertica等等。

3、数据集市

有QlikView、 Tableau、Style Intelligence等等。

扩展资料

大数据分析的六个基本方面

1、Analytic Visualizations（可视化分析）

不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。

2.、Data Mining Algorithms（数据挖掘算法）

可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。

3、Predictive Analytic Capabilities（预测性分析能力）

数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。

4、Semantic Engines（语义引擎）

我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。

5、Data Quality and Master Data Management（数据质量和数据管理）

数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。

假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。

6、数据存储，数据仓库

数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题对数据进行查询和访问，为联机数据分析和数据挖掘提供数据平台。