程序员如何做大量数据

1. 如何从程序员成为一名数据科学家 巫银良

人工智能听起来好像很酷炫，说白了在金融上的应用主要就闹亏铅三件事：
第一，是对于金融数据空岩的高级统计学的应用和分析。比如说，对于传统的线性回归没有办法进行有效的分析归纳的，通过AI、机器学习的算法可以对同样的一组数据用不同纬度去做分析，从而在中间找出它的规律。这个数据在机器学习的算法下可以变成是一个可以支持你决策的东西。
第二，是机器自我学习液好演变的能力。人每天也会接触到大量的信息，但是人很难对每天接触到的信息都做一个归纳、并对自己今天做的决定基于新的信息做一个复盘，因为这种学习的能力需要大量的计算，但机器可以做到这个。
第三，是对数据的及时处理。传统银行也会对一些高级客户做资产配置推荐，就是所谓的“银行观点”。这个观点的更新频次是固定的，比较常见的情况是三个月更新一次。在这三个月之中，客户任意时间点进来，得到的建议都是一样的，这个就很成问题。及时性的风控建议将成为贷款业务中后期的关键。

2. 大数据开发怎么学习

按照下面五个阶段开始学习，循序渐进!
阶段一、大数据基础——java语言基础方面
(1)Java语言基础
Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类困枯歼与核心技术、I/O与反射、多线程、Swing程序与集合类

需要大数据学习教程，关汪冲注我主页有资料
(2) HTML、CSS与JavaScript
PC端网站布局、HTML5+CSS3基础、WebApp页面布局、原生JavaScript交互功能开发、Ajax异步交互、jQuery应用
(3)JavaWeb和数据库
数据库、JavaWeb开发核心、JavaWeb开发内幕
阶段二、 Linux&Hadoop生态体系
Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架
阶段三、 分布式计算框架和Spark&Strom生态体系
(1)分布式计算框架
python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算、实战一：基于Spark的推荐系统(某一线公司真实项目)、实战二：新浪网(www.sina.com.cn)
(2)storm技术架构体系
Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战一：日志告警系统项目、实战二：猜你喜欢推荐系统实战
阶段四败老、 大数据项目实战(一线公司真实项目)
数据获取、数据处理、数据分析、数据展现、数据应用
阶段五、 大数据分析 —AI(人工智能)
Data Analyze工作环境准备&数据分析基础、数据可视化、Python机器学习
1、Python机器学习2、图像识别&神经网络、自然语言处理&社交网络处理、实战项目：户外设备识别分析
以上就是分享的大数据自学课程，祝愿每一位小伙伴都能成为真正的大数据技术人才!
学习大数据，就来北京尚学堂，多年的大数据授课经验，扎实的课程理论助你在大数据方面快人一步。

3. 作为一个Java程序员，该怎么转行做大数据分析师

我也做过好多年Java，去年开始也接触了些大数据的架构。跟你情况类似。我的观点是你可以去动手搭建一下，玩玩，其实并不像你想象的那样高深莫测。都是些工具，我不太喜欢学如何用这些工具，只要能解决我要解决的问题，去用就是了。如果工具的实现感兴趣就去看看代码。工具本身怎么用就是个fact，只是知道和不知道的区别。不要觉得做Java就比别人低一等。你一样可以做的很出色。会用那些大数据工具也并不代表能力有多强

4. java程序员在面试中被问到如何配置多数据源以及如何配置多数据源下的分布式事务，该怎么回答看清再做答

你好，我来先回答含枣你的第一个问题：
通常多梁老悔数据源，在spring中配置如下，如果你想橡正切换环境ENV 的值，在property中
<bean id="placeholderConfigurer" class="org.springframework.beans.factory.config.PropertyPlaceholderConfigurer">
<property name="ignoreResourceNotFound" value="true"></property>
<property name="" value="true"></property>
<property name="nullValue" value="NULL"></property>
<property name="locations">
<list>
<value>jdbc.properties</value>
</list>
</property>
</bean>

<bean id="dataSource" class="com.spring..JDBCConfig">
<property name="driverClassName" value="${${Env}.jdbc.driverClassName}"></property>
<property name="url" value="${${Env}.jdbc.url}"></property>
<property name="username" value="${${Env}.jdbc.username1}"></property>
<property name="password" value="${${Env}.jdbc.password}"></property>
</bean>

jdbc.properties
*****************************
Env=PROD

jdbc.driverClassName=${${Env}.jdbc.driverClassName}
jdbc.url=${${Env}.jdbc.url}
jdbc.username=${${Env}.jdbc.username}
jdbc.password=${${Env}.jdbc.password}

######### JDBC Configuration for DEV Environment ###############
DEV.jdbc.driverClassName=com.mysql.jdbc.Driver
DEV.jdbc.url=jdbc:mysql://localhost:3306/devportal
DEV.jdbc.username=DEVuser
DEV.jdbc.password=DEVpwd

######### JDBC Configuration for UAT Environment ############
UAT.jdbc.driverClassName=com.mysql.jdbc.Driver
UAT.jdbc.url=jdbc:mysql://localhost:3306/UATportal
UAT.jdbc.username=UATuser
UAT.jdbc.password=UATpwd

########## JDBC Configuration for PROD Environment ############
PROD.jdbc.driverClassName=com.mysql.jdbc.Driver
PROD.jdbc.url=jdbc:mysql://localhost:3306/portal
PROD.jdbc.username=root
PROD.jdbc.password=admin，
我这里有三套环境，分别是DEV，UAT和PROD，这种方式可以灵活切换的。

我再回答你的第二个问题：
还请你去http://docs.spring.io/spring-framework/docs/4.0.x/spring-framework-reference/html/transaction.html这里看下，很详细，不过是英文的哦

5. 如何处理大量数据并发操作

处理大量数据并发操作可以采用如下几种方法:

1.使用缓存：使用程序直接保存到内存中。或者使用缓存框架: 用一个特定的类型值来保存，以区别空数据和未缓存的两种状态。

2.数据库优化：表结构优化;SQL语句优化，语法优化和处理逻辑优化;分区;分表;索引优化;使用存储过程代替直接操作。

3.分离活跃数据:可以分为活跃用户和不活跃用户。

4.批量读取和延迟修改: 高并发情况可以将多个查询请求合并到一个。高并发且频繁修改的可以暂存缓存中。

5.读写分离: 数据库服务器配置多个，配置主从数据库。写用主数据库，读用从数据库。

6.分布式数据库: 将不同的表存放到不同的数据库中，然后再放到不同的服务器中。

7.NoSql和Hadoop: NoSql，not only SQL。没有关系型数据库那么多限制，比较灵活高效。Hadoop，将一个表中的数据分层多块，保存到多个节点（分布式）。每一块数据都有多个节点保存（集群）。集群可以并行处理相同的数据，还可以保证数据的完整性。

拓展资料:

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

6. 程序员如何轻松实现数据可视化

这里以Web前端为例，简单介绍一下程序员是如何实现前端数据可视化的，主要内容如下：

Highcharts.js

这是一个纯粹的JavaScript可视化库，完美支持移动端，可以快速的为Web网站添加具有交互性的图表（包括曲线图、散点图、柱状图、条形图、饼图等），个人可以免费学习使用，下面我简单介绍一下这个库的使用：

1.首先，引入Highcharts.js库，这里以最简单的CDN引入为例（也可在本地下载后引入），直接在script标签src属性中指定CDN地址就行，基本思路先创建一个div容器，然后通过JSAPI引入图表，Html部分代码如下，非常高察简单：

2.接着就是JSAPI配置图表，这里直接根据官方文档配置就行，每个参数介绍的都非常详细，也有示例可供参考，添加到上面的Html代码图标配置那块就行，测试代码如下，一个简单的柱状图：

用浏览器打开这个html文件，效果如下，就是我们需要绘制的图表，还不错：

3.官网也提供了许多的示例，几乎涵盖了各种图表数据的制作，非常适合初学者学习，注释的很详细，也可在线编辑运行，感兴趣的话，可以学习一下，非常有用：

ECharts.js

这是网络设计开发的一个Web前端可视化库，可以流畅的运行在PC和移动设备上，并且提供高度可定制化的图表，种类繁多，交互丰富，下面我简单介绍一下这个库的使用：

1.首先，引入ECharts.js库，这里也直接src引入就行（或者本地引入），基本思路和Highcharts.js一样，先创建一个div容器，然后通过JS引入图表就行，Html部分代码如下，也很简单：

2.接着也是JSAPI配置图表并进行显示，这里也按照官网文档设置就行，非常详细，测试代码如下，一个简单的柱状图，添加到上面的Htmlecharts图表那块：

用浏览器打开这个html文件，效果如下，非常不错：

3.更多图表示例可以参考官网，包括地图、热力图、雷达图、极坐标图等，介绍的非常详细，也可在线编辑运行，效果非常不错：

D3.js

这是一个非常强大的前端可视化库，出现的比较早，组件和属性众多，几乎可以绘制各种图表，眼花缭乱，下面我简单介绍一下这个库的使用：

1.首先，引入D3.js库，这个直接通过script标签的src属性在线引入就行，Html代码如下，很简单，很好理解：

2.接着就是在script那部分进行图戚模茄表绘制，这里都是函数式的编程，代码量比较多（但设置操作更码帆灵活），需要一定的JS基础，对于初学者来说，理解使用起来还是具有一定的难度：

浏览器打开的效果如下，非常不错：

3.更多示例可以到GitHub官网上查看，介绍的非常详细，也有源代码可以下载到本地参考学习：

至此，这里就简单介绍完了程序员如何进行Web前端数据可视化。总的来说，这3个前端可视化库使用起来都非常不错，Highcharts.js和ECharts.js适合初学者学习和掌握，文档和资料也比较多，D3.js学习起来具有一定的难度，资料也是以官方的英文教程为主，感兴趣的话，可以研究一下，毕竟功能非常强大，当然，你也可以使用其他可视化库，像G2等也都非常不错，网上也有相关教程和资料可供参考，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言补充。

7. 数据库设计过程中，对于大批量的数据如何进行数据库优化

实例讲解MYSQL数据库的查询优化技术

作者：佚名 文章来源：未知 点击数：2538 更新时间：2006-1-19
数据库系统是管理信息系统的核心，基于数据库的联机事务处理（OLTP）以及联机分析处理(OLAP)是银行、企业、政府等部门最为重要的计算机应用之一。从大多数系统的应用实例来看，查如世桥询操作在各种数据库操作中所占据的比重最大，而查询操作所基于的SELECT语句在SQL语句中又是代价最大的语句。举例来说，如果数据的量积累到一定的程度，比如一个银行的账户数据库表信息积累到上百万甚至上千万条记录，全表扫描一次往往需要数十分钟，甚至数小时。如果采用比全表扫描更好的查询策略，往往可以使查询时间降为几分钟，由此可见查询优化技术的重要性。

笔者在应用项目的实施中发现，许多程序员在利用一些前端数据库开发工具（如PowerBuilder、Delphi等）开发数据库应用程序时，只注重用户界面的华丽，并不重视查询语句的效率问题，导致所开发出来的应用系统效率低下，资源浪费严重。因此，如何设计高效合理的查询语句就显得非常重要。本文以应用实例为基础，结合数据库理论，介绍查询优化技术在现实系统中的运用。

分析问题

许多程序员认为查询优化是DBMS（数据库管理系统）的任务，与程序员所编写的SQL语句关系不大，这是错误的。一个好的查询计划往往可以使程序性能提高数十倍。查询计划是用户所提交的SQL语句的集合，查询规划是经过优化处理之后所产生的语句集合。DBMS处理查询计划的过程是这样的：在做完查询语句的词法、语法检查之后，将语句提交给DBMS的查询优化器，优化器做完代数优化和存取路径的优化之后，由预编译模块对语句进行处理并生成查询规划，然后在合适的时间提交给系统处理执行，最后将执行结果返回给用户。在实际的数据库产品(如Oracle、Sybase等)的高版本中都是采用基于代价的优化方法，这种优化能根据从系统字典表所得到的信息来估计不同的查询规划的代价，然后选择一个较优的规划。虽然现在的数据库产品在查询优化方面已经做得越来越好，但由用户提交的SQL语句是系统优化的基础，很难设想一个原本糟糕的查询计划经过系统的优化之后会变得高效，因此用户所写语句的优劣至关重要。系统所做查询优化我们暂不讨论，下面重点说明改善用户查询计划的解决方案。

解决问题

下面以关系数据库系统Informix为例，介绍改善用户查询计划的方法。

1．合理使用索引

索引是数据库中重要的数据结构，它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用IBM最先提出的ISAM索引结构。索引的使用要恰到好处，其使用原则如下：

●在经常进行连接，但是没有指定为外键的列上建立索引，而不经常连接的字段则由优化器自动生成索引。

●在频繁进行排序或分组（即进行group by或order by操作）的列上建立索引。

●在条件表达式中经常用到的不同值较多的列上建立检索，在不同值少的列上不要建立索引。比如在雇员表的“性别”列上只有“男”与“女”两个不同值，因此就无必要建立索引。如果建立索引不但不会提高查询效率，反而会严重降低更新速度。

●如果待排序的列有多个，可以在这些列上建立复合索引（compound index）。

●使用系统工具。如Informix数据库有一个tbcheck工具，可以在可疑的索引上进行检查。在一些数据库服务器上，索引可能失效或者因为频繁操作而使得读取效率降低，如果一个使用索引的查询不明不白地慢下来，可以渣猛试着用tbcheck工具检查索引的完整性，必要时进行修复。另外，当数据库表更新大量数据后，删除返拆并重建索引可以提高查询速度。

2．避免或简化排序

应当简化或避免对大型表进行重复的排序。当能够利用索引自动以适当的次序产生输出时，优化器就避免了排序的步骤。以下是一些影响因素：

●索引中不包括一个或几个待排序的列；

●group by或order by子句中列的次序与索引的次序不一样；

●排序的列来自不同的表。

为了避免不必要的排序，就要正确地增建索引，合理地合并数据库表（尽管有时可能影响表的规范化，但相对于效率的提高是值得的）。如果排序不可避免，那么应当试图简化它，如缩小排序的列的范围等。

3．消除对大型表行数据的顺序存取

在嵌套查询中，对表的顺序存取对查询效率可能产生致命的影响。比如采用顺序存取策略，一个嵌套3层的查询，如果每层都查询1000行，那么这个查询就要查询10亿行数据。避免这种情况的主要方法就是对连接的列进行索引。例如，两个表：学生表（学号、姓名、年龄……）和选课表（学号、课程号、成绩）。如果两个表要做连接，就要在“学号”这个连接字段上建立索引。

还可以使用并集来避免顺序存取。尽管在所有的检查列上都有索引，但某些形式的where子句强迫优化器使用顺序存取。下面的查询将强迫对orders表执行顺序操作：

SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008

虽然在customer_num和order_num上建有索引，但是在上面的语句中优化器还是使用顺序存取路径扫描整个表。因为这个语句要检索的是分离的行的集合，所以应该改为如下语句：

SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001

UNION

SELECT ＊ FROM orders WHERE order_num=1008

这样就能利用索引路径处理查询。

4．避免相关子查询

一个列的标签同时在主查询和where子句中的查询中出现，那么很可能当主查询中的列值改变之后，子查询必须重新查询一次。查询嵌套层次越多，效率越低，因此应当尽量避免子查询。如果子查询不可避免，那么要在子查询中过滤掉尽可能多的行。

5．避免困难的正规表达式

MATCHES和LIKE关键字支持通配符匹配，技术上叫正规表达式。但这种匹配特别耗费时间。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”

即使在zipcode字段上建立了索引，在这种情况下也还是采用顺序扫描的方式。如果把语句改为SELECT ＊ FROM customer WHERE zipcode >“98000”，在执行查询时就会利用索引来查询，显然会大大提高速度。

另外，还要避免非开始的子串。例如语句：SELECT ＊ FROM customer WHERE zipcode[2，3]>“80”，在where子句中采用了非开始子串，因而这个语句也不会使用索引。

6．使用临时表加速查询

把表的一个子集进行排序并创建临时表，有时能加速查询。它有助于避免多重排序操作，而且在其他方面还能简化优化器的工作。例如：

SELECT cust.name，rcvbles.balance，……other columns

FROM cust，rcvbles

WHERE cust.customer_id = rcvlbes.customer_id

AND rcvblls.balance>0

AND cust.postcode>“98000”

ORDER BY cust.name

如果这个查询要被执行多次而不止一次，可以把所有未付款的客户找出来放在一个临时文件中，并按客户的名字进行排序：

SELECT cust.name，rcvbles.balance，……other columns

FROM cust，rcvbles

WHERE cust.customer_id = rcvlbes.customer_id

AND rcvblls.balance>0

ORDER BY cust.name

INTO TEMP cust_with_balance

然后以下面的方式在临时表中查询：

SELECT ＊ FROM cust_with_balance

WHERE postcode>“98000”

临时表中的行要比主表中的行少，而且物理顺序就是所要求的顺序，减少了磁盘I/O，所以查询工作量可以得到大幅减少。

注意：临时表创建后不会反映主表的修改。在主表中数据频繁修改的情况下，注意不要丢失数据。

7．用排序来取代非顺序存取

非顺序磁盘存取是最慢的操作，表现在磁盘存取臂的来回移动。SQL语句隐藏了这一情况，使得我们在写应用程序时很容易写出要求存取大量非顺序页的查询。

有些时候，用数据库的排序能力来替代非顺序的存取能改进查询。

实例分析

下面我们举一个制造公司的例子来说明如何进行查询优化。制造公司数据库中包括3个表，模式如下所示：

1．part表

零件号零件描述其他列

（part_num）（part_desc）（other column）

102，032Seageat 30G disk……

500，049Novel 10M network card……

……

2．vendor表

厂商号厂商名其他列

（vendor _num）（vendor_name） （other column）

910，257Seageat Corp……

523，045IBM Corp……

……

3．parven表

零件号厂商号零件数量

（part_num）（vendor_num）（part_amount）

102，032910，2573,450,000

234，423321，0014，000，000

……

下面的查询将在这些表上定期运行，并产生关于所有零件数量的报表：

SELECT part_desc，vendor_name，part_amount

FROM part，vendor，parven

WHERE part.part_num=parven.part_num

AND parven.vendor_num = vendor.vendor_num

ORDER BY part.part_num

如果不建立索引，上述查询代码的开销将十分巨大。为此，我们在零件号和厂商号上建立索引。索引的建立避免了在嵌套中反复扫描。关于表与索引的统计信息如下：

表行尺寸行数量每页行数量数据页数量

（table）(row size)（Row count）（Rows/Pages）（Data Pages）

part15010，00025400

Vendor1501，000 2540

Parven13 15，000300 50

索引键尺寸每页键数量页面数量

（Indexes）(Key Size)（Keys/Page)(Leaf Pages）

part450020

Vendor45002

Parven825060

看起来是个相对简单的3表连接，但是其查询开销是很大的。通过查看系统表可以看到，在part_num上和vendor_num上有簇索引，因此索引是按照物理顺序存放的。parven表没有特定的存放次序。这些表的大小说明从缓冲页中非顺序存取的成功率很小。此语句的优化查询规划是：首先从part中顺序读取400页，然后再对parven表非顺序存取1万次，每次2页（一个索引页、一个数据页），总计2万个磁盘页，最后对vendor表非顺序存取1.5万次，合3万个磁盘页。可以看出在这个索引好的连接上花费的磁盘存取为5.04万次。

实际上，我们可以通过使用临时表分3个步骤来提高查询效率：

1．从parven表中按vendor_num的次序读数据：

SELECT part_num，vendor_num，price

FROM parven

ORDER BY vendor_num

INTO temp pv_by_vn

这个语句顺序读parven（50页），写一个临时表（50页），并排序。假定排序的开销为200页，总共是300页。

2．把临时表和vendor表连接，把结果输出到一个临时表，并按part_num排序：

SELECT pv_by_vn，＊ vendor.vendor_num

FROM pv_by_vn，vendor

WHERE pv_by_vn.vendor_num=vendor.vendor_num

ORDER BY pv_by_vn.part_num

INTO TMP pvvn_by_pn

DROP TABLE pv_by_vn

这个查询读取pv_by_vn(50页)，它通过索引存取vendor表1.5万次，但由于按vendor_num次序排列，实际上只是通过索引顺序地读vendor表（40＋2=42页），输出的表每页约95行，共160页。写并存取这些页引发5＊160=800次的读写，索引共读写892页。

3．把输出和part连接得到最后的结果：

SELECT pvvn_by_pn.＊，part.part_desc

FROM pvvn_by_pn，part

WHERE pvvn_by_pn.part_num=part.part_num

DROP TABLE pvvn_by_pn

这样，查询顺序地读pvvn_by_pn(160页)，通过索引读part表1.5万次，由于建有索引，所以实际上进行1772次磁盘读写，优化比例为30∶1。笔者在Informix Dynamic

Sever上做同样的实验，发现在时间耗费上的优化比例为5∶1(如果增加数据量，比例可能会更大)。

小结

20％的代码用去了80％的时间，这是程序设计中的一个着名定律，在数据库应用程序中也同样如此。我们的优化要抓住关键问题，对于数据库应用程序来说，重点在于SQL的执行效率。查询优化的重点环节是使得数据库服务器少从磁盘中读数据以及顺序读页而不是非顺序读页。

8. java程序员面试时被问到：如何在j2ee项目中处理高并发量访问 该怎么回答 请仔细看题干再回答

尽量使用缓存，包括用户缓存，信息缓存等，多花点内存来做缓存，可以大量减少与数据库的交互，提高性能。

9. 数据分析，除了Excel数据透视表，还有什么工具

现在市面上有很多做数据分析、可视化图表的工具。

我们公司采购过，所以对这块比较了解，列出当时选型时主要考虑过的肢晌毁一些工具，给题主和其他人做参考，以下顺序随机，无优劣之分。

https://www.tableau.com/zh-cn/procts/desktop

这个是可视化界的大神级软件了，我们分析师强烈推荐的，可能是由于专业度比较高，选型小姐姐很久都没搞懂怎么用，因此放弃。（这个跟我们公司采购软件的要求有关，领导想要一个全员都能上手的数据软件）

https://www.shujuguan.cn/

这个是我们最后选中的数据分析工具，理由是操作简单，全员可上手。他们家的分析模板很全，从销售到财务，从人力到运营，上传数据就能自动生成报表，非常贴心。数据分析基础弱，又想试试的推荐这个。

http://echarts..com/index.html

这个的效果真的是蛮酷炫的，就是那种会定睛看很久的，但是需要编程基础，对于全员使用这个要求不太友好，所以最后放弃了，还是因为选型姐姐根本就不会编程。

http://www.finereport.com/

算是比较老牌的数据分析公司了，旗下有Finereport和FineBI，最终未入选原因是专业名词比较多，有使用门槛，没有数据协作这个功能，也就是在软件里不能像微信一样做到即时沟通，这个数据观有。

http://www.yonghongtech.com/

这个情况和帆软有点像，专业名词，需要SQL基础，还有一个原因是，不能连接第三方数据源，比如金数据、微信公众号、云表格这些，人工频繁导数据会增加工作量，因此放弃。

以上给大家做参考，也欢迎大家在评论区一起讨论。

顺便赞一下的话，就更好啦！

做凝聚态/统计物理的过来答一下。由于平时会有很多模拟、实验数据，所以数据分析用的非常多。不过基本没有用过Excel。总体上来说，用的最多的就是Mathematica，其次就是C/C++，然后偶尔会用Julia。

这几个工具对编程都有一定的基础要求。功能最强大的是Mathematica，但也最贵，所以知名度不是特别高（但在学术界内部，基本上都知道）；速度最快的，当然是C/C++，相同的算法，运行速度大约是Mathematica的四倍左右。Julia是专门为科学计算设计的语言，速度接近C，扩展性接近Python，很有潜力，但个人用的不多。下面分别介绍一下。

前段时间，一个名叫“Wolfram Language”的语言火了一把。很多程序员以为这是真正的“智能语言”。其实Wolfram Language就是Mathematica所用的语言，只是最近把它定名了而已。不过Mathematica的优势其实不在于其智能、自然语言识别的能力（实际工作中用的很少），而在于它巨量的函数。其内置了近五千个函数，各种功能无所不包。当然，这样大量的函数会给学习带来困难，但熟悉之后，用起来会非常舒服。比如，如果要将数列中重复元素抽出来，并标记数量，如何做历备呢？不怕，有内置函数Tally[]。如果要将二维数据中相连的元素用相同的颜色标记，如何做呢？一般的方法，通常是用广度优先搜索，或者深度优先搜索，去进行标记。但Mathematica有MorphologicalComponents[]——形态学分量，直接可以得到结果。所以用Mathematica做数据分析、编程，会省去大量的代码量以及编程消耗的时间，debug也会方便一些。

而在对速度要求很高的地方，则通常会使谨唤用C/C++。但如果用这些语言，基本上就要自己从头编写代码了。自由度当然很高，不过对算法水平会有要求。这个自己偶尔会用。至于Julia，其设计思想当然非常好，不过目前的库不是很多，短期内怕是比不过Python。

excel因为可以做简单的数据分析，而给大家带来了很多便利。但如果涉及到复杂的数据分析，数据运算，大屏可视化图表，气氛就会变得尴尬起来。

搞不好，还会出现电脑死机，数据丢失等情况。

接下来，我将用3分钟的时间，向你介绍一款兼容excel功能，但功能更为强大的工具—— 云表企业应用平台 。 (文末会送出免费的获取方式，如果你赶时间，也可以拖至文末获取)

运用智能搜索技术，从设计到实现只需要 7分钟 ，可以做到媲美专业的数字大屏开发效果。 增强后的数据看板功能模块，可以进行高度、灵活的自定义。

比如设定复杂的大屏背景、组件风格、界面配置、全局摆放，动态效果.......

业务人员无须设计师参与即可完成开发。

信息瞬息万变，决策毫秒之间。

DataFocus采用列式数据存储的方式，通过自带的内存计算引擎，无须预先建立CUBE， 数据分析实时交互，完全满足管理决策中经常遇到的临时性分析、多变的业务需求和频繁的结果刷新。

IT部门将从此告别延时报表分析，亿级数据秒级响应。

目前，云表是有提供免费版本的，适用于中小微企业。

如果大企业要用，增加并发数即可。

你一定想不到，它除了是一款报表软件，还是一款免代码开发工具。

像 华为 、 浙江恒逸 、 南方物流 、 许继电气 、 香港建滔集团 、 中冶 等20万+企业或机构，早已通过云表，开发出各种个性化的管理软件，包括 MES ， WMS ， ERP ， OA ， BRP ， SRM ， CRM ， 进销存 等。

你以前的固有思维是不是，这些管理软件，要么请人定制开发，要么直接购买成 品。

可一旦你这么做了，正中了软件供应商下怀，后期有得你折腾。

系统的更新迭代 ，是一个特别棘手的问题，很多想全面实施信息化建设的企业，就栽在了这里。

因年代久远，软件架构与设施已经非常落后，想要找供应商进行软件更新迭代的时候，这时候供应商就玩起了“消失”，也很难再找到那些熟悉过时技术的人员。

另一种情况，就是，你得靠烧钱升级维护，才能保证系统正常运行下去。

所以说，还不如自己动手开发，来得痛快。

而云表的易用性， 恰好弥补了，企业人手不足，资金不足 这些问题。

这是一款业务人员就能上手的开发工具，你只要有自己的业务逻辑，就可以通过云表， 拖拉拽，输入中文文本信息 ，搭建出能随企业发展而成长的个性化管理软件。

你没看错，功能随需而改，任何时候都行！

此外呢，只要你想得到的业务，它基本上都能解决。

譬如 权限控制，工作流，流程审批，多人协同 ，H5页面制作，闹钟提醒，消息群发，文件整合，与用友金蝶等第三方软硬件集成，扫码入库......

只有你想不到，基本上没有它做不到。

而且， 各系统之间数据共享，信息互通，不存在任何兼容问题 。

对了，它还能生成移动端app，封装PDA扫描器，设备传感器，读卡器等硬件的驱动程序，对接广泛的物联网设施。

时间原因，今天就分享到这，解锁更多功能，需要你自己去实践。

下面，我在这里留下免费的获取方式。

试试嘛，毕竟免费，试了也不亏！

希望我的回答能够帮助到您，如果有什么疑问，评论区见。

要想从事数据分析的工作，我觉得一定要掌握一些数据的可视化分析软件的使用方法。为什么说一定要去掌握数据可视化软件的分析方法呢，举个最简单的例子，我们都知道数据量很大，但是杂乱无章的数据本身是没有任何意义的，只有将数据进行统计分类，才能展现出庞大数据的背后意义，因此，我认为掌握一款自助式数据 探索 与可视化分析的软件是十分必要的。现在市面上类似的平台有很多，我用的是东软平台云的一个叫DataViz的，个人觉得还挺好用的，你可以看一下效果。

在企业软件行业有一个明显趋势，那就是使用云表企业应用开发平台这类产品作报表工具的企业越来越多了，而经过统计，这些企业中超过80%都用过Excel或网络版Excel作为报表工具来进行办公。

为什么原先用Excel的企业会转用云表呢？在两者之间功能上有什么区别促使他们转用后者？我们可以将两者做个对比来剖析。

像Excel但性能更优

云表这款软件的用户很多上手得很快的都是财务人员，因为它在绘制报表的操作类似于EXCEL。

Excel的问题很明显，它不是数据库，一旦数据太多，如果把它们都统计在一个Excel的数据总表里，打开和查询就会很慢很慢，而且它本身是一款单机软件，如果没有插件支持没办法做到多人协同，而且没办法轻易地实现录入检验、快速填报、简化操作等……可以说数不完。

而用云表，这些问题都可以简单解决，它虽然操作类似EXCEL，但它做不到依赖于EXCEL，它有自己独立的客户端，在处理大量数据的时候性能上要比EXCEL好太多，而且实现多用户协同合作之类的高级功能时简单得多，不需要任何技术基础。

通过它，用户只需简单的鼠标点击、拖拉拽和中文文本输入就能制作智能化的报表，并在系统上将报表集成统合，形成OA、CRM、进销存、WMS、EAM、ERP等各种管理软件。

好用易上手的开发平台

Excel功能强大大家都知道，但要用它实现办公自动化可不容易，需要学习使用VBA编程、学习宏操作，没有一点编程技术还真做不到。云表是个免代码的开发平台，它的设计初衷就是让任何没有编程基础的人，学会开发自己的企业管理软件。

免代码的平台，需要什么功能，都能自己搭建，哪个部门需要什么功能，都能自己设计，完全按照企业、部门业务流程来，功能100%适用。

做报表，最辛苦的就是重复与繁杂的工作，提取数据、汇总分析，每个季度每个月每个活动都要做表，这是很折磨人的。

这也是为什么那么多企业选择管理软件，像这样在云表上搭建好了管理系统，需要什么报表，提前设计好模板，数据汇总在一个系统里，系统都会根据规则实时分析演算，不用每个季度都重新设计、采集数据，减少大量繁复的工作。

云表是个平台，是个开发工具，意味着它能适应任何行业，满足任何企业的个性化需求，适用范围广；

系统可以协同办公，可以高度集成、智能化，能搭建真正的管理软件，功能强大；

自己的系统自己开发，企业要发展，软件也能随时添修删改，灵活度高，发展潜力深……

免代码的开发工具，没有门槛，无需基础，很简单就能学会，实在担心学不会，云表还为用户开设了免费的培训班，10个课程基本就能掌握了，初高中生来学习都完全没问题。

用这个软件来做报表，可以说是一劳永逸，无论是企业或是员工，都能在这一步步的功能搭建上逐渐把精力转移到更有价值的工作上，做到高质量的管理和决策。

可以帮助员工减少工作量、增加工作效率，也难怪越来越多的人转用云表作为他们的报表软件了。

官网注册地址如下，不用谢我，请叫我雷锋

https://www.iyunbiao.com/signup/A3MVVQ240

我知道的有python，微软powerbi，tableau，qlik，R。

我自己比较熟悉微软powerbi，和Excel结合紧密，容易上手。推荐。