先說結(jié)論，

問題1回答：數(shù)據(jù)分析技術(shù)簡(jiǎn)單來說可歸類為統(tǒng)計(jì)分析技術(shù)和數(shù)據(jù)可視化兩類。

問題2回答：目前階段做數(shù)據(jù)分析使用Python更高效，方便一點(diǎn)。

希望我作為數(shù)據(jù)分析師的經(jīng)驗(yàn)?zāi)軐?duì)你有幫助

1、數(shù)據(jù)分析的本質(zhì)

數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)方法對(duì)收集的大量數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程，最后再通過得到的結(jié)論應(yīng)用到行業(yè)中解決實(shí)際問題。

簡(jiǎn)單概括來說數(shù)據(jù)分析就是-- 處理數(shù)據(jù)然后推進(jìn)優(yōu)化現(xiàn)實(shí)工作。

數(shù)據(jù)分析應(yīng)用在各行各業(yè)，互聯(lián)網(wǎng)，工業(yè)，咨詢行業(yè)等，有一個(gè)共同點(diǎn)，數(shù)據(jù)分析都是為業(yè)務(wù)服務(wù)的，用于解決實(shí)際運(yùn)營(yíng)中出來的問題，或者探索業(yè)務(wù)可優(yōu)化的空間。

明白了這一點(diǎn)，就知道數(shù)據(jù)分析不是目的，數(shù)據(jù)分析的結(jié)果產(chǎn)出對(duì)業(yè)務(wù)的實(shí)際提升和優(yōu)化才是目的，數(shù)據(jù)分析只是一種解決的方法，既然是方法，我們就要考慮它的效果，成本（學(xué)習(xí)成本，使用成本）等。

2.數(shù)據(jù)分析的技能要求

以現(xiàn)在最熱門的互聯(lián)網(wǎng)行業(yè)的數(shù)據(jù)分析而言，隨便從招聘網(wǎng)站上截取部分應(yīng)屆生數(shù)據(jù)分析師招聘JD，選取應(yīng)屆生是因?yàn)橄鄬?duì)要求低一點(diǎn)，對(duì)題主想要入門應(yīng)該更有參考下價(jià)值。

不同公司業(yè)務(wù)不同，對(duì)于“崗位職責(zé)”先可以不用太關(guān)注，我們這里主要看“任職資格”這一部分，關(guān)于技能方面，可以看到有SQL，Python/R，Spark，hive，BI工具等。

看起來需要掌握的很多，那我們?cè)賮硗ㄟ^大數(shù)據(jù)的方法看一下，獲取招聘網(wǎng)站上的招聘要求，根據(jù)工具關(guān)鍵詞出現(xiàn)的頻率，繪制成數(shù)據(jù)分析所需工具詞云圖：

可以看到，Excel，sql，python，PPT，hive，spss等出現(xiàn)的評(píng)率最高，同時(shí)可以可以看到還有很多其他的工具技能要求，但這幾個(gè)出現(xiàn)頻率最高的肯定是基本要求，那么是否這些工具我們都需要掌握呢，這個(gè)根據(jù)兩個(gè)方面，一是你所處的工作階段，二是作為數(shù)據(jù)分析師的不同方向。

我這里從數(shù)據(jù)分析方法的角度將數(shù)據(jù)分析方向分為三個(gè)：業(yè)務(wù)數(shù)據(jù)分析，數(shù)據(jù)挖掘分析，大數(shù)據(jù)分析。將每個(gè)方向?qū)?yīng)的工具和方法做成思維導(dǎo)圖如下：

可以見到，每個(gè)方向所對(duì)應(yīng)的主要工具要求都不一樣，一般來說，從業(yè)務(wù)數(shù)據(jù)分析》數(shù)據(jù)挖掘分析》大數(shù)據(jù)分析的技能門檻是逐步提高的，而且技能要求也是疊加的，也就是說例如數(shù)據(jù)挖掘分析師也需要掌握業(yè)務(wù)數(shù)據(jù)分析的工具和方法。

但這并不是數(shù)據(jù)分析師的發(fā)展路徑，這只是數(shù)據(jù)分析不同的方向，如果對(duì)業(yè)務(wù)數(shù)據(jù)分析非常感興趣且工作非常有成效，有很好的數(shù)據(jù)分析思維，那么完全可以往業(yè)務(wù)方向發(fā)展，只掌握SQL，EXCEL,PPT等成為商業(yè)分析師和集團(tuán)戰(zhàn)略分析師也是沒有問題的，所以根據(jù)自己的情況，不用過分追求技術(shù)，別忘記，數(shù)據(jù)分析是為業(yè)務(wù)服務(wù)的！。

根據(jù)以上部分我們可以總結(jié)回答下題主的第一個(gè)問題（數(shù)據(jù)分析需要的技術(shù)），結(jié)合上圖，可以歸納為描述性統(tǒng)計(jì)分析技術(shù)（業(yè)務(wù)數(shù)據(jù)分析），探索性統(tǒng)計(jì)分析技術(shù)（數(shù)據(jù)挖掘，大數(shù)據(jù)分析），數(shù)據(jù)可視化（將數(shù)據(jù)分析結(jié)果圖表化，撰寫報(bào)告用或匯報(bào)用）。

3.Python

VS Java, 更高效，方便一點(diǎn)

既然題主提出Python和Java的對(duì)比，說明對(duì)編程語言和數(shù)據(jù)分析還是有一定了解的，結(jié)合上面2部分的分析，題主可能實(shí)際想知道的是Python和Java哪一個(gè)更適合做探索性的數(shù)據(jù)分析（數(shù)據(jù)挖掘和大數(shù)據(jù)分析），做簡(jiǎn)單的探索性分析其實(shí)用SPSS和R語言等一樣可行。

但探索性數(shù)據(jù)分析里目前非常重要且流行的一個(gè)方法是機(jī)器學(xué)習(xí)，目前機(jī)器學(xué)習(xí)的主要框架如Tensorflow, sklearn等均是基于Python語言，因?yàn)閼?yīng)用廣泛且被證明是高效可行的，所以目前來看使用成本相對(duì)較低，另外考慮到公司里的團(tuán)隊(duì)合作，使用同樣的編程語言，團(tuán)隊(duì)交流合作也會(huì)更加高效。

另外涉及學(xué)習(xí)成本，Python出名的靈活便捷使其成為數(shù)據(jù)分析的首選，使用Python做數(shù)據(jù)分析，掌握基本語法之后，學(xué)會(huì)使用Numpy,Pandas,matplotlib等庫之后就可以開始數(shù)據(jù)分析，實(shí)現(xiàn)同樣的數(shù)據(jù)分析功能，先比于Java, Python用更少的代碼即可實(shí)現(xiàn), 另外Python的眾多數(shù)據(jù)分析相關(guān)的開源庫也提供了很好的數(shù)據(jù)分析平臺(tái)。

而Java并非在數(shù)據(jù)領(lǐng)域很少使用，相反它是大數(shù)據(jù)平臺(tái)的基礎(chǔ)，例如Hadoop等大數(shù)據(jù)平臺(tái)是基于Java, 但這部分更多的是數(shù)據(jù)開發(fā)和數(shù)據(jù)倉庫方向的技術(shù)開發(fā)的內(nèi)容，與數(shù)據(jù)分析有較大區(qū)別。即使是大數(shù)據(jù)分析師，在使用大數(shù)據(jù)平臺(tái)時(shí)，掌握Hive sql 也能完成取數(shù)要求，并不需要掌握J(rèn)ava。

綜上，數(shù)據(jù)分析技術(shù)因數(shù)據(jù)分析方向和階段各異，主要是統(tǒng)計(jì)分析和數(shù)據(jù)可視化，現(xiàn)階段Python比Java更適合做數(shù)據(jù)分析。謝謝

這是一個(gè)非常好的問題，作為一名IT從業(yè)者，我來回答一下。

首先，隨著大數(shù)據(jù)技術(shù)的落地應(yīng)用，數(shù)據(jù)分析作為大數(shù)據(jù)的常見任務(wù)會(huì)逐漸增多，未來不僅IT（互聯(lián)網(wǎng)）行業(yè)會(huì)需要進(jìn)行大量的數(shù)據(jù)分析，傳統(tǒng)行業(yè)領(lǐng)域也會(huì)逐漸釋放出大量的數(shù)據(jù)分析任務(wù)。

從當(dāng)前的技術(shù)體系來看，目前常見的數(shù)據(jù)分析方式有兩種，一種是統(tǒng)計(jì)學(xué)方式，另一種是機(jī)器學(xué)習(xí)方式，而無論采用哪種數(shù)據(jù)分析方式，通常都離不開程序設(shè)計(jì)。當(dāng)前在生產(chǎn)環(huán)境下，數(shù)據(jù)分析任務(wù)通常都基于平臺(tái)來展開，比如Hadoop、Spark就是比較常見的數(shù)據(jù)分析平臺(tái)。

在Hadoop和Spark平臺(tái)下，采用Java和Python都可以，同時(shí)也可以采用Scala和R等編程語言，開發(fā)人員可以根據(jù)自身的知識(shí)結(jié)構(gòu)來選擇具體的編程語言，而對(duì)于初學(xué)者來說，當(dāng)前學(xué)習(xí)Python語言是不錯(cuò)的選擇。

采用Python進(jìn)行數(shù)據(jù)分析有三方面好處，其一是Python語言自身比較簡(jiǎn)單易學(xué)，初學(xué)者很容易上手；其二是Python語言有眾多的庫可以使用，比如Numpy、Matplotlib、Pandas等，這些庫對(duì)于提升Python數(shù)據(jù)分析能力有非常直接的幫助；其三是Python語言本身就是一門全場(chǎng)景編程語言，具有較強(qiáng)的落地應(yīng)用能力。

從當(dāng)前的使用情況來看，在數(shù)據(jù)分析領(lǐng)域，Python語言的上升趨勢(shì)還是比較明顯的，而且數(shù)據(jù)分析人員也比較愿意使用Python，與Java語言主要應(yīng)用在IT（互聯(lián)網(wǎng)）行業(yè)不同，Python語言在傳統(tǒng)行業(yè)的應(yīng)用也比較普遍。

我從事互聯(lián)網(wǎng)行業(yè)多年，目前也在帶計(jì)算機(jī)專業(yè)的研究生，主要的研究方向集中在大數(shù)據(jù)和人工智能領(lǐng)域，我會(huì)陸續(xù)寫一些關(guān)于互聯(lián)網(wǎng)技術(shù)方面的文章，感興趣的朋友可以關(guān)注我，相信一定會(huì)有所收獲。

如果有互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等方面的問題，或者是考研方面的問題，都可以在評(píng)論區(qū)留言，或者私信我！

我猜樓主問這個(gè)問題，主要還是對(duì)數(shù)據(jù)分析技術(shù)不太了解

先說結(jié)論：

如果你是想搭建完整的數(shù)據(jù)分析解決方案，從存儲(chǔ)，數(shù)據(jù)處理和清洗，分析，可視化，那就用java，畢竟java這塊解決方案和框架較多，比如hadoop,spark,flink等

如果你只是純數(shù)據(jù)分析，數(shù)據(jù)集比較單一，比如想快速在excel或數(shù)據(jù)庫中，檢索，查詢，提煉自己想要的數(shù)據(jù)，就用python

我們來看看目前企業(yè)對(duì)數(shù)據(jù)分析的需求吧：

20%的數(shù)據(jù)發(fā)揮著80%的業(yè)務(wù)價(jià)值；
80%的數(shù)據(jù)請(qǐng)求只針對(duì)20%的數(shù)據(jù)。

目前來看，不管是數(shù)據(jù)存儲(chǔ)處理、分析還是挖掘，最完整和成熟的生態(tài)圈還是基于關(guān)系型數(shù)據(jù)庫，比如報(bào)表、聯(lián)機(jī)分析等工具；另外就是數(shù)據(jù)分析人員更偏重于查詢分析語言如SQL、R、Python數(shù)據(jù)分析包而不是編程語言。

企業(yè)大數(shù)據(jù)平臺(tái)建設(shè)的二八原則是，將20%最有價(jià)值的數(shù)據(jù)——以結(jié)構(gòu)化的形式存儲(chǔ)在關(guān)系型數(shù)據(jù)庫中供業(yè)務(wù)人員進(jìn)行查詢和分析；而將80%的數(shù)據(jù)——以非結(jié)構(gòu)化、原始形式存儲(chǔ)在相對(duì)廉價(jià)的Hadoop等平臺(tái)上，供有一定數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)分析師或數(shù)據(jù)工程師進(jìn)行下一步數(shù)據(jù)處理。經(jīng)過加工的數(shù)據(jù)可以以數(shù)據(jù)集市或數(shù)據(jù)模型的形式存儲(chǔ)在NoSQL數(shù)據(jù)庫中，這也是后面要講到的“離線”與“在線”數(shù)據(jù)。

數(shù)據(jù)庫到數(shù)據(jù)倉庫，是事務(wù)型數(shù)據(jù)到分析型數(shù)據(jù)的轉(zhuǎn)變，分析型數(shù)據(jù)需要包括的是：分析的主題、數(shù)據(jù)的維度和層次，以及數(shù)據(jù)的歷史變化等等。而對(duì)大數(shù)據(jù)平臺(tái)來說，對(duì)分析的需求會(huì)更細(xì)，包括：

查詢：快速響應(yīng)組合條件查詢、模糊查詢、標(biāo)簽

搜索：包括對(duì)非結(jié)構(gòu)化文檔的搜索、返回結(jié)果的排序

統(tǒng)計(jì)：實(shí)時(shí)反映變化，如電商平臺(tái)的在線銷售訂單與發(fā)貨計(jì)算出的庫存顯示

挖掘：支持挖掘算法、機(jī)器學(xué)習(xí)的訓(xùn)練集

針對(duì)不同的數(shù)據(jù)處理需求，可能需要設(shè)計(jì)不同的數(shù)據(jù)存儲(chǔ)，還需要考慮如何快速地將數(shù)據(jù)復(fù)制到對(duì)應(yīng)的存儲(chǔ)點(diǎn)并進(jìn)行合適的結(jié)構(gòu)轉(zhuǎn)換，以供分析人員快速響應(yīng)業(yè)務(wù)的需求。

JAVA技術(shù)棧：

Hadoop

一個(gè)分布式系統(tǒng)基礎(chǔ)架構(gòu)。

解決了大數(shù)據(jù)（大到一臺(tái)計(jì)算機(jī)無法進(jìn)行存儲(chǔ)，一臺(tái)計(jì)算機(jī)無法在要求的時(shí)間內(nèi)進(jìn)行處理）的可靠存儲(chǔ)(HDFS)和處理(MapReduce)。

Hive

是建立在Hadoop之上的，使用Hadoop作為底層存儲(chǔ)的批處理系統(tǒng)。（可以理解為MapReduce的一層殼）

Hive是為了減少M(fèi)apReduce jobs的編寫工作。

HBase

HBase是一種Key/Value系統(tǒng)，它運(yùn)行在HDFS之上。

Hbase是為了解決Hadoop的實(shí)時(shí)性需求。

Spark和Storm

Spark和Storm都是通用的并行計(jì)算框架。
解決Hadoop只適用于離線數(shù)據(jù)處理，而不能提供實(shí)時(shí)數(shù)據(jù)處理能力的問題。

區(qū)別：
1. Spark基于這樣的理念，當(dāng)數(shù)據(jù)龐大時(shí)，把計(jì)算過程傳遞給數(shù)據(jù)要比把數(shù)據(jù)傳遞給計(jì)算過程要更富效率。而Storm是把數(shù)據(jù)傳遞給計(jì)算過程。

2. 基于設(shè)計(jì)理念的不同，其應(yīng)用領(lǐng)域也不同。Spark工作于現(xiàn)有的數(shù)據(jù)全集（如Hadoop數(shù)據(jù)）已經(jīng)被導(dǎo)入Spark集群，Spark基于in-memory管理可以進(jìn)行快訊掃描，并最小化迭代算法的全局I/O操作。Storm在動(dòng)態(tài)處理大量生成的“小數(shù)據(jù)塊”上要更好（比如在Twitter數(shù)據(jù)流上實(shí)時(shí)計(jì)算一些匯聚功能或分析）。

Python技術(shù)棧

一張圖搞定

python技術(shù)棧

Java大數(shù)據(jù)：

Java語言應(yīng)用廣泛，可以應(yīng)用的領(lǐng)域也非常多，有完整的生態(tài)體系，另外Java語言的性能也非常不錯(cuò)。Java與大數(shù)據(jù)的關(guān)系非常密切，一方面目前做大數(shù)據(jù)開發(fā)的程序員很多都是從Java程序員轉(zhuǎn)過去的，另一方面Hadoop平臺(tái)本身就是基于Java開發(fā)的，所以目前Java在大數(shù)據(jù)開發(fā)中的使用還是非常普遍的。

但是Java語言自身的復(fù)雜性讓很多程序員感覺它有點(diǎn)“重”，格式化的東西有點(diǎn)多，所以在Spark平臺(tái)下，很多程序員更愿意使用Scala語言，而Scala就是基于Java語言構(gòu)建的，所以有Java基礎(chǔ)再學(xué)習(xí)Scala還是比較輕松的。

單學(xué)Java以后的就業(yè)方向單一，薪資就是Java程序員的基本水平；而Java大數(shù)據(jù)工程師，以后的就業(yè)可以從事Java方面的工作，也可以涉獵大數(shù)據(jù)方面的工作，因?yàn)閷?duì)大數(shù)據(jù)技術(shù)知識(shí)有所涉獵，所以談薪資的資本會(huì)高一些：

由于大數(shù)據(jù)產(chǎn)業(yè)的火爆，相關(guān)職位的待遇也是水漲船高?？梢钥吹剑髷?shù)據(jù)相關(guān)職位的平均薪資已經(jīng)超過月薪20K。

Python大數(shù)據(jù)：

Python語言目前在大數(shù)據(jù)和人工智能領(lǐng)域有廣泛的應(yīng)用，原因就是Python語言簡(jiǎn)單、直接、方便。Python語言是腳本式語言，所以學(xué)習(xí)起來比較簡(jiǎn)單，腳本語言的天然屬性就是直接，所以Python在語法結(jié)構(gòu)上比Java要“輕”很多。

另外，由于Python有豐富的庫支持，所以Python做軟件開發(fā)也非?！爸苯印?，程序員的作用有點(diǎn)像做“集成”的感覺。目前Python在Hadoop和Spark平臺(tái)下的使用都非常普遍，而且越來越多的Java程序員轉(zhuǎn)向使用Python，因?yàn)闆]人愿意復(fù)雜。

但是Python缺點(diǎn)也比較明顯，那就是Python的性能遠(yuǎn)不及Java，另外與大數(shù)據(jù)平臺(tái)的耦合度也不如Java好。但是如果你使用Python做算法實(shí)現(xiàn)、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)等應(yīng)用是完全沒有問題的，效率也比較高。

總之，如果做大數(shù)據(jù)開發(fā)，小編建議Java和Python最好都學(xué)習(xí)一下（主學(xué)Java），語言本身就是工具。

對(duì)于小中型數(shù)據(jù)一般通過python就可以完成數(shù)據(jù)分析，對(duì)于大數(shù)據(jù)的數(shù)據(jù)分析需要使用分布式數(shù)據(jù)存儲(chǔ)和計(jì)算技術(shù)，一些常用的工具，hadoop,hive,spark,flink等。

掌握數(shù)據(jù)可視化工具使用，可以幫助我們快速了解業(yè)務(wù)數(shù)據(jù)，比如pyecharts,seaborn,plotly,matplotlib等

在進(jìn)行python數(shù)據(jù)分析時(shí)候，可以借助一些工具庫快速完成，比如pandas,numpy

一般公司中多用python來進(jìn)行數(shù)據(jù)分析，畢竟數(shù)據(jù)科學(xué)狠多插件都非常的好用，希望對(duì)你有幫助，讓我們共同進(jìn)步。