问：大数据分析工具有哪些,好用的有吗
- 答：敏捷自助的豌豆BI，企业级的ABI，都可以去亿信华辰的官网看看
- 答：1.国外厂商tableau，这是一种几乎是数据分析师人人会提的工具，内置常用的分析图表，和一些数据分析模型，可以快速的探索式数据分析，制作数据分析报告。 因为是商业智能，空磨蠢解决的问题更偏向商业分析，用 Tableau可以快速地做出动态交互游盯图，并且图表和配色也非常拿得出手。
2.国内厂商帆软，性价比很高，自助式BI工具，也是一款成熟的数据分析产品。内置丰富图表，不需要代码调用，可直接拖拽生成，包括一些数据挖掘模型也是斗陪。可用于业务数据的快速分析，制作dashboard，也可构建可视化大屏。他是tableau的平价替代，有别于Tableau的是，企业级数据分析的功能更多。从内置的ETL功能以及数据处理方式上看出，侧重业务数据的快速分析以及可视化展现。可与大数据平台，各类多维数据库结合，所以在企业级BI应用上广泛，个人使用免费。 - 答：Tableau，国外的，收费，可试用。老产品，功能较完善，有点臃肿。
Qlikview,国外的，收费，有免费版，基础的功能都有，操虚和作不够人性化。
大数据魔镜，国内的，有永久免费的版本，还有其他桥陵的四个版本，有大数据分析的版本，比较简单，可视化的效果差消盯众多，免费版对Excel的格式要求比较的严格。
另外还有，永洪BI，FinBI，smartBI，Power-BI，哦对了还有微软的PowerBI。 - 答：大数据分析工具，对企业来和颤说，大数据分析要先做好数据挖掘收集，一般可以通过互联网平台逐步获取数据。鸭梨科技建设企业平台，有企业PC网陪棚碧站、APP、手机网站、微站等，形成企业的互联网生态圈，利用这芦举些平台可以让企业获取更多数据，结合大数据分析功能，让企业及时把握市场变化，借助互联网技术实现新的发展。
- 答：一般做大数据分析，首先会使用到大数据数据库，比如MongoDB、GBase等数据库。其次会用数据仓库工具，对数据进行清洗、转换、处理，得到有价值的数据。然后使用数据建模工具进行建模。最后使用大数据工具，进行可视化分析。
根据以上的描述，我们按过程对用到的工具进行讨论。
1、 大数据工具：数据存储和管理工具
大数据完全始于数据存储，也就是说始于大数据框架Hadoop。它是Apache基金简晌会运行的一种开源软件框架，用于在大众化计算机集群上分布式存储非常大的数据集。由于大数据需要大量的信息，存储至关重要。但除了存储外，还需要某种方式将所有这些数据汇集成某种格式化/治理结构，从而获得洞察力。
2、 大数据工具：数据清理工具
使用数据仓库工具-Hive。Hive是基于Hadoop分布式文件系统的，它的数据存储在HDFS中。Hive本身是没有专门的数据存储格式，也没有为数据建立索引，只需要在创建表的时候告诉Hive数据中的列分隔符和行分隔符，Hive就可以解析数据。
3、 大数据工具：数据建模工具
SPSS：主要用于数据建模工作，功能稳定且强大，能够满足中小企业在业务模型建立过程中的需求。
4、 大数据工具：数据可视化分析工具
亿信华辰一站式数据分析平台ABI，对上述所说的工具，在该平台上都有。亿信ABI提供ETL数据处理、数纯咐蠢据建模以及一系列的数据分析服务，提供的数据分析工具丰富：除了中国式复杂报表、dashboard、大屏报表外，ABI还支持自助式分析，包括做陪拖拽式多维分析、看板和看板集，业务用户通过简单拖拽即可随心所欲的进行探索式自助分析。同时，类word即席报告、幻灯片报告，让汇报展示更加出彩。
问：调研报告数据分析方法有哪些?
- 答：1、简单趋势
通过实时访问趋势了解供应商及时交货情况。如产品类型，供应商区域(交通因子)，采购额，采购额对供蚂段液应商占比。
2、多维分解
根据分析需要，从多维度对指标进行分解。例如产品采购金额、供应商规模(需量化)、产品复杂程度等等维度。
3、转化漏斗
按照已知的转化路径，借助漏斗总体和每一步的转化情况。常见的转化情境有不同供应商及时交货率趋势等。
4、用户分群
在精细化分析中，常常需要对有某个特定行为的供应商群组进行分析和比对;需要将多维度和多指标作为分群条件，有针对性地优化供应链，提升供应链稳定性。
5、细查路径
数据分析可以观察供应商的行为轨迹，闷物探索供应商与本公司的交互过程;进而从中发现问题、激发灵感亦或验证假设。
6、留存分析
留存分析是探索用户行为与回访之间的关联。一般我们讲的，是指“新新供应商”在一段时间内“重复行为”的比燃做例。通过分析不同供应商群组的留存差异、使用过不同功能供应商的留存差异来找到供应链的优化点。
问：电信***调研报告数据分析方法有哪些
- 答：电信***调研报告数据分析方法有描述性统计分析、相关性分析、聚类分析、预测分析和可视化分析。
1、描述性统计分析：通过计算数据的均值、中位数、标准差等指标，对数据进行描述和概括，了解数据的分布情况和基本特征。
2、相关性分析：通过计算数据之间的相关系数，了解不同变量之间的关系袜数嫌。
3、聚类分析：将数据按照某种规则进行分类，找出数据之间的相似性和差异性。告手
4、预测分析：通过建立模型，预测未来的***趋势和风险，如基于历史数据建立时间序列模型，预测未来的***案件数量。
5、可视化分析：通过图表、地图等可视毕悔化工具，将数据呈现出来，直观地展示数据之间的关系和趋势，如使用地图展示不同地区的***案件数量和类型。
