大數(shù)據(jù)研究常用軟件工具與應用場景

如今，大數(shù)據(jù)日益成為研究行業(yè)的重要研究目標。面對其高數(shù)據(jù)量、多維度與異構(gòu)化的特點，以及分析方法思路的擴展，傳統(tǒng)統(tǒng)計工具已經(jīng)難以應對。工欲善其事，必先利其器。眾多新的軟件分析工具作為深入大數(shù)據(jù)洞察研究的重要助力，也成為數(shù)據(jù)科學家所必須掌握的知識技能。然而，現(xiàn)實情況的復雜性決定了并不存在解決一切問題的終極工具。實際研究過程中，需要根據(jù)實際情況靈活選擇最合適的工具（甚至多種工具組合使用），才能更好的完成研究探索。

然而，現(xiàn)實情況的復雜性決定了并不存在解決一切問題的終極工具。實際研究過程中，需要根據(jù)實際情況靈活選擇最合適的工具（甚至多種工具組合使用），才能更好的完成研究探索。

為此，本文針對研究人員（非技術(shù)人員）的實際情況，介紹當前大數(shù)據(jù)研究涉及的一些主要工具軟件（因為相關(guān)軟件眾多，只介紹常用的），并進一步闡述其應用特點和適合的場景，以便于研究人員能有的放矢的學習和使用。

【基礎(chǔ)篇】

? 傳統(tǒng)分析/商業(yè)統(tǒng)計

Excel、SPSS、SAS 這三者對于研究人員而言并不陌生。

◆ Excel 作為電子表格軟件，適合簡單統(tǒng)計（分組/求和等）需求，由于其方便好用，功能也能滿足很多場景需要，所以實際成為研究人員最常用的軟件工具。其缺點在于功能單一，且可處理數(shù)據(jù)規(guī)模小（這一點讓很多研究人員尤為頭疼）。這兩年Excel在大數(shù)據(jù)方面（如地理可視化和網(wǎng)絡(luò)關(guān)系分析）上也作出了一些增強，但應用能力有限。

SPSS（SPSS Statistics)和SAS作為商業(yè)統(tǒng)計軟件，提供研究常用的經(jīng)典統(tǒng)計分析（如回歸、方差、因子、多變量分析等）處理。

◆ SPSS 輕量、易于使用，但功能相對較少，適合常規(guī)基本統(tǒng)計分析

◆ SAS 功能豐富而強大（包括繪圖能力），且支持編程擴展其分析能力，適合復雜與高要求的統(tǒng)計性分析。

上述三個軟件在面對大數(shù)據(jù)環(huán)境出現(xiàn)了各種不適，具體不再贅述。但這并不代表其沒有使用價值。如果使用傳統(tǒng)研究方法論分析大數(shù)據(jù)時，海量原始數(shù)據(jù)資源經(jīng)過前期處理（如降維和統(tǒng)計匯總等）得到的中間研究結(jié)果，就很適合使用它們進行進一步研究。

? 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘作為大數(shù)據(jù)應用的重要領(lǐng)域，在傳統(tǒng)統(tǒng)計分析基礎(chǔ)上，更強調(diào)提供機器學習的方法，關(guān)注高維空間下復雜數(shù)據(jù)關(guān)聯(lián)關(guān)系和推演能力。代表是SPSS Modeler（注意不是SPSS Statistics，其前身為Clementine）

SPSS Modeler 的統(tǒng)計功能相對有限, 主要是提供面向商業(yè)挖掘的機器學習算法（決策樹、神經(jīng)元網(wǎng)絡(luò)、分類、聚類和預測等）的實現(xiàn)。同時，其數(shù)據(jù)預處理和結(jié)果輔助分析方面也相當方便，這一點尤其適合商業(yè)環(huán)境下的快速挖掘。不過就處理能力而言，實際感覺難以應對億級以上的數(shù)據(jù)規(guī)模。

另一個商業(yè)軟件 Matlab 也能提供大量數(shù)據(jù)挖掘的算法，但其特性更關(guān)注科學與工程計算領(lǐng)域。而著名的開源數(shù)據(jù)挖掘軟件Weka，功能較少，且數(shù)據(jù)預處理和結(jié)果分析也比較麻煩，更適合學術(shù)界或有數(shù)據(jù)預處理能力的使用者。

【中級篇】

? 通用大數(shù)據(jù)可視化分析

近兩年來出現(xiàn)了許多面向大數(shù)據(jù)、具備可視化能力的分析工具，在商業(yè)研究領(lǐng)域，TableAU無疑是卓越代表。

TableAU 的優(yōu)勢主要在于支持多種大數(shù)據(jù)源/格式，眾多的可視化圖表類型，加上拖拽式的使用方式，上手快，非常適合研究員使用，能夠涵蓋大部分分析研究的場景。不過要注意，其并不能提供經(jīng)典統(tǒng)計和機器學習算法支持，因此其可以替代Excel, 但不能代替統(tǒng)計和數(shù)據(jù)挖掘軟件。另外，就實際處理速度而言，感覺面對較大數(shù)據(jù)（實例超過3000萬記錄）時，并沒有官方介紹的那么迅速。

? 關(guān)系分析

關(guān)系分析是大數(shù)據(jù)環(huán)境下的一個新的分析熱點（比如信息傳播圖、社交關(guān)系網(wǎng)等），其本質(zhì)計算的是點之間的關(guān)聯(lián)關(guān)系。相關(guān)工具中，適合數(shù)據(jù)研究人員的是一些可視化的輕量桌面型工具，最常用的是Gephi。

Gephi 是免費軟件，擅長解決圖網(wǎng)絡(luò)分析的很多需求，其插件眾多，功能強且易用。我們經(jīng)?？吹降母鞣N社交關(guān)系/傳播譜圖, 很多都是基于其力導向圖（Force directed graph）功能生成。但由于其由java編寫，限制了處理性能（感覺處理超過10萬節(jié)點/邊時常陷入假死），如分析百萬級節(jié)點（如微博熱點傳播路徑）關(guān)系時，需先做平滑和剪枝處理。而要處理更大規(guī)模（如億級以上）的關(guān)系網(wǎng)絡(luò)（如社交網(wǎng)絡(luò)關(guān)系）數(shù)據(jù)，則需要專門的圖關(guān)系數(shù)據(jù)庫（如GraphLab/GraphX）來支撐了，其技術(shù)要求較高，此處不再介紹。

? 時空數(shù)據(jù)分析

當前很多軟件（包括TableAU）都提供了時空數(shù)據(jù)的可視化分析功能。但就使用感受來看，其大都只適合較小規(guī)模（萬級）的可視化展示分析，很少支持不同粒度的快速聚合探索。

如果要分析千萬級以上的時空數(shù)據(jù)，比如新浪微博上億用戶發(fā)文的時間與地理分布（從省到街道多級粒度的探索）時，推薦使用NanoCubes（http://www./）。該開源軟件可在日常的辦公電腦上提供對億級時空數(shù)據(jù)的快速展示和多級實時鉆取探索分析。下圖是對芝加哥犯罪時間地點的分析，網(wǎng)站有更多的實時分析的演示例子

? 文本/非結(jié)構(gòu)化分析

基于自然語言處理（NLP）的文本分析，在非結(jié)構(gòu)化內(nèi)容（如互聯(lián)網(wǎng)/社交媒體/電商評論）大數(shù)據(jù)的分析方面（甚至調(diào)研開放題結(jié)果分析）有重要用途。其應用處理涉及分詞、特征抽取、情感分析、多主題模型等眾多內(nèi)容。

由于實現(xiàn)難度與領(lǐng)域差異，當前市面上只有一些開源函數(shù)包或者云API（如BosonNLP）提供一些基礎(chǔ)處理功能，尚未看到適合商業(yè)研究分析中文文本的集成化工具軟件（如果有誰知道煩請通知我）。在這種情況下，各商業(yè)公司（如HCR）主要依靠內(nèi)部技術(shù)實力自主研發(fā)適合業(yè)務(wù)所需的分析功能。

【高級篇】

前面介紹的各種大數(shù)據(jù)分析工具，可應對的數(shù)據(jù)都在億級以下，也以結(jié)構(gòu)化數(shù)據(jù)為主。當實際面臨以下要求：億級以上/半實時性處理/非標準化復雜需求，通常就需要借助編程（甚至借助于Hadoop/Spark等分布式計算框架）來完成相關(guān)的分析。如果能掌握相關(guān)的編程語言能力，那研究員的分析能力將如虎添翼。

當前適合大數(shù)據(jù)處理的編程語言，包括：

◆ R語言——最適合統(tǒng)計研究背景的人員學習，具有豐富的統(tǒng)計分析功能庫以及可視化繪圖函數(shù)可以直接調(diào)用。通過Hadoop-R更可支持處理百億級別的數(shù)據(jù)。相比SAS，其計算能力更強，可解決更復雜更大數(shù)據(jù)規(guī)模的問題。

◆ Python語言——最大的優(yōu)勢是在文本處理以及大數(shù)據(jù)量處理場景，且易于開發(fā)。在相關(guān)分析領(lǐng)域，Python代替R的勢頭越來越明顯。

◆ Java語言——通用性編程語言，能力最全面，擁有最多的開源大數(shù)據(jù)處理資源（統(tǒng)計、機器學習、NLP等等）直接使用。也得到所有分布式計算框架（Hadoop/Spark）的支持。

前面的內(nèi)容介紹了面向大數(shù)據(jù)研究的不同工具軟件/語言的特點和適用場景。這些工具能夠極大增強研究員在大數(shù)據(jù)環(huán)境下的分析能力，但更重要的是研究員要發(fā)揮自身對業(yè)務(wù)的深入理解，從數(shù)據(jù)結(jié)果中洞察發(fā)現(xiàn)有深度的結(jié)果，這才是最有價值的。