隨著 Big Data 熱潮持續(xù)延燒，幾乎每個產(chǎn)業(yè)都有如洪水般傾瀉的資訊，面對上萬筆的顧客瀏覽紀錄，只有挖掘數(shù)據(jù)背后的價值才能讓企業(yè)掌握了主動權(quán)，要想成為數(shù)據(jù)分析人員，我們必須要了解相關(guān)的學(xué)習(xí)軟件。

R語言

若要列出所有程式語言，你能忘記其他的沒關(guān)係，但最不能忘的就是 R。從 1997 年悄悄地出現(xiàn)，最大的優(yōu)勢就是它免費，為昂貴的統(tǒng)計軟體像是 Matlab 或 SAS 的另一種選擇。
但是在過去幾年來，它的身價大翻轉(zhuǎn)，變成了資料科學(xué)界眼中的寶。不只是木訥的統(tǒng)計學(xué)家熟知它，包括 Wall Street 交易員、生物學(xué)家，以及矽谷開發(fā)者，他們都相當熟悉 R。多元化的公司像是 Google、Facebook、美國銀行以及 New York Times 通通都使用 R，它的商業(yè)效用持續(xù)提高。
R 的好處在於它簡單易上手，透過 R，你可以從複雜的資料集中篩選你要的資料，從複雜的模型函數(shù)中操作資料，建立井然有序的圖表來呈現(xiàn)數(shù)字。

Python

如果說 R 是神經(jīng)質(zhì)又令人喜愛的 Geek，那 Python 就是隨和又好相處的女生。
Python 結(jié)合了 R 的快速、處理複雜資料採礦的能力以及更務(wù)實的語言等各個特質(zhì)，迅速地成為主流，Python 比起 R，學(xué)起來更加簡單也更直觀，而且它的生態(tài)系統(tǒng)近幾年來不可思議地快速成長，在統(tǒng)計分析上比起 R 功能更強。
Butler 說，「過去兩年間，從 R 到 Python 地顯著改變，就像是一個巨人不斷地推動向前進」。
在資料處理範疇內(nèi)，通常在規(guī)模與複雜之間要有個取捨，而 Python 以折衷的姿態(tài)出現(xiàn)。IPython Notebook（記事本軟體）和 NumPy 被用來暫時存取較低負擔(dān)的工作量，然而 Python 對於中等規(guī)模的資料處理是相當好的工具；Python 擁有豐富的資料族，提供大量的工具包和統(tǒng)計特徵。
美國銀行用 Python 來建立新產(chǎn)品和在銀行的基礎(chǔ)建設(shè)介面，同時也處理財務(wù)資料，「Python 是更廣泛又相當有彈性，所以大家會對它趨之若鶩?！筄’Donnell 如是說。
然而，雖然它的優(yōu)點能夠彌補 R 的缺點，它仍然不是最高效能的語言，偶爾才能處理龐大規(guī)模、核心的基礎(chǔ)建設(shè)。

Julia

今日大多數(shù)的資料科學(xué)都是透過 R、Python、Java、Matlab 及 SAS 為主，但仍然存在著鴻溝要去彌補，而這個時候，新進者 Julia 看到了這個痛點。
Julia 仍太過於神秘而尚未被業(yè)界廣泛的採用，但是當談到它的潛力足以搶奪 R 和 Python 的寶座時，資料駭客也難以解釋。原因在於 Julia 是個高階、不可思議的快速和善於表達的語言，比起 R 要快的許多，比起 Python 又有潛力處理更具規(guī)模的資料，也很容易上手。
「Julia 會變的日漸重要，最終，在 R 和 Python 可以做的事情在 Julia 也可以」。Butler 是這麼認為的。
就現(xiàn)在而言，若要說 Julia 發(fā)展會倒退的原因，大概就是它太年輕了。Julia 的資料社區(qū)還在初始階段，在它要能夠和 R 或 Python 競爭前，它還需要更多的工具包和軟件包。
Driscoll 說，它就是因為它年輕，才會有可能變成主流又有前景。

Java

Driscoll 說，Java 和以 Java 為基礎(chǔ)的架構(gòu)，是由矽谷裡最大的幾家科技公司的核心所建立的，如果你從 Twitter、Linkedin 或是 Facebook 裡觀察，你會發(fā)現(xiàn) Java 對於所有資料工程基礎(chǔ)架構(gòu)而言，是非?；A(chǔ)的語言。
Java 沒有和 R 和 Python 一樣好的視覺化功能，它也不是統(tǒng)計建模的最佳工具，但是如果你需要建立一個龐大的系統(tǒng)、使用過去的原型，那 Java 通常會是你最基的選擇。
Hadoop and Hive
為了迎合大量資料處理的需求，以 Java 為基礎(chǔ)的工具群興起。Hadoop 為處理一批批資料處理，發(fā)展以 Java 為基礎(chǔ)的架構(gòu)關(guān)鍵；相較於其他處理工具，Hadoop 慢許多，但是無比的準確和可被後端資料庫分析廣泛使用。和 Hive 搭配的很好，Hive 是基於查詢的架構(gòu)下，運作的相當好。

Scala

又是另一個以 Java 為基礎(chǔ)的語言，和 Java 很像，對任何想要進行大規(guī)模的機械學(xué)習(xí)或是建立高階的演算法，Scala 會是逐漸興起的工具。它是善於呈現(xiàn)且擁有建立可靠系統(tǒng)的能力。
「Java 像是用鋼鐵建造的；Scala 則是讓你能夠把它拿進窯烤然後變成鋼的黏土」Driscoll 說。

Kafka and Storm

說到當你需要快速的、實時的分析時，你會想到什麼？Kafka 將會是你的最佳夥伴。其實它已經(jīng)出現(xiàn)五年有了，只是因為最近串流處理興起才變的越來越流行。
Kafka 是從 Linkedin 內(nèi)誕生的，是一個特別快速的查詢訊息系統(tǒng)。Kafka 的缺點呢？就是它太快了，因此在實時操作時它會犯錯，有時候會漏掉東西。
魚與熊掌不可兼得，「必須要在準確度跟速度之間做一個選擇」，Driscoll 說。所以全部在矽谷的科技大公司都利用兩個管道：用 Kafka 或 Storm 處理實時數(shù)據(jù)，接下來打開 Hadoop 處理一批批處理資料系統(tǒng)，這樣聽起來有點麻煩又會有些慢，但好處是，它非常非常精準。
Storm 是另一個從 Scala 寫出來的架構(gòu)，在矽谷逐漸大幅增加它在串流處理的受歡迎程度，被 Twitter 併購，這並不意外，因為 Twitter 對快速事件處理有極大的興趣。

Matlab

Matlab 可以說是歷久不衰，即使它標價很高；在非常特定的利基市場它使用的相當廣泛，包括密集的研究機器學(xué)習(xí)、信號處理、圖像辨識等等。