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(jì)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(dāng)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(qiáng)。
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(jìn)」。
在資料處理範(fàn)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(fù)擔(dān)的工作量，然而 Python 對於中等規(guī)模的資料處理是相當(dāng)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(dāng)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(bǔ) 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(bǔ)，而這個時候，新進(jìn)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(dāng)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(dá)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(rèn)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，是非常基礎(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(zhǔn)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(dāng)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(jìn)行大規(guī)模的機(jī)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(jìn)窯烤然後變成鋼的黏土」Driscoll 說。

Kafka and Storm

說到當(dāng)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(zhǔn)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(zhǔn)。
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(biāo)價很高；在非常特定的利基市場它使用的相當(dāng)廣泛，包括密集的研究機(jī)器學(xué)習(xí)、信號處理、圖像辨識等等。