人人都能掌握的6個數(shù)據(jù)分析工具

大數(shù)據(jù)時代人人都擁有數(shù)據(jù)，但是提到數(shù)據(jù)分析，聽起來似乎是專家才能做的事情。確實，如果你想成為數(shù)據(jù)科學家，那么好好學習機器學習、Hadoop和R吧。不過如果你只是想簡單地做些分析，那么還是有一些學習曲線不那么陡峭的“傻瓜”工具可用，以下是GigaOM的博客作者Derrick Harris推薦的6款免費在線數(shù)據(jù)分析工具，IT經(jīng)理網(wǎng)為大家試用點評如下：
BigML是一個機器學習的工具。 如果拿數(shù)碼攝影做類比， BigML使用起來簡單得就像傻瓜相機那樣， 同時有具備了單反的功能。 用戶只需要上傳數(shù)據(jù)， 格式化數(shù)據(jù)， 然后BigML就根據(jù)這些變量生成一個預測模型。 就這么簡單。 下圖就是Derrick Harris根據(jù)自己在用健康應(yīng)用App軟件Fitbit統(tǒng)計出來自己一天的活動數(shù)據(jù)和消耗的卡路里， BigML做出的預測模型。
Google Fusion Table 是Google的一個實驗性數(shù)據(jù)可視化工具。用戶界面算不上多好，不過使用非常簡單。下圖就是Derrick Harris把公開的各國槍支犯罪的數(shù)據(jù)上傳上去得出的可視化地圖。
如果你的數(shù)據(jù)量不大，比如列數(shù)和行數(shù)不多的話。Infogram 是個不錯的可視化選擇。Infrogram最初提供信息圖的模板，而去年又開始增加了大量的圖表的模板。用戶上傳數(shù)據(jù)后，可以生成互動的圖表，這些圖表可以嵌入網(wǎng)頁使用。
此外，Infogram還提供了一些樣本數(shù)據(jù)供用戶試驗。用戶可以看這些樣本數(shù)據(jù)生成的圖表，如果喜歡的話，可以用自己的數(shù)據(jù)替換。
下圖是本站編輯根據(jù)本站的文章“GE的千億美元數(shù)據(jù)轉(zhuǎn)型”進行詞頻分析并用Infogram生成的詞頻表以及詞云圖。
Many Eyes是IBM的一個Web服務(wù)。提供很多可視化的工具，包括各種圖表。而Many Eyes最強的就是文本分析功能。
下圖就是利用Many Eye上的數(shù)據(jù)例子對馬丁路德金牧師的“我有一個夢”進行文本分析產(chǎn)生的詞云圖（Many Eyes 還不支持中文分詞）。
此外，Many Eyes的文本分析還能顯示詞組的關(guān)聯(lián)，讓你知道作者常用的詞組關(guān)聯(lián)是哪些。
比如“我有一個夢”的演講里Freedom出現(xiàn)的頻次最多。 我們還可以建一個單詞樹，來專門看從Freedom延伸下去的詞。
Statwing是一個非常簡單的教會用戶使用統(tǒng)計圖表的應(yīng)用。你只需要上傳數(shù)據(jù)，把你需要關(guān)注的變量打上勾，Statwing就可以把統(tǒng)計關(guān)系圖畫出來。而且可以把各個變量的樣本大小，最大最小值， 平均數(shù)， 中位數(shù)以及標準方差等一系列統(tǒng)計指標列出來。
下圖是Derrick Harris上傳的自己的Fitbit的數(shù)據(jù)。 試圖研究一下自己的每天活動和卡路里消耗量的關(guān)系。
Tableau Public 是Tableau的免費版本。它需要一些結(jié)構(gòu)化的數(shù)據(jù)，也需要你懂一些BI。不過類似于拖拽這樣的功能，對于那些想試試的用戶來說，還是比較方便的。
下圖是根據(jù)data.gov上最近7天的地震數(shù)據(jù)用Tableau生成的可視化的圖。讀者也可以試一試， 數(shù)據(jù)在這里
總結(jié): 這些數(shù)據(jù)分析及可視化的工具，可以很簡單地幫助用戶實現(xiàn)一些看起來很難的分析或者可視化。 對于那些想試著上手的用戶來說， 是一個接觸數(shù)據(jù)分析和可視化的捷徑。 不過， 需要注意的是，很多工具需要的是結(jié)構(gòu)化的數(shù)據(jù)，比如列作為變量， 行做為樣本。因此，在使用這些工具之前， 需要對數(shù)據(jù)進行清洗， 把數(shù)據(jù)整理成為可用的格式才可以使用。