什么是數(shù)據(jù)分析？數(shù)據(jù)分析是在收集過程中的具體狀態(tài)的基礎上，用一定的方法對這些狀態(tài)進行整理、總結和排序，并將其轉化為有用的數(shù)據(jù)，并能表達一些結論。數(shù)據(jù)分析可以用表格或圖形形式表示。數(shù)據(jù)分析工具通常包括：

什么是數(shù)據(jù)分析？

數(shù)據(jù)分析是在收集過程中的具體狀態(tài)的基礎上，用一定的方法對這些狀態(tài)進行整理、總結和排序，并將其轉化為有用的數(shù)據(jù)，并能表達一些結論。

數(shù)據(jù)分析可以用表格或圖形形式表示。

數(shù)據(jù)分析工具通常包括：因果圖、控制圖、柏拉圖圖、行走圖、直方圖、檢查表和層次結構方法。

最簡單和最實用的數(shù)據(jù)分析方法是頭腦風暴。

數(shù)據(jù)分析是原因調查、市場預測、工作規(guī)劃和管理決策的基礎。

數(shù)據(jù)分析到底有多難？

根據(jù)具體場景，問題相當廣泛。無論是站在求職者的角度還是企業(yè)管理的角度，前者在技術上問題不大，這是有借鑒意義的。難點在于如何結合業(yè)務場景給出分析思路，建立分析系統(tǒng)，幾乎沒有參考價值。對于企業(yè)來說，數(shù)據(jù)治理通常是最大的問題，成本高且存在不確定因素。尤其是要進行數(shù)字化轉型的傳統(tǒng)企業(yè)，還有很長的路要走，坑也不少。

想做大數(shù)據(jù)處理分析，該專注于學spark還是深度學習呢？

Spark是一種工具，而深度學習是一種解決問題的策略。如果做大數(shù)據(jù)分析，至少要熟練使用一種工具，深入了解常用的算法。對于大數(shù)據(jù)分析，您不需要在代碼級別和架構級別熟悉spark。因為它只是一個工具，你可以熟練地使用它。如果主題有很好的編程基礎，一個月就足夠學好SPARKSQL和SPARKML了。算法學習需要花費更多的精力。但如果受試者想學習深度學習，則不建議學習spark。由于目前常用的CNN、RNN等模型通常使用GPU代替CPU進行計算，而spark是一種內存計算框架，主要在CPU上完成計算，因此計算效率不如GPU高。因此，如果將深度學習用于大數(shù)據(jù)分析，則可以使用tensorflow和其他框架。