大数据ui设计工具

A. 常用的大数据分析软件有哪些

数据分析软件有Excel、SAS、R、SPSS、Tableau Software。

1、Excel

为Excel微软办公套装软件的一个重要的组成部分，它可以进行各种回数据的处理、答统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。

5、Tableau Software

Tableau Software用来快速分析、可视化并分享信息。Tableau Desktop 是基于斯坦福大学突破性技术的软件应用程序。它可以以在几分钟内生成美观的图表、坐标图、仪表盘与报告。

B. 大数据可视化分析工具有哪些

推荐用BDP个人版和Tabluea这两款工具，都是可视化分析的工具，各有千秋。
1、Tabluea：之前他为了学习内特地花钱买过Tabluea的个容人版，话说真的蛮贵的，一年要999刀，就只买了一年，我也玩过他们很多功能，工具挺不错的，功能挺强大的，可视化效果真心不错，也有数据钻取、动态的功能效果，但是Tabluea真的太贵了。
2、BDP个人版：操作并不难，函数那些不需要自己写，拖拽字段，然后选择图表类型就能出现各种可视化图表，还可以调整颜色等，可视化效果还是很不错的。而且BDP个人版有个好处：就是当我替换了工作表数据，我做可视化图表就会自动更新了，不需要重新劳动的感觉也是蛮好的。但是BDP个人版暂时不能接数据库，可能是因为免费吧，但这问题比较头痛，希望尽快能有。

C. ui设计培训需要学什么

UI设计综合发展前景较好。

在行业整体趋势方面：设计是近几年兴起的设计类行业，在传统的平面设计和网页设计的基础上，随着触控时代的到来产生的新型行业，由于智能化设备的更新迭代速度加快，UI设计行业缺口也随之增大，综合前景十分可观。

很多人选择学习设计其实都是三分钟热度，最好在学习之前先来做一个小测试点击测试我适不适合学设计

在个人薪资就业方面：随着各大中小型企业对用户界面、用户体验越来越重视，智能设备，app软件的普及，UI设计必然会越来越火。国内一批互联网大型企业更是引起了UI设计的人才争夺，市场UI从业人员少，导致供不应求，薪酬自然就其他职位要高。

很多人认为 UI 设计师前景不好，做了几年之后可能就会遇到瓶颈，大多数人确实存在这个问题，但是 UI 设计师只是职业的起点。大多数人在工作之后会接触更多的内容，随着能力的提升在横向和纵向发展，纵向发展就是成为高级设计师、设计主管等，确实很容易遇到瓶颈。

但是横向发展路会更宽，在公司框架和时间精力允许的情况下可以多接触用户研究、交互设计以及产品经理相关的知识，做的事情尽量贴近公司业务。从设计走向产品、再走向更高级职位的例子很多，设计师的未来不一定只是设计师，在职场我们需要不断努力。

天琥UI设计，全国连锁培训机构，专注设计教育。课程由资深导师自主研发，涵盖UI设计、室内设计、网页设计、营销推广、影视特效等，全程商业项目实训。

D. 大数据可视化工具哪个做出来最漂亮

非编程篇/可直接上手的工具
1. Excel
Excel是最容易上手的图表工具，善于处理快速少量的数据。结合数据透视表，VBA语言，可制作高大上的可视化分析和dashboard仪表盘。
单表或单图用Excel制作是不二法则，它能快速地展现结果。但是越到复杂的报表，excel无论在模板制作还是数据计算性能上都稍显不足，任何大型的企业也不会用Excel作为数据分析的主要工具。
2. 可视化 BI（Power BI \Tableau \ 帆软FineBI等等）
也许是Excel也意识到自己在数据分析领域的限制和眼下自助分析的趋势，微软在近几年推出了BI工具Power BI。同可视化工具Tableau和国内帆软的BI工具一样，封装了所有可能分析操作的编程代码，操作上都是以点击和拖拽来实现，几款工具的定位稍有不同。
Power BI
最大的明显是提供了可交互、钻取的仪表板，利用Power Pivot可直接生产数据透视报告，省去了数据透视表。
Tableau
可视化图表较为丰富，堪称一等， 操作更为简单。
帆软FineBI
企业级的BI应用，实用性较强，因2B市场的大热受到关注。千万亿级的数据性能可以得到保证，业务属性较重，能与各类业务挂钩。
对于个人，上手简单，可以腾出更多的时间去学习业务逻辑的分析。
编程篇
对于寻求更高境界数据分析师或数据科学家，如果掌握可视化的编程技巧，就可以利用数据做更多的事情。熟练掌握一些编程技巧，赋予数据分析工作更加灵活的能力，各种类型的数据都能适应。大多数设计新颖、令人惊艳的数据图几乎都可以通过代码或绘图软件来实现。
与任何语言一样，你不可能立刻就开始进行对话。要从基础开始，然后逐步建立自己的学习方式。很可能在你意识到之前，你就已经开始写代码了。关于编程最酷的事情在于，一旦你掌握了一门语言，学习其他语言就会更加容易，因为它们的逻辑思路是共通的。
1. Python语言
Python 语言最大的优点在于善于处理大批量的数据，性能良好不会造成宕机。尤其适合繁杂的计算和分析工作，而且，Python的语法干净易读，可以利用很多模块来创建数据图形比较受IT人员的欢迎。
2. PHP语言
PHP这个语言松散却很有调理，用好了功能很强大。在数据分析领域可以用php做爬虫，爬取和分析百万级别的网页数据，也可与Hadoop结合做大数据量的统计分析。
因为大部分 Web 服务器都事先安装了 PHP 的开源软件，省去了部署之类的工作，可直接上手写。
比如 Sparkline（微线表）库，它能让你在文本中嵌入小字号的微型图表，或者在数字表格中添加视觉元素。
一般 PHP会和 MySQL 数据库结合使用，这使它能物尽其用，处理大型的数据集。
3. HTML、JavaScript 和 CSS语言
很多可视化软件都是基于web端的，可视化的开发，这几类语言功不可没。而且随着人们对浏览器工作越来越多的依赖，Web 浏览器的功能也越来越完善，借助 HTML、JavaScript 和 CSS，可直接运行可视化展现的程序。
不过还是有几点需要注意。由于相关的软件和技术还比较新，在不同浏览器中你的设计可能在显示上会有所差别。在 Internet Explorer 6 这类老旧的浏览器中，有些工具可能无法正常运行。比如一些银行单位仍旧使用着IE，无论是自己使用还是开发的时候都要考虑这样的问题。
4. R语言
R语言是绝大多数统计学家最中意的分析软件，开源免费，图形功能很强大。
谈到R语言的历史，它是专为数据分析而设计的，面向的也是统计学家，数据科学家。但是由于数据分析越来越热门，R语言的使用也不瘦那么多限制了。
R的使用流程很简洁，支持 R 的工具包也有很多，只需把数据载入到 R 里面，写一两行代码就可以创建出数据图形。
当然还有很多传统的统计图表。

E. 大数据分析需要哪些工具

说到大数据，肯定少不了分析软件，这应该是大数据工作的根基，但市面上很多各种分析软件，如果不是过来人，真的很难找到适合自己或符合企业要求的。小编通过各大企业对大数据相关行业的岗位要求，总结了以下几点：
（1）SQL数据库的基本操作，会基本的数据管理
（2）会用Excel/SQL做基本的数据分析和展示
（3）会用脚本语言进行数据分析，Python or R
（4）有获取外部数据的能力，如爬虫
（5）会基本的数据可视化技能，能撰写数据报告
（6）熟悉常用的数据挖掘算法：回归分析、决策树、随机森林、支持向量机等
对于学习大数据，总体来说，先学基础，再学理论，最后是工具。基本上，每一门语言的学习都是要按照这个顺序来的。
1、学习数据分析基础知识，包括概率论、数理统计。基础这种东西还是要掌握好的啊，基础都还没扎实，知识大厦是很容易倒的哈。
2、你的目标行业的相关理论知识。比如金融类的，要学习证券、银行、财务等各种知识，不然到了公司就一脸懵逼啦。
3、学习数据分析工具，软件结合案列的实际应用，关于数据分析主流软件有(从上手度从易到难)：Excel，SPSS，stata，R，Python，SAS等。
4、学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。