r语言数据挖掘入门书籍
程序设计中需求分析工具有哪些？
程序设计中需求分析工具有哪些？
这类软件主要用于更专业的数据分析挖掘工作，尤其是在银行、金融、保险业。
SPSS、SAS都是用于统计分析，围绕统计学知识的一些基本应用，包括描述统计，方差分析，因子分析，主成分分析，基本的回归，分布的检验等等。SPSS用于市场研究较多，SAS银行金融和医学统计较多，有一些难度。
R语言像是综合性较强的一类数据分析工具，集统计分析、数据挖掘，数据可视化。
展开来，讲讲数据分析~
这些数据分析工具的使用还是看需求，每个企业应用的选择和方式都不同。数据分析的概念很广，站在IT的角度，实际应用中可以把数据分析工具分成两个维度：
第一维度：数据存储层——数据报表层——数据分析层——数据展现层
第二维度：用户级——部门级——企业级——BI级
1、数据存储层
数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。
Access2003、Access07等
，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力；
SQL Server2005或更高版本
，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了；
DB2，Oracle数据库都是大型数据库
，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台；
BI级别
，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。Data Warehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现，BI级别的数据仓库结合BI产品也是近几年的大趋势。
2、报表/BI层
企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。过去传统报表大多解决的是展现问题，如今像帆软报表FineReport也会和其他应用交叉，做数据分析报表，通过接口开放功能、填报、决策报表功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。
Tableau、Qlikview、FineBI这类BI工具，可分在报表层也可分为数据展现层，涵盖了数据整合、数据分析和数据展现。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，可常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份——商业智能
，所以在大数据处理方面的能力更胜一筹。
3、数据分析层
这个层其实有很多分析工具，当然我们最常用的就是Excel。
Excel软件
，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；
SPSS软件
：当前版本是18，名字也改成了PASW Statistics；我从3.0开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；
SAS软件
：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！
JMP分析
：SAS的一个分析分支
XLstat
：Excel的插件，可以完成大部分SPSS统计分析功能
4、表现层
表现层也叫数据可视化，以上每种工具都几乎提供了一点展现功能。FineBI和Tableau的可视化功能上文有提过。其实，近年来Excel的可视化越来越棒，配上一些插件，使用感更佳。
PPT：
办公常用，用来写数据分析报告；
Xmindamp百度脑图：
梳理流程，帮助思考分析，展现数据分析的层次；
Xcelsius软件：
Dashboard制作和数据可视化报表工具，可以直接读取数据库，在Excel里建模，互联网展现，最大特色还是可以在PPT中实现动态报表。
最后，需要说明的是，这样的分类并不是区分软件，只是想说明软件的应用。有时候我们把数据库就用来进行报表分析，有时候报表就是分析，有时候分析就是展现；当然有时候展现就是分析，分析也是报表，报表就是数据存储了！
R和Python (numpy scipy pandas) 用于统计学分析，哪个更好？
谢谢邀请，R语言可以说是专用语言，应用领域只是数据分析，而Python是一种通用编程语言，相比来说Python的应用更为广泛，如果你的工作局限于统计分析的话可以选择R语言，如果未来可能往AI、数据科学等其他方向发展的话建议还是学习Python！
应用方向很广泛
不过Python仅仅是编程语言，你应该首先还要选择一个发展方向，学习特定方向的Python模块，比如数据分析与挖掘、爬虫工程师、Web开发、自动化运维、自动化测试，甚至人工智能。Web开发小型是PHP居多，中大型Web应用Java独霸天下Python很难抗衡。自动化测试与运维已经脱离了软件开发主方向，工资与发展的话相比来说没有开发与数据分析好。总体来讲用Python做数据分析甚至人工智能是最好得方向，不过人工智能难度要高，对学历与学校也有要求，建议从数据分析入行，未来向大数据甚至人工智能方向发展是不错的选择，这也是Python语言最有优势的领域。
2.要有数学与统计基础，尤其是统计
不过不是科班出身，走人工智能方向要费劲得多，数学与统计要好，计算机相关专业的话应该也学过高数、线性代数、概率统计吧，就看学的怎么样了！
技术发展到现在，编程语言Python是较好的选择。
在数据科学领域是霸主
数据岗位发展方向，都是比较新型的职位，数据分析员、数据分析师、数据产品经理、数据总监、首席数据官等等，从数据分析员、初级数据分析师（就是表哥表姐哦）入行，逐步发展！
我们选择发展方向要顺势而为，目前人工智能、大数据、数据分析与挖掘无疑是发展方向，选准了深耕下去就行了，不管怎么样Python是非常值得投资的方向，希望能够坚定你的信心，需要更多相关资源可以关注头条号“语凡提”，里面有大量我上课录制的相关视频，涵盖Python/机器学习入门/深度学习入门/PySpark大数据开发/人脸识别项目实战等等。