数据驱动力：企业数据分析实战

分析组织

｜

51

图 4-3：R 中命令

pairs(iris)

的输出。Iris 是一个著名的数据集，包含了 3 种鸢尾花的各 50 组样本。

它由 Edgar Anderson 收集而成，却因统计学家 R. A. Fisher 而出名。当你能够以这种视角全方位地

查看变量之间的关系时，变量之间的相关性和 3 种鸢尾花的区别显而易见

因此，这对于快速的探索性数据分析来说极具价值。（非开源的

SAS

和

SPSS

同样很常用

且强大。）

R

有大量适用于各种数据类型、

模型、领域和可视化的包，而且免费、开源

5

。如

果你已经了解

R

，不妨学个新的

R

包来扩展技能吧。

4.4.2

　数据库查询

Excel

虽然非常强大，但其扩展性存在问题：当数据量和

VLOOKUP

函数的使用次数达到

一定量时，计算机就有可能崩溃。因此，对所有分析师而言，

SQL

便成为了相当重要的工

具。

SQL

是一项可转移技能，

尽管不同数据库语言（比如

MySQL

、

PostgreSQL

和

Access

）

之间存在微小差异，但

SQL

是非常标准化的，

所以只要学会它，便能轻松驾驭不同的关系

型数据库。然后你可以以可扩展的方式查询数据（即使数据有数百万行也不在话下）、与

同事分享查询（分享一小段文字查询语句，而非大量原始数据），而且分析过程是可重复

的（可以轻松地重新进行分析）。

注 5： Philipp K. Janert 的

Data Analysis with Open Source Tools

介绍了用于数据分析的优秀开源工具。