先简单说一下R，Python，Sas，Stata和Spss的差异。实际上如果不考虑数据量，前面四款软件能做的，Spss也能做。当然R能处理的数据量也非常有限。之所以要考虑使用具有考虑编程功能，主要是为了提升分析的效率、灵活性和岗位的竞争力（相对而言要求使用Spss的岗位相对而言比R，Python，Sas相关的岗位要少）。
至于Spss的应用场景，实际上统计相关的应用场景基本Spss都能胜任，大概包括：
a. 描述性统计分析：基本的统计量（比如均值、中位数、分位数和方差等等）、各种统计图形（频率直方图、QQ图等等）
b. 推断性统计分析：参数估计、参数假设检验（比如分布的拟合优度检验、均值的检验、方差检验等等）、非参数假设检验
c. 统计模型：广义新型模型（线性模型、logistic回归模型、泊松回归等等）、方差分析、结构方程、时间序列分析模型（ARMA等）
d.多元分析：聚类分析、因子分析、主成分分析、对应分析、典型相关分析、联合分析等等
至于Spss从事的工作，实际上R，Python，Sas，Stata相关的统计分析工作Spss都能做。当然如果学些过Spss Clementine，数据挖掘相关的工作也能做。当然你可能需要说服领导你即便用Spss也能很好的完成手头的工作。因为很多有编程能力或者经历的leader不太喜欢用Spss。这些工作主要包括：
1. 市场研究和调研分析师
比如要了解某个品牌的用户特征和相关产品偏好，这个一般需要针对问题设计调研方案。方案设计好收集到数据需要针对问题基于数据做深入的分析，最后总结成报告，给出结论和建议
2.电信行业的数据分析和挖掘
电信行业的数据分析主要是经营分析、指标异常分析、精准营销相关的分析和挖掘
3.互联网行业的产品和运营数据分析和挖掘
互联网相关的分析内容比较多，比如指标异常分析、产品漏斗分析、风险控制相关的分析和挖掘等等
本文来自投稿，不代表天一生活立场，如若转载，请注明出处：http://tiyigo.com/it/40337.html
