Rbuy和Python都是面向对象的语言，都是动态和灵活的，这些技术的主要区别在于他们解决问题的方式。Ruby提供了不同的方法。
最流行的Ruby框架是Ruby on
rails，它和Django非常类似，因为这两个框架都是为了解决相同的任务。如果我们比较这些技术的社区，你会意外的发现他们是一样的，然而形成这些团体的人是不同的。Python在数据科学和数学方面很受欢迎，你可以找到很多的引导者。
当你开发Web应用程序时，可以用RoR实现，也可以用Django，两者都是非常快速高效的，如果开发偏重于大量计算和数据处理的应用，则可以选择Python。
Python的支持者是世界上规模最大和构成最多样化的一个团队，不仅有数以千计的个人开发者，同时还有诸如谷歌、yandex、Dropbox、Mozilla、微软等巨头公司，他们和其他公司一起，已经用Python创建了世界最大的和最受欢迎的项目。
与Rbuy相比，Python更加流行，目前已广泛应用于人工智能、云计算开发、大数据开发、数据分析、科学运算、网站开发、爬虫、自动化运维、自动化测试等领域，就业范围广，薪资待遇高，且入门简单、语法清晰。
数据分析师一般是计算机或者数学相关专业。成为一个合格的大数据分析师应该学习和掌握以下技能：
统计分析：大数定律，抽样推测规律，秩和检验，回归分析，方差分析等；
可视化辅助工具：Excel，PPT，思维导图，Visio；
大数据处理框架：Hadoop，Kaffka，Storm，ELK，Spark；
数据库：SQLite，MySQL，MongoDB，Redis，Cassandra，HBase；
数据仓库/商业智能：SSIS数据仓库，SSAS SSRS，DW；
数据挖掘工具：Matlab，SAS，SPSS；
人工智能：机器学习相关知识；
挖掘算法：数据结构，一致性，常用算法；
编程语言：Python/R，Ruby，Java；
计算机对数据存储和保存了大量数据，包括科学家和工程师也都了丰富的研究和应用尽可能多的提取数量。然而想从大量数据中洞察出真正和有用的，更高价值的数据，都是需要人工干预的。这些人有丰富的行业经验和洞察力，而且对业务有深刻了解，并且能够使用好数据分析的工作，例如Excel，SPSS，Python/R等。这种职位一般存在于高科技公司，例如PayPal和Google，相信以后人工智能、大数据、云计算创业的很多中小型企业，对此职位的需要也会越来越多。
对以上知识进行有重点的学习，解决的方法是让各种技能达标：
初级数据分析师需要快速学习能力80分，数学知识40分，分析工具使用程度70分，编程语言30分，业务理解80分，逻辑思维80分，数据可视化能力40分，协调沟通能力80分。
高级数据分析师要达到快速学习能力80分，数学知识70分，分析工具使用程度90分，编程语言60分，业务理解90分，逻辑思维80分，数据可视化能力90分，协调沟通能力80分。
总之，成为分析师的重要点并非数学知识和编程能力，最重要提是业务理解和协调能力，所以针对不同的行业的分析师，要学习的行业知识也不尽相同，需要对症下药，实施不同学习策划和路径。
数据分析是指用统计分析方法对收集的数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结并指导实际工作和生活。工作内容：（1）获取数据
获取相关的数据，是数据分析的前提。
（2）数据处理
获取数据，把数据处理成自己想要的东西。
（3）形成报告
把数据分析的结果可视化，展现出来。
掌握技能：
1、统计分析
2、可视化辅助工具：Excel、PPT、Xmind、Viso
3、大数据处理框架：Hadoop、Kafka、Storm、ELK、Spark等
4、数据库：SQLite、MySQL、MongoDB、Redis、Cassandra、Hbase
5、数据仓库／商业智能：SSIS数据仓库、SSAS MDX多维数据集、SSRS、DW2.0
6、数据挖掘工具：Matlab、SAS、SPSS、R、Python
7、人工智能：机器学习、深度学习
8、挖掘算法：数据结构、一致性、常用算法
9、编程语言：Python、R、Ruby、Java等
