ongodb、redis 等，来存储不同类型的数据，以满足不同的业务需求。
在数据分析方面，团队运用了多种分析方法和技术，如描述性统计分析、相关性分析、回归分析、聚类分析、因子分析等，对数据进行深入分析和挖掘。通过描述性统计分析，了解数据的基本特征和分布情况；通过相关性分析，研究变量之间的关系；通过回归分析，建立变量之间的数学模型，进行预测和分析；通过聚类分析和因子分析，对数据进行分类和降维，发现数据的内在结构和规律。
团队还运用了机器学习和深度学习技术，如支持向量机、决策树、神经网络、深度学习框架等，进行数据预测和风险评估。这些技术能够自动学习数据中的模式和规律，提高预测的准确性和效率。
在数据分析工具方面，团队使用了 python、r 等编程语言，结合 nupy、pandas、atplotlib、seaborn 等数据分析库，进行数据处理和可视化分析。python 和 r 语言具有丰富的数据分析库和工具，能够方便地进行数据处理、分析和可视化。nupy 提供了高效的数组操作和数学计算功能；pandas 提供了数据读取、清洗、整理和分析的功能；atplotlib 和 seaborn 提供了数据可视化的功能，能够将数据以图表、图形等形式直观地展示出来。
团队还使用了专业的数据分析工具，如 tableau、powerbi 等，这些工具能够进行交互式的数据可视化分析，方便用户进行数据探索和分析。
数据团队通过运用这些方法和工具，为乘风资本的投资决策提供了有力的数据支持。在一次投资项目评估中，数据团队通过对市场数据、行业数据和企业财务数据的深入分析，发现了一家具有潜在投资价值的企业。通过对该企业的历史财务数据进行分析，团队发现其营业收入和净利润呈现出逐年增长的趋势，且资产负债率较低，财务状况良好。通过对行业数据的分析，团队了解到该行业正处于快速发展期，市场前景广阔。通过对市场数据的分析，团队发现该企业的竞争对手相对较弱，具有较强的市场竞争力。
基于这些数据分析结果，乘风资本果断对该企业进行了投