1.FineBI

目前國內數(shù)據分析的佼佼者。FineBI是新一代自助式BI工具,企業(yè)客戶多、服務范圍廣,多維OLAP分析是BI工具分析功能的集中體現(xiàn)，憑借FineBI簡單流暢的操作、強勁的大數(shù)據性能和自助式的分析體驗,企業(yè)可充分了解和利用他們的數(shù)據,增強企業(yè)的競爭力。

2.Tableau

Tableau是大數(shù)據可視化軟件的市場領導者之一，在為大數(shù)據操作，深度學習算法和多種類型的AI應用程序提供交互式數(shù)據可視化方面尤為高效。它內置常用的分析圖表，和一些數(shù)據分析模型，可以快速的探索式數(shù)據分析，可以快速地做出動態(tài)交互圖。

3.永洪敏捷BI

該產品穩(wěn)定性較高，利用sql處理數(shù)據。永洪的技術主要分為大數(shù)據和可視化亮點。覆蓋BI和大數(shù)據(海量數(shù)據、實時分析)，敏捷BI，自服務BI，探索式BI，性價比高。但不支持程序接口，實施交由第三方外包。永洪BI在產品能力上還不錯，特別是大數(shù)據性能方面，同樣可以支撐億級數(shù)據的抽取和分析，而在服務方面則表現(xiàn)一般。

4.Power BI

Microsoft Power BI是一個基于Web的業(yè)務分析工具套件，擅長數(shù)據可視化，采用的CS架構，主要的報表連接過程使用的客戶端，瀏覽器端可以進行簡單的報表編輯。其連接數(shù)據源需要單獨下載msi驅動，而不是目前主流的JDBC的連接方式。操作基本都是拖拽，不過其探索式分析能力有限，不適合做定制化開發(fā)(這個不符合我們需要集成的需求)。學習成本較低上手快，但功能簡單，無法支持復雜的業(yè)務場景，不支持定制開發(fā)。

5.SmartBI

企業(yè)級商業(yè)智能應用平臺，用戶可以更直觀便捷地獲取信息。能滿足用戶自助式的數(shù)據查詢和報表，OLAP，各種業(yè)務報表，制作儀表盤，在移動終端上展示，有統(tǒng)一服務平臺支持眾多的管理維護功能。和FineBI同為比較不錯的國內BI數(shù)據分析軟件，但是操作體驗并不是很好，界面粗糙，并沒有FineBI的界面美觀。

6.Qlikview

屬于新一代的輕量化商業(yè)智能BI產品，體現(xiàn)在建模、部署和使用上。只能運行在windows系統(tǒng)，C/S的產品架構。采用內存動態(tài)計算，數(shù)據量小時，速度很快;數(shù)據量大時，吃內存很厲害性能偏慢。不過目前對于QlikView也是代理形式為主，本地化和定制化能力差，和tableau一樣沒有大數(shù)據處理能力，需要對接數(shù)據倉庫。國內復雜報表填報等難以支持，另外代理商對客戶的響應能力有限。

第一類，數(shù)據存儲和管理類的大數(shù)據工具。

此類較為主流的使用工具本文為大家列出三種：

1.Cloudera

實際上，Cloudera只是增加了一些其它服務的Hadoop，因為大數(shù)據并不是容易搞，需要我們構建大數(shù)據集群，而Cloudera的團隊就可以為我們提供這些服務，還能幫培訓員工。

2.MongoDB

這是一個數(shù)據庫，并且非常的受大家歡迎，大數(shù)據常常采用的是非結構化數(shù)據，而MongoDB最適用于管理此類數(shù)據。

3.Talend

Talend是數(shù)據集成和解決方案領域的領袖級企業(yè)，他們?yōu)楣苍坪退接性铺峁┝艘惑w化的數(shù)據平臺。

我們都知道，大數(shù)據歸根結底還是數(shù)據，其根源還是始于數(shù)據的存儲，而大數(shù)據之所以稱之為“大”，就是因為它的數(shù)據量非常大，因此，存儲就變得至關重要。除此之外，將數(shù)據按照某種格式化的治理結構，也尤為重要，因為這樣，我們可以獲得洞察力。而以上三種工具，就是這方面常用的三種使用工具。

第二類，數(shù)據清理類工具。

1.OpenRefine

這是一款開源的，易于使用的，可以通過刪除重復項、空白字段及其他錯誤來清理排列雜亂無章的數(shù)據的工具，在業(yè)內廣受好評。

2.Excel

這個不用多說，不僅在大數(shù)據，基本上所有的公司辦公軟件都會安裝Excel，在Excel中有許多的公式和函數(shù)，方便我們進行一系列的操作，當然其缺點也比較明顯，那就是不適用于龐大的數(shù)據集。

3.DataCleaner

就像它的名字一樣，DataCleaner是一款能對數(shù)據質量進行分析、比較和監(jiān)督的軟件，也可以將半結構化的數(shù)據集轉化成干凈的可讀的數(shù)據集。

1、新榜：互聯(lián)網渠道的價值標準：以日、周、月、年為周期,按24大分類權威發(fā)布以微信為代表的中國各自媒體平臺最真實、最具價值的運營榜單,方便用戶了解新媒體整體發(fā)展情況,為用戶提供有效的參考導向…

2、Hadoop：能夠對大量數(shù)據進行分布式處理的軟件框架。

3、清博大數(shù)據中國新媒體大數(shù)據權威平臺：清博大數(shù)據擁有清博指數(shù)、清博輿情、營廣工品等多個核心產品。提供微信、微博、頭條號等新媒體排行榜,廣告交易、輿情報告、數(shù)據咨詢...

4、神策數(shù)據：多維度數(shù)據實時分析，事件分析，漏斗分析，留存分析，分布分析等8大分析模型，輕松搞定數(shù)據分析需求。

5、GrowingIO：實時采集用戶行為數(shù)據，可視化實時出圖。

工具介紹

1、前端展現(xiàn)

用于展現(xiàn)分析的前端開源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

用于展現(xiàn)分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikView、 Tableau。

國內的有BDP，國云數(shù)據（大數(shù)據魔鏡），思邁特，F(xiàn)ineBI等等。

2、數(shù)據倉庫

有Teradata AsterData, EMC GreenPlum, HP Vertica等等。

3、數(shù)據集市

有QlikView、 Tableau、Style Intelligence等等。

擴展資料

大數(shù)據分析的六個基本方面

1、Analytic Visualizations（可視化分析）

不管是對數(shù)據分析專家還是普通用戶，數(shù)據可視化是數(shù)據分析工具最基本的要求?？梢暬梢灾庇^的展示數(shù)據，讓數(shù)據自己說話，讓觀眾聽到結果。

2.、Data Mining Algorithms（數(shù)據挖掘算法）

可視化是給人看的，數(shù)據挖掘就是給機器看的。集群、分割、孤立點分析還有其他的算法讓我們深入數(shù)據內部，挖掘價值。這些算法不僅要處理大數(shù)據的量，也要處理大數(shù)據的速度。

3、Predictive Analytic Capabilities（預測性分析能力）

數(shù)據挖掘可以讓分析員更好的理解數(shù)據，而預測性分析可以讓分析員根據可視化分析和數(shù)據挖掘的結果做出一些預測性的判斷。

4、Semantic Engines（語義引擎）

我們知道由于非結構化數(shù)據的多樣性帶來了數(shù)據分析的新的挑戰(zhàn)，我們需要一系列的工具去解析，提取，分析數(shù)據。語義引擎需要被設計成能夠從“文檔”中智能提取信息。

5、Data Quality and Master Data Management（數(shù)據質量和數(shù)據管理）

數(shù)據質量和數(shù)據管理是一些管理方面的最佳實踐。通過標準化的流程和工具對數(shù)據進行處理可以保證一個預先定義好的高質量的分析結果。

假如大數(shù)據真的是下一個重要的技術革新的話，我們最好把精力關注在大數(shù)據能給我們帶來的好處，而不僅僅是挑戰(zhàn)。

6、數(shù)據存儲，數(shù)據倉庫

數(shù)據倉庫是為了便于多維分析和多角度展示數(shù)據按特定模式進行存儲所建立起來的關系型數(shù)據庫。在商業(yè)智能系統(tǒng)的設計中，數(shù)據倉庫的構建是關鍵，是商業(yè)智能系統(tǒng)的基礎，承擔對業(yè)務系統(tǒng)數(shù)據整合的任務，為商業(yè)智能系統(tǒng)提供數(shù)據抽取、轉換和加載(ETL)，并按主題對數(shù)據進行查詢和訪問，為聯(lián)機數(shù)據分析和數(shù)據挖掘提供數(shù)據平臺。