大數據分析工具有：

1、R-編程

R編程是對所有人免費的最好的大數據分析工具之一。它是一種領先的統計編程語言，可用于統計分析、科學計算、數據可視化等。R編程語言還可以擴展自身以執(zhí)行各種大數據分析操作。

在這個強大的幫助下；語言，數據科學家可以輕松創(chuàng)建統計引擎，根據相關和準確的數據收集提供更好、更精確的數據洞察力。它具有類數據處理和存儲。我們還可以在 R編程中集成其他數據分析工具。

除此之外，您還可以與任何編程語言（例如 Java、C、Python）集成，以提供更快的數據傳輸和準確的分析。R提供了大量可用于任何數據集的繪圖和圖形。

2、Apache Hadoop

Apache Hadoop是領先的大數據分析工具開源。它是一個軟件框架，用于在商品硬件的集群上存儲數據和運行應用程序。它是由軟件生態(tài)系統組成的領先框架。

Hadoop使用其 Hadoop分布式文件系統或 HDFS和 MapReduce。它被認為是大數據分析的頂級數據倉庫。它具有在數百臺廉價服務器上存儲和分發(fā)大數據集的驚人能力。

這意味著您無需任何額外費用即可執(zhí)行大數據分析。您還可以根據您的要求向其添加新節(jié)點，它永遠不會讓您失望。

3、MongoDB

MongoDB是世界領先的數據庫軟件。它基于 NoSQL數據庫，可用于存儲比基于 RDBMS的數據庫軟件更多的數據量。MongoDB功能強大，是最好的大數據分析工具之一。

它使用集合和文檔，而不是使用行和列。文檔由鍵值對組成，即MongoDB中的一個基本數據單元。文檔可以包含各種單元。但是大小、內容和字段數量因 MongoDB中的文檔而異。

MongoDB最好的部分是它允許開發(fā)人員更改文檔結構。文檔結構可以基于程序員在各自的編程語言中定義的類和對象。

MongoDB有一個內置的數據模型，使程序員能夠理想地表示層次關系來存儲數組和其他元素。

4、RapidMiner

RapidMiner是分析師集成數據準備、機器學習、預測模型部署等的領先平臺之一。它是最好的免費大數據分析工具，可用于數據分析和文本挖掘。

它是最強大的工具，具有用于分析過程設計的一流圖形用戶界面。它獨立于平臺，適用于 Windows、Linux、Unix和 macOS。它提供各種功能，例如安全控制，在可視化工作流設計器工具的幫助下減少編寫冗長代碼的需要。

它使用戶能夠采用大型數據集在 Hadoop中進行訓練。除此之外，它還允許團隊協作、集中工作流管理、Hadoop模擬等。

它還組裝請求并重用 Spark容器以對流程進行智能優(yōu)化。RapidMiner有五種數據分析產品，即RapidMiner Studio Auto Model、Auto Model、RapidMiner Turbo Prep、RapidMiner Server和RapidMiner Radoop。

5、Apache Spark

Apache Spark是最好、最強大的開源大數據分析工具之一。借助其數據處理框架，它可以處理大量數據集。通過結合或其他分布式計算工具，在多臺計算機上分發(fā)數據處理任務非常容易。

它具有用于流式 SQL、機器學習和圖形處理支持的內置功能。它還使該站點成為大數據轉換的最快速和通用的生成器。我們可以在內存中以快 100倍的速度處理數據，而在磁盤中則快 10倍。

除此之外，它還擁有 80個高級算子，可以更快地構建并行應用程序。它還提供 Java中的高級 API。該平臺還提供了極大的靈活性和多功能性，因為它適用于不同的數據存儲，如 HDFS、Openstack和 Apache Cassandra。

6、Microsoft Azure

Microsoft Azure是領先的大數據分析工具之一。Microsoft Azure也稱為 Windows Azure。它是 Microsoft處理的公共云計算平臺，是提供包括計算、分析、存儲和網絡在內的廣泛服務的領先平臺。

Windows Azure提供兩類標準和高級的大數據云產品。它可以無縫處理大量數據工作負載。

除此之外，Microsoft Azure還擁有一流的分析能力和行業(yè)領先的 SLA以及企業(yè)級安全和監(jiān)控。它也是開發(fā)人員和數據科學家的最佳和高效平臺。它提供了在最先進的應用程序中很容易制作的實時數據。

無需 IT基礎架構或虛擬服務器進行處理。它可以輕松嵌入其他編程語言，如 JavaScript和 C#。

7、Zoho Analytics

Zoho Analytics是最可靠的大數據分析工具之一。它是一種 BI工具，可以無縫地用于數據分析，并幫助我們直觀地分析數據以更好地理解原始數據。

同樣，任何其他分析工具都允許我們集成多個數據源，例如業(yè)務應用程序、數據庫軟件、云存儲、CRM等等。我們還可以在方便時自定義報告，因為它允許我們生成動態(tài)且高度自定義的可操作報告。

在 Zoho分析中上傳數據也非常靈活和容易。我們還可以在其中創(chuàng)建自定義儀表板，因為它易于部署和實施。世界各地的用戶廣泛使用該平臺。此外，它還使我們能夠在應用程序中生成評論威脅，以促進員工和團隊之間的協作。

它是最好的大數據分析工具，與上述任何其他工具相比，它需要的知識和培訓更少。因此，它是初創(chuàng)企業(yè)和入門級企業(yè)的最佳選擇。

以上內容參考百度百科——大數據分析

1、數據處理工具：Excel

數據分析師，在有些公司也會有數據產品經理、數據挖掘工程師等等。他們最初級最主要的工具就是Excel。有些公司也會涉及到像Visio，Xmind、PPT等設計圖標數據分析方面的高級技巧。數據分析師是一個需要擁有較強綜合能力的崗位，因此，在有些互聯網公司仍然需要數據透視表演練、Vision跨職能流程圖演練、Xmind項目計劃導圖演練、PPT高級動畫技巧等。

2、數據庫：MySQL

Excel如果能夠玩的很轉，能勝任一部分數據量不是很大的公司。但是基于Excel處理數據能力有限，如果想勝任中型的互聯網公司中數據分析崗位還是比較困難。因此需要學會數據庫技術，一般Mysql。你需要了解MySQL管理工具的使用以及數據庫的基本操作;數據表的基本操作、MySQL的數據類型和運算符、MySQL函數、查詢語句、存儲過程與函數、觸發(fā)程序以及視圖等。比較高階的需要學習MySQL的備份和恢復;熟悉完整的MySQL數據系統開發(fā)流程。

3、數據可視化：Tableau& Echarts

如果說前面2條是數據處理的技術，那么在如今“顏值為王”的現在，如何將數據展現得更好看，讓別人更愿意看，這也是一個技術活。好比公司領導讓你對某一個項目得研究成果做匯報，那么你不可能給他看單純的數據一樣，你需要讓數據更直觀，甚至更美觀。

工具介紹

1、前端展現

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

用于展現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，國云數據（大數據魔鏡），思邁特，FineBI等等。

2、數據倉庫

有Teradata AsterData, EMC GreenPlum, HP Vertica等等。

3、數據集市

有QlikView、 Tableau、Style Intelligence等等。

擴展資料

大數據分析的六個基本方面

1、Analytic Visualizations（可視化分析）

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

2.、Data Mining Algorithms（數據挖掘算法）

可視化是給人看的，數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據內部，挖掘價值。這些算法不僅要處理大數據的量，也要處理大數據的速度。

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

數據挖掘可以讓分析員更好的理解數據，而預測性分析可以讓分析員根據可視化分析和數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據的多樣性帶來了數據分析的新的挑戰(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（數據質量和數據管理）

數據質量和數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據能給我們帶來的好處，而不僅僅是挑戰(zhàn)。

6、數據存儲，數據倉庫

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