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(tǒng)的設計中，數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)數據整合的任務，為商業(yè)智能系統(tǒng)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(lián)機數據分析和數據挖掘提供數據平臺。

國外BI工具有tableau，這是一種幾乎是數據分析師人人會提的工具，內置常用的分析圖表，和一些數據分析模型，可以快速的探索式數據分析，制作數據分析報告。 因為是商業(yè)智能，解決的問題更偏向商業(yè)分析，用 Tableau可以快速地做出動態(tài)交互圖，并且圖表和配色也拿得出手。

國內廠商帆軟，性價比很高，自助式BI工具，也是一款成熟的數據分析產品。內置豐富圖表，不需要代碼調用，可直接拖拽生成，包括一些數據挖掘模型也是。可用于業(yè)務數據的快速分析，制作dashboard，也可構建可視化大屏。他是tableau的平價替代，有別于Tableau的是，企業(yè)級數據分析的功能更多。可與大數據平臺，各類多維數據庫結合，所以在企業(yè)級BI應用上廣泛，個人使用免費。

4.推薦幾種比較好用的BI產品

tableau，這是一種幾乎是數據分析師人人會提的工具，內置常用的分析圖表，和一些數據分析模型，可以快速的探索式數據分析，制作數據分析報告。用 Tableau可以快速地做出動態(tài)交互圖，并且圖表和配色也拿得出手。

國內廠商帆軟，FineBI性價比很高，自助式BI工具，也是一款成熟的數據分析產品。內置豐富圖表，不需要代碼調用，可直接拖拽生成，包括一些數據挖掘模型也是?？捎糜跇I(yè)務數據的快速分析，制作dashboard，也可構建可視化大屏。他是tableau的平價替代，有別于Tableau的是，企業(yè)級數據分析的功能更多。從內置的ETL功能以及數據處理方式上看出，側重業(yè)務數據的快速分析以及可視化展現?？膳c大數據平臺，各類多維數據庫結合，所以在企業(yè)級BI應用上廣泛，個人用免費。

舉例用FineBI操作

數據導入：第一步要通過連接數據庫或者導入EXCEL完成數據導入，EXCEL比較好說，但是如果你想連接Oracle、MYSQL、SAPBW、HANA等數據庫的數據，就要求你所使用的軟件能夠支持對接各類數據源，例如FineBI；

數據準備：第二步是對數據進行簡單的處理，選擇要分析的字段，然后按照你的需求進行分類、匯總、新增列、合并、行列轉換等等；

數據分析：第三步是通過創(chuàng)建組件進行數據分析，如果沒有目的，可以通過簡單的拖拽字段，看看自動生成的數據是什么趨勢，尋找規(guī)律，進行探索式分析；

數據可視化：第四步就是要將組件按照主題在儀表板上進行組合美化，然后完成收工，實現導出或者分享等功能；

BI數據分析工具有很多，主要包括以下幾類：

一、Excel數據分析工具

Excel是一款常用的數據分析工具，它提供了數據透視表、圖表分析等功能，可以方便地進行數據的整理、排序、篩選和可視化展示。對于小規(guī)模的數據分析任務，Excel是一個簡單實用的選擇。

二、Python數據分析工具

Python是一種編程語言，其中包含了多個數據分析相關的庫，如Pandas、NumPy和Matplotlib等。這些庫可以進行數據處理、統(tǒng)計分析、數據可視化等操作，適用于大規(guī)模數據分析和復雜數據處理任務。

三、SQL數據庫查詢語言及數據分析工具

SQL是用于管理關系數據庫的語言，它可以對大量數據進行高效的查詢、分析和處理。許多數據庫管理系統(tǒng)，如MySQL、Oracle等，都支持SQL語言進行數據分析。此外，還有一些基于SQL的數據分析工具，如Tableau、PowerBI等，可以方便地進行數據可視化分析。

四、專門的數據分析工具軟件

除了上述幾種工具，還有許多專門用于數據分析的工具軟件，如SPSS、SAS等。這些軟件提供了豐富的數據分析方法和模型，適用于各種行業(yè)和領域的數據分析任務。