工具介绍

1、前端展现

用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

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

国内的有BDP，国云数据（大数据魔镜），思迈特，FineBI等等。

2、数据仓库

有Teradata AsterData, EMC GreenPlum, HP Vertica等等。

3、数据集市

有QlikView、 Tableau、Style Intelligence等等。

扩展资料

大数据分析的六个基本方面

1、Analytic Visualizations（可视化分析）

不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。

2.、Data Mining Algorithms（数据挖掘算法）

可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。

3、Predictive Analytic Capabilities（预测性分析能力）

数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。

4、Semantic Engines（语义引擎）

我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。

5、Data Quality and Master Data Management（数据质量和数据管理）

数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。

假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。

6、数据存储，数据仓库

数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题对数据进行查询和访问，为联机数据分析和数据挖掘提供数据平台。

国外BI工具有tableau，这是一种几乎是数据分析师人人会提的工具，内置常用的分析图表，和一些数据分析模型，可以快速的探索式数据分析，制作数据分析报告。 因为是商业智能，解决的问题更偏向商业分析，用 Tableau可以快速地做出动态交互图，并且图表和配色也拿得出手。

国内厂商帆软，性价比很高，自助式BI工具，也是一款成熟的数据分析产品。内置丰富图表，不需要代码调用，可直接拖拽生成，包括一些数据挖掘模型也是。可用于业务数据的快速分析，制作dashboard，也可构建可视化大屏。他是tableau的平价替代，有别于Tableau的是，企业级数据分析的功能更多。可与大数据平台，各类多维数据库结合，所以在企业级BI应用上广泛，个人使用免费。

4.推荐几种比较好用的BI产品

tableau，这是一种几乎是数据分析师人人会提的工具，内置常用的分析图表，和一些数据分析模型，可以快速的探索式数据分析，制作数据分析报告。用 Tableau可以快速地做出动态交互图，并且图表和配色也拿得出手。

国内厂商帆软，FineBI性价比很高，自助式BI工具，也是一款成熟的数据分析产品。内置丰富图表，不需要代码调用，可直接拖拽生成，包括一些数据挖掘模型也是。可用于业务数据的快速分析，制作dashboard，也可构建可视化大屏。他是tableau的平价替代，有别于Tableau的是，企业级数据分析的功能更多。从内置的ETL功能以及数据处理方式上看出，侧重业务数据的快速分析以及可视化展现。可与大数据平台，各类多维数据库结合，所以在企业级BI应用上广泛，个人用免费。

举例用FineBI操作

数据导入：第一步要通过连接数据库或者导入EXCEL完成数据导入，EXCEL比较好说，但是如果你想连接Oracle、MYSQL、SAPBW、HANA等数据库的数据，就要求你所使用的软件能够支持对接各类数据源，例如FineBI；

数据准备：第二步是对数据进行简单的处理，选择要分析的字段，然后按照你的需求进行分类、汇总、新增列、合并、行列转换等等；

数据分析：第三步是通过创建组件进行数据分析，如果没有目的，可以通过简单的拖拽字段，看看自动生成的数据是什么趋势，寻找规律，进行探索式分析；

数据可视化：第四步就是要将组件按照主题在仪表板上进行组合美化，然后完成收工，实现导出或者分享等功能；

BI数据分析工具有很多，主要包括以下几类：

一、Excel数据分析工具

Excel是一款常用的数据分析工具，它提供了数据透视表、图表分析等功能，可以方便地进行数据的整理、排序、筛选和可视化展示。对于小规模的数据分析任务，Excel是一个简单实用的选择。

二、Python数据分析工具

Python是一种编程语言，其中包含了多个数据分析相关的库，如Pandas、NumPy和Matplotlib等。这些库可以进行数据处理、统计分析、数据可视化等操作，适用于大规模数据分析和复杂数据处理任务。

三、SQL数据库查询语言及数据分析工具

SQL是用于管理关系数据库的语言，它可以对大量数据进行高效的查询、分析和处理。许多数据库管理系统，如MySQL、Oracle等，都支持SQL语言进行数据分析。此外，还有一些基于SQL的数据分析工具，如Tableau、PowerBI等，可以方便地进行数据可视化分析。

四、专门的数据分析工具软件

除了上述几种工具，还有许多专门用于数据分析的工具软件，如SPSS、SAS等。这些软件提供了丰富的数据分析方法和模型，适用于各种行业和领域的数据分析任务。