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。

1、新榜：互联网渠道的价值标准：以日、周、月、年为周期,按24大分类权威发布以微信为代表的中国各自媒体平台最真实、最具价值的运营榜单,方便用户了解新媒体整体发展情况,为用户提供有效的参考导向…

2、Hadoop：能够对大量数据进行分布式处理的软件框架。

3、清博大数据中国新媒体大数据权威平台：清博大数据拥有清博指数、清博舆情、营广工品等多个核心产品。提供微信、微博、头条号等新媒体排行榜,广告交易、舆情报告、数据咨询...

4、神策数据：多维度数据实时分析，事件分析，漏斗分析，留存分析，分布分析等8大分析模型，轻松搞定数据分析需求。

5、GrowingIO：实时采集用户行为数据，可视化实时出图。

1.FineBI

目前国内数据分析的佼佼者。FineBI是新一代自助式BI工具,企业客户多、服务范围广,多维OLAP分析是BI工具分析功能的集中体现，凭借FineBI简单流畅的操作、强劲的大数据性能和自助式的分析体验,企业可充分了解和利用他们的数据,增强企业的竞争力。

2.Tableau

Tableau是大数据可视化软件的市场领导者之一，在为大数据操作，深度学习算法和多种类型的AI应用程序提供交互式数据可视化方面尤为高效。它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，可以快速地做出动态交互图。

3.永洪敏捷BI

该产品稳定性较高，利用sql处理数据。永洪的技术主要分为大数据和可视化亮点。覆盖BI和大数据(海量数据、实时分析)，敏捷BI，自服务BI，探索式BI，性价比高。但不支持程序接口，实施交由第三方外包。永洪BI在产品能力上还不错，特别是大数据性能方面，同样可以支撑亿级数据的抽取和分析，而在服务方面则表现一般。

4.Power BI

Microsoft Power BI是一个基于Web的业务分析工具套件，擅长数据可视化，采用的CS架构，主要的报表连接过程使用的客户端，浏览器端可以进行简单的报表编辑。其连接数据源需要单独下载msi驱动，而不是目前主流的JDBC的连接方式。操作基本都是拖拽，不过其探索式分析能力有限，不适合做定制化开发(这个不符合我们需要集成的需求)。学习成本较低上手快，但功能简单，无法支持复杂的业务场景，不支持定制开发。

5.SmartBI

企业级商业智能应用平台，用户可以更直观便捷地获取信息。能满足用户自助式的数据查询和报表，OLAP，各种业务报表，制作仪表盘，在移动终端上展示，有统一服务平台支持众多的管理维护功能。和FineBI同为比较不错的国内BI数据分析软件，但是操作体验并不是很好，界面粗糙，并没有FineBI的界面美观。

6.Qlikview

属于新一代的轻量化商业智能BI产品，体现在建模、部署和使用上。只能运行在windows系统，C/S的产品架构。采用内存动态计算，数据量小时，速度很快;数据量大时，吃内存很厉害性能偏慢。不过目前对于QlikView也是代理形式为主，本地化和定制化能力差，和tableau一样没有大数据处理能力，需要对接数据仓库。国内复杂报表填报等难以支持，另外代理商对客户的响应能力有限。

第一类，数据存储和管理类的大数据工具。

此类较为主流的使用工具本文为大家列出三种：

1.Cloudera

实际上，Cloudera只是增加了一些其它服务的Hadoop，因为大数据并不是容易搞，需要我们构建大数据集群，而Cloudera的团队就可以为我们提供这些服务，还能帮培训员工。

2.MongoDB

这是一个数据库，并且非常的受大家欢迎，大数据常常采用的是非结构化数据，而MongoDB最适用于管理此类数据。

3.Talend

Talend是数据集成和解决方案领域的领袖级企业，他们为公共云和私有云提供了一体化的数据平台。

我们都知道，大数据归根结底还是数据，其根源还是始于数据的存储，而大数据之所以称之为“大”，就是因为它的数据量非常大，因此，存储就变得至关重要。除此之外，将数据按照某种格式化的治理结构，也尤为重要，因为这样，我们可以获得洞察力。而以上三种工具，就是这方面常用的三种使用工具。

第二类，数据清理类工具。

1.OpenRefine

这是一款开源的，易于使用的，可以通过删除重复项、空白字段及其他错误来清理排列杂乱无章的数据的工具，在业内广受好评。

2.Excel

这个不用多说，不仅在大数据，基本上所有的公司办公软件都会安装Excel，在Excel中有许多的公式和函数，方便我们进行一系列的操作，当然其缺点也比较明显，那就是不适用于庞大的数据集。

3.DataCleaner

就像它的名字一样，DataCleaner是一款能对数据质量进行分析、比较和监督的软件，也可以将半结构化的数据集转化成干净的可读的数据集。