1.FineBI

目前國內數據分析的佼佼者。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，憑借FineBI簡單流暢的操作、強勁的大數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據,增強企業(yè)的競爭力。

2.Tableau

Tableau是大數據可視化軟件的市場領導者之一，在為大數據操作，深度學習算法和多種類型的AI應用程序提供交互式數據可視化方面尤為高效。它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，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處理數據。永洪的技術主要分為大數據和可視化亮點。覆蓋BI和大數據(海量數據、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，特別是大數據性能方面，同樣可以支撐億級數據的抽取和分析，而在服務方面則表現一般。

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，數據量小時，速度很快;數據量大時，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一樣沒有大數據處理能力，需要對接數據倉庫。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。

EXCEL MATLAB Origin等等

當前流行的圖形可視化和數據分析軟件有Matlab，Mathmatica和Maple等。這些軟件功能強大，可滿足科技工作中的許多需要，但使用這些軟件需要一定的計算機編程知識和矩陣知識，并熟悉其中大量的函數和命令。而使用Origin就像使用Excel和Word那樣簡單，只需點擊鼠標，選擇菜單命令就可以完成大部分工作，獲得滿意的結果。但它又比excel要強大些。一般日常的話可以用Excel，然后加載宏，里面有一些分析工具，不過有時需要數據庫軟件支持

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(tǒng)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。

數據分析工具包括多種軟件，以下是常見的幾種：

一、Excel數據分析工具。Excel是一款常用的數據處理軟件，它提供了數據透視表、圖表分析等功能，可以方便地對數據進行整理、分析和可視化展示。Excel適合處理小規(guī)模的數據集，對于大型復雜的數據分析任務也能勝任。

二、Python數據分析工具。Python是一種強大的編程語言，廣泛應用于數據分析領域。Python擁有眾多的數據處理和分析庫，如pandas、numpy、scipy等，可以用于數據處理、統(tǒng)計分析、數據可視化等方面的工作。這些庫能夠幫助用戶輕松地處理大規(guī)模數據集并進行復雜的分析。

三、R語言數據分析工具。R是一種專門為統(tǒng)計分析而設計的編程語言，廣泛應用于數據分析領域。R語言擁有豐富的統(tǒng)計分析和數據可視化函數庫，如ggplot2、dplyr等，可以方便地進行數據挖掘、預測分析和機器學習等工作。同時，R語言的交互性和圖形界面也使得它易于使用和理解。

四、SQL數據庫查詢工具。SQL是用于管理關系數據庫的標準語言，也是數據分析中常用的工具之一。通過SQL查詢語句，用戶可以檢索、插入、更新和刪除數據庫中的數據，進行數據的查詢和分析工作。常見的SQL數據庫查詢工具有MySQL、Oracle SQL Developer等。

五、數據可視化工具。數據可視化是將數據以圖形化的方式呈現出來的過程，有助于用戶更直觀地理解數據和分析結果。常見的數據可視化工具有Tableau、Power BI等，這些工具提供了豐富的圖表類型和可視化功能，方便用戶快速生成直觀的數據報告和圖表。

以上所述即為常見的數據分析工具，每種工具都有其特點和優(yōu)勢，根據具體的數據分析需求和場景選擇合適的工具進行使用，可以大大提高數據分析的效率和準確性。