【译】数据分析的24大工具以及如何选用

原文： Top 24 tools for data analysis and how to decide between them

简要说明

数据分析是现代企业的核心实践。选择正确的数据分析工具是一项挑战，因为没有任何工具能够满足所有需求。为了帮助您确定哪种数据分析工具最适合您的组织，让我们检查一下在它们之间进行选择的重要因素，然后看看当今市场上最流行的一些选项。

在评估可用工具之前，有几件事需要注意。您应该首先了解您的企业想要分析的数据类型，并进一步了解您的数据集成需求。此外，在开始分析数据之前，您需要选择数据源以及其中的表和列，并将它们复制到数据仓库中，以创建用于分析的单一真实源。您还需要评估数据安全性和数据治理。例如，如果数据在部门之间共享，则应该有访问控制和许可系统来保护敏感信息。

如何选择数据分析工具

一旦您准备好了数据，您就可以尝试使用不同的工具对其进行分析。你如何找到一个适合你公司的工具？首先考虑您组织的业务需求，了解谁将使用您的分析工具。成熟的数据分析师和数据科学家、需要直观界面的非技术用户会使用它吗？还是这两种用户都适合？一些平台为迭代代码开发提供了一种交互式体验（通常使用SQL），而另一些平台则更关注于针对技术性较差的用户的点击式分析。该工具还应支持与企业相关的可视化。

考虑一个工具的数据建模能力。有些支持语义层，或者可以自己进行数据建模。如果您想使用一个不需要的工具，则必须在分析之前使用SQL或dbt之类的工具对数据进行建模。

最后，考虑价格和许可。一些产品是免费的，而其他产品则收取许可费或订阅费。最昂贵的工具不一定是最完整的功能，用户不应该忽视许多强大的免费解决方案。

现在，您已经知道了在数据分析工具中要查找哪些因素，让我们跳到列表中。我们将首先讨论Gartner分析和商业智能平台幻方图（Gartner’s Magic Quadrant for Analytics and Business Intelligence Platforms ）中Visionaries系列的八个平台，然后再讨论其他流行选项。

数据分析平台

1. Microsoft Power BI

Microsoft Power BI 是一个顶级商业智能平台，支持数十个数据源。它允许用户创建和共享报告、可视化和仪表板。用户可以将一组仪表板和报表组合到Power BI应用程序中，以实现简单分发。Power BI还允许用户构建自动化机器学习模型，并与Azure机器学习集成。

2. SAP BusinessObjects

SAP BusinessObjects 提供一套用于数据发现、分析和报告的商业智能应用程序。这些工具的目标是技术含量较低的业务用户，但它们也能够执行复杂的分析。BusinessObjects与Microsoft Office产品集成，允许业务分析师在Excel和BusinessObjects报表等应用程序之间快速来回切换。它还支持自助式预测分析。

3. Sisense

Sisense 是一个数据分析平台，旨在帮助技术开发人员和业务分析师处理和可视化其所有业务数据。它拥有大量拖放工具，并为协作提供交互式仪表盘。Sisense平台的一个独特之处是它的定制芯片技术，它优化计算以利用CPU缓存而不是较慢的RAM。对于某些工作流，这可以使计算速度提高10–100倍。

4. TIBCO Spotfire

TIBCO Spotfire是一个数据分析平台，提供自然语言搜索和人工智能支持的数据洞察。它是一个全面的可视化工具，可以向移动和桌面应用程序发布报告。Spotfire还提供了用于构建预测分析模型的点击式工具。

5. Thoughtspot

Thoughtspot是一个分析平台，允许用户通过报告和自然语言搜索来探索各种来源的数据。它的人工智能系统SpotIQ自动发现洞见，帮助用户发现他们不知道要寻找的模式。该平台还允许用户自动连接来自不同数据源的表，以帮助打破数据孤岛。

6. Qlik

Qlik 提供自助数据分析和商业智能平台，以支持云和本地部署。该工具为技术和非技术用户的数据探索和发现提供了强大的支持。Qlik支持多种类型的图表。用户可以使用嵌入式SQL和拖放模块自定义这些图表。

7. SAS Business Intelligence

SAS Business Intelligence为自助服务分析提供了一套应用程序。它具有许多内置的协作功能，例如将报告推送到移动应用程序的能力。虽然SAS Business Intelligence是一个全面而灵活的平台，但它可能比一些竞争对手更昂贵。大型企业可能会发现，由于它的多功能性，它的价格是值得的。

8. Tableau

Tableau是一个数据可视化和分析平台，允许用户创建报告，并在桌面和移动平台、浏览器内或嵌入应用程序中共享这些报告。它可以在云端或本地运行。Tableau平台的大部分运行在其核心查询语言VizQL之上。这将拖放仪表板和可视化组件转换为高效的后端查询，并将最终用户性能优化的需求降至最低。然而，Tableau缺乏对高级SQL查询的支持。

9. Google Data Studio

Google Data Studio 是一个免费的仪表板和数据可视化工具，可自动与大多数其他谷歌应用程序集成，如谷歌分析、谷歌广告和谷歌BigQuery。由于与其他谷歌服务的集成，DataStudio非常适合那些需要分析谷歌数据的人。例如，营销人员可以为他们的谷歌广告和分析数据构建仪表盘，以便更好地了解客户转化和保留情况。DataStudio还可以处理来自各种其他来源的数据，前提是首先使用Stitch之类的数据管道将数据复制到BigQuery。

10. Redash

Redash 是一个用于查询数据源和构建可视化的轻量级且经济高效的工具。该代码是开源的，并且对于希望快速入门的组织来说，提供了一个价格合理的托管版本。Redash的核心是查询编辑器，它为编写查询、探索模式和管理集成提供了一个简单的界面。查询结果缓存在Redash中，用户可以安排自动运行更新。

11. Periscope Data

Periscope Data — 现在归Sisense所有-是一个商业智能平台，支持各种流行数据仓库和数据库的集成。技术分析人员可以使用SQL、Python或R转换数据，技术含量较低的用户可以轻松创建和共享仪表板。潜望镜数据还拥有多项安全认证，如HIPAA-HITECH。

12. Metabase

Metabase是一个免费的开源分析和商业智能工具。Metabase允许用户对数据“提问”，这是非技术用户使用点击式界面进行查询构造的一种方式。这适用于简单的筛选和聚合；更多的技术用户可以直接使用原始SQL进行更复杂的分析。Metabase还能够将分析结果推送到外部系统，如Slack。

13. Jupyter Notebook

Jupyter Notebook 是一个免费的开源web应用程序，安装后可以使用Anaconda平台或Python的包管理器pip在浏览器或桌面平台上运行。它允许开发人员使用实时代码创建包含数据和可视化的报告。该系统支持40多种编程语言。Jupyter笔记本（以前称为IPython笔记本）最初是使用Python编程的，它允许开发人员利用各种Python包进行分析和可视化。该工具有一个使用其他语言的广泛的开发人员社区。

14. IBM Cognos

IBM Cognos 是一个商业智能平台，具有内置AI工具，可以揭示隐藏在数据中的见解，并用简单的英语进行解释。Cognos还拥有自动数据准备工具，可以自动清理和聚合数据源，从而可以快速集成和试验数据源进行分析。

15. Chartio

Chartio 是一个自助式商业智能系统，与各种数据仓库集成，并允许轻松导入电子表格等文件。Chartio有一种独特的SQL可视化表示，它允许点击式构造查询，这使不熟悉SQL语法的业务分析师可以修改和试验查询，而无需深入研究该语言。

16. Mode

Mode 是一个分析平台，专注于为数据科学家提供一个简单且迭代的环境。它为分析提供了一个交互式SQL编辑器和笔记本环境，并为技术含量较低的用户提供了可视化和协作工具。Mode有一个名为Helix的独特数据引擎，它将外部数据库中的数据流化并存储在内存中，以便进行快速和交互式分析。它支持最多10GB数据的内存分析。

17. KNIME

KNIME — Konstanz Information Miner的缩写-是一个免费的开源数据分析平台，支持数据集成、处理、可视化和报告。它插入机器学习和数据挖掘库，只需最少或不需要编程。KNIME非常适合需要为机器学习和其他统计模型集成和处理数据，但不一定具备强大编程技能的数据科学家。图形界面允许点击分析和建模。

18. Looker

Looker 是一个基于云的商业智能和数据分析平台。它的特点是自动生成数据模型，扫描数据模式并推断表和数据源之间的关系。数据工程师可以通过内置的代码编辑器修改生成的模型。

19. RapidMiner

RapidMiner 提供用户在运行预测分析和统计模型之前集成、清理和转换数据所需的所有技术。用户可以通过一个简单的图形界面执行几乎所有这些操作。RapidMiner还可以使用R和Python脚本进行扩展，许多第三方插件可以通过该公司的市场获得。但是，该产品针对其图形界面进行了大量优化，因此分析师可以自行准备数据和运行模型。

20. Domo

Domo 提供1000多个内置集成（称为连接器），允许用户在本地和云外部系统之间传输数据。Domo还支持构建与平台集成的自定义应用程序，这允许开发人员通过立即访问连接器和可视化工具来扩展系统。Domo是一个包含数据仓库和ETL软件的单一平台，因此，已经建立了自己的数据仓库和数据管道的企业可能希望到别处寻找。

21. Oracle Analytics Cloud

Oracle Analytics Cloud 是一套云商务智能和分析应用程序。它专注于帮助大型企业将其遗留系统过渡到现代云平台。用户可以利用其广泛的分析功能，从生成简单的可视化到使用机器学习算法从数据中获取见解，无所不包。

22. R

R 是一种开源编程语言和计算环境，重点关注统计和图形数据可视化。R具有许多图形工具和超过15000个可用的开源软件包，包括许多用于加载、操作、建模和可视化数据的软件包。该环境允许具有编程技能的技术分析师构建几乎任何类型的数据分析，但没有这些编程技能的用户应该去别处看看。

23. Python

Python 是一种开源的高级编程语言，经常被技术分析师和数据科学家使用。它现在拥有比Java更多的全球开发者，并且有超过200000个可用软件包。Python可以自己处理许多不同的分析，并且可以与第三方软件包集成，用于机器学习和数据可视化。流行的数据可视化软件包包括Matplotlib、Plotly和Seaborn。Python还用作其他分析系统的编程接口。

24. Excel

Microsoft Excel 是用于操纵电子表格和构建分析的最常用工具。经过几十年的发展，Excel可以支持几乎任何标准的分析工作流程，并且可以通过其本机编程语言Visual Basic进行扩展。Excel适用于简单分析，但不适用于分析大数据——它的行数限制在100万行左右——而且它对协作或版本控制没有很好的支持。企业应该考虑更大的基于云的分析平台，以进行大型和协作分析。

将数据分析工具与Stitch数据分析工具结合使用最适合于集中在数据仓库中的可访问数据。Stitch是一个简单的数据管道，可以填充您首选的数据仓库，使用100多个数据源进行快速轻松的分析。今天免费试一试。