访问量： 178 次浏览
免费的数据分析工具用于分析数据并从数据集中创建有意义的见解， 是一组工具，可帮助企业创建数据驱动的决策流程。 一些业界知名的工具是非常流行的工具，例如 Microsoft excel、 tableau public、KNIME、Rattle GUI for R、Talend、 H2O、Trifacta、Orange、RapidMiner、Qlikview。 这些工具由几个开箱即用的功能支持，这些功能有助于数据分析过程。 与用于数据分析的标准编程相比， 这些数据分析工具易于学习和快速开发分析解决方案。
以下是数据分析的不同工具：
Excel 仍然吸引人们进行数据分析，它仍然是不可或缺的分析工具。 有许多免费的在线教程可以教授 Excel 和 VBA， 可通过这些教程掌握 excel。通过各种图形工具探索数据、 汇总数据、可视化数据等所有功能都在 Excel 中完成。
学习和掌握excel非常容易。Excel 仍然是数据科学和分析的基本工具。 excel 知识将帮助数据科学事业。 尽管 Microsoft Excel 不是免费的，但市场上有类似的工具， 如电子表格、开放式办公室和其他提供与 Excel 相同功能的工具。 excel 的一个小缺点是它不能用于非常大的数据集。
Tableau 是一个免费的数据可视化工具，从简单数据到复杂数据。 它是一种交互式的，可建议标签、工具、列的大小， 以及可自定义的几乎任何东西。拖放界面在该软件中非常有用， 并且也可在 Tableau 中完成计算。 任何对分析一无所知的人都可以从 Tableau 平台查看和理解数据。
在 Tableau 中创建仪表板和工作表以进行数据分析和可视化。 Tableau 通过其仪表板帮助从不同的角度查看数据， 通过 Tableau 轻松进入数据科学的世界。此外， Tableau 还集成了 Python 和R 编程语言。
Trifacta 是一个用于数据整理的开源工具， 它使数据准备变得容易以进行数据分析。 Trifacta 有助于将数据从原始数据格式转换、探索和分析为干净、 有序的格式。它使用机器学习技术来帮助用户进行数据分析和探索。 Trifacta 的另一个名称是 Data Wrangler， 这表明它在数据清理中最有用。
Trifacta由 Joe Hellerstein、Jeffrey Heer 和 Sean Kandel 于 2012 年开发。Trifacta 与云一起工作， 并与 AWS 合作，获得了 AWS 的机器学习部署奖，与 Excel 不同， Trifacta 可帮助处理大型数据集。此外， Trifacta 中的文本编辑建议令人难以置信。
RapidMiner 是用于数据准备、机器学习、 深度学习和其他数据分析技术的集成工具。工作流称为流程， 一个流程的输出成为其他流程的输入。 这可以通过编程语言或他们自己的插件进行扩展。 RapidMiner 的某些版本是免费的。
RapidMiner 的产品包括 RapidMiner Studio、 RapidMiner Auto Model、RapidMiner Turbo Prep、 RapidMiner Server 和 RapidMiner Radoop。 可以通过将数据加载到 RapidMiner 中来检查数据， 并在工具内对数据进行计算或排序。 RapidMiner 主要是为非程序员设计的。 RapidMiner 还有助于数据清理和准备图表。
Talend 是一个借助云进行数据集成的开源工具。 Talend 帮助导入数据并尽快将其移至数据仓库。 Talend 有一个统一的平台。此外，Talend 的社区很强大， 你永远不会知道对方的人来自哪个背景。
Talend Platforms、Talend Enterprise 和 Talend Open Studio 几乎可以帮助处理与数据相关的所有事情， 一旦开始使用 Talend，可能就不会寻找其他工具。这三者中， 使用最多的是Talend Open Studio。Talend 的协作和管理 与其数据集成一样值得称道。
Qlikview 被推荐为数据可视化的最佳工具。它在本质上更快、 更容易且独一无二。QlikView 中有一个社区，其中包含讨论论坛、 博客和库。社区有助于解决您的大部分问题。 它使用不同的颜色显示数据之间的关系。 Qlikview 帮助用户从他们不同的数据可视化方法中做出正确的决定。
如果您对布局设计感兴趣，Qlikview 是不二之选。 熟悉 Qlikview 的数据建模和 SQL 基础知识是很好的。
Orange工具包可以用作复杂机器学习算法的简单数据可视化， 只要它是开源的，也可以与 Python 库一起使用。 它就像一个画布，用户放置小部件并创建工作流。 所有数据功能都在小部件画布中完成。 用户可以探索该工具中可用的各种可视化技术。
Orange 工具有许多附加组件，因为它也用于机器学习算法。 数据挖掘也可以在这个工具中完成。
H2O 有助于发现数据模式。它的应用主要是机器学习和人工智能， 但其提供了关于数据的非常好的见解。 H2O 有一个内置函数来猜测传入数据集的结构。
还有其他工具，如用于排序和过滤数据的 OpenRefine、 用于图表和可视化的 Fusion Tables、 用于数据可视化和数据整理的 Microsoft Power BI、 用于创建报告的 Google Dashboards、用于统计分析的 Plotly、 用于统计可视化的 Gephi，工具有很多。
通过一些练习可以轻松完成数据分析。 所有的工具都不会有同样的帮助。 选择一种工具并成为该工具的大师是件好事。 了解数据对于了解我们在数据分析方面的真实情况至关重要。 编程在可视化和分析数据方面并不重要。但有些工具让你更接近编程。