前言

近幾年，大數(shù)據(jù)驅(qū)動的業(yè)務(wù)越來越廣泛。以大數(shù)據(jù)驅(qū)動為基石的人工智能、云計算、物聯(lián)網(wǎng)等新興技術(shù)蓬勃發(fā)展，預(yù)示著人們進(jìn)入了第三次信息技術(shù)浪潮。

事實證明，數(shù)據(jù)驅(qū)動對IT創(chuàng)新和企業(yè)業(yè)務(wù)發(fā)展都有好處，它從數(shù)據(jù)信息中獲取價值，理解數(shù)據(jù)及其模式，然后從中預(yù)測和產(chǎn)生結(jié)果。在數(shù)據(jù)驅(qū)動中數(shù)據(jù)分析師起著基礎(chǔ)性的作用，因為他們負(fù)責(zé)組織，評估和研究數(shù)據(jù)及其管理模式。成功的數(shù)據(jù)分析師不僅要具有一定的資格和教育，還必須精通一些特定的工具。尤其是在數(shù)據(jù)采集，數(shù)據(jù)清理，數(shù)據(jù)倉庫，數(shù)據(jù)分析，以及數(shù)據(jù)可視化方面。今天我將通過我自身的數(shù)據(jù)分析實踐，盤點數(shù)據(jù)分析的十大工具，讓你的數(shù)據(jù)變得更有價值。

RapidMiner

RapidMiner 起初是德國多特蒙德工業(yè)大學(xué)人工智能學(xué)院的 Ingo Mierswa、Ralf Klinkenberg和Simon Fischer共同開發(fā)的一個項目，它可以快速、輕松地對數(shù)據(jù)進(jìn)行處理。RapidMiner能夠進(jìn)行數(shù)據(jù)準(zhǔn)備，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，文本挖掘，預(yù)測分析，數(shù)據(jù)可視化和模型優(yōu)化等工作，并在汽車、銀行、保險、生命科學(xué)、制造業(yè)、石油和天然氣、零售業(yè)及快消行業(yè)、通訊業(yè)、以及公用事業(yè)等各個行業(yè)都有著廣泛的應(yīng)用。

它目前自帶有1500多種功能，可以同時滿足函數(shù)模型拖曳與編程兩種功能，為技術(shù)人員與非技術(shù)人員提供了交互式的互動頁面。 RapidMiner能使用戶自動執(zhí)行預(yù)定義的關(guān)聯(lián)分析，內(nèi)置模板和可重復(fù)的工作流程。Gartner連續(xù)六年將RapidMiner置于數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺魔力象限的領(lǐng)導(dǎo)者象限中，并指出，RapidMiner為自動化的端到端模型開發(fā)提供了廣泛而深入的建模功能。

Apache Spark

Apache Spark基本上是一種全能的分析引擎，是使用最多的數(shù)據(jù)分析工具。它最初由加州大學(xué)伯克利分校的Matei Zaharia開發(fā)，第一個版本于2012年發(fā)布。它附帶有多個API，這些API鼓勵數(shù)據(jù)科學(xué)家重新訪問數(shù)據(jù)以進(jìn)行機(jī)器學(xué)習(xí)，數(shù)據(jù)科學(xué)，SQL存儲、圖形計算等。它是對Hadoop的改進(jìn)，但可以比MapReduce更快地執(zhí)行多次，并在訪問磁盤時比Hadoop快10倍。

Spark 有許多關(guān)于機(jī)器學(xué)習(xí)的 API，它們可以幫助數(shù)據(jù)科學(xué)家根據(jù)給定的信息做出驚人的預(yù)測，同時它提供的很多模塊會讓那些使用 Python 的 pandas 或 R 語言的 data.frame 或者 data.tables 的數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家或研究人員覺得很熟悉。

另外，Spark 在集群管理方面格外精通，與Hadoop相比，它的改進(jìn)要好得多，因為后者僅用于存儲，正是集群管理系統(tǒng)能夠使 Spark 快速處理應(yīng)用程序。

MySQL

MySQL是一個開放源代碼的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)（RDBMS），是RDBMS中的佼佼者，它使用SQL(結(jié)構(gòu)化查詢語言)進(jìn)行創(chuàng)建，它有各種電子編程應(yīng)用程序，尤其是在Web服務(wù)器中。雖然有多種存儲信息的方法，但總是需要通過有效訪問和可分析的方式存儲數(shù)據(jù)，因而數(shù)據(jù)庫被視為數(shù)據(jù)科學(xué)中最有用的技術(shù)，這時可以使用 MySQL 收集，清理和可視化數(shù)據(jù)。

DataRobot

DataRobot由 Jeremy Achin 和 Thomas DeGodoy 于 2012 年在美國波士頓創(chuàng)立，它為所有專業(yè)水平的數(shù)據(jù)科學(xué)家提供了一個機(jī)器學(xué)習(xí)平臺，可在很少的時間內(nèi)建立并實施精確的預(yù)測模型。該技術(shù)通過改變預(yù)測分析的速度和經(jīng)濟(jì)性來解決數(shù)據(jù)分析師的痛苦。

DataRobot云平臺是根據(jù)一些世界頂級數(shù)據(jù)科學(xué)家的信息和經(jīng)驗構(gòu)建而成的，它在不超過幾分鐘的時間內(nèi)，可以組裝世界一流的預(yù)測模型。DataRobot 憑借靈活的部署，治理，培訓(xùn)和世界一流的支持者等重大業(yè)務(wù)功能，擴(kuò)大了機(jī)器學(xué)習(xí)平臺的價值。

BigML

BigML 是另一種普遍使用的數(shù)據(jù)科學(xué)工具。它提供了一個完全可交互的基于云的環(huán)境，可用于處理機(jī)器學(xué)習(xí)算法。

BigML提供了利用云計算滿足行業(yè)先決條件的標(biāo)準(zhǔn)化軟件。同時，它通過Rest API提供了一種易于使用的Web界面，你可以根據(jù)自己的數(shù)據(jù)需求創(chuàng)建免費帳戶或高級賬戶。它允許對數(shù)據(jù)進(jìn)行交互式可視化，并使你能夠在移動或IoT小工具上發(fā)送可視化圖形。

Go Spot Check

Go Spot Check是一個具有突破性的應(yīng)用程序，可供現(xiàn)場團(tuán)隊實時收集和提供共享數(shù)據(jù)。準(zhǔn)確來講，它是一個BI分析平臺，允許用戶組裝和收集實時詳細(xì)信息，并進(jìn)行快速分析以解決敏銳的業(yè)務(wù)問題。該工具執(zhí)行三個簡單步驟：創(chuàng)建，收集和分析，以實現(xiàn)數(shù)據(jù)分析。在這個程序中，用戶可以實時分析數(shù)據(jù)，并且可以訪問儀表板以觀察工作進(jìn)度和執(zhí)行情況。

Alteryx

Alteryx 公司總部位于加利福尼亞州爾灣市，它提供了一個快速實施的端到端分析平臺，該平臺可以使業(yè)務(wù)專家和數(shù)據(jù)研究人員參與其中，以打破信息障礙，它提供改變游戲規(guī)則的權(quán)力，從而為你帶來巨大的利益業(yè)務(wù)問題。Alteryx平臺可自助，點擊，簡化，適用于全球領(lǐng)先企業(yè)中的眾多個人。

Mozenda

Mozenda 是基于企業(yè)云的 Web 爬蟲平臺。它可以幫助組織最有效，最經(jīng)濟(jì)地收集和組織網(wǎng)絡(luò)信息。該工具具有點擊界面和易于使用的UI。該設(shè)備分為兩個部分：一個用于創(chuàng)建數(shù)據(jù)提取項目的應(yīng)用程序和一個用于運行代理，組織結(jié)果以及導(dǎo)出數(shù)據(jù)的Web控制臺。它易于合并，并允許用戶以CSV，TSV，XML或JSON組形式發(fā)布結(jié)果。該工具同樣允許API訪問以獲取信息，并且具有內(nèi)置的存儲集成，例如FTP，Amazon S3，Dropbox等。

MATLAB

MATLAB是用于處理數(shù)學(xué)數(shù)據(jù)的多范式數(shù)值計算環(huán)境。它是一種開源軟件，可進(jìn)行矩陣計算，算法執(zhí)行和數(shù)據(jù)統(tǒng)計建模。

MATLAB最廣泛地用于多個科學(xué)學(xué)科。在數(shù)據(jù)科學(xué)中，MATLAB用于模擬神經(jīng)系統(tǒng)和蓬松的原理。利用MATLAB圖形庫，你可以實現(xiàn)驚人的可視化效果。MATLAB還用于圖像和信號處理，這使得它成為數(shù)據(jù)科學(xué)家的一種多功能工具，因為他們可以處理從數(shù)據(jù)清理分析到進(jìn)一步的深度學(xué)習(xí)算法中的所有問題。

Paxata

Paxata率先提供了智能的自助服務(wù)數(shù)據(jù)準(zhǔn)備應(yīng)用程序，該應(yīng)用程序基于機(jī)器學(xué)習(xí)提供通用企業(yè)級平臺，它能夠使所有企業(yè)用戶自動地將原始信息立即轉(zhuǎn)換為就緒信息，從而成為企業(yè)的先鋒。他們的自適應(yīng)信息平臺可以將來自任何數(shù)據(jù)源，任何云或任何條件的數(shù)據(jù)劃分到信息結(jié)構(gòu)中，以使任何公司都能制作可信賴的信息。

使用Paxata，用戶單擊即可完成命令，而不是敲代碼，只需幾分鐘，而不是幾個月。他們與所有業(yè)務(wù)的消費者進(jìn)行互動，以使他們以飛快的速度掌握數(shù)據(jù)，成為信息啟發(fā)型企業(yè)。

Paxata與諸如Cloudera和Amazon之類的云提供商，大數(shù)據(jù)和商業(yè)智能解決方案提供商緊密合作，并且與BI設(shè)備（包括Salesforce Wave，Tableau，Qlik和Microsoft Excel）完美地結(jié)合在一起，從而顯著縮短了獲取有價值信息的時間。