【摘要】目前，数据分析有着良好的职业前景，各行业也出现了许多好用的功能种类丰富的数据分析工具，既有面向开源的又有用户友好型的。那么，今天小编就为大家分享一些数据分析中可能会用到的工具，感兴趣的小伙伴就一起了解下吧!

1. R

该工具是用于统计和数据建模的领先分析工具。R可以在UNIX、Windows和Mac OS等各种平台上编译和运行，它还提供了根据用户要求自动安装所有软件包的工具。

2. Python

Python是一种开源的，面向对象的编程语言，易于阅读，编写和维护。它提供了各种机器学习和可视化库，例如 Scikit-learn、TensorFlow、Matplotlib、Pandas、Keras等。

它还可以在任何平台上进行组装，例如SQL Server、MongoDB数据库或JSON。

3. Tableau

这是一个免费软件，可连接到任何数据源，例如Excel、公司数据仓库等。然后通过网络实时更新创建可视化效果、地图、仪表板等。

4. QlikView

该工具提供内存中数据处理，并将结果快速传递给最终用户。它还提供数据关联和数据可视化功能，数据压缩到其原始大小的近10%。

5. SAS

一种用于数据处理和分析的编程语言和环境，该工具易于访问，并且可以分析来自不同来源的数据。

6. Excel

此工具是数据分析中使用最广泛的工具之一。该工具通常用于客户的内部数据，它 通过透视表的预览来分析汇总数据的任务。

7. RapidMiner

一个功能强大的集成平台，可以与任何数据源类型(例如Acess、Excel、Microsoft SQL、Tera数据、Oracle、Sybase等)集成。该工具主要用于预测分析，例如数据挖掘、文本分析、机器学习。

8. KNIME

Konstanz Information Miner(KNIME)是一个开放源数据分析平台，可让您分析和建模数据。利用可视化编程的优势，KNIME通过其模块化数据管道概念提供了一个报告和集成平台。

9. OpenRefine

也称为GoogleRefine，此数据清理软件将帮助您清理数据以进行分析，用于清除凌乱的数据，转换数据以及从网站解析数据。

10. Apache Spark

最大的大型数据处理引擎之一，该工具在Hadoop群集中执行应用程序的内存速度快100倍，磁盘速度快10倍，该工具在数据管道和机器学习模型开发中也很流行。

关于数据分析可能会用到哪些工具，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。