39个大数据可视化工具做数据分析，比较好用的软件有哪些？

数据可视化分析工具有没有完全免费的？

1. Excel / Spreadsheet /download/ excel 基本上支持了最常用的数据分析功能：用来概述(总结)数据特征，数据可视化，对数据转型(去除噪音数据)从而得到新的数据集用来分析等。

尽管Microsoft excel这个软件是付费的，但你可以用其替代品，例如open office, google docs! 2. Trifacta https:///start-wrangling/ excel在数据大小上有限制，但这个工具没有这样的局限，您可以安全地用它处理大数据集。

这个工具有令人难以置信的特性，如图表推荐、内置算法、分析洞察力，您可以使用这些特性在任何时间内生成报告。

3. Rapid Miner / 在建立机器学习模型方面的具有专业性,包含了我们经常使用的所有ML算法。

能闪电般的快速水平上提供分析经验。

他们的生产线上有几个为大数据、可视化、模型部署而构建的产品，其中一些产品(企业)包括订阅费。

4. Rattle GUI /bin/windows/base/ 提供了足够的选项来探索、转换和建模数据。

它在统计分析方面的选择比SPSS少。

但是，SPSS是一个付费工具。

5. Qlikview /us/landing/go-sm/qlikview/download-qlikview 获得商业洞察力并以一种极具吸引力的方式将其呈现出来。

有了它较先进的可视化功能，你会惊讶于你在处理数据时所得到的控制量。

它有一个内置的推荐引擎，可以不时地更新有关较佳可视化的信息。

6. Weka https:///learning-paths-data-science-business-analytics-business-intelligence-big-data/weka-gui-learn-machine-learning/ 使用Weka的一个优点是它很容易学习。

作为一个机器学习工具，它的界面是足够直观的，你可以迅速完成工作。

它为数据预处理、分类、回归、聚类、关联规则和可视化提供了选择。

建立在Java之上。

7. KNIME https:///knime-analytics-platform 提供了一个开放源码的分析数据的平台，以后可以使用其他支持KNIME的产品进行部署。

该工具在数据融合、可视化和先进的机器学习算法等方面具有丰富的特点。

8. Orange http://orange.biolab.si/ 目的是产生交互式数据可视化和数据挖掘任务。

YouTube上有足够的教程来学习这个工具。

它有一个广泛的数据挖掘任务库，包括所有的分类、回归、聚类方法。

9. Tableau Public /s/ Tableau是一个数据可视化软件。

快速探索数据的可视化软件，每一次观察都可使用各种可能的图表。

它是一种由自己计算出数据类型、可用的较佳方法等的智能算法。

10. Data Wrapper 这是一个闪电般的快速可视化软件。

可视化桶由线条图、条形图、列图、饼图、叠加条形图和地图组成。

此工具启用浏览器，不需要任何软件安装。

11. Data Science Studio (DSS) /dss/trynow/ 它是一个旨在连接技术，业务和数据的强大工具。

它可分为两部分：编码和非编码。

它对任何旨在发展，建立，在网络上部署和扩展模型的组织来说都是一个完整的软件包。

12. OpenRefine /download.html 专门研究混乱的数据;为预测建模目的而清理、转换和塑造数据。

使用Open Refine进行改进，分析人员不仅可以节省时间，还可以将其用于生产工作。

大数据分析一般用什么工具分析

Excel：日常在做通报、报告和抽样分析中经常用到，其图表功能很强大，处理10万级别的数据很轻松。

UltraEdit：文本工具，比TXT工具好用，打开和运行速度都比较快。

ACCESS：桌面数据库，主要是用于日常的抽样分析(做全量统计分析，消耗资源和时间较多，通常分析师会随机抽取部分数据进行分析)，使用SQL语言，处理100万级别的数据还是很快捷。

Orcle、SQL sever：处理千万级别的数据需要用到这两类数据库。

当然，在自己能力和时间允许的情况下，学习新流行的分布式数据库及提升自身的编程能力，对未来的职业发展也有很大帮助。

分析软件主要推荐： SPSS系列：老牌的统计分析软件，SPSS Statistics(偏统计功能、市场研究)、SPSS Modeler(偏数据挖掘),不用编程，易学。

SAS：老牌经典挖掘软件，需要编程。

R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。

数据可视化大屏的前景如何

DCV作为新一代数据中心可视化管理平台，让管理人员可以清晰直观地掌握IT运营中的有效信息，实现透明化与可视化管理，进而有效提升资产管理与监控管理的效率，实现立体式、可视化的新一代数据中心运行管理。

　　CampusBuilder (模模搭)提供了一个完整的、 网络化、 可视化的三维虚拟环境设计编辑平台，操作简便，高效易用，用户可使用鼠标拖动的方式绘制各种结构及添加各种对象模型，即可立即创建数据中心机房的三维模型，还可以导入机房CAD图纸辅助绘制，用户可快速高效地设计数据中心机房，实现房间结构生成、装饰调整、设备摆放和场景创建的工作，生成实际可用的数据中心三维虚拟仿真场景网页链接 　　环境可视化 　　沙盘、展板、图纸等传统管理手段缺乏交互性，吸引力弱，信息传递效果不佳。

Tarsier的环境可视化管理采用3D虚拟仿真技术，实现数据中心的园区、楼宇、机房等环境的可视化浏览，清晰完整地展现整个数据中心。

同时配合监控可视化模块，可以与安防、消防、楼宇自控等系统集成，为以上系统提供可视化管理手段，实现数据中心园区环境的跨系统集中管理，提高对数据中心园区的掌控能力和管理效率。

　　功能特性：地理园区的虚拟仿真、建筑外观的虚拟仿真、建筑内部结构的虚拟仿真。

　　管线可视化通过传统的平面图纸和跳线表方式难以看清密集管线的信息。

Tarsier的管线可视化管理以3D可视化手段梳理数据中心日益密集的电气管道与网络线路，让数据中心运维人员从平面图纸及跳线表格中解脱出来，更加直观地掌握数据中心的管线分布及走线情况，从而快速排查及修复管线类故障，提高管线管理水平和故障解决效率。

　　功能特性：园区管网3D可视化、建筑电气管路3D可视化、建筑空调管路3D可视化、机房设备布线3D可视化。

　　资产可视化 　　数据中心内设备资产数量庞大，种类众多，传统的列表式管理方式效率低、实用性差。

Tarsier的资产可视化管理模块采用创新的三维互动技术实 现对数据中心资产配置信息的可视化管理，可与各类IT资产配置管理数据库集成，也支持各种资产台账表格直接导入，让呆板的资产和配置数据变得鲜 活易用，大大提升了资产数据的实用性和易用性。

　　功能特性：分级浏览可视化、设备上下架3D可视化、全设备虚拟仿真、快速模糊查询、强大模型库支持。

　　容量可视化传统管理软件对机房容量情况缺乏有效的信息检索手段，查询困难。

Tarsier的容量可视化管理模块提供以机柜为单位的数据中心容量管理，以树形结构和3D可视化展现两种方式全面表现机房和机柜整体使用情况，对于空间容量、电力容量、承重容量等进行精确统计和展现，帮助运维人员高效的管理机房的容量资源，让机房各类资源的负荷更加均衡，提升数据中心资源使用效率。

　　功能特性：地理园区的虚拟仿真、建筑外观的虚拟仿真、建筑内部结构的虚拟仿真。

　　监控可视化 　　监控可视化管理整合数据中心内各种专业监控工具(如动环监控、安防监控、网络监控、主机监控、应用监控等)，把多种监控数据融为一体，建立统一监控窗口，解决监控数据孤岛问题，实现监控工具、监控数据的价值最大化。

同时，基于T3D图形引擎强大的可视化能力，提供丰富的可视化手段，扭转由于二维信息维度不足而导致的数据与报表泛滥状况，切实提升监控管理水平。

　　功能特性：门禁监控集成、视频监控集成、消防监控集成、环境监控集成、配电监控集成、制冷监控集成、设备统一告警展示。

　　演示可视化PPT介绍、动画录像等传统汇报方式枯燥单调、真实感不强。

Tarsier的演示可视化管理借助T3D图形引擎提供的虚拟线路和可视化展示等强大功能，满足数据中心基础设施多样化的展示需求，如逻辑关系表达、模拟气流、PPT整合、自动巡检及演示路线定制等，用户可以在平台中制作内容丰富、生动多彩、图文并茂的数据中心介绍和演示内容，以耳目一新的形式展现数据中心的方方面面，有力提升数据中心整体形象，充分体现数据中心管理水平。

　　功能特性：PPT演示汇报管理、日常工作视角管理、动画线路管理。

大数据可视化培训哪个好

大数据现在很火，有很多的企业在高薪聘请大数开发据人才，因此很多人纷纷开始学习大数据开发，希望可以获得一份高薪工作，关于大数据开发的优势有一下几点： 1、对于企业而言，通过微信连接用户和商家已是企业重要的发展方向，大数据将为你的企业带来优势。

2、大数据可以提高数据的可用性，大数据需要尖端的可视化数据工具，以把所有的数字和数据点转化成一些更具体的数据。

这将增加数据整体的可用性，以便企业自己或他们的最终用户使用。

3、大数据的就业薪资，这应该是想要学习大数据朋友最为关心的问题了，大数据的发展前景很好，因此薪资待遇是比较不错的。

互联网是当下流行趋势，大数据的发展是必然的，如果你想要学习大数据的话可以关注扣丁学堂，那里有大量的大数据视频教程供学员观看学习。

对于一般的企业而言，大数据的作用主要表现在两个方面，分别是数据的分析使用与进行二次开发项目，大数据的运用，不仅标志着时代的进步，同时还激励着人们进行更深领域的探究。

做数据分析，比较好用的软件有哪些？

虽然数据分析的工具千万种，综合起来万变不离其宗。

无非是数据获取、数据存储、数据管理、数据计算、数据分析、数据展示等几个方面。

而SAS、R、SPSS、python、excel是被提到频率最高的数据分析工具。

Python Python，是一种面向对象、解释型计算机程序设计语言。

Python语法简洁而清晰，具有丰富和强大的类库。

它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。

常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。

需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。

R软件 R是一套完整的数据处理、计算和制图软件系统。

它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

SPSS SPSS是世界上最早的统计分析软件，具有完整的数据输入、编辑、统计分析、报表、图形制作等功能，能够读取及输出多种格式的文件。

Excel? 可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。

SAS软件 SAS把数据存取、管理、分析和展现有机地融为一体。

提供了从基本统计数的计算到各种试验设计的方差分析，相关回归分析以及多变数分析的多种统计分析过程，几乎囊括了所有最新分析方法，其分析技术先进，可靠。

分析方法的实现通过过程调用完成。

许多过程同时提供了多种算法和选项。