平时在数据分析过程中常用到的工具有：、SAS、R软件、SPSS、Python等。每个软件都有各自的优势，在数据分析过程中可选择合适的进行使用，提升分析效率。
1、Excel：数据透视功能、统计分析、图表功能、高级筛选、自动汇总功能、高级数学计算。
2、SAS：功能强大、统计方法齐、全、新；使用简便、操作灵活；提供联机帮助功能。
3、R软件：一套完整的数据处理、计算和制图软件系统。主要优点如下：数据存储和处理系统、数组运算工具（其向量、矩阵运算方面功能尤其强大）、完整连贯的统计分析工具、优秀的统计制图功能、简便而强大的：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。
4、SPSS：操作简便、编程方便、功能强大、数据接口、模块组合、针对性强。
5、：简单、易学、速度快、免费、开源、高层语言、可移植性、解释性、面向对象、可扩展性、可嵌入性、丰富的库、规范的代码。3
大数据是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源：传感器，气候信息，公开的信息，如杂志，报纸，文章。大数据产生的其他例子包括购买交易记录，网络日志，病历，军事监控，视频和图像档案，及大型电子商务。
在大数据和大数据分析，他们对企业的影响有一个兴趣高涨。大数据分析是研究大量的数据的过程中寻找模式，相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。
Hadoop 是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。Hadoop 还是可伸缩的，能够处理 PB 级数据。此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。
Hadoop是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点：
⒈高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。
⒉高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中。
⒊高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。
⒋高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配。
Hadoop带有用 Java 语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如 C++。
HPCC，High Performance Computing and Communications（高性能计算与通信）的缩写。1993年，由美国科学、工程、技术联邦协调理事会向国会提交了"重大挑战项目：高性能计算与 通信"的报告，也就是被称为HPCC计划的报告，即美国总统科学战略项目，其目的是通过加强研究与开发解决一批重要的科学与技术挑战问题。HPCC是美国 实施信息高速公路而上实施的计划，该计划的实施将耗资百亿美元，其主要目标要达到：开发可扩展的计算系统及相关软件，以支持太位级网络传输性能，开发千兆 比特网络技术，扩展研究和教育机构及网络连接能力。
该项目主要由五部分组成：
1、高性能计算机系统（HPCS），内容包括今后几代计算机系统的研究、系统设计工具、先进的典型系统及原有系统的评价等；
2、先进软件技术与算法（ASTA），内容有巨大挑战问题的软件支撑、新算法设计、软件分支与工具、计算计算及高性能计算研究中心等；
3、国家科研与教育网格（NREN），内容有中接站及10亿位级传输的研究与开发；
4、基本研究与人类资源（BRHR），内容有基础研究、培训、教育及课程教材，被设计通过奖励调查者-开始的，长期 的调查在可升级的高性能计算中来增加创新意识流，通过提高教育和高性能的计算训练和通信来加大熟练的和训练有素的人员的联营，和来提供必需的基础架构来支 持这些调查和研究活动；
5、信息基础结构技术和应用（IITA ），目的在于保证美国在先进信息技术开发方面的领先地位。
Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。Storm由Twitter开源而来，其它知名的应用企业包括Groupon、淘宝、支付宝、阿里巴巴、乐元素、Admaster等等。
Storm有许多应用领域：实时分析、在线机器学习、不停顿的计算、分布式RPC（远过程调用协议，一种通过网络从远程计算机程序上请求服务）、 ETL（Extraction-Transformation-Loading的缩写，即数据抽取、转换和加载）等等。Storm的处理速度惊人：经测 试，每个节点每秒钟可以处理100万个数据元组。Storm是可扩展、容错，很容易设置和操作。
曾经很多人问我，数据可视化重要吗？我们先来看一张图片。
以上这张图片比较普遍现象的数据链路。如果你是厨师，最重要的肯定是做菜和摆盘环节，也就是数据分析和数据可视化环节。
打个比方，很多人现在对菜的摆盘的关注程度甚至超过了菜的味道，如果摆盘不好看，连吃的欲望都没有。再回到数据分析上来，如果你的数据分析地再好再多维度，但是呈现上来的却是如下密密麻麻的图表，领导不满意也是白搭。
数据可视化涵盖的内容很多，比较普遍的就是自动化的监控看板，敏捷式BI也是近一两年的热词，意思是不需要每天都做日报、月报、周报，一次开发，自动形成推送。
这样不仅可以把数据分析师从取数的阶段中解放出来，更多去思考数据驱动业务发展，还可以使业务人员（如市场、财务、产品、运营）自助分析，提高效率。
这么多工具，从哪个入手较好？这也是很多人犯难的。
各位也都知道，做数据可视化有几种最常见的方法：
别以为EXCEL只会处理表格，你可以把它当成数据库，也可以把它当成IDE，甚至可以把它当成数据可视化工具来使用。Excel控若能轻车熟路驾驭VBA，能玩出各种花来，再不济借助图表插件外援也能秒杀一众小白选手。
它可以创建专业的数据透视表和基本的统计图表，但由于默认设置了颜色、线条和风格，使其难以创建用于看上去“高大上”视觉效果。类型只有柱形图、气泡图、热度图以及区域地图等，目前大数据领域常见的需求并不在可选范围内，可用的主题也是微软经典的几款，显得有一些“视觉疲劳”。
会编程的，Echarts几十行代码，分分钟秀的人眼花缭乱。免费且开源，原生全中文，相对于其他开源的图库，文档算是其中比较详细的。
但是缺点也有很多，首先，和python、R一样，需要会编程。其次：
这些东西需要编程，而且只有IT或者专业的数据分析师才能使用，何况我听说他们对于不停地改需求已经感到厌倦，并且想有一个能让业务人员（普通小白）分分钟就能上手的数据分析工具，这样就可以减轻很多工作负担了；当然，业务人员也是这么想的，天天等他们分析好也让人够难受的….
说到自助分析，我脑海中冒出来的就是Tableau和FineBI，一个是国内市场占有率第一，一个是国外巨头，但是我听说Tableau没有国内社区，出了问题找不到解决方法，而且它更适合有基础的数据分析人群，对于我这种小白，FineBI还是更合适。
3、FineBI（文末有免费下载地址）
这是一个可视化的自助式BI工具，整个操作就是导数据/连数据库-——处理数据（可视化ETL）——选择图表——拖数据字段——可视化展现&美化，操作简单上手快。
多数情况下，这个工具都是拿来做可视化报表，对接企业大数据平台，做企业数据运营分析用。
你可以把它视作为可视化工具，因为它里面自带几十种常用图表，以及动态效果；你也可以把它作为报表工具，因为它能接入各种OA、ERP、CRM等系统数据，不写代码不写SQL就能批量化做报表。你还可以把它看作数据分析工具，其内置等常见的数据分析模型、以及各式图表，可以借助FineBI做一些探索性的分析。
内置丰富图表（这只是冰山一角）
相比于代码，这种直接拖拽很爽有没有？
有了报表系统，企业还要上BI吗？
很多的人认为，报表就是BI。实际上，报表只是BI的一部分，虽然BI应用的结果通常需要通过报表来展示，但是，BI绝对不仅仅是报表。
报表只能实现查询，查询仅仅只能告诉你事实是什么？不管查询的界面是多么炫，多么简单，多么便捷。而我们不仅仅需要知道发生了什么，还要知道为什么发生，这就需要分析。要实现分析有两个要素，一是任意维度；二是任意分析路径。
BI不是让你相信自己所知道的，而是促使你去思考更多的问题和疑惑。BI迫使我们怀疑得出的结论、回到初步阶段、重新设定假定和条件。它促使我们思考，而不是给出事实。
你需要BI工具帮助做出最佳决策，而不是正确决策，BI让决策不再止步于结果。
