推薦給營銷人的11款數據分析工具，高效實用！
毋庸置疑，大數據市場是一座待挖掘的金礦。隨著數據使用量的增長，將有更多的人通過數據來尋求專業問題的答案。可視化數據分析工具的出現讓人們可以通過將數據可視化來探討問題、揭示洞見，用數據分享故事。甚至于不懂挖掘算法的人員，也能夠為用戶進行畫像。
BI（BusinessIntelligence）即商業智能，越來越多的智能軟件供應商推出可視化數據分析工具，應對企業業務人員的大數據分析需求。然而如果你覺得不是數據分析專業、沒有挖掘算法基礎就無法使用BI工具？NO，自助式分析工具已經讓數據產品鏈條變得大眾化，。為了更好地幫助讀者選擇分析工具，本文將為介紹數說立方、數據觀、魔鏡等11款BI-商業智能產品，排名不分先后！
原標題：《【干貨】你不得不知道的11款數據分析工具》
數英網DIGITALING用戶原創文章，轉載請聯系本人
一、功能列表
二、詳細介紹
1、 數說立方
數說立方是數說故事新推出的一款面向數據分析師的在線商業智能產品。最重要的特點是配備百億級社交數據庫，同時支持全網公開數據實時抓取，從數據源端解決分析師難點；另外數說立方搭載了分布式搜索、語義分析、數據可視化三大引擎系統的海量計算平臺，實現數據處理“探索式分析”和“秒級響應”的兩個核心功能。同時數說立方是數說故事三大主打產品之一，并與其他兩大產品數說聚合和數說雷達實現從數據源、數據分析、到數據展示完整的數據解決方案。
優點：
（1）即便是個人免費版，體驗和功能仍然非常好；
（2）與自家產品“數說聚合”的無縫接入，支持定向抓取微信、微博等數據；
（3）功能完善，集數據處理、特征工程、建模、文本挖掘為一體的機器學習平臺；
（4）可視化視圖展現、友好的客戶感知頁面；
（5）支持SAAS，私有化部署，有權限管理；
缺點：
（1）產品新上市，操作指導頁不太完善；
（2）體驗過程中有一些小bug；
體驗網址：http://cube.datastory.com.cn/
2、數加平臺
數加是阿里云發布的一站式大數據平臺，可以提供數據采集、結構化、加工到展示分析整套的一站式數據服務。 可采集不同系統及物理存儲的源頭數據，在分布式計算平臺上進行數據的深度整合、計算、挖掘，將計算的結果通過可視化的工具進行個性化的數據分析和展現，也可直觀的展示分析現有云上業務系統的數據庫數據。
優點：
（1）有完整的產品規劃，功能完善；
（2）圖形展示和客戶感知良好；
（3）提供SQL查詢；
缺點：
（1）需要捆綁阿里云才能使用，一般用戶還不能真正使用起來；
（2）部分體驗功能一般，有一定的學習成本；
3、Tableau
Tableau是目前市面上較為成功的BI工具。產品既有針對性，又有普適性。拖放式界面，操作簡單。數據兼容性強，適用于多種數據文件與數據庫，同時也兼容多平臺，windows、mac、Online均可使用。而且重要的一點是免費為用戶安排現場培訓或按需求進行在線培訓。
優點：
（1）處于行業領導者地位，功能完善；
（2）有較好的圖形展現與客戶感知；
（3）新產品開始支持云端展現，但是需要客戶端支持；
缺點：
（1）相比于商業智能BI，更像一個基于數據查詢的數據展示工具；
（2）處理不規范數據、轉化復雜模型比較難；
（3）無法處理大量數據；
（4）國內網絡連接Online版速度較慢；
體驗網址：http://www.tableau.com/zh-cn
4、Qlik
QlikView只需輕輕單擊幾下，就可以對所有數據源進行合并、搜索、可視化和分析，可在不影響性能的前提下連接到多個數據源；其次視圖種類豐富，界面簡潔，互動性強，總體來說是一款簡單易用的BI產品。Qlik用戶可通過各類可視化效果，將Qlik擴展到任何應用程序中。另外用戶也可以通過使用標準的和最新的網絡API，可將可視化效果數據嵌入網站或應用程序。
優點：
（1）產品功能完善，圖形展現和客戶感知良好；
（2）支持SAAS，有權限管理功能；
缺點：
（1）有一定的學習成本；
（2）報表規范性要求很高；
（3） 數據抓取功能都非常弱，需要有非常好的數據倉庫作為基礎；
體驗網址：http://global.qlik.com/cn
5、Spotfire
Spotfire服務對象是一線工作人員和日常決策人員，其交互界面形象易懂，無需寫腳本語言和編寫程序就可以對數據進行添加、分離操作。內置搜索引擎，可以隨意查找任意信息。支持R、S+等統計、挖掘功能；有豐富、開源的R模型。標記有自身特色，提供了過濾、鉆取等功能，多個標記同時還可以實現圖形化的集合運算。
優點：
（1）交互界面形象易懂，即使是普通的業務人員也能輕而易舉地進行復雜的數據分析；
（2）不一定要建數據倉庫，還可以直接從多個異構數據源提取數據進行分析；
（3）支持SAAS，有權限管理功能；
缺點：
（1）SAAS版只支持30M，由于是國外服務器所以上傳很慢；
（2）不適合中國式的固定報表；
（3）進軍中國市場較晚，國內案例較少；
（4）工具的適應性范圍廣，但是難易跨度大；
體驗網址：http://spotfire.tibco.com（需翻墻）
6、神策分析
神策分析的產品有完整的使用文檔，每個模塊都有詳細的使用說明以及示例，降低了用戶的學習成本。而且支持私有部署、任意維度的交叉分析，并幫助客戶搭建專屬的數據倉庫。目前提供事件分析、漏斗分析、留存分析、數據管理等功能，未來預計會增加用戶分群、用戶人群分析、推送和異常維度組合挖掘等
優點：
（1）專注于用戶行為數據分析，不追求做大而追求做全；
（2）有詳細的產品使用文檔以及案例；
（3） 提供SQL查詢；
缺點：
（1）更多的是demo示例，不能開箱即用；
（2）純dashboard展示，并不能對單獨一塊數據作自定義分析；
體驗網址：http://www.sensorsdata.cn/
7、BDP
BDP個人版免費，只需導入數據，設定分析維度，即可實時得到圖表分析結果。示例和視頻教學很細致，交互頁面友好。每次數據更新，對應的圖表也會自動更新，可以免去一些重復制作的工作。分享環節也很貼心，報告可以一鍵導出為PPT、郵件發送，也可直接生成鏈接分享。
優點：
（1）產品支持移動端；手機同步呈現最新數據
（2）首次登陸的用戶可以使用免費數據；
（3）操作體驗流暢，界面友好，功能全，總體來說是一款不錯的產品；
（4）即便是個人免費版，體驗和功能仍然非常好；
缺點：
（1）官網的介紹比較簡單；
體驗網址：https://me.bdp.cn/home.html
8、永洪BI
永洪BI是一款可在前端進行多維分析和報表展現的BI軟件。支持拖拽操作，數據源格式多樣，提供不同級別的查詢支持，支持跨庫跨源連接。另外永洪提供了一款數據存儲、數據處理的軟件——MPP數據集市，可與BI打通，使得數據查詢，鉆取和展示的速度大幅度提高。不過其產品用戶體驗一般，拖拽過于自由，導致儀表盤布局不好控制；主題樣式雖多但是給人感覺樣式還是很傳統。
優點：
（1）商業流程完善，給人專業的感覺；
（2）產品定制化的版本效果不錯；
（3）支持的數據接入較多；
缺點：
（1）SAAS版體驗很差，有一定的學習成本；
（2）UI的視覺效果一般，整體可視化效果不夠現代化；
體驗網址：http://www.yonghongtech.com/index.html
9、數據觀
數據觀的功能設計理念是極簡、無門檻，所以它最大的特點就是簡單。數據觀數據來自云端，如：百度 網盤、微盤、salesforce等。數據上傳后，馬上有推薦圖表，引導明確。另外產品的使用沒有技術門檻，無需專業IT知識，同時適用于非專業分析師出身的業務人員，可以快速將數據轉化成直觀的圖表，適合一開始接觸數據分析工具的非專業數據從業人員。
優點：
（1）注冊只需填寫郵箱，且支持明道賬號登陸；
（2）使用引導明確，支持salesforce、百度云數據導入；
（3）分析結果支持鏈接分享，大大降低用戶的溝通成本；
缺點：
（1）不支持超過20MB的數據上傳；
（2）數據導入后，數據分析體驗方面存在bug；
（3）產品的使用以點擊為主，不支持拖拽操作；
10、FineBI
FineBI分為數據處理、可視分析和分享公用三大功能模塊。支持多種數據源，圖表風格清爽美觀，可選擇任意維度分析。分析頁面由控件和組件組成，控件和組件的數量是可以添加至任意多個，但是布局的交互比較僵硬，且使用邏輯有點亂，引導不明確。需要安裝本地客戶端才能使用。
優點：
（1）有較為詳細的行業案例與技術方案；
（2）產品演示和資源中心也較為清晰
缺點：
（1）需要使用客戶端，增加了使用的不便利性
（2）只有儀表盤展示，BI報表需要另一款產品；
（3）無法處理大量的數據；
11、魔鏡
魔鏡支持自動拖拽建模，同時可視化效果庫十分酷炫。用戶可以邀請團隊成員到自己的項目，合作進行探索分析，并且按照需求有效控制訪問數據的成員權限。產品模塊規劃完整，有基礎企業版到hadoop等5種選擇為，而且可以支持定制化服務。但是可能是云平臺版的緣故，使用過程中出現不少BUG，企業版的體驗可能會相對好一點。
優點：
（1）產品模塊的規劃比較健全，其中包括數據源導入、數據分析、儀表盤、數據挖掘和數據工廠；
（2）官網的設計不錯，模板選擇性大，顏值控可能會喜歡；
（3）工具使用指導清晰，使用篇和方法篇等比較詳細；
缺點：
（1）產品存在較多的BUG，UI和功能相對其他產品來說較簡陋；
（2）部分產品模塊并不能切實用于數據分析；
選擇一款適用的BI產品，能夠大大簡化數據分析的繁雜工作，提高分析效率與質量。當然，以上每個工具各有優點，工具地址都給大家了，接下來就是輪到你動手的時候了，找一個自己喜歡的工具，開始吧！
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）