數據分析工具其實有很多種，對應不同類型的使用者也有各自適合的選擇。例如懂數據算法計算機語言的人，可能給他一款，填寫算法代碼流暢的分析軟件就是有效。掌握了數據分析專業技能的人，強大的分析功能能將工作做到事半功倍，不管看著功能多復雜。還有就是我這種非計算機專業出身，非統計學出身，但工作做還需要對大量數據進行分析的人。

如果你跟我一樣，那么可以看下我的回答。

我總結了下，我以前找分析工具的時候，自己先想了幾個方向點：

1、好上手。一看板面就知道怎么導入數據，怎么做圖表，怎么排版的。這樣的高效。

2、功能還得強大的.畢竟是非專業人士了，找分析工具就是為了充分發揮工具自身能動性，和強大功能，來給我們創造價值的，特別是涉及到數據大量、復雜，必須有給力的功能支撐才能是良心工具。

3、可視化呈現要好一點，就是圖表要高大上的。數據分析報告得拿出手，圖表的展現就是第一門面。包裝的意識還是要有的。

所以結論就是找一些操作容易、功能強大、圖表顏值還得好的工具了。我就是照著這個思路找的，也用過幾個，可以給大家說說。像東軟做的Dataviz，是用著比較順手的了。具體介紹我就摘抄下，自己懶得碼那么多字

DataViz數據可視化分析工具，不需要編寫代碼，也不需要任何程序設計基礎，用戶可以通過簡單的拖拽就可以實現數據可視化展示與分析。DataViz使用簡單，但是實現的功能卻不簡單，上百種豐富的炫酷圖表，可以實現數據的多維度多層次分析。

上圖先，先看些基本圖

各種數據分析好后，可以做成組合圖冊：

重點就是操作起來簡單，拖拖拽拽的，看起來特別復雜的圖表，其實拼貼一下就能搞定了。操作面板基本本國人都可以分分鐘用起來。

如果是專業人士或者計算機大拿的，估計可以尋找更復雜的工具進行嘗試了。但不適合我，所以我這里就不進行推薦了。

SPSS、SAS都是用于統計分析，圍繞統計學知識的一些基本應用，包括描述統計，方差分析，因子分析，主成分分析，基本的回歸，分布的檢驗等等。SPSS用于市場研究較多，SAS銀行金融和醫學統計較多，有一些難度。

R語言像是綜合性較強的一類數據分析工具，集統計分析、數據挖掘，數據可視化。展開來，講講數據分析~這些數據分析工具的使用還是看需求，每個企業應用的選擇和方式都不同。

數據分析的概念很廣，站在IT的角度，實際應用中可以把數據分析工具分成兩個維度：第一維度：數據存儲層——數據報表層——數據分析層——數據展現層

第二維度：用戶級——部門級——企業級——BI級

1、數據存儲層

數據存儲設計到數據庫的概念和數據庫語言，這方面不一定要深鉆研，但至少要理解數據的存儲方式，數據的基本結構和數據類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。

Access2003、Access07等，這是最基本的個人數據庫，經常用于個人或部分基本的數據存儲；MySQL數據庫，這個對于部門級或者互聯網的數據庫應用是必要的，這個時候關鍵掌握數據庫的庫結構和SQL語言的數據查詢能力；

SQL Server2005或更高版本，對中小企業，一些大型企業也可以采用SQL Server數據庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了；

DB2，Oracle數據庫都是大型數據庫，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型數據庫公司都提供非常好的數據整合應用平臺；

BI級別，實際上這個不是數據庫，而是建立在前面數據庫基礎上的，企業級應用的數據倉庫。Data Warehouse，建立在DW機上的數據存儲基本上都是商業智能平臺，整合了各種數據分析，報表、分析和展現，BI級別的數據倉庫結合BI產品也是近幾年的大趨勢。

2、報表/BI層

企業存儲了數據需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。過去傳統報表大多解決的是展現問題，如今像帆軟報表FineReport也會和其他應用交叉，做數據分析報表，通過接口開放功能、填報、決策報表功能，能夠做到打通數據的進出，涵蓋了早期商業智能的功能。

Tableau、Qlikview、FineBI這類BI工具，可分在報表層也可分為數據展現層，涵蓋了數據整合、數據分析和數據展現。FineBI和Tableau同屬于近年來非常棒的軟件，可作為可視化數據分析軟件，可常用FineBI從數據庫中取數進行報表和可視化分析。相對而言，可視化Tableau更優，但FineBI又有另一種身份——商業智能，所以在大數據處理方面的能力更勝一籌。