助你事半功倍的数据科学工具大集合

【51CTO.com快译】无论您在工地搬砖(作者并无瞧不起建筑工人之意)，还是在财富500强的企业中工作，拥有一套合适的工具是必不可少的。如今，各个企业为了能够顺畅地“构建出自己的商业大厦”，他们需要通过各种不同的工具，来达到事半功倍的效果。

同时，为了能够在数字全球化的环境中保持竞争力，各大公司都将注意力投向了如何建立一套完备的数据分析策略。因此，他们需要运用各种数据科学工具，通过各种途径，来对运营中的企业数据实现分类、切片(slicing)和切块(dicing)。可以说，一套周详且实用的数据策略，既能协助您的企业实现更快的关键业务决策，又能达到更准确的结果预测。

但是摆在我们面前的难题往往是：如何判断在哪些应用场景中，采用哪种合适的工具。一般而言，建立一个健全的数据科学堆栈(data science stack)不但能够满足现代化数据分析的最低期望目标，而且能够为本企业的数据处理、与分析人员补足各种现有专业知识的短板。

幸运的是，那些提供面向数据解决方案的开发者们，一直致力于根据不断增长和变化的分析需求，通过对工具各项功能的提升，使之能够更快、更深入、更人性化地为各种类型的企业提供数据分析服务。

下面，我们将向您介绍一些能够帮助您对数据进行收集、存储、分析、可视化、以及用于机器学习的各种顶级数据科学工具。

1.数据收集工具

收集有质量的数据，并将其转化为适合于多种分析的形式，是每一种数据策略在制定之初的基本要求。合适的数据收集工具，不但能够帮助您减少由数据本身所产生的错误和重复，而且能够确保具备更高的精确度，以及各种数据来源的完整性。

业界常见的数据收集工具有如下五种：

• GoSpotCheck
• IBM Datacap
• Mozenda
• Ochtoprse
• Hyland的OnBase

2.数据分析工具

在数据中寻找内在的意义，并获取其隐藏的价值，是所有数据分析工作的核心。良好的工具使您能够更容易地理解数据，并从中领悟真正的含义，进而可以帮助您做出那些能够“改变游戏规则”的业务决策，甚至会影响到企业的整体收入、竞争力、创新意识、客户体验、以及运营效率。

下面是五种业界领先的数据分析工具和平台：

• Alteryx
• Domino数据实验室
• Informatica
• KNIME分析平台
• RapidMiner

3.数据仓库工具

数据仓库能够以存储库的形式，对多种来源的数据进行合并与整合，通过标准化以方便数据被进一步地使用。数据仓库可以让您以实时或批量的方式，查询与自己业务相关的各种精准数据。那些运行在全球最大的云基础设施上的解决方案，如亚马逊的Athena和S3，能够帮助您实现随时随地存储、和检索任意数量级的数据。您不再需要拥有专门的分析系统，便可进行复杂的数据分析。

下面是五种顶级的数据仓库工具：

• 亚马逊的Redshift
• 谷歌的BigQuery
• 微软的Azure
• MySQL
• Snowflake

4.数据可视化工具

可视化分析工具能够识别出数据的不同模型和趋势，并能帮助最终用户理解和消化那些复杂的概念。它们能够以图表、图形和映射图的形式，让您更容易地访问、理解、以及可视化地共享自己的数据。

如下五种是业界高性能的数据可视化工具：

• 谷歌的Fusion Tables
• Jinfonet的JReport
• 微软的Power BI
• Qlik
• SAS

5.机器学习工具

机器学习的宗旨是通过解析数据、从中学习、进而实现业务预测。如今市面上的机器学习工具都能够使用多种算法来表示、评估和优化各种数据，进而准确地解析出各种泛化(generalizations)和异常(anomalies)。

下面是业界普遍认为的五种最好的机器学习工具：

• Anaconda
• Databricks
• DataRobot
• Feature Labs
• u H20.ai

启用数据分析计划

任何现代化数据分析策略的成功，都取决于对所有数据的完全访问。像亚马逊S3这样完备的数据解决方案势必能够简化、并加速我们从任何数据源中，将大量的数据加载到云端数据仓库、或基于云的存储服务那里。而一旦数据被载入仓库，您就可以根据自己所开发的任意机器学习模型，加深对于海量数据背后知识解读，进而更好地为客户提供服务、或开展商业创新。

原文标题：Top Data Science Tools，作者：Garrett Alley

http://bigdata.51cto.com/art/201812/588833.htm