1.3 數據分析工具軟件

嚴格來講，任何做數據處理的軟件都可以被稱為數據分析工具軟件，例如，Excel可以做很多統計工作，Tableau等BI軟件支持不同維度的數據探索。本節討論的數據分析工具軟件指的是可以進行統計分析或機器學習的軟件。

不同工具軟件側重點不同，適合的場景也不同。數據分析工具選擇，需要綜合考慮各種應用場景，比如，使用者的技能要求、算法包（包括處理算法、可視化和報告輸出等）的豐富程度、運行環境（例如是否能在單機上運行）、開發調試的便捷性（包括軟件本身和社區內容）、處理性能（例如可以處理的數據集大?。┑取；谶@樣的差異，不同類型組織使用的數據分析工具也不同。Rexer Analytics在2017年對在企業、咨詢、學術、政府與公共機構等4個領域做了調查[7] ，結果如圖1-10所示，在所有領域，開源軟件R和Python的使用頻度都很高，在企業和咨詢行業，SQL和Tableau等工具也是常用的軟件。在學術界，MATLAB作為工程分析軟件，使用頻度也非常高。Forrester Research在2017年調研[8] 指出IBM SPSS、SAS、KNIME、RapidMiner是行業分析產品的領軍者。

圖1-10 Rexer Analytics在2017年對數據分析軟件使用的調研結果

下面按照開發和運行方式，從腳本語言軟件、圖形化桌面軟件、云端分析軟件三個類別介紹一下常見的數據分析工具軟件。