1. Excel / Spreadsheet
excel 一直以来都是数据分析领域不可缺少的一部分(最常用的工具之一)。基本上支持了最常用的数据分析功能：用来概述(总结)数据特征，数据可视化，对数据转型(去除噪音数据)从而得到新的数据集用来分析等。这些工具足够强大到让我们可以重新从多个方面审视数据。其替代品，例如open office, google docs!
2. Trifacta
Trifacta的Wrangler工具正在挑战传统的数据清理和操作方法。这个工具有令人难以置信的特性，如图表推荐、内置算法、分析洞察力，您可以使用这些特性在任何时间内生成报告。这是一种智能工具，专注于更快地解决业务问题，从而使我们在与数据相关的练习中更有效率。
3. Rapid Miner
它不仅仅是一个数据清理工具。它在建立机器学习模型方面的具有专业性，包含了我们经常使用的所有ML算法。不仅仅是GUI，它还对使用Python&R构建模型的人提供了支持。能闪电般的快速水平上提供分析经验。对于任何从数据加载到模型部署的需要执行AI操作的业务，都是一个完备的工具。
4. Rattle GUI
如果你试着使用R语言，但却找不到诀窍的情况下，Rattle应该是你的第一选择。它不仅仅是数据挖掘工具。Rattle支持各种ML算法，如树算法、支持向量机算法、Booting算法、神经网络算法、生存算法线性模型算法等。
5. Qlikview
QlikView是全球商业情报行业更受欢迎的工具之一，具有较先进的可视化功能。它有一个内置的推荐引擎，可以不时地更新有关较佳可视化的信息。QlikView在探索数据、趋势、洞察力方面是不可思议的，但它无法从统计学上证明任何事情。
6. Weka
使用Weka的一个优点是它很容易学习。作为一个机器学习工具，它的界面是足够直观的，你可以迅速完成工作。它为数据预处理、分类、回归、聚类、关联规则和可视化提供了选择。您所想到的建模过程中的大部分步骤都可以使用Weka来完成。它建立在Java之上。
7. KNIME
KNIME提供了一个开放源码的分析数据的平台，以后可以使用其他支持KNIME的产品进行部署。该工具在数据融合、可视化和先进的机器学习算法等方面具有丰富的特点，也可以使用这个工具建立模型。
数据编程工具有Python、R、SAS等，目前用得多的是Python,如果有语言基础的小伙伴上手很快，语法、函数、面向对象这些都比较简单，没有基础的小伙伴也可以自学，不是很难。
数据可视化不是很难，如果不要求特别美工的话，大家先理解图表，再研究研究仪表板，阿里云的Quich BI及DataV,百度的echarts都不错，主要是展示的业务结构需要规划。
大数据技术:这个相对来说有些难度，不过有专业的工具让我们用，比如第四范式的产品和阿里云的机器学习PAN都是可以直接出结果的工具；
分析&AI：这部分先了解数据分析的基本流程和分析手法；上面的如果都学了，可以到阿里云大学上面去做几个数据分析方面的案例，增加对数据分析的流程理解和相关技术应用，但是要注意的是阿里案例都是用阿里的工具来实现的，比较简单，建议大家自己编程实现，也可以到九道门商业数据分析实训中心上去看一些案例，自己做做训练。
2.国内厂商帆软，性价比很高，自助式BI工具，也是一款成熟的数据分析产品。内置丰富图表，不需要代码调用，可直接拖拽生成，包括一些数据挖掘模型也是。可用于业务数据的快速分析，制作dashboard，也可构建可视化大屏。他是tableau的平价替代，有别于Tableau的是，企业级数据分析的功能更多。从内置的ETL功能以及数据处理方式上看出，侧重业务数据的快速分析以及可视化展现。可与大数据平台，各类多维数据库结合，所以在企业级BI应用上广泛，个人使用免费。