商业数据挖掘工具

---

如今，企业可以使用各种工具和商业智能软件将原始数据转化为可操作的下一步行动。一些数据挖掘技术使用机器学习技术来加速这一过程。现代数据挖掘超越了基本分析，能够更有效地从海量数据中提取可用信息。

市场上五大顶级数据挖掘工具

RapidMiner Studio

RapidMiner Studio 是一款可视化数据科学工作流构建器，它简化了数据准备、融合、可视化和探索。其预测建模和数据挖掘工作由机器学习技术驱动。

特点

可视化工作流分析。 − 系统提供拖放式界面，用于创建分析流程。此用户友好的用户界面使建模快速而简单。

连接和管理 − 用户可以访问、加载和分析结构化和非结构化数据。

处理 − 该解决方案可以组合结构化和非结构化数据，并可以使用新创建的数据集进行分析。

数据可视化 − 用户可以访问各种数据可视化工具，例如分布图、转移矩阵和图表、统计模型。

建模 − 该平台凭借各种建模功能和机器学习算法，能够进行预测建模和模型验证。

Alteryx Designer

Alteryx Designer 是一款自助式数据科学应用程序，可完成基本的数据挖掘和分析任务。借助内置的拖放工具，用户可以组合和准备来自不同来源的数据，并开发可重复的流程。

特点

连接性 − Alteryx Designer 可以连接到各种来源，并具有与 70 多个来源的原生数据连接，包括数据仓库、ERP 和云系统、常用文件、Microsoft Office 文件、社交网络数据等等。

准备和融合 − Alteryx Designer 的可视化用户界面帮助用户通过数据提取和净化来最大化价值，在分析之前评估数据集的准确性和完整性。

。

分析和建模 − 通过 Alteryx Analytics Gallery 访问数百个分析应用程序，Alteryx Designer 涵盖了从空间分析到预测分析等全方位的数据分析。

流程 − 用户可以使用可视化的拖放式界面开发可重复的自动化工作流程，生成分析模型和报告，无需任何编码。

报告选项 − 该解决方案的见解可以转换为可按需刷新的报告，或导出到多种不同的文件类型，例如电子表格、XML、PDF 等。

Sisense for Cloud Data Teams

Sisense for Cloud Data Teams（以前称为 Periscope Data）是一款分析工具，使用户能够从基于云的数据中提取有用的见解。

特点

连接性 − 该系统通过原生数据连接器和 ETL 协作的生态系统，使用户能够通过各种文件、数据库、驱动程序、应用程序和服务来增强他们的仪表板。

引擎 − Sisense 引擎在其基础架构（例如其仓库）中提取和分析数据，从而实现最佳查询性能和大型摄取。

云数据管道 − 该引擎为客户提供了一个灵活、低维护的解决方案，使其能够查看和控制其管道。用户可以决定数据刷新的时间和频率，以及信息流的外观。

机器学习 − 使用其数据库中的数据集来训练机器学习模型，用户可以使用 Sisense for Cloud Data Teams 在非结构化数据上测试这些模型。

实时建模 − 使用“边建模边运行”方法，用户可以在不首先创建模型的情况下对建模数据和原始数据进行临时分析。

TIBCO Data Science

TIBCO Data Science 是一款数据挖掘解决方案，它整合了众多大数据分析和统计软件包的功能，用于在整个企业中运行机器学习。

特点

全方位分析 − 该平台拥有超过 16,000 个高级分析功能以及大量机器学习、预测和文本分析功能，使企业能够以多种方式对大型数据进行建模、转换和使用。

发现和管理 − 该解决方案可以自动索引有关项目的元数据，并在无需传输数据的情况下进行分析，这得益于对大多数来源（包括 Apache Hadoop、Spark、Hive 和关系数据库）的原生访问。

机器学习 − 自动化分析模型可以通过从数据中迭代学习来提高性能。

集群内处理 − 当用户运行流程时，该解决方案会自动优化并将计算推送到多个数据库系统，以便分析师可以大规模运行其算法，而无需移动数据或根据数据库的逻辑修改其算法。

可视化拖放式界面 − 各种能力水平的用户都可以使用可视化拖放式界面进行查询，无需熟悉 SQL 查询或编程语言。

5)SAS Visual Data Mining and Machine Learning？

SAS Visual Data Mining and Machine Learning 是一个多模式的预测分析和机器学习平台，提供具有完整可视化和编程界面的端到端数据挖掘。

特点

准备 − 该解决方案可以使用分布式数据管理方法对输入源进行全面数据分析，并可以为变量测量和角色提供智能建议。

拖放式界面 − 虽然编码仍然是一种选择，但 SAS VDMML 提供了一个交互式的拖放式界面，无需编码。

自动建模 − 通过评估特征以显示其在改变数据中的重要性，系统会自动提出用于建模的最佳特征集。

模型评估和评分 − SAS Visual Data Mining and Machine Learning 自动计算监督学习模型的性能统计数据，并创建可用于训练、保留和新数据的模型评估的 SAS DATA 步代码。

自动化洞察 − 通过自动生成关于项目和模型的见解和报告，该技术降低了商业分析师的学习曲线。