商業資料探勘工具

---

如今，企業可以使用各種工具和商業智慧軟體將原始資料轉化為可操作的下一步行動。一些資料探勘技術使用機器學習技術來加速這一過程。現代資料探勘超越了基本分析，能夠更有效地從海量資料中提取可用資訊。

市場上五大頂級資料探勘工具

RapidMiner Studio

RapidMiner Studio 是一款視覺化資料科學工作流構建器，它簡化了資料準備、融合、視覺化和探索。其預測建模和資料探勘工作由機器學習技術驅動。

特點

視覺化工作流分析。 − 系統提供拖放式介面，用於建立分析流程。此使用者友好的使用者介面使建模快速而簡單。

連線和管理 − 使用者可以訪問、載入和分析結構化和非結構化資料。

處理 − 該解決方案可以組合結構化和非結構化資料，並可以使用新建立的資料集進行分析。

資料視覺化 − 使用者可以訪問各種資料視覺化工具，例如分佈圖、轉移矩陣和圖表、統計模型。

建模 − 該平臺憑藉各種建模功能和機器學習演算法，能夠進行預測建模和模型驗證。

Alteryx Designer

Alteryx Designer 是一款自助式資料科學應用程式，可完成基本的資料探勘和分析任務。藉助內建的拖放工具，使用者可以組合和準備來自不同來源的資料，並開發可重複的流程。

特點

連線性 − Alteryx Designer 可以連線到各種來源，並具有與 70 多個來源的原生資料連線，包括資料倉庫、ERP 和雲系統、常用檔案、Microsoft Office 檔案、社交網路資料等等。

準備和融合 − Alteryx Designer 的視覺化使用者介面幫助使用者透過資料提取和淨化來最大化價值，在分析之前評估資料集的準確性和完整性。

。

分析和建模 − 透過 Alteryx Analytics Gallery 訪問數百個分析應用程式，Alteryx Designer 涵蓋了從空間分析到預測分析等全方位的資料分析。

流程 − 使用者可以使用視覺化的拖放式介面開發可重複的自動化工作流程，生成分析模型和報告，無需任何編碼。

報告選項 − 該解決方案的見解可以轉換為可按需重新整理的報告，或匯出到多種不同的檔案型別，例如電子表格、XML、PDF 等。

Sisense for Cloud Data Teams

Sisense for Cloud Data Teams（以前稱為 Periscope Data）是一款分析工具，使使用者能夠從基於雲的資料中提取有用的見解。

特點

連線性 − 該系統透過原生資料聯結器和 ETL 協作的生態系統，使使用者能夠透過各種檔案、資料庫、驅動程式、應用程式和服務來增強他們的儀表板。

引擎 − Sisense 引擎在其基礎架構（例如其倉庫）中提取和分析資料，從而實現最佳查詢效能和大型攝取。

雲資料管道 − 該引擎為客戶提供了一個靈活、低維護的解決方案，使其能夠檢視和控制其管道。使用者可以決定資料重新整理的時間和頻率，以及資訊流的外觀。

機器學習 − 使用其資料庫中的資料集來訓練機器學習模型，使用者可以使用 Sisense for Cloud Data Teams 在非結構化資料上測試這些模型。

即時建模 − 使用“邊建模邊執行”方法，使用者可以在不首先建立模型的情況下對建模資料和原始資料進行臨時分析。

TIBCO Data Science

TIBCO Data Science 是一款資料探勘解決方案，它整合了眾多大資料分析和統計軟體包的功能，用於在整個企業中執行機器學習。

特點

全方位分析 − 該平臺擁有超過 16,000 個高階分析功能以及大量機器學習、預測和文字分析功能，使企業能夠以多種方式對大型資料進行建模、轉換和使用。

發現和管理 − 該解決方案可以自動索引有關專案的元資料，並在無需傳輸資料的情況下進行分析，這得益於對大多數來源（包括 Apache Hadoop、Spark、Hive 和關係資料庫）的原生訪問。

機器學習 − 自動化分析模型可以透過從資料中迭代學習來提高效能。

叢集內處理 − 當用戶執行流程時，該解決方案會自動最佳化並將計算推送到多個數據庫系統，以便分析師可以大規模執行其演算法，而無需移動資料或根據資料庫的邏輯修改其演算法。

視覺化拖放式介面 − 各種能力水平的使用者都可以使用視覺化拖放式介面進行查詢，無需熟悉 SQL 查詢或程式語言。

5)SAS Visual Data Mining and Machine Learning？

SAS Visual Data Mining and Machine Learning 是一個多模式的預測分析和機器學習平臺，提供具有完整視覺化和程式設計介面的端到端資料探勘。

特點

準備 − 該解決方案可以使用分散式資料管理方法對輸入源進行全面資料分析，並可以為變數測量和角色提供智慧建議。

拖放式介面 − 雖然編碼仍然是一種選擇，但 SAS VDMML 提供了一個互動式的拖放式介面，無需編碼。

自動建模 − 透過評估特徵以顯示其在改變資料中的重要性，系統會自動提出用於建模的最佳特徵集。

模型評估和評分 − SAS Visual Data Mining and Machine Learning 自動計算監督學習模型的效能統計資料，並建立可用於訓練、保留和新資料的模型評估的 SAS DATA 步程式碼。

自動化洞察 − 透過自動生成關於專案和模型的見解和報告，該技術降低了商業分析師的學習曲線。