随着数据量的爆炸式增长，我们需要借助一些有效的工具进行数据挖掘工作，从而帮助我们更轻松地从巨大的数据集中找出关系、集群、模式、分类信息等。数据挖掘是数据库知识发现（KDD）中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。借助这类工具可以帮助我们做出最准确的决策，为我们的业务获取更多收益。下面盘点主流数据挖掘平台软件有哪些？
一、SAS Data Mining
SAS数据挖掘商业软件提供易于使用的GUI，并提供从数据处理、集群到最终环节的自动化工具，用户可以从中得出最佳结果做出正确决策。由于它属于商业数据挖掘软件，所以其中包含很多高端的工具，包括自动化、密集像算法、建模、数据可视化等等。
二、RapidMiner
RapidMiner是一个开源的数据挖掘软件，由Java语言编写而成，提供一些可扩展的数据分析挖掘算法的实现。该款工具最大的好处就是，用户无需写任何代码。它是作为一个服务提供，而不是一款本地软件。除了数据挖掘，RapidMiner还提供如数据预处理和可视化、预测分析和统计建模、评估和部署等功能。
三、Software – R
R软件主要是由C语言和FORTRAN语言编写的，是一款针对编程语言和软件环境进行统计计算和制图的免费软件。除了可以为科学家、研究人员以及学生提供数据挖掘和分析功能外，它还可以提供统计和制图技术，包括线性和非线性建模，经典的统计测试，时间序列分析、分类、收集等等。
四、WEKA
WEKA基于Java版本，支持多种标准数据挖掘任务，包括数据预处理、收集、分类、回归分析、可视化和特征选取。同时，Weka也为普通用户提供了图形化界面。此外，用户还可以在 Weka论坛 可以找到很多扩展包，比如文本挖掘、可视化、网格计算等等。很多其它开源数据挖掘软件也支持调用Weka的分析功能。
五、KNIME
KNIME是基于Eclipse，用Java编写的一款开源的数据分析、报告和综合平台，拥有数据提取、集成，处理，分析、转换以及加载所需的所有数据挖掘工具。此外，它具有图形用户界面，可以帮助用户轻松连接节点进行数据处理。它结合了数据挖掘和机器学习的各种组件，对商业情报和财务数据分析非常有帮助。此外，用户还可以通过随时添加附加功能轻松地扩展KNIME。
六、Orange数据挖掘软件
Orange是一个开源数据挖掘和机器学习工具，它的图形环境称为Orange画布（OrangeCanvas），用户可以在画布上放置分析控件，然后把控件连接起来即可组成挖掘流程。除了界面友好易于使用的优点，Orange的强项在于提供了大量可视化方法，可以对数据和模型进行多种图形化展示，并能智能搜索合适的可视化形式，支持对数据的交互式探索。
七、JHepWork
jHepWork主要是用开源库来创建一个数据分析环境，并提供了丰富的用户接口，以此来和那些收费的的软件竞争。它主要是为了科学计算用的二维和三维的制图，并包含了用Java实现的数学科学库，随机数，和其它的数据挖掘算法。jHepWork是基于一个高级的编程语言Jython，当然，Java代码同样可以用来调用jHepWork的数学和图形库。
