数据分析使企业能够分析其所有数据（实时，历史，非结构化，结构化，定性），以识别模式并生成洞察力，以告知并在某些情况下使决策自动化，将数据情报与行动联系起来。当今最好的
数据分析工具解决方案支持从访问、准备和分析数据到实时分析和监视结果之间端到端分析过程。下面我们来一起看看数据分析用什么软件吧。
一、数据类型
在进行
大数据分析时要明白分析什么数据，大数据要分析的数据类型主要有四大类：
1、人为数据
非结构数据广泛存在于电子邮件、文档、图片、音频、视频，以及通过博客、维基，尤其是社交媒体产生的数据流。这些数据为使用文本分析功能进行分析提供了丰富的数据源泉。
2、交易数据
大数据平台能够获取时间跨度更大、更海量的结构化交易数据，这样就可以对更广泛的交易数据类型进行分析，不仅仅包括POS或电子商务购物数据，还包括行为交易数据，例如Web服务器记录的互联网点击流数据日志。
3、IoT数据
这包括功能设备创建或生成的数据，例如智能温度控制器、智能电表、家用电器和工厂机器。这些设备可以配置为与互联网络中的其他节点通信，还可以自动向中央服务器传输数据，这样就可以对数据进行分析。
4、移动数据
能够上网的智能手机和平板越来越普遍。这些移动设备上的App都能够追踪和沟通无数事件，从App内的交易数据到个人信息资料或状态报告事件。
二、数据分析工具功能
1、数据整理/数据准备
良好的数据分析解决方案包括可行的自助数据整理和数据准备功能，可以轻松，快速地从不完整，复杂或凌乱的各种数据源中收集数据，并进行清理以方便进行混搭和分析。
2、商业智能和报告
分析数据并向业务主管和其他最终用户提供可操作的信息，以便他们可以做出明智的业务决策。
3、地理空间和位置分析
如果您的分析解决方案不包括地理空间和位置分析，则分析大型数据集通常没有任何意义。将这一层智能添加到数据分析中，使您可以开发见识并发现以前可能从未见过的数据中的关系。您可以更好地预测最有价值的客户在哪里，以及他们购买产品的途径。
4、数据可视化
为了从数据中收集见解，许多分析师和数据科学家依靠数据可视化或数据的图形表示来帮助人们直观地探索和识别数据中的模式和异常值。出色的数据分析解决方案将包括数据可视化功能，从而使数据探索更加轻松快捷。
5、机器学习
机器学习涉及使用算法迭代分析模型的自动化，这些算法可以从数据中反复学习并优化性能。借助适用于大数据的机器学习算法，您可以使计算机工作，以寻找新的模式和见解，而无需对它们的外观进行明确编程。
6、流分析
在紧要关头处理实时事件已成为当今数据分析的一项关键功能。实时从IoT流设备，视频源，音频源和社交媒体平台中提取数据是当今顶级分析解决方案的一项基本功能。
7、预测分析
今天，业务数据分析的最大用途之一就是预测事件。预测分析涉及获取历史数据并创建模型以帮助预测未来事件。例如，预测何时机器将发生故障或在特定时间在特定商店需要多少库存。
