【51CTO.com快譯】大數(shù)據(jù)工具讓企業(yè)能夠從數(shù)據(jù)倉庫獲得洞察力，從而在數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)環(huán)境中提供重要的競爭優(yōu)勢。

為了滿足旺盛需求，大數(shù)據(jù)工具在迅速遍地開花。在大數(shù)據(jù)這一概念和業(yè)務(wù)戰(zhàn)略出現(xiàn)以來的十年間，市面上出現(xiàn)了成千上萬執(zhí)行各種任務(wù)和流程的工具，它們都承諾可為你節(jié)省時(shí)間和資金，發(fā)掘業(yè)務(wù)洞察力從而實(shí)現(xiàn)創(chuàng)收。顯然，一個(gè)不斷增長的市場呈現(xiàn)在大數(shù)據(jù)分析工具的面前。

其中許多工具一開始就像最初的大數(shù)據(jù)軟件框架Hadoop那樣是開源項(xiàng)目，但后來商業(yè)公司迅速涌現(xiàn)，為開源產(chǎn)品提供新工具或商業(yè)支持和開發(fā)。

從中進(jìn)行遴選可能很困難，尤其是許多大數(shù)據(jù)工具用途單一，而你可以用大數(shù)據(jù)處理許多不同的任務(wù)，所以你的分析工具箱會塞得滿滿當(dāng)當(dāng)。本文我們列出了市面上主要的大數(shù)據(jù)分析工具，分三大?類別來介紹。

主要的大數(shù)據(jù)工具

如前所述，大數(shù)據(jù)工具往往屬于單一用途類別，而使用大數(shù)據(jù)有多種方式。所以我們將按類別細(xì)分，然后討論每個(gè)類別的分析工具。

一、大數(shù)據(jù)工具：數(shù)據(jù)存儲和管理

大數(shù)據(jù)完全始于數(shù)據(jù)存儲，也就是說始于大數(shù)據(jù)框架Hadoop。它是Apache基金會運(yùn)行的一種開源軟件框架，用于在大眾化計(jì)算機(jī)集群上分布式存儲非常大的數(shù)據(jù)集。

很顯然，由于大數(shù)據(jù)需要大量的信息，存儲至關(guān)重要。但除了存儲外，還需要某種方式將所有這些數(shù)據(jù)匯集成某種格式化/治理結(jié)構(gòu)，從而獲得洞察力。因此，大數(shù)據(jù)存儲和管理是真正的基礎(chǔ)――離開了它，分析平臺一無是處。在一些情況下，這些解決方案還包括員工培訓(xùn)。

這個(gè)領(lǐng)域的大玩家包括：

1. Cloudera

實(shí)際上是增加了一些額外服務(wù)的Hadoop，你會需要它，因?yàn)榇髷?shù)據(jù)不容易搞。Cloudera的服務(wù)團(tuán)隊(duì)不僅可以幫助你構(gòu)建大數(shù)據(jù)集群，還可以幫助培訓(xùn)你的員工，更好地訪問數(shù)據(jù)。

2. MongoDB

MongoDB是最受歡迎的大數(shù)據(jù)數(shù)據(jù)庫，因?yàn)樗m用于管理經(jīng)常變化的數(shù)據(jù)：非結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)常常是非結(jié)構(gòu)化數(shù)據(jù)。

3. Talend

作為一家提供廣泛解決方案的公司，Talend的產(chǎn)品圍繞其集成平臺而建，該平臺集大數(shù)據(jù)、云、應(yīng)用程序、實(shí)時(shí)數(shù)據(jù)集成、數(shù)據(jù)準(zhǔn)備和主數(shù)據(jù)管理于一體。

圖1：Talend大數(shù)據(jù)集成平臺包括數(shù)據(jù)質(zhì)量和治理功能

二、大數(shù)據(jù)工具：數(shù)據(jù)清理

在你真正處理數(shù)據(jù)以獲取洞察力之前，需要清理和轉(zhuǎn)換數(shù)據(jù)，轉(zhuǎn)換成可遠(yuǎn)程搜索的內(nèi)容。大數(shù)據(jù)集往往是非結(jié)構(gòu)化、無組織的，因此需要某種清理或轉(zhuǎn)換。

當(dāng)下，數(shù)據(jù)可能來自任何地方：移動(dòng)、物聯(lián)網(wǎng)和社交媒體，數(shù)據(jù)清理顯得更為必要。并非所有這些數(shù)據(jù)都可以輕松“清理”以獲得洞察力，因此優(yōu)秀的數(shù)據(jù)清理工具極其重要。實(shí)際上，在未來幾年，預(yù)計(jì)經(jīng)過有效清理的數(shù)據(jù)會是可接受的大數(shù)據(jù)系統(tǒng)與真正出色的大數(shù)據(jù)系統(tǒng)之間的競爭優(yōu)勢。

4. OpenRefine

OpenRefine是一款易于使用的開源工具，通過刪除重復(fù)項(xiàng)、空白字段及??其他錯(cuò)誤來清理凌亂的數(shù)據(jù)。它是開源的，但有一個(gè)相當(dāng)大的社區(qū)可提供幫助。

5. DataCleaner

與OpenRefine一樣，DataCleaner可將半結(jié)構(gòu)化數(shù)據(jù)集轉(zhuǎn)換成數(shù)據(jù)可視化工具可以讀取的干凈可讀的數(shù)據(jù)集。該公司還提供數(shù)據(jù)倉庫和數(shù)據(jù)管理服務(wù)。

6. 微軟Excel

說真的，Excel有其用途。你可以從各種數(shù)據(jù)源導(dǎo)入數(shù)據(jù)。Excel在手動(dòng)數(shù)據(jù)輸入和復(fù)制/粘貼操作方面特別有用。它能消除重復(fù)項(xiàng)，查找和替換內(nèi)容，檢查拼寫，還有用于轉(zhuǎn)換數(shù)據(jù)的許多公式。但Excel很快陷入困境，不適合龐大數(shù)據(jù)集。

三、大數(shù)據(jù)工具：數(shù)據(jù)挖掘

一旦數(shù)據(jù)經(jīng)過清理和準(zhǔn)備，你可以通過數(shù)據(jù)挖掘開始搜索數(shù)據(jù)了。這時(shí)你執(zhí)行這個(gè)實(shí)際的過程：發(fā)現(xiàn)數(shù)據(jù)、做出決定和進(jìn)行預(yù)測。

數(shù)據(jù)挖掘是大數(shù)據(jù)流程的真正核心。數(shù)據(jù)挖掘解決方案通常底層很復(fù)雜，但竭力提供　一種外觀漂亮、對用戶友好的用戶界面，說起來容易做起來難。數(shù)據(jù)挖掘工具面臨的另一個(gè)挑戰(zhàn)是：它們確實(shí)需要人來編制查詢，所以數(shù)據(jù)挖掘工具的好壞取決于使用它的專業(yè)人員。

7. RapidMiner

RapidMiner是一款易于使用的預(yù)測分析工具，有著對用戶友好的可視化界面，這意味著你沒必要編寫代碼即可運(yùn)行分析產(chǎn)品。

8. IBM SPSS Modeler

IBM SPSS Modeler是一款包括五個(gè)數(shù)據(jù)挖掘產(chǎn)品的套件，面向企業(yè)級高級分析。另外IBM的服務(wù)和咨詢首屈一指。

9. Teradata

Teradata為數(shù)據(jù)倉庫、大數(shù)據(jù)和分析以及營銷等應(yīng)用提供端到端解決方案。這一切意味著貴公司可以真正成為數(shù)據(jù)驅(qū)動(dòng)的公司，另外還有商業(yè)服務(wù)、咨詢、培訓(xùn)和支持。

圖2：與許多目前的大數(shù)據(jù)工具一樣，RapidMiner解決方案也支持云

大數(shù)據(jù)工具：數(shù)據(jù)可視化

數(shù)據(jù)可視化是指以一種可讀、實(shí)用的格式顯示你的數(shù)據(jù)。你可以查看圖表圖形以及直觀顯示數(shù)據(jù)的其他圖像。

數(shù)據(jù)可視化既是一門科學(xué)，又是一門藝術(shù)。隨著大數(shù)據(jù)從有大批數(shù)據(jù)科學(xué)家支持的高管轉(zhuǎn)移到整個(gè)公司上下，眾多員工可以使用可視化工具極為重要。銷售代表、IT支持和中層管理，這些團(tuán)隊(duì)個(gè)個(gè)都需要能夠理解數(shù)據(jù)，因此重點(diǎn)放在易用性上。然而，易于閱讀的可視化有時(shí)與來自深度特征集的數(shù)據(jù)讀出相沖突，這帶來了數(shù)據(jù)可視化工具面臨的主要挑戰(zhàn)之一。

10. Tableau

Tableau是該領(lǐng)域的領(lǐng)導(dǎo)者，其數(shù)據(jù)可視化工具專注于商業(yè)智能，無需懂得編程，即可創(chuàng)建各種地圖、圖表、圖形及更多可視化元素。它共有五款產(chǎn)品，一款名為Tableau Public的免費(fèi)版供潛在客戶試用。

11. Silk

Silk是Tableau的簡單版，讓你可以通過地圖和圖表將數(shù)據(jù)可視化，無需任何編程。你在首次加載Silk時(shí)，它甚至?xí)囍鴮?shù)據(jù)可視化。它還讓用戶很容易在網(wǎng)上發(fā)布結(jié)果。

12. Chartio

Chartio使用自己的可視化查詢語言，只要點(diǎn)擊幾下鼠標(biāo)即可創(chuàng)建功能強(qiáng)大的儀表板，無需懂得SQL或其他建模語言。它有別于其他工具的地方主要在于，你可以直接連接到數(shù)據(jù)庫，因此不需要數(shù)據(jù)倉庫。

IBM Watson Analytics

IBM Watson Analytics結(jié)合了機(jī)器學(xué)習(xí)和人工智能，有助于提供智能數(shù)據(jù)科學(xué)助手，為業(yè)務(wù)分析員和數(shù)據(jù)科學(xué)家等擁有眾多數(shù)據(jù)科學(xué)技能的用戶扮演了向?qū)А?/p>

大數(shù)據(jù)工具的三個(gè)層次

普華永道的移動(dòng)數(shù)據(jù)和分析計(jì)劃首席技術(shù)官Ritesh Ramesh表示，就先進(jìn)程度和市場戰(zhàn)略而言，大數(shù)據(jù)工具可分成三層金字塔。

第一層：最龐大的是一系列開源工具。每家公司以開源起家，像Cloudera和Hortonworks。除了基本的基礎(chǔ)設(shè)施、服務(wù)器和存儲外，沒有多大的價(jià)值。大多數(shù)云廠商已將這一層實(shí)現(xiàn)了商品化。

第二層：在這一層，大多數(shù)這類廠商已有意增加各自的市場份額，在開源工具上面構(gòu)建一些專有應(yīng)用程序，從而做到與眾不同。舉例說，Cloudera開發(fā)了許多產(chǎn)品，比如駐留在Hadoop核心上的數(shù)據(jù)科學(xué)平臺。

第三層：這些是針對特定垂直領(lǐng)域的應(yīng)用程序。這些公司大多與普華永道、高知特或埃森哲等系統(tǒng)集成商合作。真正的價(jià)值出在這里，這對大數(shù)據(jù)工具開發(fā)商來說也是非常有效的競爭策略。

Ramesh表示，除了基本功能外，這些工具的三大方面?zhèn)涫軞g迎。首先是數(shù)據(jù)處理工具。他說：“數(shù)據(jù)學(xué)習(xí)工具是客戶的工具箱中確保數(shù)據(jù)質(zhì)量和分析數(shù)據(jù)的重要工具，比如處理5000萬行數(shù)據(jù)以發(fā)現(xiàn)洞察力。”

他表示，領(lǐng)先的廠商包括Trifacta、Paxata和Talend。

第二大類應(yīng)用程序是治理，比如你如何定義元數(shù)據(jù)。他說：“好多人在這方面遇到困難。人們只是將大量垃圾數(shù)據(jù)倒到數(shù)據(jù)湖。市面上可在數(shù)據(jù)湖中積極發(fā)揮功效的工具不多。由于這項(xiàng)工作主要由IT人員完成，他們更有興趣將數(shù)據(jù)倒到數(shù)據(jù)湖，而不是確立一種治理結(jié)構(gòu)。”

主要廠商包括Waterline Data、以數(shù)據(jù)編目工具見長的Tamr和Collibra。

Ramesh說，經(jīng)常出現(xiàn)的第三大需求是安全。他說：“人們希望一個(gè)產(chǎn)品就有安全訪問的所有層（列、行和對象）。他們希望一款產(chǎn)品為不同的數(shù)據(jù)對象支持用戶訪問和安全。這也是個(gè)新興領(lǐng)域。”

這個(gè)領(lǐng)域的主要廠商是Wandisco和FireEye。

原文標(biāo)題：Top 12 Big Data Tools，作者：Andy Patrizio

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】