用户反馈数据分析软件哪个好(2019年最好的六个数据分析工具)

大家好，今天我为大家详解和用户反馈数据分析软件哪个好相关的一些问题点，并且2019年最好的六个数据分析工具也一样有许多人对其还不熟悉，所以，在这篇文章里，我会尽力帮大家整理和分析这个问题。接下来，我们一起深入理解和学习吧！如果这篇文章对你们有帮助，欢迎关注和分享我们的网站，谢谢！

一、数据分析用什么软件

做数据分析，比较好用的软件有哪些？

数据分析软件有很多种，每一种都适合不同类型的人员。

简单说：

Excel：普遍适用，既有基础，又有中高级。中级一般用Excel透视表，高级的用Excel VBA。

hihidata：比较小众的数据分析工具。三分钟就可以学会直接上手。无需下载安装，直接在线就可以使用。

SPSS：专业统计软件，没有统计功底很难用的。同时包含了数据挖掘等高大功能。

SAS：专业统计软件，专业人士用的，不懂编程还是不要碰了。

MARLAB：建立统计与数学模型，但是比较难学，很难上手。

Eview：比较小众，建立一些经济类的模型还是很有用的。计量经济学中经常用到。

各种BI与报表工具：FineBI，FineReport，tableau，QlikView等。

比较好的数据分析软件有哪些？

SPSS是软件里比较简单的，学校里使用的比较多一些，可以采用菜单的模式带少量的命令编辑MATLAB常常在建立统计和数学模型的时候比较好用但是很难学反正我学了一个学期楞是就知道个皮毛Finereport兼顾了基本的数据录入与展现功能，一般的数据源都支持，学习成本比较低，比较适合企业级用户使用，SAS我没用过

网站数据分析工具哪个好用些阿？

推荐吆喝科技的ab测试，软件分析的数据比较全面和精准

学数据分析需要熟悉哪些软件基础

软件只是一个工具看你要从事的数据分析的方向很深度而定

一般的用excel也可以进行常规简单的数据分析

再深入一点的用spss、stata、sas

如果要搞数据挖掘的话，用spss modeler/ sas

不过一般的常规数据分析用excel和spss基本上能够应付

常用的数据分析工具有哪些

数据分析的概念太宽泛了，做需要的是侧重于数据展示、数据挖掘、还是数据存储的？是个人用还是企业、部门用呢？应用的场景是制作简单的个人图表，还是要做销售、财务还是供应链的分析？

那就说说应用最广的BI吧，企业级应用，其实功能上已经涵盖了我上面所述的部分，主要用于数据整合，构建分析，展示数据供决策分析的，譬如FineBI，是能够”智能”分析数据的工具了。

android数据分析工具用什么软件

1.开源大数据生态圈

Hadoop HDFS、Hadoop MapReduce, HBase、Hive渐次诞生，早期Hadoop生态圈逐步形成。

开源生态圈活跃，并免费，但Hadoop对技术要求高，实时性稍差。

2.商用大数据分析工具

一体机数据库/数据仓库（费用很高）

IBM PureData(Netezza), Oracle Exadata, SAP Hana等等。

数据仓库（费用较高）

Teradata AsterData, EMC GreenPlum, HP Vertica等等。

数据集市（费用一般）

QlikView、 Tableau、国内永洪科技Yonghong Data Mart等等。

前端展现

用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

用于展现分析商用分析工具有Cognos,BO, Microsoft, Oracle,Microstrategy,QlikView、 Tableau、国内永洪科技Yonghong Z-Suite等等。

数据分析软件有哪些，他们分别的特点是什么

除了EXCEL数据分析用的多的有以下几个软件，你看看你们公司符合哪个

SPSS（StatisticalProduct and Service Solutions），“统计产品与服务解决方案”软件，是数据定量分析的工具，适用于社会科学（如经济分析，市场调研分析）和自然科学等林林总总的统计分析，国内使用的最多，领域也多。

SPSS就如一个傻瓜相机，界面友好，使用简单，但是功能强大，可以编程，能解决绝大部分统计学问题，适合初学者。它有一个可以点击的交互界面，能够使用下拉菜单来选择所需要执行的命令。它也有一个通过拷贝和粘贴的方法来学习其“句法”语言，但是这些句法通常非常复杂而且不是很直观。

SPSS致力于简便易行（其口号是“真正统计，确实简单”），并且取得了成功。但是如果你是高级用户，随着时间推移你会对它丧失兴趣。SPSS是制图方面的强手，由于缺少稳健和调查的方法，处理前沿的统计过程是其弱项。

SAS是全球最大的软件公司之一，是全球商业智能和分析软件与服务领袖。SAS由于其功能强大而且可以编程，很受高级用户的欢迎，也正是基于此，它是最难掌握的软件之一，多用于企业工作之中。

SAS就如一台单反相机，你需要编写SAS程序来处理数据，进行分析。如果在一个程序中出现一个错误，找到并改正这个错误将是困难的。在所有的统计软件中，SAS有最强大的绘图工具，由SAS/Graph模块提供。然而，SAS/Graph模块的学习也是非常专业而复杂，图形的制作主要使用程序语言。SAS适合高级用户使用。它的学习过程是艰苦的，正所谓“五年入门，十年精通”，最初的阶段会使人灰心丧气。然而它还是以强大的数据管理和同时处理大批数据文件的功能，得到高级用户的青睐。

R是用于统计分析、绘图的语言和操作环境，属于GUN系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具，多用于论文，科研领域。

R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。因此R有很多最新的模型和检验方法，但是非常难自学，对英语的要求很高。R与SAS的区别在于，R是开放免费的，处理更灵活，同时对编程要求较高。

大数据是什么意思？哪些软件适合大数据分析？

大数据定义什么的百度很多。个人理解：现有的互联网数据量越来越大，面对这么大的数据量，如何利用好这些数据是极具挑战性的。一方面数据量提升，数据处理的方法必须改变，才能提高数据处理速度，比如大规模，高并发的网站访问，12306，淘宝天猫什么的；另一方面从这些海量数据中挖掘出有用的信息，比如根据淘宝根据用户点击访问，反馈出用户的喜好，给用户推荐相关商品。

推荐Hadoop，适合大数据处理的。

网上学习资料很多，自己搜去！

当然你也可以自己使用数据库MYSQL等去做大数据处理，这样很多Hadoop做好的东西都需要你自己去做。要是熟悉某个数据库，并且应用明确就用数据库自己去做吧！

加油！

数据分析软件哪个好

最常用的是spss,属于非专业统计学的! sas是专业的统计分析软件,需要编程用,都是专业人士用的数据分析中的数据挖掘,可以使用spss公司的clementine

大数据分析一般用什么工具分析

在大数据处理分析过程中常用的六大工具：

Hadoop

Hadoop是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。Hadoop还是可伸缩的，能够处理 PB级数据。此外，Hadoop依赖于社区服务器，因此它的成本比较低，任何人都可以使用。

HPCC

HPCC，High Performance puting and munications(高性能计算与通信)的缩写。1993年，由美国科学、工程、技术联邦协调理事会向国会提交了“重大挑战项目：高性能计算与通信”的报告，也就是被称为HPCC计划的报告，即美国总统科学战略项目，其目的是通过加强研究与开发解决一批重要的科学与技术挑战问题。HPCC是美国实施信息高速公路而上实施的计划，该计划的实施将耗资百亿美元，其主要目标要达到：开发可扩展的计算系统及相关软件，以支持太位级网络传输性能，开发千兆比特网络技术，扩展研究和教育机构及网络连接能力。

Storm

Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。

Apache Drill

为了帮助企业用户寻找更为有效、加快Hadoop数据查询的方法，Apache软件基金会近日发起了一项名为“Drill”的开源项目。Apache Drill实现了 Google's Dremel.

据Hadoop厂商MapR Technologies公司产品经理Tomer Shiran介绍，“Drill”已经作为Apache孵化器项目来运作，将面向全球软件工程师持续推广。

RapidMiner

RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。

Pentaho BI

Pentaho BI平台不同于传统的BI产品，它是一个以流程为中心的，面向解决方案(Solution)的框架。其目的在于将一系列企业级BI产品、开源软件、API等等组件集成起来，方便商务智能应用的开发。它的出现，使得一系列的面向商务智能的独立产品如Jfree、Quartz等等，能够集成在一起，构成一项项复杂的、完整的商务智能解决方案。

二、有什么好用的客户管理软件

市面上很多的客户关系管理软件都会有很多其它功能，比如办公管理、行政管理、管理客户等等，但是这些系统只是为使用者更加方便而产生的，其实与真正的客户关系管理没有任何的关系。现在很多这类客户管理软件都已经不错的，可以根据你需求，比较建议使用微盛scrm的。

客户关系管理的功能可以归纳为三个方面：市场营销中的客户关系管理、销售过程中的客户关系管理、客户服务过程中的客户关系管理，以下简称为市场营销、销售、客户服务。

市场营销

客户关系管理系统在市场营销过程中，可有效帮助市场人员分析现有的目标客户群体，如主要客户群体集中在哪个行业、哪个职业、哪个年龄层次、哪个地域等等，从而帮助市场人员进行精确的市场投放。客户关系管理也有效分析每一次市场活动的投入产出比，根据与市场活动相关联的回款记录及举行市场活动的报销单据做计算，就可以统计出所有市场活动的效果报表。

销售管理

销售是客户关系管理系统中的主要组成部分，主要包括潜在客户、客户、联系人、业务机会、订单、回款单、报表统计图等模块。业务员通过记录沟通内容、建立日程安排、查询预约提醒、快速浏览客户数据有效缩短了工作时间，而大额业务提醒、销售漏斗分析、业绩指标统计、业务阶段划分等功能又可以有效帮助管理人员提高整个公司的成单率、缩短销售周期，从而实现最大效益的业务增长。

客户服务

客户服务主要是用于快速及时的获得问题客户的信息及客户历史问题记录等，这样可以有针对性并且高效的为客户解决问题，提高客户满意度，提升企业形象。主要功能包括客户反馈、解决方案、满意度调查等功能。应用客户反馈中的自动升级功能，可让管理者第一时间得到超期未解决的客户请求，解决方案功能使全公司所有员工都可以立刻提交给客户最为满意的答案，而满意度调查功能又可以使最高层的管理者随时获知本公司客户服务的真实水平。有些客户关系管理软件还会集成呼叫中心系统，这样可以缩短客户服务人员的响应时间，对提高客户服务水平也起到了很好的作用。

三、2019年最好的六个数据分析工具

编者按：数据科学家是21世纪的热门工作。工欲善其事必先利其器。数据分析工具何其多，究竟用哪样才合适？Lewis Chou在Medium上分析了3类6种工具的特点和适用场景，看完这篇文章，相信你就可以知道了。原文标题是：Top 6 Data Analytics Tools in 2019

说到数据分析工具，我们总是有疑问。那么多的数据分析工具，它们之间究竟有什么区别？哪个更好？我应该学习哪一个？

尽管这是一个老生常谈的话题，但它确实很重要，我一直在努力寻找这个终极问题的答案。如果你到网上搜索这个领域的相关信息的话，很难找到公正的看法。因为特定数据分析工具的评估者可能会从不同的角度出发，并带有一些个人感受。

今天，让我们撇开这些个人感受。我会尝试跟大家一起客观地谈谈我对市场上数据分析工具的个人看法，以供参考。

我总共选择了三类共6种工具。接下来我会一一进行介绍。

Excel具备多种强大功能，比如创建表单，数据透视表，VBA等，Excel的系统如此庞大，以至于没有任何一项分析工具可以超越它，确保了大家可以根据自己的需求分析数据。

但是，有些人可能以为他们非常精通计算机编程语言，然后鄙视用Excel作为工具，因为Excel无法处理大数据。但是请考虑一下，我们日常生活中使用的数据是不是超出了大数据的限制？在我看来，Excel就是一款全能型的播放器。它最适合小型数据，而且通过插件还可以处理数百万的数据。

综上所述，基于Excel的强大功能及其用户规模，我认为它是必不可少的工具。如果你想学习数据分析，Excel绝对是首选。

商业智能是为数据分析而生的，它诞生的起点很高。其目的是缩短从商业数据到商业决策的时间，并利用数据来影响决策。

Excel的产品目标不是这样。Excel可以做很多事情。你可以使用Excel画课程表，制作问卷或用作计算器，甚至可以用来画画。如果你会VBA，还可以制作小型游戏。不过这些并不是真正的数据分析功能。

但是BI工具就是专门用于数据分析的。

以常见的BI工具（例如Power BI，FineReport和Tableau）为例。你会发现它们都是按照数据分析流程设计的。先是数据处理，数据清洗，然后是数据建模，最后是数据可视化，用图表来识别问题并影响决策。

这些是数据分析的唯一方法，并且在这个过程中存在一些员工的痛点。

比方说，可以用BI工具来简化重复的低附加值的数据清洗工作。

如果数据量很大，传统工具Excel是无法完成数据透视表的。

如果我们用Excel来进行图形显示，会需要花费大量时间来编辑图表，包括颜色和字体设置等琐事。

这些痛点是BI工具可以为我们带来变化和价值的地方。

现在，让我们比较一下市场上的三种流行的BI工具：Power BI，FineReport和Tableau。

1）Tableau

Tableau的核心本质实际上是Excel的数据透视表和数据透视图。可以说Tableau敏锐地意识到了Excel的这一功能。它进入BI市场较早，并延续了这一核心价值。

从发展历史和当前市场反馈的角度来看，Tableau的可视化效果更好。我不认为这是因为它的图表有多酷，但是它的设计、颜色和用户界面给我们一种简单而新鲜的感觉。

确实，这就像Tableau自己的宣传一样，他们投入了大量的学术精力来研究大家喜欢哪种图表，以及如何为用户提供操作和视觉上的终极体验。

此外，Tableau还增加了数据清洗功能和更智能的分析功能。这也是Tableau可以预期的产品开发优势。

2）Power BI

Power BI的优势在于其业务模型和数据分析功能。

Power BI以前是Excel的插件，但是发展并不理想。因此它摆脱了Excel，发展成BI工具。作为后来者，Power BI每个月都有迭代更新，并且跟进的速度很快。

Power BI当前具有三种授权方式：Power BI Free、Power BI Pro以及Power BI Premium。与Tableau一样，免费版的功能也不完整。但是给个人用几乎已经足够。而且Power BI的数据分析功能强大。它的PowerPivot和DAX语言让我能够以类似在Excel中编写公式的方式来进行复杂的高级分析。

3）FineReport应用

FineReport之所以独特在于它的自助服务数据分析非常适合企业用户。只需简单的拖放操作，你就可以使用FineReport设计各种样式的报告，并轻松构建数据决策分析系统。

FineReport可以直接连接到各种数据库，并且方便快捷地自定义各种样式，从而制作周报、月报和季报、年报。其格式类似于Excel的界面。功能包括报告创建，报告权限分配，报告管理，数据输入等。

此外，FineReport的可视化功能也非常突出，它提供了多种仪表板模板和许多自行开发的可视插件库。

在价格方面，FineReport的个人版本是完全免费的，并且所有功能都是开放的。

R和Python是我要讨论的第三类工具。尽管像Excel和BI工具这样的软件已尽最大努力考虑到数据分析的大多数应用场景，但其实它们基本上都是定制化的。如果软件没有设计某项功能或替某功能开发按钮，那很可能你就没法用它们来完成工作。

在这一点上面，编程语言是不一样的。它非常强大和灵活。你可以编写代码来执行所需的任何操作。比方说，R和Python是数据科学家必不可少的工具。从专业的角度来看，它们绝对比Excel和BI工具强大。

那么，R和Python可以实现哪些Excel和BI工具难以实现的应用场景呢？

1）专业统计分析

就R语言而言，它最擅长的是统计分析，例如正态分布，使用算法对聚类进行分类和回归分析等。这种分析就像用数据作实验一样。它可以帮助我们回答以下问题。

比方说，数据的分布是正态分布、三角分布还是其他类型的分布？离散情况如何？它是否在我们想要达到的统计可控范围内？不同参数对结果的影响的大小是多少？还有假设仿真分析。如果某个参数发生变化，会带来多大影响？

2）独立预测分析

比方说，我们打算预测消费者的行为。他会在我们的商店停留多长时间？他会花多少钱？我们可以找出他的个人信用情况，并根据他的在线消费记录确定贷款金额。或者，我们可以根据他在网页上的浏览历史推送不同的物品。这也涉及当前流行的机器学习和人工智能概念。

以上比较说明了几种软件之间的区别。我想概括的要点的是，存在就是合理。Excel，BI工具或编程语言存在部分功能重叠，但它们也是互补的工具。每个应用的价值取决于要开发的应用的类型和当时的情况。

在选择数据分析工具之前，你必须首先了解自己的工作：你会不会用到我刚刚提到的应用场景。或考虑一下你的职业方向：你是面向数据科学还是业务分析的。

译者：boxi。