有哪些值得推荐的数据可视化工具

Question

如题所述

Answer 1

近几年冒出来的BI之秀，如TB、qlk都强调可视化，一改传统BI工具SAP BO、IBM家的cognos（不过近几年貌似都在研发云BI）。  这里不谈开源，还没见到能成熟应用的BI。成熟的BI工具如 FineBI （国内）和 Tableau（国外），都很推荐。tableau可视化探索分析很赞，数据量多的时候性能较差，企业用多并发价格贵。FineBI 国产帆软，为数不多能占据世界领先地位的数据工具，重在数据处理性能和企业应用的复杂情况（市场步伐很快），自带ETL，可视化还行，价格良心，个人用免费。如图可视化效果：

Answer 2

奥 威 推 出的跨平台大数据可视化工具（OurwayBI）

OurwayBI采用Node.js。Node.js是一个Javascript运行环境(runtime)，它实际上是对Google V8引擎进行了封装。V8引擎执行Javascript的速度非常快，利用基于时间序列的内存计算技术，减少与数据库的交互，可大大提升效率。操作指引更易上手：OurwayBI为了让用户不进行任何培训即可掌握常用操作，设置了操作指引，智能引导用户逐步掌握基本操作及各项技巧。整个产品的UI进行了大量细节优化，以增加使用者的美观要求与使用体验等。

本回答被提问者采纳

Answer 3

数据挖掘与R语言>本书首先介绍了R软件的基本知识（安装、R数据结构、R程序设计、R输入输出等）。然后，通过四个数据挖掘案例（藻类频率预测、股票趋势预测和交易系统模拟、交易欺诈预测、微阵列数据分类），介绍了数据挖掘技术。这四个案例基本上涵盖了常见的数据挖掘技术，从无监督数据挖掘技术、监督数据挖掘技术到半监督数据挖掘技术。对实际问题、解决办法和解决办法进行探讨，以主线组织内容，明确脉络，每章都是自足的。读者可以从第一章到最后一章学习，也可以根据自己的需要学习，找到解决问题的方法。不需要读者具备r和数据挖掘的基本知识。无论是R初学者还是熟练R用户，他们都能从书中找到有用的内容。读者可以使用这本书作为学习如何应用R的优秀教材，也可以作为数据挖掘工具。

机器学习：机器学习的一个实际案例分析是计算机科学中一个非常重要的研究领域，近年来人工智能，不仅在许多计算机科学领域和机器学习技术已成为一个重要的支持显示技能满，一些交叉学科。这本书更全面和系统地描述机器学习的方法和技术。它不仅阐述了许多经典的学习方法，而且还探讨了一些具有生命力的新理论和新方法。书中既有分类问题，又有回归问题。它包括监督学习和无监督学习。从分类、回归等方面讨论了本书中讨论的案例，然后讨论了聚类、降维和优化问题。这些情况包括：垃圾邮件识别，分类排序：智能收件箱，回归模型：页面视图，预测正则化：文本回归优化：密码破解，无监督学习：股票市场的指数，空间相似性建设：记录在美国参议院的投票系统聚类的推荐，推荐给用户：R语言包社会网络推特分析：在人们的利益，相比你的模型：发现问题的最优算法。每一章都力图明确这一原则的概念和正确表达。它强调理论与实践相结合，具有启发性和易理解性。用于探索这些情况的基本工具是R统计程序设计语言。R语言非常适合于机器学习中的案例研究，因为它是一种用于数据分析的高级功能脚本语言。本书涵盖了200多种R语言的实用方法，可以帮助读者快速有效地使用R进行数据分析。R语言为我们提供了统计分析的所有工具，但R的结构本身可能有点难以掌握。这本书提供了面向任务的、简洁的R语言的基本分析方法，包括任务的输入和输出、统计分析和绘图、线性回归等内容，它们会让你的工作效率，R.
每个R语言的方法集中在一个特定的问题，并讨论下面的问题了解决和解释它是如何工作的。对于R的主要用户来说，R语言的经典例子将帮助你进入R的大厅；对于R的资深用户，这本书将加深你对R的理解，开阔你的视野。通过这本书，你可以使你的分析工作顺利，了解更多关于R语言。这本书由一个跷跷板。R R R R R R语言是世界上最流行的数据处理和统计分析脚本语言。考古学家们用它来记录古代文明的传播，和制药公司用它来探索药物更加安全、有效，与精算师利用它们来评估金融风险，确保市场平稳运行。总之，在大数据时代，统计数据、分析数据离不开计算机软件的支持，在这方面，R语言特别好。

这本书将带你去游览R语言软件开发步骤，从最基本的数据类型和数据结构，递归闭包，匿名函数等高级话题，讲解细腻，完全从浅入深，读者不需要统计学的知识，即使没有编程。许多的书中提到的高级编程技术是认证综述

Answer 4

推荐皕杰数据分析（BIOS iLook），提供了完善的即席查询、数据可视化、数据看板功能

Answer 5

个人推荐DataHunter，既可以用于数据可视化分析，也能用于像数据大屏那样的数据展示。