介绍
您是否拥有企业或计划在未来开展业务？好吧，请注意，人工智能能够通过分析历史数据来帮助您做出精明的决策，基于这些数据可以确定未来的趋势，从而制作出易于理解的报告（Tableau，2020）。在每次操作期间都会生成原始数据，但很少有利益相关者能够读取原始状态的数据。这是因为原始数据以数字格式存储，而大脑无法按顺序组织数据以从数据中提取逻辑。随着计算机和数字技术的进步，如今可以对原始数据进行过滤、分类和分析，以揭示隐藏在数据中的趋势，然后将其转换为图形表示，帮助更多人了解数据趋势。
数据分析工具
数字技术和计算机的进步导致了强大的数据分析软件的开发。该软件能够分析和转换或过滤数据并生成图形表示。多种数据分析工具范围从简单的 Microsoft Excel 到更复杂的软件，如 Tableau 和 R，每个都有独特的功能或特性，因此数据分析工具的选择将取决于某些参数，例如数据集格式、位置和大多数重要的是数据集的大小。 Rapid Miner 和 Ms Excel 等软件功能强大，但可以分析的观察数量有限，而Python和 R 等其他软件具有巨大的数据集容量，因此被数据分析师选择。将提供数据集的简要描述，以更好地了解应选择数据分析软件的特征和标准。
中小数据集分析
数据集分为两大类，即小型和中型数据集。软件旨在分析有限数量的条目，这使得数据过滤以及原始和线变量条目的数量非常重要，以确定最合适的工具。对于中小型数据集，推荐使用 Excel 和 Rapid miner，因为它们普遍可用并使用，这使得它们成为最流行的数据分析工具。
- 微软Excel
Microsoft Windows 是全球最常见的计算机操作系统，但 Microsoft 还开发了功能强大的办公软件包软件，使用户可以访问各种工具。许多商业专业人士使用的与机器学习和统计相关的一个非常重要的工具是 MS Excel。该软件旨在执行广泛的数值计算和分析，并且由于它易于使用而被人们普遍使用。该工具还提供了广泛的功能，可用于分析数据和生成高质量的视觉效果。虽然 MS Excel 是最常用的数据分析工具，但它有范围限制，因此仅适用于中小型数据集（WallStreetMojo，nd）。 - 快速矿工
Rapid Miner 是一种流行的数据分析软件，主要是因为它使用起来非常简单。 Rapid miner 有两种变体，一种是免费版（范围有限），另一种是付费版。该工具带有一个易于内置的算法，可以过滤和分析数据，因此对于可能缺乏从原始数据中挖掘重要信息和趋势所需的经验和知识的人来说，该工具易于使用。 Rapid miner 提供高质量的结果，并将生成一个脚本文件，该文件可以在 Rapid miner 用户之间共享，以访问用于准备解决方案的算法。 Rapid miner 推荐给没有数据挖掘背景经验的新手，更适合简单地上传数据和点击过滤器来生成数据可视化（RapidMiner，nd）。 - 大数据集分析
大数据分析需要使用专门设计用于处理大数据集的特殊数据分析工具。大数据集由数以万计甚至数百万个单独的条目组成，变量使得它们对于某些程序来说太大而无法运行。虽然 MS Word 能够处理数千个条目，但当输入超过 50,000 个条目时，软件开始挂起并且无法正确加载数据。对于这些大数据集，使用了 Tableau、R 和 Jupiter Python等特殊的数据分析工具。每个都有相似的功能，但产生不同的视觉效果，使每个独特，并经常比较，以确定哪个软件根据您的要求产生最吸引人的结果（Eddy，2001）。 - R/R 工作室
R/R-Studio 被列为最友好、最强大的大数据分析工具之一。与 R 相关的主要好处是该软件是轻量级和开放式许可证，因此任何人都可以下载和使用该软件来分析数据 (cran.r-project, nd)。与具有可用于将原始数据转换为视觉效果的内置算法的 Excel 和 Rapid miner 不同，R 需要将脚本添加到命令行。这些命令将根据将使用哪些进一步的算法从数据中过滤和提取重要信息来恢复或发现数据。 R Studio 越来越受欢迎，因为越来越多的人选择了这个程序，因为它是免费和开放的许可证，因此允许一些喜欢冒险的人定制程序来执行特定任务。 R 还链接到各种免费模块，可以下载这些模块来处理独特的活动和功能，这在 Ms excel 和 Rapid minor 等程序中是不可能的。虽然 R 被认为是数据分析师的最爱，但数据挖掘软件有一些局限性，例如纯脚本和代码驱动，因此对于没有编码知识的人来说很难使用。 - 木星Python
与 R 类似， Python也是一种代码驱动的数据挖掘工具，需要用户输入代码来导入、分析和报告数据发现。 Python可以直接使用Python界面分析数据，但也可以使用流行的Python数据分析界面 Jupiter I Python或 anaconda (Driscoll, nd) 来分析数据。 Python数据分析在数据分析师中也越来越受欢迎，仅仅是因为它是免费的数据分析软件，并且能够处理大数据集。与 Jumpier Python数据挖掘相关的另一个重要好处是，示例脚本和数据示例可以在 Internet 上轻松获得，这允许用户复制代码并分析新数据集。这很重要，因为它最大限度地减少了掌握Python编码的需要，这是挖掘大数据和产品使用趋势和信息的基本要求。借助现成的脚本，数据分析师可以过滤复杂的数据并揭示隐藏在 2D 和 3D 数据中的重要趋势，这打开了与传统数据分析技术相反的数据分析的新维度。在许多情况下，分析 3 个或更多变量有助于识别大型数据集中的重要链接或联系。确定参考点后，可以使用更多过滤器进行进一步分析，以帮助数据中的更多趋势和模式。
数据过滤（变量）
小数据集和大数据集都带有无数的数据变量（类别），这对于第一个过滤器的数据至关重要，并在挖掘数据以获取趋势之前进行排序。这是机器学习的一个重要步骤，它要求数据分析师首先审查可用变量，根据这些变量可以选择最合适的标准并用于可视化数据。这非常重要，因为可视化数据有助于组合不同的可变数据点，这将使人们更容易检测可以调查的趋势。数据保存在行和列中，列专用于保存变量类型，行保存不同系列或属于给定变量列 (PERNSLEY, nd) 的条目。这有助于组织数据，从而允许数据分析工具通过使用指定的变量过滤数据来查看数据，从而允许工具将数据转换为可视化描述。下面是具有上述变量和条目的数据集的示例图像。 
从上面的数据集中可以看出，他们的数据被输入到工作表中，并分布在不同行和列的单个单元格上，这使得要映射的数据成为教师。每个单元格都被数据挖掘软件识别，从而帮助读取数据变量并将其转换为视觉效果，从而更容易理解数据集。除了excel和CSV，数据格式，数据也可以存储在其他数据格式中，每个数据挖掘软件都专用。许多软件能够读取各种数据格式，但需要数据分析师指定将要访问的数据类型以正确加载、读取和分析数据。数据可视化质量
将数据从数字条目转换为数据主要是为了生成数据的可视化插图，这对于数据分析师来说相当容易阅读。对于普通人来说，在原始数字数据集上定位模式是不可能的，但是当数据被转换为 2D 或 3D 视觉效果时，数据中的模式可以很容易地被视觉检测到，从而促使对识别的区域进行进一步的研究和分析感兴趣（Zoss，nd）。这使得从不同角度操纵和查看数据视觉效果的质量和能力对于更准确地评估数据以制定有效的业务战略非常重要。以下是使用不同数据分析工具和软件生成的一些数据可视化，其中每个可视化质量都可以观察到。
- Microsoft Excel 2/3D 视觉效果
由于使用简单，Microsoft 是最受欢迎的数据分析工具。该软件功能强大，能够生成高质量的数据视觉效果，数据科学家可以使用这些视觉效果来检测重要趋势。下面是在 MS Excel 上生成的 2D 和 3D 视觉效果，它展示了使用正确算法可以从软件生成的图像质量？ - Excel 2D 可视化
从上面的二维数据可视化中，软件产生了清晰的视觉，可以通过将数据分类为季度和国家名称变量来生成各种数据图像。这提供了清晰的数据图像，使任何人都可以更轻松地确定隐藏在数字数据集中的趋势。 - Excel 3D 可视化
Microsoft Excel 还具有强大的 3D 数据分析和可视化工具。下图有助于描述 3D 工具的强大功能以及它如何用于读取数据和生成可用于评估复杂数据集的高清 3D 模型。
在 3D 模型上可以很容易地注意到数据集的复杂性，但同时，该模型有助于传达数据的愿景，从而有助于提出与数据相关的问题，这些问题可以进一步调查。 Excel 3D 建模并不常用，因为该程序需要添加特殊插件，但也有数据输入限制。 Microsoft Excel 仍然是首选的数据分析工具，因为大多数人不需要查看大型数据集，因此 MS Excel 足以满足他们的日常使用。
- Rapid Miner 2D/3D 视觉效果
由于不需要使用特殊算法来生成模型，因此快速矿工受到许多人的青睐。在提出与要考虑的数据分析变量相关联的建议之前，该软件会自动上传数据并读取变量。 Rapid miner 的另一个主要好处是它的自我分析和变量推荐选项。这很重要，因为它会分析数据并提出可以考虑进行仔细审查的组合。这可以在下图中观察到，该图显示了 Rapid miner 为进一步探索确定的推荐数据变量。
- 快速矿工 2D 视觉
Rapid miner 与 excel 相比的一大优势是图表是自动使用明亮的颜色生成的，这使得数据易于阅读。下面是在 Rapid miner 上生成的简单 2D 图形，但通过对不同变量进行颜色编码的视觉区分，这有助于 Rapid miner 图形脱颖而出。
从上图中，对结果进行颜色编码有助于数据分析师确定可用于准备数据报告的重要数据变量。这很重要，因为它有助于在数据库上显示模式，帮助分析师做出更明智的决策。
- 快速矿工 3D 视觉
某些数据集可能需要在 3 维视图中进行分析，以便识别异常和趋势。下面是在 Rapid miner 上生成的 3D 散点图，它显示了数据如何分类并放置在 3 个矿物空间的不同位置。
这很重要，因为它有助于获得数据点的 360 度视角，根据这些数据点可以识别复杂的趋势。在许多情况下，使用 3D 视图可以更好地分析复杂的数据集，因为数据放置变得明显，基于哪些明智的决策可以在相同的情况下做出。 - R/R 工作室
R studio 是迄今为止最受欢迎的沼泽数据分析工具，因为它功能强大，最重要的是它是一个开源许可软件。这意味着开发人员可以制作许多不同的包来分析不同的数据集并生成广泛的模型，这有助于提高数据分析的准确性并更准确地预测未来的运动。 R 还生成 2D 和 3D 视觉效果。 - R 2D 视觉
由于为 R 开发的插件和算法的广泛真实性，它的问题是生成包含各种数据的有吸引力的 2D 数据视觉效果。这是在下面的视觉效果中观察到的，其中数据已显示在图表上，其中不同的国家被放置在不同的位置，气泡大小描绘了他们的人口，从而有助于同时提供各种数据。
- R 3D 视觉
R 不仅在分析大数据集方面得到认可，而且还能够生成有助于细节点对点的高清图表，从而允许进行精细分析。这可以在下图中清楚地看到，该图清楚地概述了 R 3D 图可以通过编程生成的细节级别。
结论
从以上信息可以看出，数据分析工具有助于挖掘数据并将信息转换为可视化图表，使数据更容易理解。这种质量使数据分析和挖掘成为企业使用的重要工具，因为它有助于将其绩效从数字数据转换为可视化数据，这有助于揭示重要趋势和运动，可用作进一步分析请求的参考，以帮助产生更多准确的报告。