數據分析工具類軟體，好用的有哪些？
從事數據分析工作半年，一直使用Excel，感覺已經可以滿足大部分需求。現在發現一些公司需要使用過SPASS、SAS、Clementine、R、Rapid-miner等工具類軟體 ，求指導和分析，哪款比較好用？
這類軟體主要用於更專業的數據分析挖掘工作，尤其是在銀行、金融、保險業。
SPSS、SAS都是用於統計分析，圍繞統計學知識的一些基本應用，包括描述統計，方差分析，因子分析，主成分分析，基本的回歸，分布的檢驗等等。SPSS用於市場研究較多，SAS銀行金融和醫學統計較多，有一些難度。
R語言像是綜合性較強的一類數據分析工具，集統計分析、數據挖掘，數據可視化。
展開來，講講數據分析~
這些數據分析工具的使用還是看需求，每個企業應用的選擇和方式都不同。數據分析的概念很廣，站在IT的角度，實際應用中可以把數據分析工具分成兩個維度：
第一維度：數據存儲層——數據報表層——數據分析層——數據展現層
第二維度：用戶級——部門級——企業級——BI級
1、數據存儲層
數據存儲設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，但至少要理解數據的存儲方式，數據的基本結構和數據類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。
Access2003、Access07等，這是最基本的個人資料庫，經常用於個人或部分基本的數據存儲；MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力；
SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了；
DB2，Oracle資料庫都是大型資料庫，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台；
BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的數據倉庫。Data Warehouse，建立在DW機上的數據存儲基本上都是商業智能平台，整合了各種數據分析，報表、分析和展現，BI級別的數據倉庫結合BI產品也是近幾年的大趨勢。
2、報表/BI層
企業存儲了數據需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。過去傳統報表大多解決的是展現問題，如今像帆軟報表FineReport也會和其他應用交叉，做數據分析報表，通過介面開放功能、填報、決策報表功能，能夠做到打通數據的進出，涵蓋了早期商業智能的功能。
Tableau、Qlikview、FineBI這類BI工具，可分在報表層也可分為數據展現層，涵蓋了數據整合、數據分析和數據展現。FineBI和Tableau同屬於近年來非常棒的軟體，可作為可視化數據分析軟體，可常用FineBI從資料庫中取數進行報表和可視化分析。相對而言，可視化Tableau更優，但FineBI又有另一種身份——商業智能，所以在大數據處理方面的能力更勝一籌。
3、數據分析層
這個層其實有很多分析工具，當然我們最常用的就是Excel。
Excel軟體，首先版本越高越好用這是肯定的；當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體；
SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體；
SAS軟體：SAS相對SPSS其實功能更強大，SAS是平台化的，EM挖掘模塊平台整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多，也公開，會有收穫的！
JMP分析：SAS的一個分析分支
XLstat：Excel的插件，可以完成大部分SPSS統計分析功能
4、表現層
表現層也叫數據可視化，以上每種工具都幾乎提供了一點展現功能。FineBI和Tableau的可視化功能上文有提過。其實，近年來Excel的可視化越來越棒，配上一些插件，使用感更佳。
PPT：辦公常用，用來寫數據分析報告；
Xmind百度腦圖：梳理流程，幫助思考分析，展現數據分析的層次；
Xcelsius軟體：Dashboard製作和數據可視化報表工具，可以直接讀取資料庫，在Excel里建模，互聯網展現，最大特色還是可以在PPT中實現動態報表。
最後，需要說明的是，這樣的分類並不是區分軟體，只是想說明軟體的應用。有時候我們把資料庫就用來進行報表分析，有時候報表就是分析，有時候分析就是展現；當然有時候展現就是分析，分析也是報表，報表就是數據存儲了！
我自己常用的數據分析工具就是excel和BDP個人版，之前還用過Tableau，可以大致跟大家分享一下自己的使用情況吧：
1、excel：這是最普通的數據分析工具了，大部分人都會點，只是有的人可以做的很好，各種高級功能都會用，什麼宏啊......我對象就是數據分析師，他們就是能把excel玩的特別好，讓excel顯得特別高大上，有什麼很多平時根本不知道的功能，每次看完他的excel內容，總感覺自己暴殄天物了，好多excel的高級功能都白白浪費了，而我就是會點數據透視表、vlookup等比較常見的函數和功能。
2、Tableau：之前他為了學習特地花錢買過Tabluea的個人版，話說真的蠻貴的，一年要999刀，就只買了一年，我也玩過他們很多功能，工具挺不錯的，功能挺強大的，特別是可視化效果真心不錯，但是真的太貴了。
3、BDP個人版：除了excel，我還會用BDP個人版，操作並不難，函數那些不需要自己寫，拖拽就行。其實很多分析通過excel都能展示，但BDP個人版有個好處：就是當我替換了工作表數據，我做的分析結果（即可視化圖表）就會自動更新了，不需要重新勞動的感覺也是蠻好的。
謝邀。
題主的問題深想一下，有點意思～
首先，題主已經從市數據分析工作半年，使用Excel，已經可以滿足大部分需求了。這說明，excel題主會用，而且還夠用。
然後，題主［發現］一些公司會使用SPASS、SAS、Clementine、R、Rapid-miner等工具類軟體。
&>&>那麼，我們是不是應該挖掘一下，這位題主真正的需求是什麼？
可能並非是短期的、目標明確的、由業務驅動所以要換工具的需求；
而是想要知道，目前什麼工具最前端、流行、值得一學。現在是有備無患；未來，就是［升值］與［升職］！
——————我是「如果說中請贊我、說的不對別打我」分割線——————
所以，首先我認為應當分析的是，數據分析工具、或者說商業智能，從現在到未來的一個發展趨勢是什麼。
&>&>商業智能發展趨勢
我用的資料來自Gartner發布的《2017BI和數據分析軟體市場統計報告》，其中提到了如下趨勢：
（1）、傳統的商業智能平台市場佔有率正在逐年降低。從2013年的49%，降至2015年的41%。而與之相反的，是新一代商業智能平台，它的市場佔有率從7%上升至14%，幾乎「吃」掉了傳統BI失掉的所有市場。
（2）、根據預測，未來10年將有更多的分析工具／商業智能產品部署於雲。
接下來我們要回答的問題就變成了：什麼是新一代商業智能？究竟它「新」在何處？為什麼有能力蠶食傳統BI的市場呢？
&>&>新一代商業智能「新」在何處？
對於還在100%依賴excel的人來說，這事兒可能有點恐慌，因為還沒開始接觸商業智能，商業智能就out了。但所有的烏雲都有一道金邊兒。2000年之後出生的孩子從來沒有打過算盤珠子、沒學過打字機、沒按過老式計算器、沒用過固定電話；但是他們是智能移動設備的「原住民」。2017年之前沒用過商業智能的人也不必恐慌，因為我們都可以成為「新一代商業智能」的"原住民"。
Gartner2015年提出「Modern BI Platform」這一概念時，曾經從五個方面描述了傳統BI與新一代BI之間的區別：
從上圖中可以看出，新一代BI最大的變化，就是把商業分析全流程的中心從專家轉向了業務人員，IT部門不再是數據採集、準備與內容創作的主力或靈魂，僅在分析的流程中提供一小部分的支持工作；以前業務人員跟數據之間隔著一個IT部門，像隔著一座大山；新一代商業智能，允許業務人員直接跟數據對話、直接創建分析內容、自由的用可視化進行數據探索，還可以彼此協作。
1936年，查理－卓別林執導並主演的《摩登時代》里，曾經把工人比作城市大機器中的一個零件，在設定好的固定程序下每天重複。今天，工業社會已發展成為信息社會，我們的工作比過去需要更多的主動與創新，但企業依舊是一個環環相扣的生產線，每一個環節都影響著企業的最終盈利，每一個環節都不容出錯。
因此，我們為什麼不把最適合這個時代的利器，交到每一個一線業務的責任人手中呢？
這就是新一代BI存在的意義。
1.一般用excel就夠了；2.可視化的話，一般BDP個人版也夠了；（http://me.bdp.cn)3.寫演算法的話，SQL就夠了看你怎麼做。。。
大數據分析，不管是會excel，還是會sql，多多少少要有點基礎的。大數據分析的工具很多，以下就列舉了不同技術背景的人士，在大數據分析工具方面的進修技術路徑：
一、Excel起步
作為一個入門級工具，Excel是快速分析數據的理想工具，也能創建供內部使用的數據圖。如果在眾多數據分析工具中您只了解最基本的Excel，以下是最好的進階路線
二、SQL起步
如果你了解SQL，說明你已經具備了更快提升的基礎，建議如下進階路線：
三、R語言起步
作為用來分析大數據集的統計組件包，Ｒ是一個非常複雜的工具，掌握R意味著你比其他IT專業人士可以更快上手一些專業分析工具和服務。
四、Python起步
五、MySQL起步
六、微軟SQL Server起步
七、Tableau/FineBI起步
作為大數據前端分析工具，Tableau和FineBI都很容易上手
九、PostgreSQL起步
十、Visual Basic起步
FineBI http://www.finebi.com
哪個工具用來解決問題順手就用哪個，EXCEL已經可以解決大部分需求了，某些公司JD都是抄來抄去的，比如，百度有些數據崗位寫著熟悉一款統計軟體，如SPSS、SAS、R等，結果進去後一天的工作就是用EXCEL點幾下滑鼠解決工作。這些本來就是統計軟體，不搞專門的統計工作，只是一些數據分析工作，何苦費時間學這些。如果想學，我推薦python。
居然沒人提KNIME，太不幸了。
Gartner對KNIME的評價，還是相當高的（有帳號的自己進去搜），沒帳號的參考這個：SAS, IBM, RapidMiner, Knime leaders in Gartner MQ for Advanced Analytics PlatformsTableau
excel 2013.能把excel用好，基本夠用了
如果說EXCEL OFFICE系列的，那簡直都不敢苟同，真正一流分析公司都使用專業化軟體，Tableau 支持80%資料庫包括office，可以不能緯度生成你想要的信息。具體看軟體介紹視頻。
目前市面上很多數據分析及建模工具，下面為您推薦幾款最實用的建模工具
1.Tableau
（http://www.tableau.com/）
數據可視化做的最好的平台之一
功能十分強大，可以說是excel的升級版
2.Python
（www.python.com）
Python作為近幾年強勢崛起的變成語言，由於其易用性和強大的擴展性，迅速成為數據分析最強大的工具，只需一點編程基礎，熟練使用旗下的pandas庫就可玩轉數據分析
3. SAS
（www.sas.com）
作為為統計而生的語言，SAS的統計和數據分析功能十分強大，可以托拉拽也可以通過編程來實現，只不過SAS語言比較奇怪
4.R語言
（p&:/&
R作為一種統計分析軟體，是集統計分析與圖形顯示於一體的。它可以運行於UNIX,Windows和Macintosh的操作系統上，而且嵌入了一個非常方便實用的幫助系統，相比於其他統計分析軟體，R還有以下特點：
1.R是自由軟體。這意味著它是完全免費,開放源代碼的。可以在它的網站及其鏡像中下載任何有關的安裝程序、源代碼、程序包及其源代碼、文檔資料。標準的安裝文件身自身就帶有許多模塊和內嵌統計函數,安裝好後可以直接實現許多常用的統計功能。
2.R是一種可編程的語言。作為一個開放的統計編程環境,語法通俗易懂,很容易學會和掌握語言的語法。而且學會之後,我們可以編製自己的函數來擴展現有的語言。這也就是為什麼它的更新速度比一般統計軟體,如,SPSS,SAS等快得多。大多數最新的統計方法和技術都可以在R中直接得到。
3. 所有R的函數和數據集是保存在程序包裡面的。只有當一個包被載入時,它的內容才可以被訪問。一些常用、基本的程序包已經被收入了標準安裝文件中,隨著新的統計分析方法的出現,標準安裝文件中所包含的程序包也隨著版本的更新而不斷變化。在另外版安裝文件中,已經包含的程序包有：base一R的基礎模塊、mle一極大似然估計模塊、ts一時間序列分析模塊、mva一多元統計分析模塊、survival一生存分析模塊等等.
5.Radiance
（www.datazen.ai）
新興的機器學習建模平台，簡單，快速，集成了多個機器學習演算法，讓你迅速建立機器學習模型
Cobub Razor，專業的APP數據統計分析工具，不僅開源而且支持私有化部署。
感覺這個好不好用屬於重口難調的問題，有第三方雲化的服務工具，也有本地化的軟體工具，關鍵得看分析什麼數據；對於從事互聯網運營和產品相關的夥伴，可能更關注的是用戶行為數據，關於用戶行為數據的雲化分析工具推薦下自己家的還是很好用，可視化便捷操作，精細化維度展現，http://zhugeio.com。
感覺Eviews是不是out了。。。
學習了