如何选择最适于的大数据分析插件？-mpp文件

编者按：这是大数据分析工具采购指南系列文章的最后一部分内容。第一部分内容主要关注大数据工具在行业内的使用和长处(具体详阅《 【大数据分析工具指南】从选择到使用 》:);第二部分内容主要介绍大数据分析工具的不同应用画面(具体详阅 《 【大数据分析工具采购指南】你弄明白要判断怎么数据了吗? 》 和《 【大数据分析工具采购指南】大数据避不开的9大应用画面 你中招没? 》);第三部分内容重点介绍怎么采购大数据分析工具(具体详阅 【大数据分析工具】怎么进行订货? )。

现在诸多大厂都说自己的新品是大数据分析插件。如果只是按照系统去混淆它们新品，的确是件难事，因为诸多工具具备类似的形态和系统。此外，有些工具的区别是相当轻微的。所以，关键区分因素应该还是要按照行业的能力还有在数据分析方面的成熟度，重点考虑怎么在易用性、硬件复杂性和标价之间找到平衡。

我们将在本文对九个主流大数据分析插件厂家的新品进行对比，即Alteryx、 IBM、KNIME.com、 Microsoft、 Oracle、 RapidMiner、SAP、 SAS 和 Teradata，其中有的大厂提供的工具不止一个。这些厂家分别代表着大数据分析市场的不同方面。我们将结合之前文章中说过的优点，对它们新品进行对比，看它们新品是怎么满足行业用户的业务需求。

怎么选择最适于的大数据分析插件?

分析师的知识和位移。有些工具的目标受众是新手用户，有的是数据分析师，有的则是针对这两种受众设计的。

像IBM SPSS Modeler、RapidMiner工具、Oracle Advanced Analytics、SAP Predictive Analytics自动判断版本其他新品，往往针对的群体是没有或只有一点统计学或数据分析背景的用户。用户对数据进行分析、开发分析模型和设计分析工作流，基本不需要编程。每个大厂都把体系分析模块深藏在直观的用户界面下，引导分析师进行数据准备、判断、模型设计和验证等分析进程，反而你们采用的原理认为有所不同，特别是把一个独立的新品(如RapidMiner)和一个套件产品(如Oracle产品)的一部分进行对比时，尤为不同。

像IBM SPSS Statistics、KNIME Analytics Platform、SAP Predictive Analytics专家判断系统、微软Revolution Analytics和Teradata Aster Discovery Platform这些工具，提供的系统繁杂程度远远超出专家级用户的预估。Oracle 针对Hadoop的R高级分析法(ORAAH)是Oracle大数据插件联接套件中的一部分，它提供了R界面，用于管理Hadoop分布式文件系统(HDFS)数据和用R语言中编写映射(mapper)和归纳(reducer)系统。这种灵活性对于更高水平的数据科学家来说更具吸引力。

Alteryx和SAS EnterpriseMiner可以按照用户常识的水准调整系统，主要适用于这两类用户。总体而言，在支持更高级分析技术和模型评分方面，此外涵盖大脑网络、关联分析和可视化功能等更广泛的分析系统方面，SAS Enterprise Miner和IBM的SPSS工具特别独树一帜。

分析多样性。根据不同的用户实例和使用，行业用户认为需要支持不同类型的分析系统，使用特殊类型的建模(例如回归、残差、分割、行为建模和决策树)。这些系统早已希望广泛支持高水准、不同形式的分析建模，反而还是有一些厂家投入数十年的心力，调整不同版本的硬件，增强特别高级的系统。理解哪些模型与行业面临的难题最相关，按照新品怎么最好地满足用户的业务需求进行新品评估，它们都相当重要。

越成熟和高端(也相对更低廉)的工具具备的分析广度极大。Oracle Data Miner包括了一系列知名的机器学习方法，支持聚类、分析性发掘和文本挖掘。IBM SPSS产品的两个版本都提供多套分析技术和模型。SAS Enterprise Miner支持许多硬件和技术，涵盖决策树、时间序列、大脑网络、线性和观点回到、序列和图片站点预测、购物篮分析和连接分析。

新一代(有时价格更为便宜)新品支持不同的模型，反而硬件复杂程度应该较窄。Alteryx Analytics Gallery的模型库存包括以上系统，如回到分析、决策树、关联规则分析、细分和时间序列分析。KNIME包含文本挖掘、影像挖掘和时间序列分析的原理，也从这些开源项目(如Weka、R和JFreeChart)集成机器学习算法。

分析多样性的另一方面是编程语言和统计工具(如R)的内置，将现有库和用户自定义功能进行内置。事实上，与R集成可以说是越来越关键的差异点。Alteryx Designer、微软Revolution Analytics、SAS Enterprise Miner、Teradata Aster Discovery Platform、Oracle ORAAH和KNIME的分析平台，都提供R的插口，支持R的内置。

数据范围分析。要判断的数据范围涵盖诸多方面，如结构化和非结构化信息teradata r语言，传统的本地和数据仓库、基于云端的数据源，大数据平台(如Hadoop)上的数据管理等。但是，不同产品对非传统数据湖(在Hadoop内或这些用来提供横向扩张的NoSQL数据管理功能内)上的数据管理提供的支持程度不一。如何选择品牌，行业必须权衡获取和处理数据量及数据种类的特殊需求。

扩展和高性能支持。是否需要可扩张的型号，这是由行业数据量和分析需求决定的。小型行业数据量较小，使用的新品可以不具备与可用资源扩张的型号优点，例如低端工具的入门级版本(如RapidMiner、 KNIME、 微软 Revolution R Open、Alteryx Designer)，可以在茶几功能上运行，不需要额外的服务器组件。

大型行业很有可能需要分析的数据集库存更大，用户群更广。这就提出了两个额外的要求——高性能和协作便利性。产品对于高性能构架的适应性表示具有可扩展性，大多数产品可以按照Hadoop的并行性进行适应性改变，如果采用这些能够实现更快运算的手段。

一切的它们新品或多或少能够支持Hadoop，涵盖IBM SPSS Modeler和SPSS Statistics、RapidMiner的商业组件Radoop(可以将Studio前端和服务器分析引擎相连到存储在Hadoop上的数据)、Oracle Big Data Discovery 和ORAAH工具、KNIME的Big Data Extension 和Cluster Execution插件。Teradata Aster Discovery Platform通过Teradata的MPP构架解决高性能需求。SAP Predictive Analytics的学者分析版本希望执行硬盘数据发掘，高效处理大容量数据分析。微软R Enterprise则借助Revolution Analytics的ScaleR模块解决高性能需求，这是一个支持平行化的大数据分析硬件的综合库。采用SAS Enterprise Miner的评分算法也希望在Hadoop环境内部署和执行。

协作。企业规模越大teradata r语言，越有可能需要跨部门、在很多分析师之间分享分析、模型和使用。企业或者有诸多分析师分布在各部门，对结果怎么进行表述和分析，可能会需要增强更多的共享模型和协同的原理。IBM的SPSS Modeler Gold版本提供了协同系统，RapidMiner的Server产品支持共享和协同。Alteryx Analytics Gallery提供的制度能够与内部机构团体分享云端的高级分析使用。KNIME提供商业扩展，支持团队协同。SAS Enterprise Miner客户服务器构架能够通过共享模型和这些工作品牌，让业务用户和数据分析师增强协同合作。

厂商规模和新品内置。我们可以按照厂家规模对新品进行比较。对于我们往往所说的超级大型厂家而言，大数据分析工具仅仅是众多品牌工具中的一套产品而已。如果你所在的行业规模多大，往往需要和厂家谈整套品牌工具在整个行业范围的企业级许可，假如可以选择像IBM、SAS、SAP或者Oracle这种超级大型厂家。

大型厂家的大数据分析工具只是更大的工具生态系统中的一部分。可以假定，来自同一个超级大型厂家的新品至少已集成的，如果旨在一起使用。此外，有些人更喜欢与小型厂家打交道，是因为觉得大行业的店主服务特别平稳可信。另一方面，如此的大数据分析工具应该只可以也是更大软件授权条款的一部分才能够买到。

规模小点的大厂，如KNIME、Alteryx和RapidMiner，支出主要来自授权授权和支持少量大数据分析新品。小型厂家认为可以让你更密切地与你们的新品管理和革新团队进行接触，你认为可以影响品牌路线图或改进系统的发展方向。在标价和授权条款所涵盖的属性方面，微型厂家认为特别灵巧。但是，与大型厂家合作的风险也需要注意，如稳定性、用来支持的可用资源和行业认为被出售的可能性，它们就会影响客户关系。

许可证书和维护预算。几乎所有厂家的新品都分不同的版本，购买支出和整个运营利润各不相同。IBM、Oracle、RapidMiner、Teradata和微软的新品按照不同级别划分版本，授权证书费用与属性、系统、对判断数据的量或者新品可使用的结点数的限制成正比。KNIME和RapidMiner提供免费或开源版本，对技术支持付费或者对企业级应用版本进行付费。相对而言，KNIME、RappidMiner和Alteryx对总数少的用户缴纳的授权费用较低。你所以权衡SAS和SAP的新品，需要直接找你们询价。

大数据分析插件的市场认为让人找不到北，反而我们能够，本系列订货指南文章希望帮助你更好地理解大数据分析插件希望带来公司怎么坏处，帮助你更好地区分主流大数据分析新品和工具。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-119249-1.html