大数据分析工具蓬勃发展

本文转自人民邮电报；

大数据分析工具是指通过数据挖掘、语义分析、预测分析等技术，在合理的时间内获取、管理、处理和整理大型数据，以显示数据价值的软件。随着企业数据量的不断增加，数据的类型和结构越来越丰富，企业分析场景越来越多样化，大数据分析工具得到了充分的发展。目前，全球大数据分析工具市场产品在许多行业和场景中蓬勃发展。

大数据分析工具的现状

1、国内大数据显示工具发展势头良好，在国内市场占有一席之地。分析显示工具通常用于通过数据挖掘技术将现有数据从大型数据集中发现和识别模式转化为知识，帮助企业做出明智的问题诊断和业务决策。分析显示工具通过图形、图表、信息图表等方式对数据进行统计、分析、总结和显示。2019年，国内数据显示工具逐渐得到市场的认可，BI作为大数据显示工具的典型代表，软件（商业智能软件）强调报告等可视化功能显示。2019年上半年，帆软本地化高效服务和稳定产品14.9%的国内市场份额成为BI市场的领头羊紧随其后SAP、微软、IBM和SAS四家公司。2020年Gartner发布的BI在魔法象限报告中，阿里云首次上榜，表明国内大数据显示工具在技术和服务方面逐渐得到市场的认可。

二、国内大数据挖掘工具与国外差距较大，仍有较大发展空间。数据挖掘工具作为融合人工智能、机器学习等前沿技术的研究成果，通常被认为是分析预测类工具的典型代表，需要企业大量的资源投入和技术沉淀，国内市场几乎被国外产品占据。2019年数据挖掘工具市场份额前五名均为国外企业，分别是SAS、IBM、RapidMiner、KNIME和微软，国内企业只有神舟通用K-Miner占有少量市场份额。从数据挖掘工具的数量、成熟度和用户数量来看，国内产品与国外产品仍存在较大差距。

大数据分析工具的发展趋势

加强分析已成为大数据分析工具的未来动力点。随着企业越来越需要消化多来源、不断变化的数据，为了降低技术人员的工作压力，提高大数据分析效率，提高分析技术应运而生。通过人工智能、机器学习等信息技术，增强分析在传统分析功能中增加了更多的增强功能，使个人用户和企业数据分析专家能够自动分析、挖掘、测试、验证和显示更低门槛的大数据价值，提高人类评估数据的能力。在数据准备阶段，增强分析可以推荐最合适的业务数据源；在业务发现阶段，增强分析有助于实现自动建模、模型管理、代码生成等高级功能；在共享阶段，通过增强分析可以带来一些自动业务发现。

随着数据价值的提高和数据量的增长，不仅是数据科学家或数据分析师，还有大量的营销和其他非技术人员需要洞察数据，从数据中寻求实现最佳价值的途径。目前，自然语言搜索、语音生成、自动生成等增强分析功能仍处于概念阶段，尚未形成大规模的市场应用。传统的大数据分析工具将成为未来供应商竞争差异化的关键核心和投资方向。

大数据分析工具加强系统集成，提高企业数据服务能力。IT从信息化、数字化到当今倡导的数字化，数据分析应该服务于人类的需求。未来，大数据分析工具应具有较强的数据服务能力，帮助企业通过大量的数据和智能手段自动解决业务端的需求。大数据分析工具应朝着与业务深度绑定的方向发展。国内大数据分析工具起步较晚，传统的明确切割产品交付是否能满足客户需求，如何实现弯道超车，工具服务能力的提高可能是一个主要的关键因素。国内相关工具在本地化数据对接、定制系统集成、嵌入式分析方法等方面具有显著优势。关注信息系统与大数据分析工具的整合已成为企业成功的机遇，也是国内大数据分析工具弯道超车的好机会。

大数据分析工具服务云将在未来迅速发展。由于数据量、安全性等因素，传统的大数据分析工具主要是本地部署，不利于数据的流通和共享。大数据分析工具云有助于许多中小企业快速构建工具，降低使用成本。随着中国信息通信研究所云计算与大数据研究所刘思远的数据和系统云，分析工具云对高效分析、挖掘和显示数据价值的重要性不言而喻。2019年是云生态系统主导地位的一年。微软的快速增长是基于Azure BI云服务力量，Salesforce收购Tableau和Google收购Looker，标志着云将使制造商拥有一个具有价格竞争力的平台。未来，大数据分析工具服务云将成为制造商的竞争场所。

目前，我国大数据分析工具的发展取得了初步成果。帆软、普元等大量大数据分析工具供应商如雨后春笋般涌现，成为金融、教育等行业选择数据分析工具的重点。为了抓住机遇，弥补起步晚、用户少的不足，中国行业各方应积极合作，建设开放的产业生态，提高技术创新能力，深入培育子行业，逐步实现从跟进到领导的改进。