数据挖掘起源于许多学科，其中最重要的是统计学和机器学习。统计学起源于数学，强调数学的准确性；机器学习主要起源于计算机实践，更倾向于实践和主动检测某种东西来确定其表现形式。
这类软件主要用于更专业的数据分析和挖掘，尤其是在银行、金融、保险等行业。
spss和sas都是用于统计分析的，侧重于统计知识的一些基本应用，包括描述性统计、方差分析、因子分析、主成分分析、基本回归、分布检验等。spss在市场调研中应用广泛，而sas银行的金融医疗统计比较多，有些难度。
r语言似乎是一种综合的数据分析工具，集统计分析、数据挖掘和数据可视化于一体。
展开来说说数据分析~
这些数据分析工具的使用还是要看需求，每个企业应用的选择和方法都不一样。数据分析的概念非常广泛。从it的角度来看，数据分析工具在实际应用中可以分为两个维度:
第一个维度:数据存储层-数据报表层-数据分析层-数据展现层。
第二个维度:用户级-部门级-企业级-bi级。
1.数据存储层
从数据存储设计到数据库概念和数据库语言，这方面不必深究，但至少要了解数据的存储、基本结构和数据类型。sql查询语言必不可少，精通最好。我们可以从选择查询、更新修改、删除删除和插入插入的基本结构和读取开始。
access2003、access07等
这是最基本的个人数据库，常用于个人或部分基础数据存储；部门或互联网数据库应用必备的mysql数据库，此时掌握sql语言的数据库结构和数据查询能力是关键；
sqlserver2005或更高版本
对于中小型企业，一些大型企业也可以使用sqlserver数据库。其实这次除了数据存储，还包括数据报表和数据分析，甚至数据挖掘工具也在其中；
db2和oracle数据库都是大型数据库。
，主要是企业级，特别是大型企业或者有海量存储数据需求的是必须的。一般大型数据库公司都提供非常好的数据集成应用平台；
双电平
其实这不是一个数据库，而是建立在之前数据库基础上的企业级应用数据仓库。数据仓库(datawarehouse)，基于dw计算机的数据存储基本上是一个商业智能平台，它集成了各种数据分析、报告、分析和展示。与bi产品相结合的bi级数据仓库也是近年来的一大趋势。
2.报告/商务智能层
踮起脚尖存储的数据需要读取和显示，报表工具是应用最广泛的工具，尤其是在。以前传统的报道大多解决的是呈现的问题。现在的finereport和帆板报告一样，也会和其他应用交叉，做数据分析报告。通过接口开放、报表、决策报表等功能，可以访问数据，涵盖了早期商业智能的功能。
tableau、qlikview、finebi等bi工具可分为报表层和数据展现层，涵盖数据集成、数据分析和数据展现。finebi和tableau都是近年来比较优秀的软件，可以作为可视化的数据分析软件，finebi可以用来从数据库中取出数据进行报表和可视化分析。相对来说，visualtableau更好，但是finebi还有另外一个身份——商业智能。
所以在大数据处理方面的能力更好。
3.数据分析层
其实这一层有很多分析工具。当然，excel是最常用的。
excel软件
首先，版本越高越好用，这是肯定的；当然，对于excel，很多人只掌握了5%的excel功能，而excel是非常强大的，甚至可以完成所有的统计分析工作！但是我经常说，学统计软件不如会玩excel这个统计工具。
spss软件
:目前版本为18，名称已改为pasw统计；；我是从3.0开始在dos环境下编程分析的，目前版本的变化也可以从spss社科统计软件包的变化中看出。从关注医学、化学开始，我越来越关注商业分析，现在已经成为一个预测分析软件。
sas软件
比起spss，sas其实更强大。sas是一个平台，em挖掘模块的平台是集成的。相对来说，sas更难学，但是如果你掌握了sas，会更有价值，比如离散选择模型，抽样问题，正交实验设计等。另外sas的学习资料比较多，而且是开放的，会有收获！
jmp分析
:sas的分析分支
xlstat
:excel插件，可以完成spss的大部分统计分析功能。
4.表示层
表示层也叫数据可视化，上面每个工具都提供了几乎一点点的展现功能。上面提到了finebi和tableau的可视化功能。其实这几年excel的可视化越来越好，加上一些插件，使用感更好了。
ppt:
办公常用，用来写数据分析报告；
xmindamp百度脑图:
梳理流程，帮助思考分析，展现数据分析水平；
xcelsius软件:
dashboard制作和数据可视化报表工具，可以直接读取数据库，在excel中建模，在互联网上展示。最大的特点也是在ppt中实现动态报表是可能的。
最后需要说明的是，这种分类并不是为了区分软件，而是为了说明软件的应用。有时候我们用数据库做报表分析，有时候报表是分析，有时候分析是展现；当然，有时候呈现就是分析，分析也是报告，报告就是数据存储！
