工具／產品／解決方案是資料科學家洞察資料的利器。KDNuggets網站對此觀點進行了年度調查，來分析資料科學家在用哪些型別的工具，並提供了調查的匿名原始資料。
透過主成分析（PCA）法進行降維分析
對所有的工具同時進行關係分析，常規來說，PCA透過對大樣本資料統計性質（eg, 協方差）的分析，試圖用主要特徵來解釋關係。
分析結果：
當前分析的目標：透過一些主成分來分析95種工具之間的關係。最終決定以PCA的特徵值來決定主成分的數目，這裡選用了兩種規則：一種是以特徵值大於1的特徵值數量來選擇主成分數量；一種是畫陡坡圖（scree plot），透過95個特徵值你會發現一個拐點的特徵值。
特徵點點陡坡圖顯示在第13和第14特徵點時出現拐點，因此，這裡選擇的13個主成分來解釋它們之間的關係，見下圖。
點選上圖可放大
工具分類
下面列出根據主成分析得出的13類工具（投票數大於20）：
- 大資料生態（Hadoop、Spark）和開源專案：Hadoop, HBase, Hive, Mahout, MLlib, Other Hadoop/HDFS-based tools, Pig, Scala, Spark, SQL on Hadoop tools
- 微軟資料科學家工具：Microsoft Azure ML, Microsoft Power BI, Microsoft SQL Server, Revolution Analytics
- 基於Python的機器學習：Dataiku, H2O (0xdata), Python, scikit-learn, Theano, Vowpal Wabbit
- SAS公司產品：JMP, SAS Base, SAS Enterprise Miner
- MATLAB、R語言等統計工具：Gnu Octave, MATLAB, Orange, R, RapidMiner, Rattle, Weka
- IBM公司產品：IBM Cognos, IBM SPSS Modeler, IBM SPSS Statistics, IBM Watson Analytics
- Linux工具和SQLang：Actian, C/C++, Perl, SQLang, Unix shell/awk/gawk
- 深度學習：Caffe, Pylearn2
- 商務智慧軟體：Pentaho and QlikView
- 資料分析平臺：Datameer and Zementis
- Excel和Word統計工具：XLSTAT for Excel
- 其它：Other Deep Learning tools, Other free analytics/data mining tools, Other Hadoop/HDF-based tools, Other paid analytics/data mining/data science software, Other programming languages
- 資料視覺化：C4.5/C5.0/See5, Miner3D, Oracle Data Miner
總結
資料科學家在選擇大資料、資料探勘和資料分析工具時，更傾向於有一定生態基礎的工具，這樣各個工具間可以相互支援。
為了提高在大資料專案中成功的機會，選擇正確的工具是非常重要的。沒有一個孤立的工具能夠做所有的資料分析，職業的資料專家趨向於使用不止一種相關的工具（分析中發現，資料專家平均使用5種資料分析工具）。你可以根據使用相關工具的資料專家來決定自己的選擇。
另外一個觀點是，要選擇大廠的產品，比如，IBM、微軟和SAS，大品牌的產品更豐富，可以使得你的產品更容易擴充套件。
作者：杜小芳
199IT大資料導航，彙集1000多款與資料相關的工具（//hao.199it.com/ ），歡迎分享收藏！