有什么软件能分析多组数据 之间关系的软件
1.QUESTQUEST是IBM公司Almaden研究中心开发的一个多任务数据挖掘系统，目的是为新一代决策支持系统的应用开发提供高效的数据开采基本构件。
系统具有如下特点：提供了专门在大型数据库上进行各种开采的功能：关联规则发现、序列模式发现、时间序列聚类、决策树分类、递增式主动开采等。
各种开采算法具有近似线性（O(n)）计算复杂度，可适用于任意大小的数据库。
算法具有找全性，即能将所有满足指定类型的模式全部寻找出来。
为各种发现功能设计了相应的并行算法。
2.MineSetMineSet是由SGI公司和美国Standford大学联合开发的多任务数据挖掘系统。
MineSet集成多种数据挖掘算法和可视化工具，帮助用户直观地、实时地发掘、理解大量数据背后的知识。
MineSet有如下特点：MineSet以先进的可视化显示方法闻名于世。
提供多种 萃诰蚰J健0 ǚ掷嗥鳌⒒毓槟J健⒐亓 嬖颉⒕劾喙椤⑴卸狭兄匾 取？br>支持多种关系数据库。
可以直接从Oracle、Informix、Sybase的表读取数据，也可以通过SQL命令执行查询。
多种数据转换功能。
在进行挖掘前，MineSet可以去除不必要的数据项，统计、集合、分组数据，转换数据类型，构造表达式由已有数据项生成新的数据项，对数据采样等。
操作简单、支持国际字符、可以直接发布到Web。
3.DBMinerDBMiner是加拿大SimonFraser大学开发的一个多任务数据挖掘系统，它的前身是DBLearn。
该系统设计的目的是把关系数据库和数据开采集成在一起，以面向属性的多级概念为基础发现各种知识。
DBMiner系统具有如下特色：能完成多种知识的发现：泛化规则、特性规则、关联规则、分类规则、演化知识、偏离知识等。
综合了多种数据开采技术：面向属性的归纳、统计分析、逐级深化发现多级规则、元规则引导发现等方法。
提出了一种交互式的类SQL语言——数据开采查询语言DMQL。
能与关系数据库平滑集成。
实现了基于客户/服务器体系结构的Unix和PC(Windows/NT)版本的系统。
常见的数据分析软件有哪些？
1、数加平台数加是阿里云发布的一站式大数据平台，可以提供数据采集、结构化、加工到展示分析整套的一站式数据服务。
可采集不同系统及物理存储的源头数据，在分布式计算平台上进行数据的深度整合、计算、挖掘，将计算的结果通过可视化的工具进行个性化的数据分析和展现，也可直观的展示分析现有云上业务系统的数据库数据。
优点：有完整的产品规划，功能完善；图形展示和客户感知良好；提供SQL查询；缺点：需要捆绑阿里云才能使用，一般用户还不能真正使用起来；部分体验功能一般，有一定的学习成本；2、TableauTableau是目前市面上较为成功的BI工具。
产品既有针对性，又有普适性。
拖放式界面，操作简单。
数据兼容性强，适用于多种数据文件与数据库，同时也兼容多平台，windows、mac、Online均可使用。
而且重要的一点是免费为用户安排现场培训或按需求进行在线培训。
优点：处于行业领导者地位，功能完善；有较好的图形展现与客户感知；新产品开始支持云端展现，但是需要客户端支持；缺点：相比于商业智能BI，更像一个基于数据查询的数据展示工具；处理不规范数据、转化复杂模型比较难；无法处理大量数据；国内网络连接Online版速度较慢；3、QlikQlikView只需轻轻单击几下，就可以对所有数据源进行合并、搜索、可视化和分析，可在不影响性能的前提下连接到多个数据源；其次视图种类丰富，界面简洁，互动性强，总体来说是一款简单易用的BI产品。
Qlik用户可通过各类可视化效果，将Qlik扩展到任何应用程序中。
另外用户也可以通过使用标准的和最新的网络API，可将可视化效果数据嵌入网站或应用程序。
优点：产品功能完善，图形展现和客户感知良好；支持SAAS，有权限管理功能；缺点：有一定的学习成本；报表规范性要求很高；数据抓取功能都非常弱，需要有非常好的数据仓库作为基础；4、SpotfireSpotfire服务对象是一线工作人员和日常决策人员，其交互界面形象易懂，无需写脚本语言和编写程序就可以对数据进行添加、分离操作。
内置搜索引擎，可以随意查找任意信息。
支持R、S+等统计、挖掘功能；有丰富、开源的R模型。
标记有自身特色，提供了过滤、钻取等功能，多个标记同时还可以实现图形化的集合运算。
优点：交互界面形象易懂，即使是普通的业务人员也能轻而易举地进行复杂的数据分析；不一定要建数据仓库，还可以直接从多个异构数据源提取数据进行分析；支持SAAS，有权限管理功能；缺点：SAAS版只支持30M，由于是国外服务器所以上传很慢；不适合中国式的固定报表；进军中国市场较晚，国内案例较少；工具的适应性范围广，但是难易跨度大；5、神策分析神策分析的产品有完整的使用文档，每个模块都有详细的使用说明以及示例，降低了用户的学习成本。
而且支持私有部署、任意维度的交叉分析，并帮助客户搭建专属的数据仓库。
目前提供事件分析、漏斗分析、留存分析、数据管理等功能，未来预计会增加用户分群、用户人群分析、推送和异常维度组合挖掘等，工具需要付费使用。
优点：专注于用户行为数据分析，不追求做大而追求做全；有详细的产品使用文档以及案例；提供SQL查询；缺点：更多的是demo示例，不能开箱即用；纯dashboard展示，并不能对单独一块数据作自定义分析；
简述数据与软件工程的关系
分析软件有Excel、SPSS、MATLAB、 SAS、Finereport等其中Excel我就不多说了相信大家都懂。
SPSS是世界上最早采用图形菜单驱动界面的统计软件它将几乎所有的功能都以统一、规范的界面展现出来。
SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。
其统计过程包括了常用的、较为成熟的统计过程，完全可以满足大部分的工作需要。
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境使用的。
其优点如下：1、高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来；2、 具有完备的图形处理功能，实现计算结果和编程的可视化；3、友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握；4、功能丰富的应用工具箱（如信号处理工具箱、通信工具箱等） ，为用户提供了大量方便实用的处理工具。
但是这款软件的使用难度较大，非专业人士不推荐使用。
SAS是把数据存取，管理，分析和展现有机地融为一体。
其功能非常强大统计方法齐，全，新。
它由数十个专用模块构成，功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等。
SAS系统基本上可以分为四大部分：SAS数据库部分；SAS分析核心；SAS开发呈现工具；SAS对分布处理模式的支持及其数据仓库设计。
不过这款软件的使用需要一定的专业知识，非专业人士不推荐使用。
Finereport类EXCEL设计模式，EXCEL+绑定数据列”形式持多SHEET和跨SHEET计算，完美兼容EXCEL公式，用户可以所见即所得的设计出任意复杂的表样，轻松实现中国式复杂报表。
它的功能也是非常的丰富，比如说 数据支持与整合、聚合报表、数据地图、Flash打印、交互分析等。
有好的免费的数据统计分析软件么
1、关于同环比：可以不用计算公式的，可以直接分析同环比，工具也不收费。
1）上传数据：打开BDP个人版，在工作表界面上传你想要分析的原始excel数据表，再点击右上角的新建图表。
2）拖拽数据到维度、数值栏：拖拽时间数据到维度栏，拖拽需要分析的数据到数值栏，单击数值选择“高级计算”——同环比，选择对应的增长率或增长值即可，不用计算，同环比就好了。
2、关于你说的输入各种数据后能自动出来文字叙述，这个需求还真不知道哪个工具可以实现，希望大神推荐。
现在我是可以用工具制作图表，还能用工具输入描述文字，简单理解成数据报告或数据汇报吧，上述的BDP就能实现我这个需求，excel也是ok的！
一般都用什么分析数据软件？
0 引 言 随着计算机应用的深入，大量数据存储在计算机中，信息的存储、管理、使用和维护显得越来越重要，而传统的数据库管理系统很难满足其要求。
为了解决大数据量、异构数据集成以及访问数据的响应速度问题，采用数据仓库技术，为最终用户处理所需的决策信息提供有效方法。
1 数据仓库 数据仓库是为管理人员进行决策提供支持的一种面向主题的、集成的、非易失的并随时间而变化的数据集合。
数据仓库是一种作为决策支持系统和联机分析应用数据源的结构化数据环境。
从目前数据仓库的发展来讲，数据可以存放于不同类型的数据库中，数据仓库是将异种数据源在单个站点以统一的模型组织的存储，以支持管理决策。
数据仓库技术包括数据清理、数据集成、联机分析处理（OLAP）和数据挖掘（DM）。
OLAP是多维查询和分析工具，支持决策者围绕决策主题对数据进行多角度、多层次的分析。
OLAP侧重于交互性、快速的响应速度及提供数据的多维视图，而DM则注重自动发现隐藏在数据中的模式和有用信息。
OLAP的分析结果可以给DM提供分析信息，作为挖掘的依据；DM可以拓展OLAP分析的深度，可以发现OLAP所不能发现的更为复杂、细致的信息。
OLAP是联机分析处理，DM是通过对数据库、数据仓库中的数据进行分析而获得知识的方法和技术，即通过建立模型来发现隐藏在组织机构数据库中的模式和关系。
这两者结合起来可满足企业对数据整理和信息提取的要求，帮助企业高层做出决策。
在欧美发达国家，以数据仓库为基础的在线分析处理和数据挖掘应用，首先在金融、保险、证券、电信等传统数据密集型行业取得成功。
IBM、oracle、Teradata、Microsoft、Netezza和SAS等有实力的公司相继推出了数据仓库解决方案。
近几年开始流行“分布式数据仓库”，是在多个物理位置应用全局逻辑模型。
数据被逻辑地分成多个域，但不同位置不会有重复的数据。
这种分布式方法可以为不同的物理数据创建安全区域，或为全球不同时区的用户提供全天候的服务。
此外，有由Kognitio发起数据仓库托管服务，即DBMS厂商为客户开发和运行数据仓库。
这种最初出现在业务部门，业务部门购买托管服务，而不是使用企业内IT部门提供的数据仓库。
2 数据挖掘技术 数据挖掘（DataMining），又称数据库中的知识发现（KnoWledge Discoveryin Database,KDD），是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值并最终可为用户理解的模式过程。
它是数据库研究中的很有应用价值的新领域，是人工智能、机器学习、数理统计学和神经元网络等技术在特定的数据仓库领域中的应用。
数据挖掘的核心模块技术历经数十年的发展，其中包括数理统计、人工智能、机器学习。
从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们所不知道的、但又是潜在有用的信息和知识的过程。
从商业应用角度看，数据挖掘是崭新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转化、分析和模式化处理，从中提取辅助商业决策的关键知识。
从技术角度讲，数据挖掘可应用于以下方面： （1）关联规则发现是在给定的事物集合中发现满足一定条件的关联规则，简单来讲，就是挖掘出隐藏在数据间的相互关系，为业务主题提供指导。
（2）序列模式分析和关联规则发现相似，但其侧重点在于分析数据间的前后关系。
模式是按时间有序的。
序列模式发现是在与时间有关的事物数据库中发现满足用户给定的最小支持度域值的所有有序序列。
（3）分类分析与聚类分析，分类规则的挖掘实际上是根据分类模型从数据对象中发现共性，并把它们分成不同的类的过程。
聚类时间是将d维空间的n个数据对象，划分到k个类中，使得一个类内的数据对象间的相似度高于其他类中数据对象。
聚类分析可以发现没有类别标记的一组数据对象的特性，总结出一个类别的特征。
（4）自动趋势预测，数据挖掘能自动在大型数据库里面寻找潜在的预测信息。
一个典型的利用数据挖掘进行预测的例子就是目标营销。
数据挖掘工具可以根据过去邮件推销中的大量数据找出其中最有可能对将来的邮件推销作出反应的客户。
3 联机分析（OLAP）处理技术 联机分析（OLAP）是数据仓库实现为决策提供支持的重要工具，是共享多维信息，针对特定问题的联机数据访问和分析的快速软件技术。
是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来，能够真正为用户所理解，并真实反映企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术（OLAP委员会的定义）。
OLAP的特性包括：①快速性：系统应能在5s内对用户的大部分分析要求做出反应；②可分析性：能处理与应用有关的任何逻辑分析和统计分析；⑨多维性：多维性是OLAP的关键属性。
系统必须提供对数据的多维视图和分析，包括对层次维和多重层次维的完全支持；④信息性：系统应能及时获得信息，并能管理大容量信息。
OLAP的数据结构是多维，目前存在方式：①超立方结构（...
数据分析软件有哪些,他们分别的特点是什么
EXCEL：最常见的数据分析软件，会的人比较多，功能也比较齐全，操作比较简单，可以分析，可以制图（图表类型也不少）等等，不过一旦数据量大了，EXCEL比较卡，确实有点浪费时间。
SPSS：可以分析数据，可以做一些数据模型，但需要企业人员有一定的数据和统计基础，上手相对难些，用好了很不错。
BDP个人版：有数据接入、数据处理、可视化分析等功能，操作简单，功能也比较齐全，数据图表效果也很好，主要数据可以实时更新，节省了很多重复分析的工作。
不过BDP免费版接入的数据容量有限，这也是一个问题，除非要花费买容量咯。
可以根据这些特点，选择适合企业的~
