現(xiàn)在很多廠商都說(shuō)自己的產(chǎn)品是大數(shù)據(jù)分析軟件。如果只是根據(jù)功能去區(qū)分這些產(chǎn)品，的確是件難事，因?yàn)楹芏喙ぞ呔哂邢嗨频奶卣骱凸δ?。此外，有些工具的差異是非常?xì)微的。所以，關(guān)鍵區(qū)分因素可能還是要根據(jù)企業(yè)的能力以及在數(shù)據(jù)分析方面的成熟度，重點(diǎn)考慮如何在易用性、算法復(fù)雜性和價(jià)格之間尋找平衡。

我們將在本文對(duì)九個(gè)主流大數(shù)據(jù)分析軟件廠商的產(chǎn)品進(jìn)行對(duì)比，即Alteryx、 IBM、KNIME.com、 Microsoft、 Oracle、 RapidMiner、SAP、 SAS 和 Teradata，其中有的廠商提供的工具不止一個(gè)。這些廠商分別代表著大數(shù)據(jù)分析市場(chǎng)的不同方面。我們將結(jié)合之前文章中提到的特點(diǎn)，對(duì)這些產(chǎn)品進(jìn)行對(duì)比，看這些產(chǎn)品是如何滿(mǎn)足企業(yè)用戶(hù)的業(yè)務(wù)需求。

分析師的專(zhuān)業(yè)知識(shí)和技能。有些工具的目標(biāo)受眾是新手用戶(hù)，有的是專(zhuān)業(yè)數(shù)據(jù)分析師，有的則是針對(duì)這兩種受眾設(shè)計(jì)的。

像IBM SPSS Modeler、RapidMiner工具、Oracle Advanced Analytics、SAP Predictive Analytics自動(dòng)分析版本這些產(chǎn)品，通常針對(duì)的人群是沒(méi)有或只有一點(diǎn)統(tǒng)計(jì)學(xué)或數(shù)據(jù)分析背景的用戶(hù)。用戶(hù)對(duì)數(shù)據(jù)進(jìn)行分析、開(kāi)發(fā)分析模型和設(shè)計(jì)分析工作流，基本不需要編程。每個(gè)廠商都把核心分析組件深藏在直觀的用戶(hù)界面下，引導(dǎo)分析師進(jìn)行數(shù)據(jù)準(zhǔn)備、分析、模型設(shè)計(jì)和驗(yàn)證等分析進(jìn)程，但是他們采用的方法可能有所不同，尤其是把一個(gè)獨(dú)立的產(chǎn)品（如RapidMiner）和一個(gè)套件產(chǎn)品（如Oracle產(chǎn)品）的一部分進(jìn)行對(duì)比時(shí)，尤為不同。

像IBM SPSS Statistics、KNIME Analytics Platform、SAP Predictive Analytics專(zhuān)家分析模塊、微軟Revolution Analytics和Teradata Aster Discovery Platform這些工具，提供的功能復(fù)雜程度遠(yuǎn)遠(yuǎn)超乎專(zhuān)家級(jí)用戶(hù)的預(yù)期。Oracle 針對(duì)Hadoop的R高級(jí)分析法（ORAAH）是Oracle大數(shù)據(jù)軟件連接套件中的一部分，它提供了R界面，用來(lái)管理Hadoop分布式文件系統(tǒng)（HDFS）數(shù)據(jù)和用R語(yǔ)言中編寫(xiě)映射（mapper）和歸納（reducer）功能。這種靈活性對(duì)于更高水平的數(shù)據(jù)科學(xué)家來(lái)說(shuō)更具吸引力。

Alteryx和SAS EnterpriseMiner可以根據(jù)用戶(hù)專(zhuān)業(yè)知識(shí)的水平調(diào)整功能，主要適用于這兩類(lèi)用戶(hù)。總體而言，在支持更高級(jí)分析技術(shù)和模型評(píng)分方面，以及包括神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)分析和可視化功能等更廣泛的分析功能方面，SAS Enterprise Miner和IBM的SPSS工具更加獨(dú)樹(shù)一幟。

分析多樣性。根據(jù)不同的用戶(hù)案例和應(yīng)用，企業(yè)用戶(hù)可能需要支持不同類(lèi)型的分析功能，使用特定類(lèi)型的建模（例如回歸、聚類(lèi)、分割、行為建模和決策樹(shù)）。這些功能已經(jīng)能夠廣泛支持高水平、不同形式的分析建模，但是還是有一些廠商投入數(shù)十年的精力，調(diào)整不同版本的算法，增加更加高級(jí)的功能。理解哪些模型與企業(yè)面臨的問(wèn)題最相關(guān)，根據(jù)產(chǎn)品如何最好地滿(mǎn)足用戶(hù)的業(yè)務(wù)需求進(jìn)行產(chǎn)品評(píng)估，這些都非常重要。

越成熟和高端（也相對(duì)更昂貴）的工具具有的分析廣度極大。Oracle Data Miner包括了一系列知名的機(jī)器學(xué)習(xí)方法，支持聚類(lèi)、預(yù)測(cè)性挖掘和文本挖掘。IBM SPSS產(chǎn)品的兩個(gè)版本都提供多套分析技術(shù)和模型。SAS Enterprise Miner支持許多算法和技術(shù)，包括決策樹(shù)、時(shí)間序列、神經(jīng)網(wǎng)絡(luò)、線(xiàn)性和邏輯回歸、序列和網(wǎng)絡(luò)線(xiàn)路分析、購(gòu)物籃分析和連接分析。

新一代（有時(shí)價(jià)格更為便宜）產(chǎn)品支持不同的模型，但是算法復(fù)雜程度可能較窄。Alteryx Analytics Gallery的模型庫(kù)存包含以下功能，如回歸分析、決策樹(shù)、關(guān)聯(lián)規(guī)則分析、分類(lèi)和時(shí)間序列分析。KNIME包含文本挖掘、圖像挖掘和時(shí)間序列分析的方法，也從其他開(kāi)源項(xiàng)目（如Weka、R和JFreeChart）集成機(jī)器學(xué)習(xí)算法。

分析多樣性的另一方面是編程語(yǔ)言和統(tǒng)計(jì)工具（如R）的集成，將現(xiàn)有庫(kù)和用戶(hù)自定義功能進(jìn)行集成。事實(shí)上，與R集成可以說(shuō)是越來(lái)越關(guān)鍵的區(qū)別點(diǎn)。Alteryx Designer、微軟Revolution Analytics、SAS Enterprise Miner、Teradata Aster Discovery Platform、Oracle ORAAH和KNIME的分析平臺(tái)，都提供R的接口，支持R的集成。

數(shù)據(jù)范圍分析。要分析的數(shù)據(jù)范圍涉及很多方面，如結(jié)構(gòu)化和非結(jié)構(gòu)化信息，傳統(tǒng)的本地?cái)?shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)、基于云端的數(shù)據(jù)源，大數(shù)據(jù)平臺(tái)（如Hadoop）上的數(shù)據(jù)管理等。但是，不同產(chǎn)品對(duì)非傳統(tǒng)數(shù)據(jù)湖（在Hadoop內(nèi)或其他用于提供橫向擴(kuò)展的NoSQL數(shù)據(jù)管理系統(tǒng)內(nèi)）上的數(shù)據(jù)管理提供的支持程度不一。如何選擇產(chǎn)品，企業(yè)必須考慮獲取和處理數(shù)據(jù)量及數(shù)據(jù)種類(lèi)的特定需求。

擴(kuò)展和高性能支持。是否需要可擴(kuò)展的性能，這是由企業(yè)數(shù)據(jù)量和分析需求決定的。小型企業(yè)數(shù)據(jù)量較小，使用的產(chǎn)品可以不具備與可用資源擴(kuò)展的性能特點(diǎn)，例如低端工具的入門(mén)級(jí)版本（如RapidMiner、 KNIME、 微軟 Revolution R Open、Alteryx Designer），可以在桌面系統(tǒng)上運(yùn)行，不需要額外的服務(wù)器組件。

大型企業(yè)很有可能需要分析的數(shù)據(jù)集庫(kù)存更大，用戶(hù)群更廣。這就提出了兩個(gè)額外的要求——高性能和協(xié)作便利性。產(chǎn)品對(duì)于高性能構(gòu)架的適應(yīng)性表示具有可擴(kuò)展性，大多數(shù)產(chǎn)品可以根據(jù)Hadoop的并行性進(jìn)行適應(yīng)性改變，或者采用其他能夠?qū)崿F(xiàn)更快運(yùn)算的方式。

所有的這些產(chǎn)品或多或少能夠支持Hadoop，包括IBM SPSS Modeler和SPSS Statistics、RapidMiner的商業(yè)組件Radoop（可以將Studio前端和服務(wù)器分析引擎連接到存儲(chǔ)在Hadoop上的數(shù)據(jù)）、Oracle Big Data Discovery 和ORAAH工具、KNIME的Big Data Extension 和Cluster Execution插件。Teradata Aster Discovery Platform通過(guò)Teradata的MPP構(gòu)架解決高性能需求。SAP Predictive Analytics的專(zhuān)家分析版本能夠執(zhí)行內(nèi)存數(shù)據(jù)挖掘，高效處理大容量數(shù)據(jù)分析。微軟R Enterprise則利用Revolution Analytics的ScaleR模塊解決高性能需求，這是一個(gè)支持平行化的大數(shù)據(jù)分析算法的綜合庫(kù)。采用SAS Enterprise Miner的評(píng)分算法也能夠在Hadoop環(huán)境內(nèi)部署和執(zhí)行。

協(xié)作。企業(yè)規(guī)模越大，越有可能需要跨部門(mén)、在諸多分析師之間分享分析、模型和應(yīng)用。企業(yè)如果有很多分析師分布在各部門(mén)，對(duì)結(jié)果如何進(jìn)行解釋和分析，可能會(huì)需要增加更多的共享模型和協(xié)作的方法。IBM的SPSS Modeler Gold版本提供了協(xié)作功能，RapidMiner的Server產(chǎn)品支持共享和協(xié)作。Alteryx Analytics Gallery提供的機(jī)制能夠與外部機(jī)構(gòu)成員分享云端的高級(jí)分析應(yīng)用。KNIME提供商業(yè)擴(kuò)展，支持團(tuán)隊(duì)協(xié)作。SAS Enterprise Miner客戶(hù)服務(wù)器構(gòu)架能夠通過(guò)共享模型和其他工作產(chǎn)品，讓業(yè)務(wù)用戶(hù)和數(shù)據(jù)分析師增強(qiáng)協(xié)同合作。

廠商規(guī)模和產(chǎn)品集成。我們可以根據(jù)廠商規(guī)模對(duì)產(chǎn)品進(jìn)行比較。對(duì)于我們通常所說(shuō)的超級(jí)大型廠商而言，大數(shù)據(jù)分析工具僅僅是眾多產(chǎn)品工具中的一套產(chǎn)品而已。如果你所在的企業(yè)規(guī)模很大，通常需要和廠商談?wù)桩a(chǎn)品工具在整個(gè)企業(yè)范圍的企業(yè)級(jí)許可，那么可以選擇像IBM、SAS、SAP或者Oracle這種超級(jí)大型廠商。

大型廠商的大數(shù)據(jù)分析工具只是更大的工具生態(tài)系統(tǒng)中的一部分?？梢约俣?，來(lái)自同一個(gè)超級(jí)大型廠商的產(chǎn)品至少已集成的，并且旨在一起使用。此外，有些人更喜歡與大型廠商打交道，是因?yàn)橛X(jué)得大企業(yè)的顧客服務(wù)更加穩(wěn)定可靠。另一方面，這樣的大數(shù)據(jù)分析工具可能只可以作為更大軟件許可協(xié)議的一部分才能夠購(gòu)買(mǎi)。

規(guī)模小點(diǎn)的廠商，如KNIME、Alteryx和RapidMiner，收入主要來(lái)自許可授權(quán)和支持少量大數(shù)據(jù)分析產(chǎn)品。小型廠商可能可以讓你更緊密地與他們的產(chǎn)品管理和創(chuàng)新團(tuán)隊(duì)進(jìn)行接觸，你可能可以影響產(chǎn)品路線(xiàn)圖或改進(jìn)功能的發(fā)展方向。在價(jià)格和許可協(xié)議所包括的特性方面，小型廠商可能更加靈活。但是，與小型廠商合作的風(fēng)險(xiǎn)也需要注意，如穩(wěn)定性、用于支持的可用資源和企業(yè)可能被收購(gòu)的可能性，這些都會(huì)影響客戶(hù)關(guān)系。

許可證書(shū)和維護(hù)預(yù)算。幾乎所有廠商的產(chǎn)品都分不同的版本，購(gòu)買(mǎi)費(fèi)用和整個(gè)運(yùn)營(yíng)成本各不相同。IBM、Oracle、RapidMiner、Teradata和微軟的產(chǎn)品根據(jù)不同級(jí)別劃分版本，許可證書(shū)費(fèi)用與特性、功能、對(duì)分析數(shù)據(jù)的量或者產(chǎn)品可使用的節(jié)點(diǎn)數(shù)的限制成正比。KNIME和RapidMiner提供免費(fèi)或開(kāi)源版本，對(duì)技術(shù)支持收費(fèi)或者對(duì)企業(yè)級(jí)應(yīng)用版本進(jìn)行收費(fèi)。相對(duì)而言，KNIME、RappidMiner和Alteryx對(duì)數(shù)量少的用戶(hù)收取的許可費(fèi)用較低。你如果考慮SAS和SAP的產(chǎn)品，需要直接找他們?cè)儍r(jià)。

大數(shù)據(jù)分析軟件的市場(chǎng)可能讓人找不到北，但是我們希望，本系列采購(gòu)指南文章能夠幫助你更好地理解大數(shù)據(jù)分析軟件能夠帶給企業(yè)什么好處，幫助你更好地區(qū)分主流大數(shù)據(jù)分析產(chǎn)品和工具。