工具／产品／解决方案是数据科学家洞察数据的利器。KDNuggets网站对此观点进行了年度调查，来分析数据科学家在用哪些类型的工具。下面大圣众包小编整理了对大数据从业的你可能会有些帮助的工具！
数据科学常用的工具有哪些？
大数据生态（Hadoop、Spark）和开源项目：
Hadoop，HBase，Hive，Mahout，MLlib，OtherHadoop／HDFSbasedtools，Pig，Scala，Spark，SQLonHadooptools
微软数据科学家工具：
MicrosoftAzureML，MicrosoftPowerBI，MicrosoftSQLServer，RevolutionAnalytics
基于Python的机器学习：
Dataiku，H2O（0xdata），Python，scikit-learn，Theano，Vowpal Wabbit
SAS公司产品：
JMP，SAS Base，SAS Enterprise Miner
MATLAB、R语言等统计工具：
GnuOctave，MATLAB，Orange，R，Rapid Miner，Rattle，Weka
IBM公司产品：
IBM Cognos，IBM SPSSModeler，IBM SPSSStatistics，IBM WatsonAnalytics
Linux工具和SQLang：
Actian，C/C++，Perl，SQLang，Unixshell／awk／gawk
深度学习：
Caffe，Pylearn2
商务智能软件：
PentahoandQlikView
数据分析平台：
Datameer and Zementis
Excel和Word统计工具：
XLSTAT for Excel
其它：
OtherDeep Learningtools，Other free analytics／data mining tools，Other Hadoop／HDF based tools，Other paid analytics／datamining／datascience software，Other programming languages
数据可视化：
C4.5／C5.0／See5，Miner3D，OracleDataMiner
数据科学家在选择大数据、数据挖掘和数据分析工具时，更倾向于有一定生态基础的工具，这样各个工具间可以相互支持。
为了提高在大数据项目中成功的机会，选择正确的工具是非常重要的。没有一个孤立的工具能够做所有的数据分析，职业的数据专家趋向于使用不止一种相关的工具（分析中发现，数据专家平均使用5种数据分析工具）。你可以根据使用相关工具的数据专家来决定自己的选择。
另外一个观点是，要选择大厂的产品，比如，IBM、微软和SAS，大品牌的产品更丰富，可以使得你的产品更容易扩展。
（更多大数据与商业智能领域干货、兼职机会请关注大圣众包平台，或添加大圣花花个人微信号（dashenghuaer)，拉你入bigdata&BI交流群330648564。)
