1，有哪些免费且强大的数据分析软件2，有哪些好用的数据分析工具类软件3，数据分析师常用工具有哪些4，有好的免费的数据统计分析软件么5，统计数据分析的软件有那些1，有哪些免费且强大的数据分析软件
这样的软件没有。这些简单的比较分析，用excel就可以了。？？？
2，有哪些好用的数据分析工具类软件
bi数据分析系统去解决。bi数据分析系统用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。做大数据分析bi系统十多年的厂 商（奥威 软件）可以在奥威软件官网下载免费版数据分析系统
3，数据分析师常用工具有哪些
bdp个人版，在数据整合、数据处理、可视化分析等数据功能方面都还不错。你好！可以试试数据观，是一款免费的在线数据分析工具，比excel好用、比传统bi更高效，企业非it人员可以快速将数据转化成直观的图表，通过可视化的方式不断探索数据，发现问题、找出原因、从而制定对策。你自己可以去官网www.shujuguan.cn注册个帐号试试，希望对你有帮助。谢谢采纳。
4，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！可以免费试用下数据统计分析软件growingio。它主要分为数据采集、数据监控、数据可视化和数据分析分析4个模块。 数据的同比、环比在单图里直接选择相应的维度和指标就行，秒级出数，效率也很高。转化率可以用智能路径，一步到位。热图是基于内容的，分析商品、内容啥的特别好用这样的软件没有。这些简单的比较分析，用excel就可以了。破解版本的软件很多的我替别人做这类的数据分析蛮多的数据分析软件还是蛮多的啊，比较传统的就是excel啦，功能上面也是比较强大的，只是个人觉得不是很容易上手；楼主要是想找一些容易上手的数据分析软件的话，可以在网上搜一些在线的数据分析工具，像什么bdp个人版，数据观，诸葛io这些的都可以的，而且这些数据分析工具一般都很容易上手的，毕竟是小白神器，个人使用的是bdp个人版，觉得还是很不错的，楼主可以试试，希望被采纳！
5，统计数据分析的软件有那些
spss,sas,systat,matlab,militabspss sas r matlab ewives excelexcel1.墓于粗糙集( rough set)理论的约简方法 粗糙集理论是一种研究不精确、不确定性知识的数学工具。目前受到了kdd的广泛重视，利用粗糙集理论对数据进行处理是一种十分有效的精简数据维数的方法。我们所处理的数据一般存在信息的含糊性(vagueness)问题。含糊性有三种:术语的模糊性，如高矮;数据的不确定性，如噪声引起的;知识自身的不确定性，如规则的前后件间的依赖关系并不是完全可靠的。在kdd中，对不确定数据和噪声干扰的处理是粗糙集方法的 2.基于概念树的数据浓缩方法 在数据库中，许多属性都是可以进行数据归类，各属性值和概念依据抽象程度不同可以构成一个层次结构，概念的这种层次结构通常称为概念树。概念树一般由领域专家提供，它将各个层次的概念按一般到特殊的顺序排列。 3.信息论思想和普化知识发现 特征知识和分类知识是普化知识的两种主要形式，其算法基本上可以分为两类:数据立方方法和面向属性归纳方法。 普通的基于面向属性归纳方法在归纳属性的选择上有一定的盲目性，在归纳过程中，当供选择的可归纳属性有多个时，通常是随机选取一个进行归纳。事实上，不同的属性归纳次序获得的结果知识可能是不同的，根据信息论最大墒的概念，应该选用一个信息丢失最小的归纳次序。 4.基于统计分析的属性选取方法 我们可以采用统计分析中的一些算法来进行特征属性的选取，比如主成分分析、逐步回归分析、公共因素模型分析等。这些方法的共同特征是，用少量的特征元组去描述高维的原始知识基。 5.遗传算法〔ga, genetic algo}thrn}) 遗传算法是一种基于生物进化论和分子遗传学的全局随机搜索算法。遗传算法的基本思想是:将问题的可能解按某种形式进行编码，形成染色体。随机选取n个染色体构成初始种群。再根据预定的评价函数对每个染色体计算适应值。选择适应值高的染色体进行复制，通过遗传运算(选择、交叉、变异)来产生一群新的更适应环境的染色体，形成新的种群。这样一代一代不断繁殖进化，最后收敛到一个最适合环境的个体上，从而求得问题的最优解。遗传算法应用的关键是适应度函数的建立和染色体的描述。在实际应用中，通常将它和神经网络方法综合使用。通过遗传算法来搜寻出更重要的变量组合。