Data analytics (การวิเคราะห์ข้อมูล) คือการประมวลผลข้อมูลเพื่อแยกข้อมูลที่มีประโยชน์ซึ่งสนับสนุนเครื่องจักรในการตัดสินใจ การประมวลผลข้อมูลเกี่ยวข้องกับการทำความสะอาด การปรับโครงสร้างใหม่ และการตรวจสอบข้อมูล
Data analytics ต้องการพลังคอมพิวติ้งสูง เนื่องจากข้อมูลที่ต้องประมวลผลมีขนาดใหญ่เกินไป ดังนั้นจึงมีเครื่องมือเฉพาะสำหรับ data analytics
เครื่องมือ data analytics ยอดนิยมบางอย่าง ได้แก่:
R programming
R เป็นหนึ่งในเครื่องมือที่ดีที่สุดและใช้กันอย่างแพร่หลายสำหรับ data analytics พร้อมใช้งานสำหรับแพลตฟอร์มหลักทุกอย่าง เช่น Windows, macOS, Unix มีการใช้งานในการสร้างโมเดลข้อมูลและสถิติ การจัดการและการนำเสนอข้อมูลขนาดใหญ่ทำได้ง่ายด้วย R เนื่องจากมีการสนับสนุนไลบรารีขนาดใหญ่สำหรับ data analytics มีแพ็กเกจ 11,556 ชิ้นใน R ที่ทำให้งานของนักวิทยาศาสตร์ข้อมูเล็ก
Python
ภาษาโปรแกรมมิ่งอีกตัวหนึ่งในรายการ python เป็นภาษา đa năngและหลากหลายที่สุด ใช้กันอย่างแพร่หลายเนื่องจากไลบรารีขนาดใหญ่และลักษณะเข้าใจง่าย มักใช้โดยผู้ที่ต้องการเครื่องมือที่มีคุณสมบัติของทั้ง machine learning และ data analytics เนื่องจากมีชุดแพ็กเกจจำนวนมากรองรับทั้งสอง
Tableau Public
เครื่องมือ data visualization ฟรีที่สร้างการแสดงภาพ แผนที่ และแดชบอร์ด ฯลฯ สามารถเชื่อมต่อกับแหล่งข้อมูลเพื่อแยกข้อมูลสำหรับการแสดงภาพ และรองรับการแชร์การแสดงภาพให้ลูกค้าหรือโซเชียลมีเดีย มีความสามารถในการประมวลผล big data และสามารถแสดงภาพข้อมูลได้อย่างดี
SAS
Sas เป็นภาษาโปรแกรมมิ่งรวมสภาพแวดล้อมที่ใช้สำหรับการจัดการข้อมูล ใช้วิเคราะห์ชุดข้อมูลขนาดใหญ่และจัดการพวกมัน เป็นเครื่องลำโซเชียลมีเดียการตลาดที่มีประสิทธิภาพ
Microsoft Excel
เป็นเครื่องมือง่ายและพื้นฐานที่สามารถใช้สำหรับ analytics นักวิทยาศาสตร์ข้อมูลใช้สิ่งนี้เป็นเครื่องมือระดับแรก เป็นเครื่องมือสำคัญสำหรับการแสดงตัวอย่างชุดข้อมูลและเพิ่มตัวกรองให้ข้อมูล มี business analytics ขั้นสูงมากมายช่วยผู้ใช้ในการสร้างโมเดล
Apache Spark
Apache Spark เป็นเครื่องมือประมวลผลข้อมูลที่ขยายได้ (scalable) ใช้ทำงานกับ Hadoop data clusters เป็นเครื่องมือที่ช่วย data science และใช้สำหรับการพัฒนาโมเดล machine learning เนื่องจากรองรับเทคนิคเช่น classification, regression, clustering และ filtering เพื่อช่วยเรียนรู้จากชุดข้อมูล
