㈠ 生態環境大數據有哪些方面的數據
大數據:一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。
大數據的價值體現在以下幾個方面：1)對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷;2) 做小而美模式的中長尾企業可以利用大數據做服務轉型;3) 面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值。
數據的資源化，大數據成為企業和社會關注的重要戰略資源，並已成為大家爭相搶奪的新焦點。企業必須要提前制定大數據營銷戰略計劃，搶占市場先機。
與雲計算的深度結合，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。
科學理論的突破,隨之興起的數據挖掘、機器學習和人工智慧等相關技術，可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。
數據科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設立專門的數據科學類專業，也會催生一批與之相關的新的就業崗位。
未來幾年數據泄露事件的增長率也許會達到100%，除非數據在其源頭就能夠得到安全保障。
數據質量是BI(商業智能)成功的關鍵
數據生態系統復合化程度加強
㈡ 環境監測 預警系統
大氣監測網格化管理系統
建設大氣監測網格化管理系統實現環境質量、重點污染源、生態狀況監測全覆蓋，各級各類監測數據系統互聯共享，監測預報預警、信息化能力和保障水平明顯提升，監測與監管協同聯動，實現天地一體、上下協同、信息共享的生態環境監測網路。
空氣質量預報預警系統
空氣質量預報預警系統以開發空氣質量統計預報與數值預報系統為核心，綜合運用資料庫技術、並行計算技術、WebGIS 技術和高效網路傳輸技術，開發環境空氣質量預報系統軟體，搭建環境空氣質量預報系統硬體平台及產品展示平台，實現對轄區內環境空氣質量未來3天的高精度數值預報（包括空氣質量級別和首要污染物）和未來7天污染潛勢分析，同時分析大氣重污染形成過程，追蹤重點污染源對關心點污染物濃度貢獻率，制定污染控制方案並模擬控制效果，為空氣質量業務預報工作提供支持。
環境應急管理系統
應急平台是以公共安全科技為核心，以信息技術為支撐，軟硬體相結合的突發公共事件應急保障技術系統，是實施應急預案的工具；具備日常管理、風險分析、監測監控、預測預警、動態決策、綜合協調、應急聯動與總結評估等功能。應急平台建設是應急管理的一項基礎性工作，對於建立和健全統一指揮、功能齊全、協調有序、反應靈敏、運轉高效的應急機制，預防和應對自然災害、事故災難、公共衛生事件和社會安全事件，最大限度避免或減少突發公共事件造成的損失，具有重要意義。
空氣污染來源追因系統
平台污染源追因系統分為遙感反演及後向軌跡模擬兩個模塊設計。其中，遙感反演的主要功能為氣溶膠、氣態污染物的垂直方向濃度分布解譯，後向軌跡模擬主要功能為水平方向污染物傳輸追因。
放射源監控管理系統
系統是集固定源及移動源自動監控儀器和移動GPRS監控數據的採集、傳輸、存儲、展示、統計及應用的綜合業務平台，可通過環保系統內部的業務協同，有效地獲取用源單位在用源數量、庫存源數量、源的種類和活度等動態業務數據，提高輻射監管工作的信息化水平和對輻射污染事件的快速反應能力。
污染源管控與決策分析平台
大氣環境質量底線包括大氣環境質量達標紅線、大氣污染物排放總量控制紅線和環境風險管理紅線。大氣環境質量底線是在符合大氣環境功能區劃和大氣環境質量管理要求的基礎上，基於大氣環境功能重要性、敏感性與脆弱性評價的結果，識別出需要特別保護或治理的空間區域，提出環境質量改善目標、污染排放控制目標和風險管理要求。
以上資料由中國預警網提供，摘錄煩請標注出處！
㈢ 環境大數據從哪些方面推動環境管理
環境大數據從哪些方面推動環境管理
今年初，「互聯網+」被寫入政府工作報告，國務院又連續出台了《關於積極推進「互聯網+」行動的指導意見》、《關於促進大數據發展的行動綱要》。近日，《中共中央關於制定國民經濟和社會發展第十三個五年規劃的建議》明確提出拓展網路經濟空間，實施「互聯網+」行動計劃，發展物聯網技術和應用，發展分享經濟，促進互聯網和經濟社會融合發展。實施國家大數據戰略，推進數據資源開放共享，由此，「互聯網+」、大數據戰略已經上升到國家戰略。
那麼，國家實施「互聯網+」的本質是什麼？環境大數據從哪些方面推動環境管理？
「互聯網+」優化政府職能
互聯網思維是一個多元概念。一般認為，互聯網思維指在（移動）互聯網、大數據、雲計算等科技不斷發展的背景下，對市場、對用戶、對產品、對企業價值鏈乃至對整個商業生態進行重新審視的思考方式，本質是發散的非線性思維。互聯網思維的特點，概括起來就是「民主、開放、平等」，用互聯網思維可推動政府職能轉型。
從政府層面來講，大數據可以幫助政府實現三大價值：第一，透明的政府。大數據最核心的理念就是開放，這是大數據對於政府最核心的價值。第二，智慧的政府。大數據可以幫助政府更好地了解公眾在想什麼，需求什麼。通過讓政府變得更加智慧，從而提升執政水平。第三，負責任的政府。通過為社會公眾提供更好的服務，真正做到「權為民所用，利為民所謀」，樹立負責任的政府形象。
環境大數據不只是狹義的「數據集」
那麼，什麼是大數據呢？維基網路對大數據的定義為：「大數據意指一個超大、難以用現有常規的資料庫管理技術和工具處理的數據集」。IDC（互聯網數據中心）報告對大數據的定義為：大數據技術描述了一種新一代技術和構架，用於很經濟的方式、高速的捕獲、發現和分析技術，從各種超大規模的數據中提取價值。
環境大數據是大數據的一個重要組成部分，實際上表徵了環境問題及其管理過程中各固有要素的數量、質量、分布、聯系和規律等的數字、文字和圖形等的總稱；是經過加工的、能夠被環境保護部門、公眾及各類企業利用的數據，是人類在環境保護實踐中認識環境和解決環境問題所必需的一種共享資源。它是一種與環境保護有關的非實體性、無形的資源，普遍存在於自然界、人類社會和人類思維之中。環境大數據具有無限性、多樣性、靈活性、共享性和開發性的特徵。另外，環境大數據具有信息量大、離散程度高、數據源廣、各種數據處理方式不一致等特徵。
在「互聯網+」時代背景下，我們更傾向於廣義的理解「環境大數據」，將其定義為「面向環境保護與管理決策的應用服務需要，以大數據技術為驅動的互聯網+環境保護」技術體系與產業生態。這一廣義的定義不再是狹義的環境相關「數據集」的概念，而是一種涉及到多元化採集、主題化匯聚和知識化應用的大數據治理體系。
環境大數據如何推動環境治理？
第一，促進精細化環境監測。說清環境質量現狀及其變化趨勢、說清污染源狀況、說清潛在的環境風險是環境監測的根本任務。環境監測是環境管理的重要組成部分，是環境保護管理工作的基礎。面對嚴峻的生態環境現狀和環境問題出現的新趨勢，我國的環境監測工作迫切需求環境信息獲取手段從點上監測發展為點面相結合監測，手動監測發展為手動與自動結合監測、靜態監測發展到靜態動態結合監測、地面監測發展為天地一體化監測。
第二，提升污染防治工作效率。污染防治是環保部門的基本職能，也是環境保護工作的重點；污染減排是建設資源節約型、環境友好型社會的必然選擇，是推進經濟結構調整、轉變增長方式的必由之路。環境大數據需要提供污染源排放空間分布、污染排放動向、污染排放趨勢分析、污染排放特徵等數據，為我國污染防治和污染減排工作提供重要的支撐作用。
第三，加強生態保護監管。環境保護工作需要收集生態監測和管理數據，不斷強化生態數據資源的跨部門整合共享，對生態系統格局、生態系統質量、動植物種類、生態脅迫狀況進行評價，全面、准確地了解生物多樣性保護優先區的現狀和動態變化情況，為嚴守生態紅線提供支撐，實現生態環境保護的現狀化管理。
第四，提供環境應急數據支撐。近年來，我國環境事故進入高發期，頻發的突發性環境事件直接威脅人民群眾的身體健康和財產安全。目前，亟待建立健全全國性的環境風險源資料庫、應急資源資料庫、危險化學品資料庫、應急處理處置方法庫；提供跨流域、跨區域、跨層級的應急數據資源共享；提供權威的決策支持服務，提供及時的氣象、水文等信息資源，提供突發事件水和氣模型推演運算結果等，為突發事件預防和處置提供大數據支撐。
第五，促進環境保護戰略規劃和決策。環境保護戰略、規劃與政策的制定和完善離不開對環境發展形勢的准確研判，離不開對環境保護與社會經濟之間互動耦合關系的深刻認識，離不開對產業布局與生態格局、區域資源環境承載能力之間協調性的准確把握。開展以上領域的研判和分析，需要依託豐富的數據資源開展數據挖掘、統計分析和模型測算，提供不同戰略途徑、規劃方案和政策情景下環境保護的發展趨勢模擬信息，為制定完善我國環境保護宏觀決策提供信息支持。
第六，提高公眾參與環境保護能力。隨著我國經濟發展，人民群眾的環保意識越來越高，對生活環境質量提出了更高的要求。目前，我國公眾對環境信息的來源主要為各級環保部門的外網網站和各科研院所的網站，公眾參與程度不高。環境大數據應通過文字、圖片、文檔、視頻、地圖等信息，為不同層面的公眾提供廣泛的環境信息，提高公眾環境意識，提高公眾的環境參與能力。
以上是小編為大家分享的關於環境大數據從哪些方面推動環境管理的相關內容，更多信息可以關注環球青藤分享更多干貨
㈣ 大數據資料庫有哪些
問題一：大數據技術有哪些 非常多的，問答不能發link，不然我給你link了。有譬如Hadoop等開源大數據項目的，編程語言的，以下就大數據底層技術說下。
簡單以永洪科技的技術說下，有四方面，其實也代表了部分通用大數據底層技術：
Z-Suite具有高性能的大數據分析能力，她完全摒棄了向上升級(Scale-Up)，全面支持橫向擴展(Scale-Out)。Z-Suite主要通過以下核心技術來支撐PB級的大數據：
跨粒度計算(In-Databaseputing)
Z-Suite支持各種常見的匯總，還支持幾乎全部的專業統計函數。得益於跨粒度計算技術，Z-Suite數據分析引擎將找尋出最優化的計算方案，繼而把所有開銷較大的、昂貴的計算都移動到數據存儲的地方直接計算，我們稱之為庫內計算(In-Database)。這一技術大大減少了數據移動，降低了通訊負擔，保證了高性能數據分析。
並行計算(MPP puting)
Z-Suite是基於MPP架構的商業智能平台，她能夠把計算分布到多個計算節點，再在指定節點將計算結果匯總輸出。Z-Suite能夠充分利用各種計算和存儲資源，不管是伺服器還是普通的PC，她對網路條件也沒有嚴苛的要求。作為橫向擴展的大數據平台，Z-Suite能夠充分發揮各個節點的計算能力，輕松實現針對TB/PB級數據分析的秒級響應。
列存儲 (Column-Based)
Z-Suite是列存儲的。基於列存儲的數據集市，不讀取無關數據，能降低讀寫開銷，同時提高I/O 的效率，從而大大提高查詢性能。另外，列存儲能夠更好地壓縮數據，一般壓縮比在5 -10倍之間，這樣一來，數據佔有空間降低到傳統存儲的1/5到1/10 。良好的數據壓縮技術，節省了存儲設備和內存的開銷，卻大大了提升計算性能。
內存計算
得益於列存儲技術和並行計算技術，Z-Suite能夠大大壓縮數據，並同時利用多個節點的計算能力和內存容量。一般地，內存訪問速度比磁碟訪問速度要快幾百倍甚至上千倍。通過內存計算，CPU直接從內存而非磁碟上讀取數據並對數據進行計算。內存計算是對傳統數據處理方式的一種加速，是實現大數據分析的關鍵應用技術。
問題二：大數據使用的資料庫是什麼資料庫 ORACLE、DB2、SQL SERVER都可以，關鍵不是選什麼資料庫，而是資料庫如何優化！ 需要看你日常如何操作，以查詢為主或是以存儲為主或2者，還要看你的數據結構，都要因地制宜的去優化！所以不是一句話說的清的！
問題三：什麼是大數據和大數據平台 大數據技術是指從各種各樣類型的數據中，快速獲得有價值信息的能力。適用於大數據的技術，包括大規模並行處理（MPP）資料庫，數據挖掘電網，分布式文件系統，分布式資料庫，雲計算平台，互聯網，和可擴展的存儲系統。
大數據平台是為了計算，現今社會所產生的越來越大的數據量。以存儲、運算、展現作為目的的平台。
問題四：常用大型資料庫有哪些 FOXBASE
MYSQL
這倆可算不上大型資料庫管理系統
PB 是資料庫應用程序開發用的ide，根本就不是資料庫管理系統
Foxbase是dos時代的產品了，進入windows時代改叫foxpro，屬於桌面單機級別的小型資料庫系統，mysql是個中輕量級的，但是開源，大量使用於小型網站，真正重量級的是Oracle和DB2，銀行之類的關鍵行業用的多是這兩個，微軟的MS SQLServer相對DB2和Oracle規模小一些，多見於中小型企業單位使用，Sybase可以說是日薄西山，不行了
問題五：幾大資料庫的區別 最商業的是ORACLE,做的最專業,然後是微軟的SQL server,做的也很好,當然還有DB2等做得也不錯,這些都是大型的資料庫,,,如果掌握的全面的話,可以保證數據的安全. 然後就是些小的資料庫access,mysql等,適合於中小企業的資料庫100萬數據一下的數據.如有幫助請採納,謝!
問題六：全球最大的資料庫是什麼 應該是Oracle，第一，Oracle為商業界所廣泛採用。因為它規范、嚴謹而且服務到位，且安全性非常高。第二，如果你學習使用Oracle不是商用，也可以免費使用。這就為它的廣泛傳播奠定了在技術人員中的基礎。第三，Linux/Unix系統常常作為伺服器，伺服器對Oracle的使用簡直可以說極其多啊。建議樓梗多學習下這個強大的資料庫
問題七：什麼是大數據？ 大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。(在維克托・邁爾-舍恩伯格及肯尼斯・庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有數據的方法[2]）大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。
說起大數據，就要說到商業智能：
商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。
商業智能作為一個工具，是用來處理企業中現有數據，並將其轉換成知識、分析和結論，輔助業務或者決策者做出正確且明智的決定。是幫助企業更好地利用數據提高決策質量的技術，包含了從數據倉庫到分析型系統等。
商務智能的產生發展
商業智能的概念經由Howard Dresner(1989年)的通俗化而被人們廣泛了解。當時將商業智能定義為一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。
商務智能是20世紀90年代末首先在國外企業界出現的一個術語，其代表為提高企業運營性能而採用的一系列方法、技術和軟體。它把先進的信息技術應用到整個企業，不僅為企業提供信息獲取能力，而且通過對信息的開發，將其轉變為企業的競爭優勢，也有人稱之為混沌世界中的智能。因此，越來越多的企業提出他們對BI的需求，把BI作為一種幫助企業達到經營目標的一種有效手段。
目前，商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這里所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策既可以是作業層的，也可以是管理層和策略層的決策。
為了將數據轉化為知識，需要利用數據倉庫、線上分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是ETL、數據倉庫、OLAP、數據挖掘、數據展現等技術的綜合運用。
把商業智能看成是一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合並到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支持。
企業導入BI的優點
1.隨機查詢動態報表
2.掌握指標管理
3.隨時線上分析處理
4.視覺化之企業儀表版
5.協助預測規劃
導入BI的目的
1.促進企業決策流程(Facilitate the Business Decision-Making Process)：BIS增進企業的資訊整合與資訊分析的能力，匯總公司內、外部的資料，整合成有效的決策資訊，讓企業經理人大幅增進決策效率與改善決策品質。
......>>
問題八：資料庫有哪幾種？ 常用的資料庫：oracle、sqlserver、mysql、access、sybase 2、特點。 -oracle： 1.資料庫安全性很高，很適合做大型資料庫。支持多種系統平台（HPUX、SUNOS、OSF/1、VMS、 WINDOWS、WINDOWS/NT、OS/2）。 2.支持客戶機/伺服器體系結構及混合的體系結構（集中式、分布式、 客戶機/伺服器）。 -sqlserver: 1.真正的客戶機/伺服器體系結構。 2.圖形化用戶界面，使系統管理和資料庫管理更加直觀、簡單。 3.具有很好的伸縮性，可跨越從運行Windows 95/98的膝上型電腦到運行Windows 2000的大型多處理器等多種平台使用。 -mysql: MySQL是一個開放源碼的小型關系型資料庫管理系統，開發者為瑞典MySQL AB公司，92HeZu網免費贈送MySQL。目前MySQL被廣泛地應用在Internet上的中小型網站中。提供由於其體積小、速度快、總體擁有成本低，尤其是開放源碼這一特點，許多中小型網站為了降低網站總體擁有成本而選擇了MySQL作為網站資料庫。 -access Access是一種桌面資料庫，只適合數據量少的應用，在處理少量數據和單機訪問的資料庫時是很好的，效率也很高。 但是它的同時訪問客戶端不能多於4個。 -
問題九：什麼是大數據 大數據是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統資料庫工具對其內容進行抓取、管理和處理。 大數據首先是指數據體量(volumes)?大，指代大型數據集，一般在10TB?規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量；其次是指數據類別(variety)大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。接著是數據處理速度（Velocity）快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。最後一個特點是指數據真實性（Veracity）高，隨著社交數據、企業內容、交易與應用數據等新數據源的興趣，傳統數據源的局限被打破，企業愈發需要有效的信息之力以確保其真實性及安全性。
數據採集：ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
數據存取：關系資料庫、NOSQL、SQL等。
基礎架構：雲存儲、分布式文件存儲等。
數據處理：自然語言處理(NLP，NaturalLanguageProcessing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機理解自然語言，所以自然語言處理又叫做自然語言理解(NLU，NaturalLanguage Understanding)，也稱為計算語言學(putational Linguistics。一方面它是語言信息處理的一個分支，另一方面它是人工智慧(AI, Artificial Intelligence)的核心課題之一。
統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。
數據挖掘：分類 （Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)
模型預測：預測模型、機器學習、建模模擬。
結果呈現：雲計算、標簽雲、關系圖等。
要理解大數據這一概念，首先要從大入手，大是指數據規模，大數據一般指在10TB(1TB=1024GB)規模以上的數據量。大數據同過去的海量數據有所區別，其基本特徵可以用4個V來總結(Vol-ume、Variety、Value和Veloc-ity)，即體量大、多樣性、價值密度低、速度快。
第一，數據體量巨大。從TB級別，躍升到PB級別。
第二，數據類型繁多，如前文提到的網路日誌、視頻、圖片、地理位置信息，等等。
第三，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。
第四，處理速度快。1秒定律。最後這一點也是和傳統的......>>
問題十：國內真正的大數據分析產品有哪些 國內的大數據公司還是做前端可視化展現的偏多，BAT算是真正做了大數據的，行業有硬性需求，別的行業跟不上也沒辦法，需求決定市場。
說說更通用的數據分析吧。
大數據分析也屬於數據分析的一塊，在實際應用中可以把數據分析工具分成兩個維度：
第一維度：數據存儲層――數據報表層――數據分析層――數據展現層
第二維度：用戶級――部門級――企業級――BI級
1、數據存儲層
數據存儲設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，但至少要理解數據的存儲方式，數據的基本結構和數據類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。
Access2003、Access07等，這是最基本的個人資料庫，經常用於個人或部分基本的數據存儲；MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。
SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。
DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台。
BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的數據倉庫。Data Warehouse，建立在DW機上的數據存儲基本上都是商業智能平台，整合了各種數據分析，報表、分析和展現！BI級別的數據倉庫結合BI產品也是近幾年的大趨勢。
2、報表層
企業存儲了數據需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。傳統報表解決的是展現問題，目前國內的帆軟報表FineReport已經算在業內做到頂尖，是帶著數據分析思想的報表，因其優異的介面開放功能、填報、表單功能，能夠做到打通數據的進出，涵蓋了早期商業智能的功能。
Tableau、FineBI之類，可分在報表層也可分為數據展現層。FineBI和Tableau同屬於近年來非常棒的軟體，可作為可視化數據分析軟體，我常用FineBI從資料庫中取數進行報表和可視化分析。相對而言，可視化Tableau更優，但FineBI又有另一種身份――商業智能，所以在大數據處理方面的能力更勝一籌。
3、數據分析層
這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具；
Excel軟體，首先版本越高越好用這是肯定的；當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體；
SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體；
SAS軟體：SAS相對SPSS其實功能更強大，SAS是平台化的，EM挖掘模塊平台整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多，也公開，會有收獲的！
JMP分析：SAS的一個分析分支
XLstat：Excel的插件，可以完......>>