数据分析和预测建模不要求编码背景，存在大量开放源代码和专有工具，这些工具可以使预测建模步骤自动化，例如数据清理，数据可视化等。其中有一些很受欢迎，例如Excel，Tableau，Qlikview，KNIME，Weka等。
当开始尝试用R语言编程，你可能感到很痛苦。肯定不止一个人有过这样的经历，因为很多人从未学过编码。其实完全可以选择几种数据分析的非编码工具，这样就可以避免这种痛苦。
这篇文章的目的就是希望能够帮助更多的人了解这些免费的探索性数据分析工具。如今可以找到非常多的免费且有趣的工具来协助我们工作。这些工具不需要你精确仔细地编写代码，只需要你点点鼠标就能完成工作。
非编程工具列表
http://www.openoffice.org/download/
无论是刚步入数据科学领域还是已经在这个领域小有建树，你都肯定知道过去这么多年以来，excel 一直是数据分析领域不可缺少的一部分(最常用的工具之一)。即使在今天，使用该软件也可以解决数据分析中面临的大多数问题。因为前所未有的网络共享平台，辅导教程、免费资源越来越多，学习excel已经变得越来越简单。
excel 支持总结数据、可视化数据、数据整理等所有重要功能，这些功能强大到足以从所有可能的角度审视数据。无论你知道有多少数据分析工具，你一定要学会使用excel。尽管Microsoft excel这个软件是付费的，但你也可以尝试其替代品，例如open office, google docs!
2. Trifacta
https://www.trifacta.com/start-wrangling/
Trifacta的Wrangler工具正在挑战传统的数据清理方法。Excel对数据大小有一定的限制，但Trifacta没有这种局限性，您可以安全地用它处理大数据集。该工具具有不可思议的功能，例如图表建议、内置算法、分析见解，您可以使用这些功能生成报告。这是一个智能工具，致力于更快地解决业务问题，从而使与数据相关的工作更加高效。
该工具在2016年Gartner Magic Quadrant中脱颖而出。它不只是一款数据清理工具，它还包含了我们经常使用的所有ML算法，在构建机器学习模型方面表现出一定的专业性。不仅是GUI，它还为使用Python＆R建立模型的人们提供了帮助。
它以其非凡的功能持续吸引着世界各地的人们。最重要的是，它可以闪电般的速度，提供快速分析经验。它们的生产线上有几个为大数据、可视化、模型部署而构建的产品，其中一些产品(企业)包括订阅费。简而言之，我们可以说，它对于任何需要执行AI操作的业务——从数据加载到模型部署，都是一个完备的工具。
4.Rattle GUI
https://cran.r-project.org/bin/windows/base/
如果你试着使用R语言，却找不到诀窍，Rattle应该是你的第一选择。Rattle GUI基于R语言构建，通过在R语言中键入install.packages(“rattle”)，接着键入library(rattle)，最后键入RTACK()，即可启动。因此，要使用Rattle，就必须安装R语言。它也不仅仅是数据挖掘工具，Rattle支持各种ML算法，如树算法、SVM算法、Booting算法、神经网络算法、Survival算法、线性模型算法等。
如今，它的使用范围已经非常广泛。据CRAN称，Rattle平均每月被安装10000次。只需几下单击，它便能提供足够的选项来探索、转换和建模数据。虽然，与SPSS相比，它的统计分析选项较少，但是SPSS是一种付费工具，而Rattle是免费的。
5. Qlikview
http://global.qlik.com/us/landing/go-sm/qlikview/download-qlikview
Qlikview是全球商业情报行业中最受欢迎的工具之一。这个工具的作用是获得商业洞察力并以一种极具吸引力的方式展示出来。凭借其先进的可视化功能，你会惊讶于你在处理数据时所得到的控制量。它有一个内置的推荐引擎，可在处理数据集时更新最佳的可视化方法。
但是，它不是一个统计软件。Qlikview在探索数据、趋势、洞察力方面令人难以置信，但无法从统计学上证明任何东西。在这种情况下，还需要使用其他分析软件。
https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/weka-gui-learn-machine-learning/
Weka的一个优点是它易于学习。作为机器学习工具，其界面非常直观，可让你快速完成工作。它提供了数据预处理、分类、回归、聚类、关联规则和可视化的选项。它建立在Java之上，建模过程中的大部分步骤都可以使用Weka来完成。
7.KNIME
https://www.knime.org/knime-analytics-platform
与RapidMiner相似，KNIME提供了一个开源代码数据分析平台，可以使用其他支持KNIME的产品对其进行部署和扩展。该工具在数据混合、可视化以及高级机器学习算法方面具有丰富的功能。同时，你还可以使用此工具来构建模型。此外，你可以在它的网站上获得快速培训课程，以便快速掌握此工具的使用方法。
这个工具听起来非常酷，其目的是生成交互式数据可视化和数据挖掘任务。YouTube上有很多的这个工具的教程。它有一个广泛的数据挖掘任务库，其中包括所有分类、回归、聚类方法。同时，其在数据分析过程中形成的多用途可视化视图能够帮助我们更准确地理解数据。要构建任何模型，都需要创建流程图，因为它能够帮助我们进一步了解数据挖掘任务的确切过程。
9. Tableau Public
https://public.tableau.com/s/
Tableau是一个数据可视化软件。可以说，Tableau和QlikView是商业智能海洋中最强大的鲨鱼。优势的比较是永无止境的。它是一种快速可视化软件，让你可以使用各种可能的图表观察、分析数据。它是一种智能算法，可以自行确定数据类型及可用的最佳方法等。
Tableau还可以实现数据的实时展示。从某种意义上说，Tableau提供了丰富多彩的数据生活，能让我们与他人分享我们的工作过程。
10.Data Wrapper
这是一个闪电般的快速可视化软件。如果你团队中的某人被分配BI工作，他/她不知道该怎么办，则该软件是一个不错的选择。它的可视化存储桶包括折线图、条形图、柱形图、饼图、叠加的条形图和地图。因此，它是一个基本软件，虽然无法与Tableau和QlikView等巨头进行比较，但是此工具已启用网页模式，不需要额外安装任何软件。
11.Data Science Studio (DSS)
http://www.dataiku.com/dss/trynow/
它是一个旨在连接技术、业务和数据的强大工具，可以分为两个部分：编码和非编码。对于任何旨在开发、构建、部署和扩展网络模型的组织而言，它都是一个完整的软件包。DSS的功能足够强大，可以创建智能数据应用程序来解决现实世界中的问题。它包含一些功能，可促进项目上的团队集成。在所有功能中，最有趣的部分是，DSS可以重现你的工作，因为系统中的每个操作都通过集成的GIT存储库进行了版本化。
12. Open Refine
http://openrefine.org/download.html
它始于谷歌的精益求精，后来由于某个不明原因，谷歌大幅缩减了对这个项目的投资。但是，这个工具仍然可用，只是重命名为Open Refine。在众多开源代码的工具中，Open Refine专门处理混乱的数据，通过清洗、转换和整理数据来预测建模目的。有趣的是，在建模过程中，分析师80%的时间都用于数据清洗。这听起来不那么愉快，但却是事实。因此使用Open Refine，分析人员不仅可以节省时间，还可以将其用于生产工作。
13.Talend
如今，决策主要是由数据驱动的。管理者和专业人士不再做基于直觉的决定，因此他们需要一种可以快速协助他们的工具。Talend可以帮助他们探索数据并支持他们做出决策。确切地说，它是一种数据协作工具，能够清理、转换和可视化数据。
此外，它还提供了一个有趣的自动化功能，您可以在新的数据集上保存和重做以前的任务。这是Talend特有的，其他工具还无法实现该功能。此外，它还可以进行自动发现，为用户提供增强数据分析的智能化建议。
14.Data Preparator
http://www.datapreparator.com/downloads.html
该工具基于Java构建，可以帮助我们进行数据开发、清理和分析。它包括用于离散化、计算、缩放、属性选择、缺失值、离群值、统计信息、可视化、平衡、采样、行选择和其他一些任务的各种内置程序包，它的GUI直观易懂。一旦您开始使用它，我敢肯定您不会花很多时间来弄清楚该如何操作。
该工具的独特优势在于，用于分析的数据集不会存储在计算机内存中。这意味着您可以处理大型数据集，而不会出现任何速度或内存问题。
15. DataCracker
https://www.datacracker.com/Plans
这是一个专门研究调查数据的数据分析软件。许多公司虽然做了调查，但却很难对其进行统计分析，因为调查数据一般都很不清楚。它包含了大量的缺失和不恰当的内容。这个工具减少了我们的痛苦，增强了我们处理混乱数据的经验。该工具的设计使得它可以从所有主要的互联网调查程序(如Surveymonkey，Survey Gizmo等)加载数据。有几个交互式功能可以帮助您更好地理解数据。
16.Data Applied
http://www.data-applied.com/Web/TryNow/Overview.aspx
Data Applied这个强大的交互工具被设计用来构建、共享、设计数据分析报告。有时，创建大型数据集的可视化会很麻烦。但是这个工具在使用树状地图可视化大量数据方面表现的非常强大。与上述工具一样，它具有数据转换、统计分析、异常检测等功能。总之，它是一个多用途的数据挖掘工具，能够自动从原始数据中提取有价值的知识(信号)。您会惊讶地发现，这种非编程工具的功能并不亚于R或Python。
17. Tanagra Project
http://eric.univ-lyon2.fr/~ricco/tanagra/en/tanagra.html
您可能不喜欢它，因为它具有老式的UI。但是这一款免费的数据挖掘软件旨在构建机器学习模型。Tanagra项目最初是一个用于学术和研究目的的免费软件。作为一个开源项目，它为您提供了足够的空间来设计自己的算法并做出贡献。
除监督学习算法外，还支持诸如聚类，阶乘分析，参数和非参数统计，关联规则，特征选择和构造算法等范式。它的一些局限性包括：无法获得广泛的数据源、直接访问数据仓库和数据库、数据清理、交互利用等。
18.H2o
http://www.h2o.ai/download/h2o/choose
H2o是当今分析行业中最受欢迎的软件之一。在过去的几年中，该软件成功地在世界各地传播开来。这个开源软件带来了快速的照明分析体验，这是API编程语言的进一步扩展使用。不只是数据分析，您还可以在任何时候建立高级的机器学习模型。
除了上面这些很棒的工具之外，这里还有一些你可能感兴趣的工具。然而，这些工具并不是免费的，但仍然可以试用它们：
Data Kleenr http://chi2innovations.com/datakleenr/
Data Ladder http://dataladder.com/
Data Cleaner https://datacleaner.org/
WinPure http://www.winpure.com/cleanmatch.html
如果你直到现在还对自己缺乏编码能力感到失望的话，现在是时候将热情注入到上述这些工具上了。
商业合作、投稿等，请联系客服微信号，加好友必须备注：合作+姓名
原文始发于微信公众号（城市数据派）：【宝藏资源】不需要编写代码的免费探索性数据分析工具丨城市数据派
规划问道
