APP数据分析工具有哪些?

1. APP数据分析工具有哪些?

一、酷传 www.kuchuan.com/酷传平台自称是国内大的手机应用发布、统计监测平台，内容非常丰富。一站式发布、监控、推广、学习，非常适合app运营新手。其中通过监控平台，可以看到苹果实时榜单、榜单更新监测、排名上升或下降快、实时热搜榜、搜索指数排行等。
二、七麦数据(ASO100)www.qimai.cn
通过这个平台，同样随时随地获取榜单、关键词覆盖、搜索指数等ASO核心数据。助力精准定位，制定优化策略!有苹果官方数据接口，提供榜单500实时数据查询，随时获取新排名变化，数据准确而全面。而且可以通过平台的 AI 系统，依托海量大数据，5分钟即可生成更有效的定制式关键词方案!智投系统：大数据与人工智能结合，实现选词、优化、投放、效果追踪等一站式智能服务。
三、蝉大师 www.chandashi.com
蝉大师是市场上能够跟踪中国苹果和安卓市场表现的应用大数据平台。一站式实时跟踪您的应用在各个市场渠道的表现。可对超过180万iOS应用和400万安卓应用的数据跟踪，涵盖下载量、关键词覆盖数量、关键词搜索量等数据。同样可以做竞品对比：全面对比分析产品和竞品的榜单排名、关键字覆盖、排名、评分、评论、更新频率等，知己知彼,APP运营推广无往不利。

2. 有哪些好的app数据分析工具推荐吗

 有哪些好的app数据分析工具推荐吗  未至科技魔方是一款大数据模型平台，是一款基于服务总线与分布式云计算两大技术架构的一款数据分析、挖掘的工具平台，其采用分布式文件系统对数据进行存储，支持海量数据的处理。采用多种的数据采集技术，支持结构化数据及非结构化数据的采集。通过图形化的模型搭建工具，支持流程化的模型配置。通过第三方插件技术，很容易将其他工具及服务集成到平台中去。数据分析研判平台就是海量信息的采集，数据模型的搭建，数据的挖掘、分析最后形成知识服务于实战、服务于决策的过程，平台主要包括数据采集部分，模型配置部分，模型执行部分及成果展示部分等。
  App数据分析，有没有好的工具推荐？  方法/步骤  行业数据  行业数据对于一个APP来说，至关重要。了解行业数据，可以知道自己的APP在整个行业的水平，可以从新增用户、活跃用户、启动次数、使用时长等多个维度去对比自己产品与行业平均水平的差异以及自己产品的对应的指标在整个行业的排名，从而知道自己产品的不足之处。这种纵向的对比，会让自己的产品定位、发展方向更加清晰。  评估渠道效果  在国内，获取用户的渠道是非常多的，如微博、微信、运营商商店、操作系统商店、应用商店、手机厂商预装、CPA广告、交叉推广、限时免费等等。看一个APP的数据，首先要知道用户从哪里来，哪里的用户质量最高，这样开发者就会面临一个选择和评估渠道的难问题。但是通过统计分析工具，开发者可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据找到最适合自身的渠道，从而获得最好的推广效果。  用户分析  产品吸引到用户下载和使用之后，首先要知道的就是用户是谁。所以，我们需要详尽地了解到用户的设备终端类型、网络及运营商、地域的分布特征。这些数据可以帮助了解用户的属性，在产品改进以及产品推广中，就可以充分利用这些数据制定精准的策略。  用户行为分析  在关注完用户的属性后，我们还要高度关注用户在应用内的行为，因为这些行为最终决定着产品所能够带来的价值。开发者可以通过设置自定义事件以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化水平。  5  产品受欢迎程度  在了解了用户的行为之后，我们应该看一下自己的产品是否足够受欢迎，这是一个应用保持生命力的根本。开发者可以从留存用户、用户参与度（使用时长、使用频率、访问页面、使用间隔）等维度评价用户粘度。进行数据对比分析的时候，要充分利用时间控件和渠道控件，可以对比不同时段不同渠道的用户粘度，了解运营推广手段对不同渠道的效果。  如果以上5点的数据都很漂亮，说明你的APP已经做得相当不错了。当然，如果你的APP还没有给你带来收入，那么你仍然有一段较长的路要走。
  app日活数据分析工具有哪些？  app日活数据分析工具有上海风述科技的app先知。
  APP运营数据分析工具有哪些？  目前国内发展不错的可以监测web、app、流媒体等多种应用性能监测服务，叫“云测宝”。
  
   
  云测试、友盟
  
  云测试主要为开发者提供自动化的移动APP测试，包括功能、UI、性能、稳定性、安全和竞争测试，返回包括日志和截图的详细测试报告，支持iOS和Android两大平台。  云测宝主要通过分布全球真实网络中的真实终端，监测用户访问移动应用App、HTML5、移动Web的真实体验数据，从最终用户的视角跨越移动设备、网络和国家地区范围，从移动“端”侧对移动互联网的“云”服务性能进行监测与评估，使移动业务用户所获得体验效果达到最大。  友盟是为中国开发者定制的灵活、简单、免费、跨平台的移动应用统计分析工具。  三个产品从不同的
  数据分析工具有哪些 python  　IPython
  IPython 是一个在多种编程语言之间进行交互计算的命令行 shell，最开始是用 python 开发的，提供增强的内省，富媒体，扩展的 shell  语法，tab 补全，丰富的历史等功能。IPython 提供了如下特性：  更强的交互 shell(基于 Qt 的终端)  一个基于浏览器的记事本，支持代码，纯文本，数学公式，内置图表和其他富媒体  支持交互数据可视化和图形界面工具  灵活，可嵌入解释器加载到任意一个自有工程里  简单易用，用于并行计算的高性能工具  由数据分析总监，Galvanize 专家 Nir Kaldero 提供。
  GraphLab Greate 是一个 Python 库，由 C++ 引擎支持，可以快速构建大型高性能数据产品。  这有一些关于 GraphLab Greate 的特点：  可以在您的计算机上以交互的速度分析以 T 为计量单位的数据量。  在单一平台上可以分析表格数据、曲线、文字、图像。  最新的机器学习算法包括深度学习，进化树和 factorization machines 理论。  可以用 Hadoop Yarn 或者 EC2 聚类在你的笔记本或者分布系统上运行同样的代码。  借助于灵活的 API 函数专注于任务或者机器学习。  在云上用预测服务便捷地配置数据产品。  为探索和产品监测创建可视化的数据。  由 Galvanize 数据科学家 Benjamin Skrainka 提供。  Pandas  pandas 是一个开源的软件，它具有 BSD 的开源许可，为 Python  编程语言提供高性能，易用数据结构和数据分析工具。在数据改动和数据预处理方面，Python 早已名声显赫，但是在数据分析与建模方面，Python  是个短板。Pands 软件就填补了这个空白，能让你用 Python 方便地进行你所有数据的处理，而不用转而选择更主流的专业语言，例如 R 语言。  整合了劲爆的 IPyton 工具包和其他的库，它在 Python 中进行数据分析的开发环境在处理性能，速度，和兼容方面都性能卓越。Pands  不会执行重要的建模函数超出线性回归和面板回归;对于这些，参考 stat *** odel 统计建模工具和 scikit-learn 库。为了把 Python  打造成顶级的统计建模分析环境，我们需要进一步努力，但是我们已经奋斗在这条路上了。  由 Galvanize 专家，数据科学家 Nir Kaldero 提供。  PuLP  线性编程是一种优化，其中一个对象函数被最大程度地限制了。PuLP 是一个用 Python  编写的线性编程模型。它能产生线性文件，能调用高度优化的求解器，GLPK，COIN CLP/CBC，CPLEX，和GUROBI，来求解这些线性问题。  由 Galvanize 数据科学家 Isaac Laughlin 提供  Matplotlib
  matplotlib 是基于 Python 的  2D(数据)绘图库，它产生(输出)出版级质量的图表，用于各种打印纸质的原件格式和跨平台的交互式环境。matplotlib 既可以用在 python 脚本，  python 和 ipython 的 shell 界面 (ala MATLAB? 或 Mathematica?)，web 应用服务器，和6类 GUI  工具箱。  matplotlib 尝试使容易事情变得更容易，使困难事情变为可能。你只需要少量几行代码，就可以生成图表，直方图，能量光谱(power  spectra)，柱状图，errorcharts，散点图(scatterplots)等，。  为简化数据绘图，pyplot 提供一个类 MATLAB 的接口界面，尤其是它与 IPython  共同使用时。对于高级用户，你可以完全定制包括线型，字体属性，坐标属性等，借助面向对象接口界面，或项 MATLAB 用户提供类似(MATLAB)的界面。  Galvanize 公司的首席科学官 Mike Tamir 供稿。  Scikit-Learn
  Scikit-Learn 是一个简单有效地数据挖掘和数据分析工具(库)。关于最值得一提的是，它人人可用，重复用于多种语境。它基于  NumPy，SciPy 和 mathplotlib 等构建。Scikit 采用开源的 BSD 授权协议，同时也可用于商业。Scikit-Learn  具备如下特性：  分类(Classification) – 识别鉴定一个对象属于哪一类别  回归(Regression) – 预测对象关联的连续值属性  聚类(Clustering) – 类似对象自动分组集合  降维(Dimensionality Reduction) – 减少需要考虑的随机变量数量  模型选择(Model Selection) –比较、验证和选择参数和模型  预处理(Preprocessing) – 特征提取和规范化  Galvanize 公司数据科学讲师，Isaac Laughlin提供  Spark
  Spark 由一个驱动程序构成，它运行用户的 main 函数并在聚类上执行多个并行操作。Spark  最吸引人的地方在于它提供的弹性分布数据集(RDD)，那是一个按照聚类的节点进行分区的元素的集合，它可以在并行计算中使用。RDDs 可以从一个 Hadoop  文件系统中的文件(或者其他的 Hadoop 支持的文件系统的文件)来创建，或者是驱动程序中其他的已经存在的标量数据集合，把它进行变换。用户也许想要 Spark  在内存中永久保存 RDD，来通过并行操作有效地对 RDD 进行复用。最终，RDDs 无法从节点中自动复原。  Spark 中第二个吸引人的地方在并行操作中变量的共享。默认情况下，当 Spark  在并行情况下运行一个函数作为一组不同节点上的任务时，它把每一个函数中用到的变量拷贝一份送到每一任务。有时，一个变量需要被许多任务和驱动程序共享。Spark  支持两种方式的共享变量：广播变量，它可以用来在所有的节点上缓存数据。另一种方式是累加器，这是一种只能用作执行加法的变量，例如在计数器中和加法运算中。
  有哪些微博数据分析工具可以推荐  有 在微博里搜索 微知 这个应用。。 可以分析一条微博 被什么人转发 有没有水军 这些
  excel数据分析工具的有哪些  SQL  楼主说的工具指的是excel本身的吗 还是指数据分析需要的啊
   

3. 数据统计分析软件有哪些?

统计分析软件汇总+视频教程资源包免费下载
链接:https://pan.baidu.com/s/1q7TrGf-kSZD7Zm0fYkvwLA
 提取码:ecx3
统计分析是指运用统计方法及与分析对象有关的知识，从定量与定性的结合上进行的研究活动。它是继统计设计、统计调查、统计整理之后的一项十分重要的工作，是在前几个阶段工作的基础上通过分析从而达到对研究对象更为深刻的认识。它又是在一定的选题下，集分析方案的设计、资料的搜集和整理而展开的研究活动。系统、完善的资料是统计分析的必要条件。

4. 常用的数据分析工具有哪些

EXCEL   MATLAB  Origin   等等

当前流行的图形可视化和数据分析软件有Matlab，Mathmatica和Maple等。这些软件功能强大，可满足科技工作中的许多需要，但使用这些软件需要一定的计算机编程知识和矩阵知识，并熟悉其中大量的函数和命令。而使用Origin就像使用Excel和Word那样简单，只需点击鼠标，选择菜单命令就可以完成大部分工作，获得满意的结果。 但它又比excel要强大些。一般日常的话可以用Excel，然后加载宏，里面有一些分析工具，不过有时需要数据库软件支持

5. 最常用数据分析工具都有那些！

询网络浏览量的变化，和网站排名
2.PR值查询地址：
3.流量分析软件:
4.在线聊天工具: 

我们普诺德()一直使用我要啦()流量分析软件，现在把流量分析软件的功能简单给您说说:

1.学会阅读和分析统计报表:

新站长往往在第一次看到统计报告时感到新奇，感觉这是一件很好玩儿的事情，请您尽快改变这种想法吧，因为统计报表对您来说是非常有用的东西，您不应该只是看一看这些数据然后一笑而过，而应该分析这些数据及他们的变化。 

2.留意流量的突变
统计系统首先会告诉您您的网站每小时和每天的访问量及浏览量，请一定留意这些访问量的变化。 

比如，如果您的网站总是在晚上21点的时候拥有最大的一小时访问量，而今天已经是21点40了，21点这一小时的柱状图仍然只有一丁点那么高。那么很可能是您的网站无法正常访问了，您必须立即检查您的网站是否可以访问，或者访问起来是不是很慢，如果没有发现异常，则赶紧同别的城市的网友联系帮忙测试是不是某一个地区不能访问您的网站。如果是网站的问题，则应该立即进行处理。 

或者，您发现今天的流量明显的比昨天多出很多，那么请立即查看今日详情和昨日详情中的来路统计并进行对比，看看这些多出来的流量来自哪里，并且设法留住这些增加的流量。 

3.注意访问量和浏览量的比例
如果浏览量是访问量的三倍，那就是说平均每个访问您的网站的人会浏览您网站上的三个网页，您感觉这个数字偏小了吗？为什么不可以想办法让访问者阅读更多的页面呢？您可以尝试对网站进行一些改变，让它更加吸引人。 

4.分析网站的“入口”
入口，就是访问者进入您的网站的第一个页面，这个页面不一定是首页，因为访问者可能是通过搜索引擎或者朋友推荐进入您的网站的。 

对入口页面排列靠前的网页，您一定要分析这些网页的吸引人之处，或者分析它们被搜索引擎青睐的地方，对这些页面的改版一定要小心，因为如果不小心抹去了网页的闪光点，可能就会失去您网站的支持者。 

对入口中流量较大的网页也应该适当的有所改版，不可以让它一成不变，或者您可以把它变得更加吸引人，以促使进入此页面的人浏览您的网站的其它页面。 

5.经常分析您的“关键词”
如果您的网站有大量的访问量来自搜索引擎，请一定常常分析您的“关键词”，并留意每天关键词统计数据的变化。 

比如，如果您开办了一个网上花店，您从关键词统计报表中看到每天从搜索引擎搜索“上海花店”进入您的网站的流量有500多人，并且这些流量可能已经为您带来了收益，那么请您考虑一下，为什么关键词中没有“花店”而仅仅有是“北京花店”呢？如果搜索“花店”就可以找到您的网站，那岂不是会获得更多的流量呢？您可以因此思考如何去优化您的网站。 

当然，您也应该千万注意，如果在搜索引擎中搜索“花店”时找不到您的网站，而在搜索“北京花店”时能找到您的网站，那么请您千万不要删除网站上的“北京花店”这四个字，否则您可能丢失因为有人搜索“北京花店”而获得的流量。 

6.注意“搜索引擎”分析
大多数情况下，百度、GOOGLE、3721（一搜）会给您带来很多流量，如果这三个搜索引擎有其中一个没有为您带来流量，则您需要考虑是否到该搜索引擎重新提交您的网站。 

如果您的网站以前每天都有来自百度的流量，而今天忽然没有了，那么这有可能是百度在上次更新您的网站时您的网站不能访问，也可能是百度对您的过渡优化进行了惩罚。如果是前者，请注意保持您的服务器在夜晚也能正常访问；如果是后者并且您是冤屈的，请抓住时机向百度提出申诉。 

7.抽出时间查看“来路”分析
如果您的网站具有很独特的内容，甚至这些内容无法通过搜索引擎找到，而只能依赖网友之间自发的宣传，请一定留意您的网站的“来路”分析。 

比如，您发现今天从某论坛进入您的网站的流量非常多，从来路分析中点击该论坛网址后面的“GO”连接进入该论坛后，您发现那是一个推荐您的网站的贴子。那么请您立即在该论坛注册一个ID，并将那个贴子顶起来，表达对楼主及论坛网友的支持的感谢，也同时表达您继续办好网站的决心，必要的话，您还可以在您网站的公告栏上对该论坛的网友表示感谢，这样，您可能会因此获得更好的宣传效果，并且完全可能从此留住一批铁杆支持者和回头客。 

  
普诺德用了3年的我要啦免费统计，发现这中包含了无穷无尽的秘密和宝藏，相信您——出色的站长——会用您智慧的眼睛去发现，去发掘，去探索。

6. 常见的数据分析软件有哪些？

好的数据分析工具可以让数据分析事半功倍，更容易处理数据。分析一下市面上流行的四款大数据分析软件:
一、Excel
Excel使用人群众多是新手入门级数据分析工具，也是最基本的数据分析工具之一。Excel主要学习使用常用函数、快捷键操作、基本图表制作、数据透视表等。Excel具有多种强大的功能，可以满足大多数数据分析工作的需要。而且Excel提供了相当友好的操作界面，对于有基本统计理论的用户来说更容易上手。
二、SQL软件
SQL是一种数据库语言，它具有数据操作和数据定义功能，交互性强，能给用户带来很大方便。SQL专注于Select、聚合函数和条件查询。关联库是目前应用较广的数据库管理系统，技术较为成熟。这类数据库包括mysql.SQLServer.Oracle.Sybase.DB2等等。
SQL作为一种操作命令集，以其丰富的功能受到业界的广泛欢迎，成为提高数据库运行效率的保证。SQLServer数据库的应用可以有效提高数据请求和返回速度，有效处理复杂任务，是提高工作效率的关键。
三、Python软件
Python提供了能够简单有效地对对象进行编程的高级数据结构。Python语法和动态类型，以及解释性语言的本质，使它成为大多数平台上写脚本和快速开发应用的编程语言，并可用于可定制软件中的扩展程序语言。丰富的Python标准库提供了源代码或机器代码，适用于各种主要系统平台。Python有极其简单的解释文档，所以更容易上手。
四、BI工具
BI工具是商业智能(Busines Inteligence)分析工具的英文缩写。它是一个完整的大数据分析解决方案，可以有效地整合企业中现有的数据，快速准确地提供报表和帮助领导作出决策的数据依据，帮助企业做出明智的业务决策。BI工具是根据数据分析过程设计的。首先是数据处理，数据清理，然后是数据建模，最后是数据可视化，用图表识别问题，影响决策。
在思迈特软件Smartbi的例子中，Smartbi以工作流的形式为库表提取数据模型的语义，通过可视化工具来处理数据，使其成为具有语义一致性和完整性的数据模型；它也增强了自助式数据集建立数据模型的能力。该系统支持的数据预处理方法有：采样、分解、过滤与映射、列选择、空值处理、合并列、合并行、元数据编辑、线选择、重复值清除、排序等等。
它能通过表格填写实现数据采集和补录，并能对数据源进行预先整合和处理，通过简单的拖放产生各种可视图。同时，提供了丰富的图标组件，可实时显示相关信息，便于利益相关者对整个企业进行评估。
目前市场上的大数据分析软件很多，如何选择取决于企业自身的需求。因此，企业在购买数据分析软件之前，首先要了解企业数据分析的目的是什么。假如你是数据分析的新手，对需求了解不多，不妨多试试BI工具，BI工具在新手数据分析方面还是比较有优势的。

7. 好用的数据分析工具有哪些？

数据分析再怎么说也是一个专业的领域，没有数学、统计学、数据库这些知识的支撑，对于我们这些市场、业务的人员来说，难度真的不是一点点。从国外一线大牌到国内宣传造势强大的品牌，我基本试用了一个遍，总结一句话“人人都是数据分析师”这个坑实在太大，所有的数据分析工具无论宣传怎样，都有一定的学习成本，尤其是要深入业务实际。今天就我们用过的几款工具简单总结一下，与大家分享。
1、Tableau
这个号称敏捷BI的扛把子，魔力象限常年位于领导者象限，界面清爽、功能确实很强大，实至名归。将数据拖入相关区域，自动出图，图形展示丰富，交互性较好。图形自定义功能强大，各种图形参数配置、自定义设置可以灵活设置，具备较强的数据处理和计算能力，可视化分析、交互式分析体验良好。确实是一款功能强大、全面的数据可视化分析工具。新版本也集成了很多高级分析功能，分析更强大。但是基于图表、仪表板、故事报告的逻辑，完成一个复杂的业务汇报，大量的图表、仪表板组合很费事。给领导汇报的PPT需要先一个个截图，然后再放到PPT里面。作为一个数据分析工具是合格的，但是在企业级这种应用汇报中有点局限。

2、PowerBI
PowerBI是盖茨大佬推出的工具，我们也兴奋的开始试用，确实完全不同于Tableau的操作逻辑，更符合我们普通数据分析小白的需求，操作和Excel、PPT类似，功能模块划分清晰，上手真的超级快，图形丰富度和灵活性也是很不错。但是说实话，毕竟刚推出，系统BUG很多，可视化分析的功能也比较简单。虽然有很多复杂的数据处理功能，但是那是需要有对Excel函数深入理解应用的基础的，所以要支持复杂的业务分析还需要一定基础。不过版本更新倒是很快，可以等等新版本。

3、Qlik
和Tableau齐名的数据可视化分析工具，QlikView在业界也享有很高的声誉。不过Qlik Seanse产品系列才在大陆市场有比较大的推广和应用。真的是一股清流，界面简洁、流程清晰、操作简单，交互性较好，真的是一款简单易用的BI工具。但是不支持深度的数据分析，图形计算和深度计算功能缺失，不能满足复杂的业务分析需求。

最后将视线聚焦国内，目前搜索排名和市场宣传比较好的也很多，永洪BI、帆软BI、BDP等。不过经过个人感觉整体宣传大于实际。
4、永洪BI
永洪BI功能方面应该是相对比较完善的，也是拖拽出图，有点类似Tableau的逻辑，不过功能与Tableau相比还是差的不是一点半点，但是操作难度居然比Tableau还难。预定义的分析功能比较丰富，图表功能和灵活性较大，但是操作的友好性不足。宣传拥有高级分析的数据挖掘功能，后来发现就集成了开源的几个算法，功能非常简单。而操作过程中大量的弹出框、难以理解含义的配置项，真的让人很晕。一个简单的堆积柱图，就研究了好久，看帮助、看视频才搞定。哎，只感叹功能藏得太深，不想给人用啊。

5、帆软BI
再说号称FBI的帆软BI，帆软报表很多国人都很熟悉，功能确实很不错，但是BI工具就真的一般般了。只能简单出图，配合报表工具使用，能让页面更好看，但是比起其他的可视化分析、BI工具，功能还是比较简单，分析的能力不足，功能还是比较简单。帆软名气确实很大，号称行业第一，但是主要在报表层面，而数据可视化分析方面就比较欠缺了。

6、Tempo
另一款工具，全名叫“Tempo大数据分析平台”，宣传比较少，2017年Gartner报告发布后无意中看到的。是一款B/S架构的工具，申请试用很便捷，填写信息后就有咨询小姐姐开通使用账号并告知你一些使用注意事项，还有在线使用答疑人员服务很到位~
第一次试用也是一脸懵逼，不知道该点那！不过抱着试一试的心态稍微点了几下之后，操作居然越来越流畅。也是拖拽式操作，数据可视化效果比较丰富，支持很多便捷计算，能满足常用的业务分析。最最惊喜的是它还支持可视化报告导出PPT，PDF，PNG，彻底解决了分析结果输出汇报的问题。深入了解后，才发现他们的核心居然是“数据挖掘”，算法十分丰富，也是拖拽式操作，我一个文科的分析小白，居然跟着指导和说明做出了一个数据预测的挖掘流程，简直不要太惊喜，巨有成就感呢。掌握了Tempo的基本操作逻辑后，发现他的易用性真的很不错，功能完整性和丰富性也很好。不过就是宣传方面比较少，是个低调的平台呢。

经过多家产品的试用，个人感觉无论功能怎样的工具，都需要一定的学习成本，因为数据分析毕竟是一个专业的领域，每一个工具都有自己的设计逻辑和操作方式，只是有难有易罢了！在选择工具的时候，需要结合自己的实际业务需求出发，进行总结和对比。可以申请试用哦！

8. 常用的数据分析工具有哪些？

1.QUEST
QUEST是IBM公司Almaden研究中心开发的一个多任务数据挖掘系统，目的是为新一代决策支持系统的应用开发提供高效的数据开采基本构件。系统具有如下特点：
提供了专门在大型数据库上进行各种开采的功能：关联规则发现、序列模式发现、时间序列聚类、决策树分类、递增式主动开采等。
各种开采算法具有近似线性（O(n)）计算复杂度，可适用于任意大小的数据库。
算法具有找全性，即能将所有满足指定类型的模式全部寻找出来。
为各种发现功能设计了相应的并行算法。
2.MineSet
MineSet是由SGI公司和美国Standford大学联合开发的多任务数据挖掘系统。MineSet集成多种数据挖掘算法和可视化工具，帮助用户直观地、实时地发掘、理解大量数据背后的知识。MineSet有如下特点：
MineSet以先进的可视化显示方法闻名于世。
提供多种 萃诰蚰J健0 ǚ掷嗥鳌⒒毓槟J健⒐亓 嬖颉⒕劾喙椤⑴卸狭兄匾 取?br>
支持多种关系数据库。可以直接从Oracle、Informix、Sybase的表读取数据，也可以通过SQL命令执行查询。
多种数据转换功能。在进行挖掘前，MineSet可以去除不必要的数据项，统计、集合、分组数据，转换数据类型，构造表达式由已有数据项生成新的数据项，对数据采样等。
操作简单、支持国际字符、可以直接发布到Web。
3.DBMiner
DBMiner是加拿大SimonFraser大学开发的一个多任务数据挖掘系统，它的前身是DBLearn。该系统设计的目的是把关系数据库和数据开采集成在一起，以面向属性的多级概念为基础发现各种知识。DBMiner系统具有如下特色：
能完成多种知识的发现：泛化规则、特性规则、关联规则、分类规则、演化知识、偏离知识等。
综合了多种数据开采技术：面向属性的归纳、统计分析、逐级深化发现多级规则、元规则引导发现等方法。