大数据分析工具好用的有以下几个，分别是Excel、BI工具、Python、Smartbi、Bokeh、Storm、Plotly等。
1、Excel
2、BI工具
BI也就是商业智能，BI工具的产品设计，几乎是按照数据分析的流程来设计的。先是数据处理、整理清洗，再到数据建模，最后数据可视化，全程围绕数据指导运营决策的思想。由于功能聚焦，产品操作起来也非常简洁，依靠拖拉拽就能完成大部分的需求，没有编程基础的业务人员也能很快上手。
3、Python
python在数据分析领域，确实称得上是一个强大的语言工具。尽管入门的学习难度要高于Excel和BI，但是作为数据科学家的必备工具，从职业高度上讲，它肯定是高于Excel、BI工具的。尤其是在统计分析和预测分析等方面，Python等编程语言更有着其他工具无可比拟的优势。
4、思迈特软件Smartbi
融合传统BI、自助BI、智能BI，满足BI定义所有阶段的需求；提供数据连接、数据准备、数据分析、数据应用等全流程功能；提供复杂报表、数据可视化、自助探索分析、机器学习建模、预测分析、自然语言分析等全场景需求；满足数据角色、分析角色、管理角色等所有用户的需求。
5、Bokeh
这套可视化框架的主要目标在于提供精致且简洁的图形处理结果，用以强化大规模数据流的交互能力。其专门供Python语言使用。
6、Storm
Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。Storm由Twitter开源而来，其它知名的应用企业包括Groupon、淘宝、支付宝、阿里巴巴、乐元素、Admaster等等。
7、Plotly
大数据分析常用大数据分析软件的软件有很多常用大数据分析软件，其中SQL数据分析、Excel数据分析、SPSS数据分析、SAS数据分析、R数据分析等这些软件都是挺不错常用大数据分析软件的。
1、SQL数据分析
SQL对于很多数据分析师，取数是基本功。可以翻一下很多数据分析岗位的招聘启事，不管实际需不需要，都会把熟练掌握SQL这一条写上来。SQL并不是这么复杂，要学习的只是取数、中高级查询、简单数据清洗等。
2、Excel数据分析
Excel满足常用大数据分析软件了绝大部分办公制表的需求，同时也拥有相当优秀的数据处理能力。其自带的ToolPak(分析工具库)和Solver(规划求解加载项)可以完成基本描述统计、方差分析、统计检验、傅立叶分析、线性回归分析和线性规划求解工作。Excel也提供较为常用的统计图形绘制功能。
3、SPSS数据分析
SPSS是一个专业的统计分析软件，除了基本的统计分析功能之外，还提供非线性回归、聚类分析、主成份分析和基本的时序分析。SPSS在某种程度上可以进行简单的数据挖掘工作，比如K-Means聚类，不过数据挖掘的主要工作一般都是使用其自家的Clementine(现已改名为SPSSModeler)完成。
4、SAS数据分析
SAS由于其功能强大而且可以编程，很受高级用户的欢迎，也是最难掌握的软件之一，多用于企业工作之中。需要编写SAS程序来处理数据，进行分析。在所有的统计软件中，SAS有最强大的绘图工具，由SAS/Graph模块提供，有着强大的数据管理和同时处理大批数据文件的功能。
5、R数据分析
R是一个开源的分析软件，也是分析能力不亚于SPSS和Matlab等商业软件的轻量级(仅指其占用空间极小，功能却是重量级的)分析工具。R支持Windows、Linux和MacOS系统，对于用户来说非常方便，R和Matlab都是通过命令行来进行操作，这一点和适合有编程背景或喜好的数据分析人员。
大数据分析工具有：
1、R-编程
R编程是对所有人免费的最好的大数据分析工具之一。它是一种领先的统计编程语言，可用于统计分析、科学计算、数据可视化等。R编程语言还可以扩展自身以执行各种大数据分析操作。
除此之外，您还可以与任何编程语言（例如Java、C、Python）集成，以提供更快的数据传输和准确的分析。R提供了大量可用于任何数据集的绘图和图形。
2、ApacheHadoop
ApacheHadoop是领先的大数据分析工具开源。它是一个软件框架，用于在商品硬件的集群上存储数据和运行应用程序。它是由软件生态系统组成的领先框架。
Hadoop使用其Hadoop分布式文件系统或HDFS和MapReduce。它被认为是大数据分析的顶级数据仓库。它具有在数百台廉价服务器上存储和分发大数据集的惊人能力。
这意味着您无需任何额外费用即可执行大数据分析。您还可以根据您的要求向其添加新节点，它永远不会让您失望。
3、MongoDB
MongoDB是世界领先的数据库软件。它基于NoSQL数据库，可用于存储比基于RDBMS的数据库软件更多的数据量。MongoDB功能强大，是最好的大数据分析工具之一。
它使用集合和文档，而不是使用行和列。文档由键值对组成，即MongoDB中的一个基本数据单元。文档可以包含各种单元。但是大小、内容和字段数量因MongoDB中的文档而异。
MongoDB最好的部分是它允许开发人员更改文档结构。文档结构可以基于程序员在各自的编程语言中定义的类和对象。
MongoDB有一个内置的数据模型，使程序员能够理想地表示层次关系来存储数组和其他元素。
4、RapidMiner
RapidMiner是分析师集成数据准备、机器学习、预测模型部署等的领先平台之一。它是最好的免费大数据分析工具，可用于数据分析和文本挖掘。
它是最强大的工具，具有用于分析过程设计的一流图形用户界面。它独立于平台，适用于Windows、Linux、Unix和macOS。它提供各种功能，例如安全控制，在可视化工作流设计器工具的帮助下减少编写冗长代码的需要。
它使用户能够采用大型数据集在Hadoop中进行训练。除此之外，它还允许团队协作、集中工作流管理、Hadoop模拟等。
它还组装请求并重用Spark容器以对流程进行智能优化。RapidMiner有五种数据分析产品，即RapidMinerStudioAutoModel、AutoModel、RapidMinerTurboPrep、RapidMinerServer和RapidMinerRadoop。
5、ApacheSpark
ApacheSpark是最好、最强大的开源大数据分析工具之一。借助其数据处理框架，它可以处理大量数据集。通过结合或其他分布式计算工具，在多台计算机上分发数据处理任务非常容易。
它具有用于流式SQL、机器学习和图形处理支持的内置功能。它还使该站点成为大数据转换的最快速和通用的生成器。我们可以在内存中以快100倍的速度处理数据，而在磁盘中则快10倍。
除此之外，它还拥有80个高级算子，可以更快地构建并行应用程序。它还提供Java中的高级API。该平台还提供了极大的灵活性和多功能性，因为它适用于不同的数据存储，如HDFS、Openstack和ApacheCassandra。
6、MicrosoftAzure
MicrosoftAzure是领先的大数据分析工具之一。MicrosoftAzure也称为WindowsAzure。它是Microsoft处理的公共云计算平台，是提供包括计算、分析、存储和网络在内的广泛服务的领先平台。
WindowsAzure提供两类标准和高级的大数据云产品。它可以无缝处理大量数据工作负载。
除此之外，MicrosoftAzure还拥有一流的分析能力和行业领先的SLA以及企业级安全和监控。它也是开发人员和数据科学家的最佳和高效平台。它提供了在最先进的应用程序中很容易制作的实时数据。
无需IT基础架构或虚拟服务器进行处理。它可以轻松嵌入其他编程语言，如JavaScript和C#。
7、ZohoAnalytics
ZohoAnalytics是最可靠的大数据分析工具之一。它是一种BI工具，可以无缝地用于数据分析，并帮助我们直观地分析数据以更好地理解原始数据。
同样，任何其他分析工具都允许我们集成多个数据源，例如业务应用程序、数据库软件、云存储、CRM等等。我们还可以在方便时自定义报告，因为它允许我们生成动态且高度自定义的可操作报告。
它是最好的大数据分析工具，与上述任何其他工具相比，它需要的知识和培训更少。因此，它是初创企业和入门级企业的最佳选择。