用于展現分析的前端開源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。
用于展現分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikView、 Tableau 。
國內的有BDP，國云數據(大數據分析魔鏡)，思邁特，FineBI等等。
2、數據倉庫
有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。
3、數據集市
有QlikView、 Tableau 、Style Intelligence等等。
當然學大數據分析也有很多坑：
《轉行大數據分析師后悔了》、《零基礎學大數據分析現實嗎》、《大數據分析培訓好就業嗎》、《轉行大數據分析必知技能》
從大數據中總結和抽取相關的信息和知識，可以幫助人們分析發生了什么，并呈現事物的特征和趨勢。
1、大數據可以提供給我們豐富的數據源，讓我們能夠更全面地了解一個現象或問題。比如，在分析一個地區的交通狀況時，我們可以利用交通流量數據、道路狀況數據、天氣數據等，來全面地了解該地區的交通狀況，并預測未來的交通趨勢。
2、大數據可以提供給我們深入的數據分析能力。通過數據挖掘、機器學習等技術，我們可以從大數據中提取出有用的信息和知識，并進行分析和歸納。比如，在分析一個公司的銷售數據時，我們可以利用這些數據來分析銷售趨勢、客戶偏好等，從而幫助公司更好地制定銷售策略。
3、大數據還可以幫助我們呈現事物的特征和趨勢。通過數據可視化技術，我們可以將數據以圖表、圖像等形式呈現出來，從而更直觀地了解數據的分布和變化情況。比如，在分析全球氣候變化時，我們可以利用氣溫、降雨量等數據，制作出全球氣候變化圖，從而更直觀地了解全球氣候的變化趨勢。
大數據的起源：
大數據的起源可以追溯到二十世紀六七十年代，當時美國國防部開始收集和存儲大量數據，以支持軍事決策。這些數據量非常大，超過了當時計算機處理能力的極限，因此科學家們開始探索新的數據處理和分析技術，例如分布式計算、數據挖掘等。
隨著互聯網、移動設備和物聯網的普及，數據的產生量開始呈現爆炸式增長。社交媒體、電子商務、在線視頻等應用程序產生了大量的用戶數據，這些數據包括用戶的個人信息、行為數據、位置信息等。
企業也開始收集和存儲大量的交易數據、客戶數據等。這些數據為商業決策提供了重要的支持，同時也為科學研究提供了寶貴的數據資源。
近年來，隨著人工智能和機器學習的快速發展，大數據的應用價值得到了更深入的挖掘。機器學習算法可以利用大數據進行訓練和學習，從而實現對數據的自動化分析和處理，進一步提高了數據處理和分析的效率和準確性。