KNIME可以完成常規的數據分析和數據挖掘，以及常見的數據挖掘算法，如回歸、分類、聚類等。並且引入了很多大數據組件，比如Hive，Spark等等。它還通過模塊化數據管道的概念集成了機器學習和數據挖掘的各個組件，可以幫助商業智能和財務數據分析。
2、快速采礦機
Rapid Miner，也稱為YALE，是用Java編程語言編寫的，通過基於模板的框架提供高級分析。它是機器學習和數據挖掘實驗的環境，用於數據挖掘的研究和實踐。使用它可以由大量任意嵌套的操作符組成實驗，用戶無需編寫代碼。它已經有許多模板和其他工具來幫助輕松分析數據。
3、SAS數據挖掘
SAS數據挖掘是壹個商業軟件，它提供了壹個更好的方法來理解數據的描述和預測建模。SAS數據挖掘有壹個易於使用的圖形用戶界面和自動數據處理工具。此外，它還包括高級工具，如可擴展處理、自動化、增強算法、建模、數據可視化和探索。
4、IBM SPSS Modeler
IBM SPSS Modeler適合文本分析等大型項目，可視化界面做得很好。它允許無需編程即可生成各種數據挖掘算法，可用於異常檢測、CARMA、Cox回歸和使用多層感知器進行反向傳播學習的基本神經網絡。
5、橙色
Orange是壹個基於組件的數據挖掘和機器學習軟件套件，用Python編寫。它的數據挖掘可以通過可視化編程或Python腳本進行，還包括數據分析的特點，不同的可視化，從散點圖、條形圖、樹形圖、網絡、熱圖。
6、撥浪鼓
Rattle是壹個用統計語言R編寫的開源數據挖掘工具包，是免費的。它提供數據的統計和可視化摘要，將數據轉換為便於建模的形式，從數據中構建無監督模型和有監督模型，以圖形方式呈現模型性能，並對新的數據集進行評分。它支持的操作系統有GNU/Linux、麥金塔OS X和MS/Windows。
7、Python
Python是壹種免費的開源語言。它的學習曲線很短，方便開發者學習和使用。它通常可以很快開始建立數據集，並在幾分鐘內完成極其復雜的親和力分析。只要熟悉變量、數據類型、函數、條件、循環等基本編程概念，就可以輕松使用Python可視化業務用例數據。
8、Oracle數據挖掘
Oracle數據挖掘功能使用戶能夠構建模型來發現客戶行為、鎖定目標客戶並開發檔案。它使數據分析師、業務分析師和數據科學家能夠使用方便的拖放解決方案來處理數據庫中的數據。它還可以為整個企業的自動化、調度和部署創建SQL和PL/SQL腳本。
9、卡格爾
Kaggle是世界上最大的數據科學社區，來自世界各地的統計學家和數據挖掘者在這裏競爭做出最好的模型，相當於壹個數據科學競賽的平臺。基本上很多問題都能在裏面找到，有興趣的朋友可以去看看。
10、成幀數據
最後，框架數據是壹個完全托管的解決方案，它在雲端訓練、優化和存儲產品的電離模型，並通過API提供預測，以消除基礎設施開銷。換句話說，框架數據從企業獲取數據，轉化為可行的意見和決策，讓用戶安心。