整合第 9.2 節與表 9.1，建立分析工具選擇框架。
用四個維度比較工具，理解「沒有一個工具在所有面向都最好」及工具箱策略。
不同資料科學專案的預算、部署方式、技能、資安、原型速度與整合需求不同，因此原書用四個維度比較常見工具。
| 工具 | 免費／付費 | 開源／封閉 | 本機／伺服器 | 視覺／程式 |
|---|---|---|---|---|
| Python | 免費 | 開源 | 本機＋伺服器 | 程式 |
| R | 免費 | 開源 | 本機 | 程式 |
| KNIME | 免費 | 開源 | 本機＋伺服器 | 視覺 |
| RapidMiner | 免費／付費 | 開源 | 本機＋伺服器 | 視覺 |
| Orange | 免費 | 開源 | 本機 | 視覺 |
| Weka | 免費 | 開源 | 本機 | 視覺 |
| Tableau | 付費 | 封閉 | 本機＋伺服器 | 視覺 |
| Power BI | 免費／付費 | 封閉 | 本機＋伺服器 | 視覺 |
| SAS Viya | 付費 | 封閉 | 伺服器 | 視覺＋程式 |
| SAS Enterprise Miner | 付費 | 封閉 | 本機 | 視覺 |
| JMP | 付費 | 封閉 | 本機 | 視覺 |
| IBM SPSS Modeler | 付費 | 封閉 | 本機 | 視覺 |
| IBM Watson | 付費 | 封閉 | 伺服器 | 視覺 |
| TIBCO Statistica | 付費 | 封閉 | 本機＋伺服器 | 視覺 |
| Teradata Vantage | 付費 | 封閉 | 伺服器 | 視覺 |
先定義專案限制，再依四維度篩選；另外檢查學習曲線、原型速度、偵錯、外部社群支援、自動化、安全與部署。
表 9.1 共比較 15 個工具。其中原書表格列為免費且開源者包括 Python、R、KNIME、Orange、Weka；但這只是原書分類，不代表所有附加服務皆無成本。
工具選擇不是排行榜問題，而是專案適配問題。原書主張實務上更合理的是建立包含多種工具的「工具箱」，讓不同階段使用最合適的工具。
根據表 9.1 與我提供的專案限制，先排除不符合條件的工具，再說明剩餘工具的取捨；不得加入原書未列出的價格或功能。
問題： 若組織要求完全本機、免費、開源且偏好視覺操作，依原書表格有哪些明確候選？
參考解答： Orange、Weka；KNIME 在原書分類為本機＋伺服器，也可本機使用，但其分類不是「只限本機」。