◆データ分析ソフトウェアの役割

データの分析プロセスというのは、大体以下の一連のステップになります。

1. データの取り込み：CSVなどのファイルや、データベースからデータを直接取り込む
2. 前処理：入力ミスなどの訂正や、連続量のカテゴリ化、欠損処理など、データをまともに分析できるように加工する
3. 可視化：さまざまな変数の組み合わせをとりあえずプロットして傾向を把握する。Tableauなどで可視化するのはこの位置づけになる
4. モデルの構築：現状（今あるデータ）の解釈や将来の予測をできるようにするため、データの構造を数式化する。回帰分析やランダムフォレストなど、いわゆる統計手法や機械学習の手法にかけるのがこれにあたる
5. モデルの評価：構築したモデルが実際に使えるものなのか、モデルが出した結果を実際のデータと照らし合わせて検証する。複数のモデルを構築し、それらの精度を比較してベストのモデルを採択することが多い。
6. 採択されたモデルを使う：回帰係数を評価して解釈する、予測を行う

RやPythonであればこれをすべてプログラムを書くことによって実現するわけですが、それはハードルが高い。
マウスのドラッグ＆ドロップでできるGUIのツールで、これらを担うソフトウェアがあります。

有名どころでは
SPSS Modeler
SAS Enterprise Miner

などになります。それなりに高価です。
ただこれらのツールがあればデータ分析（統計手法）の知識があればマウスのドラッグ＆ドロップで簡単にデータ分析ができるのです。

マウスのドラッグ＆ドロップでデータ処理の流れを作っていくソフトウェアは他にもいくつかあるのですが、最近耳にするかもしれないGoogleのCloud Dataprepは2に特化したソリューションです。つまり3以降は別のソリューションを使う必要があります。

◆オープンソースのデータ分析ツール

実はオープンソース、つまりツールの代金は無料でも、こういったコンセプトのツールがあるのです。
Orange
KNIME

いずれもさまざまな形式のデータを取り込み、データの前処理からモデルの適用をする機能までひととおり搭載されています。
前者はPythonで、後者はJavaベースでGUI化したものになり、デスクトップPCにインストールする形式ですので簡単にお試しができます。

OrangeはUIがシンプルでわかりやすく、おすすめのツールです。シンプルであることによって誰もが使いやすくなっている、そういう印象を受けます。使い方は簡単。
左のメニューからデータ分析のステップ（さまざまな前処理やモデル手法など）を選び、右のキャンバスにドラッグして矢印でつなげていきます。各ステップには手法別の設定がある（学習のチューニングパラメータや使う変数の指定など）ので、それを設定していきます。チャートを表示することもできますし、回帰分析などの手法を使うこともできます。分析フローを構築でき、かつ基本的な分析手法や機械学習のアルゴリズムは搭載しているため、比較的小さい習熟コストでデータ分析をできるおすすめのツールです。
KNIMEはより機能が多く、ハードルの高いUIになっています。まずは試しにOrangeを使ってみるのがいいでしょう。名前からして検索しにくいのでなかなか検索エンジン上で情報を見つけにくいところが弱点ですかね（Rもそうなので困りものですが）。
どんなことができるツールなのか、雰囲気はここを見るとよくわかります。
https://orange.biolab.si/screenshots/

本格的な手法も取り揃えているため、初学者にとっては必要十分であると思います。
まずはこういったツールを使えるようになり、それで満足できなくなったらより高度なツールを使う、どうしても必要であればPythonなどのプログラムを書く。それが近道ではないでしょうか。