虽然数据分析的工具千万种，综合起来万变不离其宗。无非是数据获取、数据存储、数据管理、数据计算、数据分析、数据展示等几个方面。而SAS、R、SPSS、python、excel是被提到频率最高的数据分析工具。
Python
Python，是一种面向对象、解释型计算机程序设计语言。Python语法简洁而清晰，具有丰富和强大的类库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。
常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
R软件
R是一套完整的数据处理、计算和制图软件系统。它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。
SPSS
SPSS是世界上最早的统计分析软件，具有完整的数据输入、编辑、统计分析、报表、图形制作等功能，能够读取及输出多种格式的文件。
Excel
可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。
SAS软件
SAS把数据存取、管理、分析和展现有机地融为一体。提供了从基本统计数的计算到各种试验设计的方差分析，相关回归分析以及多变数分析的多种统计分析过程，几乎囊括了所有最新分析方法，其分析技术先进，可靠。分析方法的实现通过过程调用完成。许多过程同时提供了多种算法和选项。
修改回答
Excel：普遍适用，既有基础，又有中高级。中级一般用Excel透视表，高级的用Excel VBA；不过Exce数据量大了整体就比较卡，而且写函数比较麻烦。
BDP个人版：数据可视化分析工具，支持几十种可视化图表；无需编程，拖拽处理、分析数据，适合数据小白使用。
SAS、SPSS：会涉及到一些数据建模的东西，相对比较难。
hihidata：比较小众的数据分析工具。三分钟就可以学会直接上手。无需下载安装，直接在线就可以使用。
MARLAB：建立统计与数学模型，但是比较难学，很难上手，金融、数学、统计这些专业一般都要求学。
Eview：比较小众，建立一些经济类的模型很有用的，计量经济学中经常用到。
SPSS是软件里比较简单的 因为可以采用菜单的模式 带少量的命令编辑
MATLAB常常在建立统计和数学模型的时候比较好用 但是很难学 反正我学了一个学期楞是就知道个皮毛
SAS我没用过，但也是对编程要求很高的 你如果C语言和VB过关的话可以用这个
Eviews对于一些经济类的模型还是很有用的 相对而言也不算是很难本回答被提问者和网友采纳
