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 英文原意为“蟒蛇”，直到 1989 年荷兰人 Guido van Rossum （简称 Guido）发明了一种面向对象的解释型编程语言，并将其命名为 Python，才赋予了它表示一门编程语言的含义。
Python 语言是在 ABC 教学语言的基础上发展来的；遗憾的是，ABC 语言虽然非常强大，但却没有普及应用，Guido 认为是它不开放导致的。
基于这个考虑，Guido 在开发 Python 时，不仅为其添加了很多 ABC 没有的功能，还为其设计了各种丰富而强大的库，利用这些 Python 库，程序员可以把使用其它语言制作的各种模块（尤其是C语言和 C ）很轻松地联结在一起，因此 Python 又常被称为“胶水”语言。
从整体上看，Python 语言最大的特点就是简单，该特点主要体现在以下 2 个方面：
Python 语言的语法非常简洁明了，即便是非软件专业的初学者，也很容易上手。
和其它编程语言相比，实现同一个功能，Python 语言的实现代码往往是最短的。
R语言
R语言，顾名思义，它首先是一门计算机的编程语言，就跟传统的C语言，Java语言类似，但是，它又不仅仅是一门计算机语言。这是因为，R语言天生为统计而生，所以，它做不到像C语言那般的普适，数据分析、统计建模、数据可视化才是它的舞台。
R语言在前几年的名气远不及SPSS和SAS，甚至一度有很多人压根就看不上这样一个软件，认为它做出来的东西很有可能是错误的，压根就不靠谱。但是质疑声永远也不能阻止一个新生事物的快速发展。坦白说，我入了R的坑，从此SPSS和SAS是路人！
R是免费的！安装包仅有70M，而且安装异常简单，所需操作环境十分随意。就是这样一个十分亲民友好的软件，功能却是异常强大！在数据清洗与数据分析的过程中，R语言的简洁强大十分给力。不少人对R语言所推崇的“向量化操作”的理念：不写循环，但是能做循环一样的事儿。
随着这几年的快速发展，R的功能范围已经得到了极大的扩展，比如自然语言处理，机器学习领域，生物信息学领域等等。即便如此，也永远不要忘了，R语言自身的统计功能！
SPSS
SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。
最初软件全称为“社会科学统计软件包”（SolutionsStatistical Package for the Social Sciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。
SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。
SPSS功能
一、集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体。从理论上说，只要计算机硬盘和内存足够大，SPSS可以处理任意大小的数据文件，无论文件中包含多少个变量，也不论数据中包含多少个案例。
二、统计功能囊括了《教育统计学》中所有的项目，包括常规的集中量数和差异量数、相关分析、回归分析、方差分析、卡方检验、t检验和非参数检验。
也包括近期发展的多元统计技术，如多元回归分析、聚类分析、判别分析、主成分分析和因子分析等方法，并能在屏幕（或打印机）上显示（打印）如正态分布图、直方图、散点图等各种统计图表。
从某种意义上讲，SPSS软件还可以帮助数学功底不够的使用者学习运用现代统计技术。使用者仅需要关心某个问题应该采用何种统计方法，并初步掌握对计算结果的解释，而不需要了解其具体运算过程，可能在使用手册的帮助下定量分析数据。