先說結論：根據需求和軟體操作能力，選用SPSS、STATA、SAS、R語言、Python中的一種或多種，這幾款都是主流的資料分析和統計軟體，對程式設計能力的要求依次提高，能完成複雜分析的能力、自由度也更高。
1. SPSS
優勢：易於學習
弱點：難以完成複雜操作、迴圈等自動化分析
推薦書目： 張文彤《SPSS統計分析基礎教程》
2. Stata
計量經濟學專業常用統計軟體，大部分操作可以通過點選滑鼠完成，但使用程式設計（do語句）更為快捷，do語句也很簡單，容易上手。尤其適合需要對資料進行基本清洗、需要大量回歸分析的使用者。
此外，stata有自己的社群和期刊，如果英語好幾乎能找到需要的所有解答。
優點：邏輯是變數和樣本，容易理解；資料管理能力強；直觀
缺點：複雜功能的實現不足；圖表不美觀
3. SAS
醫學、金融常用軟體，穩定可靠，有豐富的介面，和Stata類似，SAS也有自己的程式設計語法，但更為複雜，較難掌握。如果不是工作需要，不建議新手入門。
4. R
開源免費軟體，統計軟體中冉冉升起的新星。
優勢：
功能範圍非常大（有很多擴充套件包可以實現各種各樣豐富的功能）
畫圖非常好看
非常容易自動化和整合（與 Git、LaTeX、ODBC、Oracle 、Apache Hadoop等）
非常好的社群支援，以及通過第三方的支援
廣泛的幫助資源免費提供（手冊、教程等）
非常強大且靈活的指令碼語言（例如支援面向物件的程式設計）
支援所有通用平臺（Windows、Linux、MacOS...）
非常大的、活躍的開發人員社群，面向未來
弱點：
熟悉 R 語法較難
速度不夠快
使用非常大的資料集時，對電腦硬體要求高
推薦書目：R語言實戰
5. Python
最接近程式語言，統計和資料分析只是它的一小部分功能，不夠直觀但功能強大。學起來較難。
先說結論：根據需求和軟體操作能力，選用SPSS、STATA、SAS、R語言、Python中的一種或多種，這幾款都是主流的資料分析和統計軟體，對程式設計能力的要求依次提高，能完成複雜分析的能力、自由度也更高。
1. SPSS
優勢：易於學習
弱點：難以完成複雜操作、迴圈等自動化分析
推薦書目： 張文彤《SPSS統計分析基礎教程》
2. Stata
計量經濟學專業常用統計軟體，大部分操作可以通過點選滑鼠完成，但使用程式設計（do語句）更為快捷，do語句也很簡單，容易上手。尤其適合需要對資料進行基本清洗、需要大量回歸分析的使用者。
此外，stata有自己的社群和期刊，如果英語好幾乎能找到需要的所有解答。
優點：邏輯是變數和樣本，容易理解；資料管理能力強；直觀
缺點：複雜功能的實現不足；圖表不美觀
3. SAS
醫學、金融常用軟體，穩定可靠，有豐富的介面，和Stata類似，SAS也有自己的程式設計語法，但更為複雜，較難掌握。如果不是工作需要，不建議新手入門。
4. R
開源免費軟體，統計軟體中冉冉升起的新星。
優勢：
功能範圍非常大（有很多擴充套件包可以實現各種各樣豐富的功能）
畫圖非常好看
非常容易自動化和整合（與 Git、LaTeX、ODBC、Oracle 、Apache Hadoop等）
非常好的社群支援，以及通過第三方的支援
廣泛的幫助資源免費提供（手冊、教程等）
非常強大且靈活的指令碼語言（例如支援面向物件的程式設計）
支援所有通用平臺（Windows、Linux、MacOS...）
非常大的、活躍的開發人員社群，面向未來
弱點：
熟悉 R 語法較難
速度不夠快
使用非常大的資料集時，對電腦硬體要求高
推薦書目：R語言實戰
5. Python
最接近程式語言，統計和資料分析只是它的一小部分功能，不夠直觀但功能強大。學起來較難。