大数据分析需要学习的软件包括：

Hadoop：

Hadoop是大数据处理的基础平台，提供了分布式存储和计算能力。它由HDFS（Hadoop分布式文件系统）和MapReduce（分布式计算框架）两个核心组件组成。

Spark：

Spark是一个快速、通用的大数据处理引擎，支持批处理、流处理和机器学习等多种数据处理模式。其核心组件包括Spark SQL、Spark Streaming、MLlib和GraphX。

Tableau：

Tableau是一款功能强大的数据可视化软件，用户可以通过拖放操作轻松创建交互式仪表板，适合进行商业智能分析。

Python：

Python是一种高级编程语言，拥有丰富的第三方库，特别适合处理和分析大数据。常用的库包括Pandas（用于数据处理）、NumPy（用于数值计算）和Matplotlib（用于数据可视化）。

R语言：

R语言是一种专注于统计分析和数据可视化的编程语言，特别适合进行复杂的统计分析和数据挖掘。

Excel：

Excel是数据分析的入门级工具，适用于小规模数据的处理和分析。它具有直观的界面和强大的功能，适合新手快速上手。

Power BI：

Power BI是微软推出的商业分析工具，与Microsoft Office兼容性良好，支持实时数据分析和可视化，适合多部门协同工作。

SQL：

SQL（结构化查询语言）是进行数据操作和定义的基础工具，用于从数据库中提取、更新和管理数据。

FineBI：

FineBI是一款商业智能工具，支持多种数据源连接和丰富的数据可视化功能。

QlikView：

QlikView是一款数据可视化工具，提供自助式数据发现功能，适合数据分析师快速构建仪表板。

Stata：

Stata是一款集合了数据分析、数据管理以及绘制专业图表等多种功能于一体的统计分析软件，适合处理截面数据、时间序列数据以及面板/平行数据。

建议根据具体需求和兴趣选择合适的软件进行深入学习。例如，如果你希望从事大规模数据处理，可以重点学习Hadoop和Spark；如果你更侧重于数据可视化和商业智能，Tableau和Power BI是很好的选择；而如果你需要编写复杂的统计分析和数据挖掘代码，Python和R语言会更加适合。