数据分析师常用的软件包括：

Excel：

作为入门级的办公软件，Excel在日常工作中的数据处理、统计分析和辅助决策操作中非常有用。其强大的数据处理和分析功能，如数据透视表、数据筛选、数据排序、图表生成等，使其成为数据分析师日常工作的利器。

SQL：

用于管理和查询关系型数据库，是数据分析师从数据库中提取数据的核心技能。掌握SQL可以让数据分析师更好地与数据库进行交互，从而获取所需的数据进行分析。

Python：

一种高效、易学的编程语言，广泛用于数据分析和数据科学领域。Python拥有丰富的库，如Pandas、NumPy和Matplotlib，这些库可以帮助数据分析师进行数据清洗、数据操作和数据可视化。

R：

一种专为统计计算和数据可视化设计的编程语言。R拥有丰富的统计分析和图形绘制功能，广泛应用于数据分析和科研领域。R语言有许多专门用于数据分析的包，如ggplot2、dplyr和tidyr。

Tableau：

一款广受欢迎的数据可视化工具，以其强大的数据连接能力和直观的操作界面而著称。Tableau支持多种数据源，包括SQL数据库、云数据源和Excel文件等。用户可以通过拖拽操作轻松创建各种图表，并且可以实时更新数据。

Power BI：

由微软开发的商业智能工具，支持多种数据源，具备强大的数据可视化和数据分析功能。用户可以通过拖放操作创建图表和仪表板，并且可以实时交互和分享数据。

FineBI：

一款专业的商业智能（BI）工具，具备强大的数据可视化和数据分析功能，能够帮助企业快速、准确地进行数据分析与决策。FineBI支持多种数据源，包括数据库、Excel文件、文本文件等，能够自动进行数据清洗和预处理。

SAS：

由SAS公司开发的一套著名的统计分析软件，广泛应用于数据分析和科研领域。SAS提供了丰富的统计分析和图形绘制功能。

Apache Hadoop：

一个开源的分布式计算框架，用于处理大规模数据集。数据分析师可以使用Hadoop进行大数据处理和分析。

MATLAB：

一款数学计算软件和编程语言，广泛应用于科学计算、数据分析和可视化。

Google Analytics：

一款网站分析工具，用于收集和分析网站数据，帮助数据分析师了解用户行为和提升网站性能。

QlikView 、 Domo、 Looker、 RapidMiner、 KNIME、 SPSS、 Google Data Studio、 Zoho Analytics：

这些工具也常被数据分析师用于数据分析和数据可视化，具体选择哪个工具取决于个人偏好和工作需求。

建议数据分析师根据具体的工作需求和技能水平，选择合适的软件工具，以提高工作效率和分析质量。