本人一般處理數據，運用的工具主要是excel, sql(主要是MySQL), python+pandas+scikit-learn, 至於數據可視化方面側用PPT or matplotlib，以上幾樣工具都會貫穿使用，最主要是工作使用上要順手，效率要高。若果想一樣工具用到底，這個貌似還不太現實，畢竟每一樣工具都有各自擅長的領域。
各個工具的優缺點簡單說一下：
Excel：微軟頂頂大名的工具。這個工具每個職場人都會用，但用得水平如何，就差距十分巨大了。
優點：上手簡單、有圖形界面、親和力強，功能強大（如函數，數據透視），學習成本較低。
缺點：處理大量數據時略顯乏力。3萬行的數據（就當只有2列，3萬行數據），用vlookup函數處理匹配，這個就已經夠痛苦。
sql（MySQL)：通常用這個，基本上在企業裏面要有數據庫的權限，能夠直接連接數據庫，那是最好的。當然一般穩妥起見，都是隻有select 的權限，增刪改的權限一般針對數據人員是不開放的。而且通常都是與Navicat等圖形編譯工具搭配使用。當然，還有部分諮詢公司、外企會用Access，但Access有部分sql語法不支持，所以我用較少。sql工具作爲查詢、提取的話還是十分好用的。
優點：快！快！快！
缺點：有一定學習成本，當然自學也不是不可能。建議可以上w3school自學也可。對於很多非科班出身的數據人員來說，其實只要做到查詢就足夠了，太深澳的或者追求時間上的優勢而花大功夫，有點得不償失，畢竟優化select這個本身就不是件容易的事。
python+pandas：python+pandas(再加上sqlalchemy)基本上也是可以替代mysql的一個工具，但是我本人測試了，如果比拼速度，還是mysql的查詢速度更快，不知是否因爲mysql是用c寫，而python是編譯語言的緣故。對於想速成的人來說，學少一樣sql，但學另一樣功能更強大的python+pandas也未償不可，通過ORM方法，將表、行映射成類、對象也是很好上手的。
優點：運算功能十分強大，有豐富的第三方包，如scikit-learn、scipy等，可以做更高階的數據科學分析統計。
缺點：學習成本最高，雖然現在很火，但依然缺少中文材料，而且現有的中文書藉還會有bug（爲什麼我知道sqlalchemy？就因爲我在這上面踩過坑，pandas的某些讀寫功能就只支持sqllite3或者sqlalchemy，有些書卻忽略了。。。orz）所以這個時候覺得英語差，但又想往數據發展的同學真要刻服一下，畢竟現有技術都是外國的，啃啃英語也是有道理的。
至於可視化方面，用得最多就是ppt和excel裏自帶的圖形功能，而matplotlib則比較少用。首先，圖形可視化需要美觀，這方面matplotlib在這方面要做到如微軟的產品一樣，會比較吃力。但是如果是爲了通過圖形快速分析獲得結果，則matplotlib是首選。你想啊，我數據都做好了，就差一個圖，如果是自己看的話，我直接出圖不是更快麼？
之後就會進入正題：數據分析實戰！