首先，请原谅我可能不属于这里的菜鸟和冗长的问题，我知道有几个问题是这样回答的，但我认为这将是最新的。Stack Overflow 删除了我的问题并将我重定向到这里。

我在本科阶段学习经济学和金融学，老实说，到目前为止，我并不是很喜欢编程。但是，我必须承认，如果没有经济/金融相关领域的特定软件和编程语言，您现在将无法做得很好。

根据我的课程，我遇到过 Matlab、一些计量经济学软件，当然还有 MS Office，尤其是带有 VBA 的 Excel。我脑子里有一些阴暗的框架，如果我错了，请随时纠正我。因此，正如我所经历的，对于数值计算和进行绝大多数数学运算，存在 Matlab、Octave 和 Mathematica。计量经济学方面，有 eViews、STATA、SPSS 等专业软件或开源的 Gretl 和 Tableau 等用于数据可视化的软件。最后，我们可以使用 Excel 来管理数据库。

长话短说，我的基本问题是，这些是完成这项工作的最佳工具吗？或者我应该切换到更专业的工具——比如真正的编程语言——以更好地解决数学问题、数值计算、计量经济学、数据科学和精致、高质量的数据可视化？当今数据科学行业在经济/金融领域最需要的技能是什么？

我听说 R 是近来非常流行的统计编程语言，并且每天都在变得越来越好——我已经在 Rstudio 中编写了一些函数和可视化。我还听说 SQL 也是管理真正海量数据集而不是 Excel 的更好选择，但是 SQL 能够用数据做各种事情，而这些事情可以在 Excel 中完成吗？在我看来，Python 通常是数据分析的第一语言，它灵活且可广泛使用。我发现 Python 库——比如 matplotlib、numpy、pandas、bokeh——非常有吸引力。那么 Julia 呢，这会是未来的下一个 R 吗？老实说，我也对数据科学、数据分析、数据挖掘、机器学习、大数据等术语感到有些困惑——这些术语之间有什么严重的区别吗？

从上面看，哪一个才是我真正应该关注和掌握的？继续练习流行的软件，还是切换到 R、Python、Julia、SQL？也许他们两个？同样，我们只讨论经济和金融的研究生和本科水平，以及相关工作。我不想开发严肃而复杂的软件/应用程序，只是定量分析股票价格、企业和经济数据，如年报、就业、GDP 等。

有经验的数据分析师，请指导我通过令人困惑的数据分析工具森林。我很欣赏每一种评论。