在北京选择分析软件时，可以从以下几个方面进行考虑：
经费预算
有经费支持：可以考虑购买商业软件，如R、Python、Tableau、PowerBI、SAS等，这些软件功能强大但价格较高。
经费有限：可以选择免费软件如R或Python，或者使用Excel及其插件进行数据处理和分析。
个人或团队技能
喜欢编程：R或Python是不错的选择，它们不仅免费，而且拥有丰富的分析库。
不喜欢编程：可以选择Excel或其他具有固定分析功能的软件，如SPSS。
数据处理需求：对于需要处理大量数据的用户，可以考虑使用Hadoop、Spark等大数据处理框架，或者使用Tableau、PowerBI等可视化工具。
数据量大小
海量数据：需要能够处理大数据的软件，如Tableau、PowerBI、Hadoop、Spark等。
小数据量：Excel的灵活性和方便性使其成为处理小数据量的理想选择。
易用性和学习成本
初学者：Excel是一个很好的起点，功能强大且易于上手。Python的pandas库也是一个简洁易学的选择。
进阶用户：可以学习R语言进行统计分析，或者使用Python的scikit-learn库进行机器学习和数据处理。
高级用户：对于资深数据分析师，可以使用Tableau、PowerBI等可视化工具进行高效的数据可视化，或者使用Hadoop、Spark等大数据处理框架。
功能需求
全面的数据覆盖：软件应能整合来自不同市场、不同资产类别的数据。
强大的数据分析功能：包括技术分析工具、基本面分析指标等。
个性化定制：允许用户根据自身需求设置筛选条件、预警提醒等。
易用性和稳定性：界面简洁清晰，操作方便快捷，且在大数据量处理和复杂计算时保持稳定。
客户服务
软件的客户服务质量：是否能够及时解决问题也是一个重要的考量因素。
综合以上因素，可以根据具体需求和预算选择合适的分析软件。例如，对于非统计专业且没有编程基础的企业管理人员，Excel结合合适的插件可能是一个好选择。对于有一定编程基础的用户，R或Python及其相关库可能更适合。对于需要处理大量数据的高级用户，Tableau、PowerBI或Hadoop等工具可能更合适。