数据工程师需要学习的软件包括：

Python：

Python是一种广泛使用的编程语言，特别适合数据处理和分析。它具有简洁易读的语法和丰富的库，如NumPy、Pandas和Matplotlib，可帮助你处理和可视化数据。

SQL：

结构化查询语言（SQL）是管理和操作关系型数据库的标准语言。作为数据编程工程师，你需要掌握SQL，以便能够有效地查询和操作大量的数据。

R：

R是另一种广泛使用的编程语言，特别用于统计分析和数据可视化。它提供了丰富的统计和机器学习库，如ggplot2和dplyr，可以帮助你进行复杂的数据分析。

Hadoop：

Hadoop是一个开源的分布式计算框架，用于处理大规模数据集。作为数据编程工程师，你需要了解Hadoop的基本概念和组件，如HDFS和MapReduce，以便能够在分布式环境下处理和分析大数据。

Spark：

Apache Spark是一个快速的大数据处理框架，可以在集群上进行分布式计算。学习Spark可以帮助你更高效地处理和分析大规模数据，并且提供了丰富的机器学习和图形处理库。

Tableau：

Tableau是一种流行的数据可视化工具，可以帮助你创建交互式和动态的数据可视化报表。学习Tableau可以帮助你更好地向非技术人员展示数据分析的结果。

Excel：

Excel是一款广泛使用的电子表格软件，适用于数据整理、计算和数据可视化。它提供了数据透视表、排序、过滤、图表等功能，适合进行初级数据分析任务。

Power BI：

Power BI是微软提供的商业智能工具，用于数据分析和可视化，支持多种数据源和自定义报表。

FineBI：

FineBI是一款企业级的商业智能工具，支持数据连接、数据分析和可视化。通过FineBI，数据分析师可以更高效地处理和分析大数据，从而提升企业的业务洞察能力。

Apache Airflow：

Airflow是一个开源的工作流调度工具，可以自动化和管理复杂的数据任务。

这些软件工具涵盖了数据工程的主要方面，从数据处理、分析到可视化，以及数据库管理和工作流自动化。根据具体的工作需求和技能水平，可以选择合适的软件进行深入学习。