统计分析工作，没有统计软件不行（单靠AI也不行）。
目前生命科学领域，常用的统计软件，有R（生物信息学领域应该用的最多）、Python中的统计和可视化包、SPSS、SAS、Stata等等。其中SPSS在医学生及医生群体中应用非常广泛，R因为其免费开源、统计分析包众多等优势，也越来越被生物医学领域的研究们青睐，尤其是有了那个Rstudio以后。
SAS软件也是教育和工业界常用的统计软件，尤其是金融领域、医药研究领域，SAS是事实上的统计分析标准软件。
SAS能够成为医药研究中统计分析的标准，与其深厚的技术背景分不开。且不说它20多个G的安装盘，1万多页的用户手册，就一个简单的直方图，也能够看出SAS的与众不同。
以下是同一个样本数据，分别用R 4.6.0、AI（Kimi 2.6，基于Python的matplotlib包，直接生成直方图）、SPSS 27和SAS 9.4绘制的直方图（都是默认输出方式）：
（基于R 4.6.0绘制，不同分箱算法的输出结果竟然一样，不知是不是我设置有问题）
（Kimi给出的基于两种分箱方法的直方图，感觉差不多）
（基于SPSS 27 的统计描述->变量探索过程绘制，从可视化角度，感觉这个图最丑，很多时候都是它最丑，公开的资料里没有明确它使用的分箱算法）
（这是SAS 9.4的proc univariate过程步给出的默认直方图，这个就顺眼多了）
如果从可视化角度，SAS的直方图完胜（它在Terrell-Scott 过平滑算法基础上进行了显著的工程优化）；R软件和AI居其次，SPSS的最差。
所以，虽然SAS公司退出中国了，但是SAS软件不会。它的王者地位，短时间内无法被替代，原因就是SAS的算法，底层实现细节和特定的工程优化黑盒未公开，未公开意味着AI学不到其内部计算逻辑，也无法通过训练获得FDA合规认证的验证结果，因此无法替代SAS在企业级场景中的地位。