當然，從事數據分析工作，學習Python是再好不過的的。
Python語言
對于初級數據分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。
對于高級數據分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理數據都是事半功倍。當然其他編程語言也是可以的。
對于數據挖掘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之編程語言絕對是數據挖掘工程師的最核心能力了。
所以，學習哪種語言，還得取決于你自己的最終選擇，一定要想清楚喲。
以大數據分析師為目標，從數據分析基礎、JAVA語言入門和linux操作系統入門知識學起，系統介紹Hadoop、HDFS、MapReduce和Hbase等理論知識和hadoop的生態環境
一、大數據分析的五個基本方面
1、可視化分析
大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對于大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。2、數據挖掘算法
大數據分析的理論核心就是數據挖掘算法，各種數據挖掘的算法基于不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計學家所公認的各種統計方法(可以稱之為真理)才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的算法才能更快速的處理大數據，如果一個算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。3、預測性分析能力
大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之后便可以通過模型帶入新的數據，從而預測未來的數據。4、語義引擎
大數據分析廣泛應用于網絡數據挖掘，可從用戶的搜索關鍵詞、標簽關鍵詞、或其他輸入語義，分析，判斷用戶需求，從而實現更好的用戶體驗和廣告匹配。5、數據質量和數據管理
大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。 大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。二、如何選擇適合的數據分析工具
要明白分析什么數據，大數據要分析的數據類型主要有四大類：1、交易數據（TRANSACTION DATA）
大數據平臺能夠獲取時間跨度更大、更海量的結構化交易數據，這樣就可以對更廣泛的交易數據類型進行分析，不僅僅包括POS或電子商務購物數據，還包括行為交易數據，例如Web服務器記錄的互聯網點擊流數據日志。2、人為數據（HUMAN-GENERATED DATA）
非結構數據廣泛存在于電子郵件、文檔、圖片、音頻、視頻，以及通過博客、維基，尤其是社交媒體產生的數據流。這些數據為使用文本分析功能進行分析提供了豐富的數據源泉。3、移動數據（MOBILE DATA）
能夠上網的智能手機和平板越來越普遍。這些移動設備上的App都能夠追蹤和溝通無數事件，從App內的交易數據(如搜索產品的記錄事件)到個人信息資料或狀態報告事件(如地點變更即報告一個新的地理編碼)。4、機器和傳感器數據（MACHINE AND SENSOR DATA）
器、工廠機器和連接互聯網的家用電器。這些設備可以配置為與互聯網絡中的其他節點通信，還可以自動向中央服務器傳輸數據，這樣就可以對數據進行分析。機器和傳感器數據是來自新興的物聯網(IoT)所產生的主要例子。來自物聯網的數據可以用于構建分析模型，連續監測預測性行為(如當傳感器值表示有問題時進行識別)，提供規定的指令(如警示技術人員在真正出問題之前檢查設備)。三、如何區分三個大數據熱門職業——數據科學家、數據工程師、數據分析師
隨著大數據的愈演愈熱，相關大數據的職業也成為熱門，給人才發展帶來帶來了很多機會。數據科學家、數據工程師、數據分析師已經成為大數據行業最熱門的職位。它們是如何定義的?具體是做什么工作的?需要哪些技能?讓我們一起來看看吧。這3個職業具體有什么職責
數據科學家的工作職責數據科學家傾向于用探索數據的方式來看待周圍的世界。把大量散亂的數據變成結構化的可供分析的數據，還要找出豐富的數據源，整合其他可能不完整的數據源，并清理成結果數據集。新的競爭環境中，挑戰不斷地變化，新數據不斷地流入，數據科學家需要幫助決策者穿梭于各種分析，從臨時數據分析到持續的數據交互分析。當他們有所發現，便交流他們的發現，建議新的業務方向。他們很有創造力的展示視覺化的信息，也讓找到的模式清晰而有說服力。把蘊含在數據中的規律建議給Boss，從而影響產品，流程和決策。數據工程師的工作職責分析歷史、預測未來、優化選擇，這是大數據工程師在“玩數據”時最重要的三大任務。通過這三個工作方向，他們幫助企業做出更好的商業決策。大數據工程師一個很重要的工作，就是通過分析數據來找出過去事件的特征。通過引入關鍵因素，大數據工程師可以預測未來的消費趨勢。在阿里媽媽的營銷平臺上，工程師正試圖通過引入氣象數據來幫助淘寶賣家做生意。比如今年夏天不熱，很可能某些產品就沒有去年暢銷，除了空調、電扇，背心、游泳衣等都可能會受其影響。那么我們就會建立氣象數據和銷售數據之間的關系，找到與之相關的品類，提前警示賣家周轉庫存。根據不同企業的業務性質，大數據工程師可以通過數據分析來達到不同的目的。與傳統的數據分析師相比，互聯網時代的數據分析師面臨的不是數據匱乏，而是數據過剩。因此，互聯網時代的數據分析師必須學會借助技術手段進行高效的數據處理。更為重要的是，互聯網時代的數據分析師要不斷在數據研究的方法論方面進行創新和突破。數據分析師的工作職責就行業而言，數據分析師的價值與此類似。就新聞出版行業而言，無論在任何時代，媒體運營者能否準確、詳細和及時地了解受眾狀況和變化趨勢，都是媒體成敗的關鍵。此外，對于新聞出版等內容產業來說，更為關鍵的是，數據分析師可以發揮內容消費者數據分析的職能，這是支撐新聞出版機構改善客戶服務的關鍵職能。大數據分析師需要掌握的技能
1、懂業務從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。2、懂管理一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，后續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。3、懂分析指掌握數據分析基本原理與一些有效的數據分析方法，并能靈活運用到實踐工作中，以便有效的開展數據分析?；镜姆治龇椒ㄓ校簩Ρ确治龇ā⒎纸M分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。4、懂工具指掌握數據分析相關的常用工具。數據分析方法是理論，而數據分析工具就是實現數據分析方法理論的工具，面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作。5、懂設計懂設計是指運用圖表有效表達數據分析師的分析觀點，使分析結果一目了然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。四、從菜鳥成為數據科學家的9步養成方案
首先，各個公司對數據科學家的定義各不相同，當前還沒有統一的定義。但在一般情況下，一個數據科學家結合了軟件工程師與統計學家的技能，并且在他或者她希望工作的領域投入了大量行業知識。大約90%的數據科學家至少有大學教育經歷，甚至到博士以及獲得博士學位，當然，他們獲得的學位的領域非常廣泛。一些招聘者甚至發現人文專業的人們有所需的創造力，他們能教別人一些關鍵技能。因此，排除一個數據科學的學位計劃(世界各地的著名大學雨后春筍般的出現著)，你需要采取什么措施，成為一個數據科學家?復習你的數學和統計技能。一個好的數據科學家必須能夠理解數據告訴你的內容，做到這一點，你必須有扎實的基本線性代數，對算法和統計技能的理解。在某些特定場合可能需要高等數學，但這是一個好的開始場合。了解機器學習的概念。機器學習是下一個新興詞，卻和大數據有著千絲萬縷的聯系。機器學習使用人工智能算法將數據轉化為價值，并且無需顯式編程。學習代碼。數據科學家必須知道如何調整代碼，以便告訴計算機如何分析數據。從一個開放源碼的語言如python那里開始吧。了解數據庫、數據池及分布式存儲。數據存儲在數據庫、數據池或整個分布式網絡中。以及如何建設這些數據的存儲庫取決于你如何訪問、使用、并分析這些數據。如果當你建設你的數據存儲時沒有整體架構或者超前規劃，那后續對你的影響將十分深遠。學習數據修改和數據清洗技術。數據修改是將原始數據到另一種更容易訪問和分析的格式。數據清理有助于消除重復和“壞”數據。兩者都是數據科學家工具箱中的必備工具。了解良好的數據可視化和報告的基本知識。你不必成為一個平面設計師，但你確實需要深諳如何創建數據報告，便于外行的人比如你的經理或CEO可以理解。添加更多的工具到您的工具箱。一旦你掌握了以上技巧，是時候擴大你的數據科學工具箱了，包括Hadoop、R語言和Spark。這些工具的使用經驗和知識將讓你處于大量數據科學求職者之上。練習。在你在新的領域有一個工作之前，你如何練習成為數據科學家?使用開源代碼開發一個你喜歡的項目、參加比賽、成為網絡工作數據科學家、參加訓練營、志愿者或實習生。最好的數據科學家在數據領域將擁有經驗和直覺，能夠展示自己的作品，以成為應聘者。成為社區的一員。跟著同行業中的思想領袖，閱讀行業博客和網站，參與，提出問題，并隨時了解時事新聞和理論。五、從入門到精通—快速學會大數據分析
以大數據分析師為目標，我們得從數據分析基礎、JAVA語言入門和linux操作系統入門知識學起，系統介紹Hadoop、HDFS、MapReduce和Hbase等理論知識和hadoop的生態環境，hadoop三種模式的安裝配置，基于mahout項目的大數據分析之聚類、分類以及主題推薦。這樣得學習成本非常得高昂，先不說各種代碼學習得難度，光是時間就將是一個漫長得過程，而且我們還需要了解各種行業相關得信息。這讓很多人望而卻步，現在給大家推薦——DataFocus.DataFocus是一款以自然語言搜索引擎為驅動，在商業智能領域(BI)為企業提供以人工智能（AI）驅動的大數據分析產品。DataFocus不僅是全球首個中文自然語言大數據分析系統，更是中國商業智能領域大數據挖掘與運用的佼佼者。目前，DataFocus幫助來自不同行業的企業管理著超百億的數據，專注成為人工智能與商業智能領域創新的“探路者”。DataFocus作為全球首個中文類自然語言數據搜索分析系統，可以讓不懂代碼、不會SQL語句的業務人員在3秒內完成圖表制作，10分鐘創建出美觀的可視化大屏，真正為企業人員節省時間、節省成本、節省精力，讓企業進入數字化管理新模式，成為推動企業數字化轉型的重要力量。關注DataFocus,了解更多數據分析知識！
數據分析還是具備一定難度的，但通過系統的學習，大部分人能夠掌握一定的數據分析知識。數據分析的核心并不是編程語言，而是算法設計，不論是采用統計學的分析方式還是機器學習的分析方式，算法設計都是數據分析的核心問題。所以，進行數據分析要具備一定的數學基礎，包括高等數學、線性代數、概率論等。采用Python語言實現數據分析是目前大數據領域比較常見的解決方案，通過Python來實現基于機器學習方式的數據分析需要經過多個步驟，分別是數據收集、數據整理、算法設計、算法實現、算法驗證和算法應用。
謝謝邀請！
從學習的角度來說，三十歲開始學習Python編程并不算晚，但是如果從就業的角度來說，卻并不算早了。
Python語言在當下的大數據時代背景下得到了廣泛的應用，對于職場人來說，學習Python還是有一定必要的，尤其是對于數據比較敏感的崗位，像咨詢類崗位、市場分析類崗位、運營管理類崗位等等。
如果想在三十歲的時候通過學習Python來謀求一份程序員工作，則需要有一個系統的計劃，畢竟三十歲對于程序員來說，正處在升級轉換的重要發展期，而三十歲卻剛入行程序員，必然會有一些實際的問題需要克服。當然，只要下定決心就沒有克服不了的困難。
簡單的總結一下，對于三十歲開始學習Python的情況，需要注意以下幾點問題：
第一：提高學習效率。如果沒有計算機相關知識基礎，并不建議采取自學的學習方式，參加一個專業的輔導班既能系統的學習Python，又能提升學習的效率，這會節省大量的學習時間。
第二：制定一個明確的方向。Python編程可以做Web開發、大數據開發（分析）、人工智能開發，另外Python全棧程序員也是個不錯的方向，具體選擇哪個方向要根據自身的知識結構和發展前景來綜合考慮。
第三：注重實踐。實踐環節是非常重要的，一定要在學習Python的過程中做大量的實驗，在基礎知識學習結束之后，最好參加一個項目組的項目實習，實習的過程對于程序員來說還是非常重要的。
我從事軟件開發工作多年，目前也在帶大數據方向的研究生，我會陸續在頭條寫一些關于軟件開發方面的文章，感興趣的朋友可以關注我，相信一定會有所收獲。
如果有軟件開發方面的問題，也可以咨詢我，謝謝！