通过学习这些有利可图的语言之一，在数据科学领域走在前面
这正是数据科学家所做的：发现信息，建立联系，创建数据可视化，并帮助公司高效运营。
彻底理解正确的编程语言对于解释统计数据和使用数据库非常重要。
根据KDnuggets，91％的数据科学家使用以下四种语言。
语言1：R
R是面向数据采矿者的面向统计的语言。 它是S的一个开源的，面向对象的实现，并不太难学。
如果你想学习如何开发统计软件，R是一门很好的语言。 它还允许您操作和图形化显示数据。
作为他们的数据科学专业化计划的一部分，Coursera提供了一门关于R的课程，不仅教你如何用语言进行编程，而且还要了解如何将其应用于数据科学/分析。
语言2：SAS
像R一样，SAS主要用于统计分析。 它是将数据库和电子表格中的数据转换为可读格式（如HTML和PDF文档）以及更多可视表格和图表的强大工具。
最初由学术研究人员开发，它已成为全球各种公司和组织的最受欢迎的分析工具之一。 它更像是一种大型公司类型的软件，通常不被小公司或个人自己使用。
本文档列出了学习SAS的资源。
该语言不是开源的，所以你可能无法自由地教你自己。
语言3：Python
虽然R和SAS在分析世界中被普遍认为是“最重要的两个”，但Python最近也成为竞争者。 其主要特点之一是其各种各样的图书馆（例如Pandas，NumPy，SciPi等）和统计功能。
由于Python（如R）是一种开源语言，因此可以快速添加更新。 （对于像SAS这样购买的程序，您必须等待下一个版本发布。）
另一个需要考虑的因素是，由于其简单性以及课程和资源的广泛可用性，Python可能是最容易学习的。 这个网站是一个很好的开始。
你也可以在这里找到一个更全面的Python学习资料列表。
语言4：SQL
到目前为止，我们一直在研究同一家族中的语言，并且（或多或少）具有相同的功能。 代表“结构化查询语言”的SQL是变化的地方。 这种语言与统计数据无关; 它专注于处理关系数据库中的信息。
它是使用最广泛的数据库语言，并且是开源的，所以有抱负的数据科学家绝对不应该跳过它。
学习SQL应该使您能够创建SQL数据库，管理其中的数据并使用相关功能。 Udemy提供涵盖所有基础知识的培训课程，可以快速无痛地完成。
结论
至少，您应该学习SQL并至少选择一种统计语言。 但是，如果你有时间（以SAS为例），并且想要真正达到你的适销性，没有什么可说你不能全部学习！
不要急于求成，要多练习，磨练自己的技能 - 并享受工作安全。