Wybór narzędzi do pracy z danymi rzadko jest kwestią przypadku, a częściej efektem ewolucji potrzeb inżynieryjnych. Python, który pierwotnie został zaprojektowany jako język skryptowy o ogólnym przeznaczeniu, z czasem stał się fundamentem dla ekosystemu analitycznego. Jego siła nie tkwi w samej składni, choć ta jest przejrzysta, ale w sposobie, w jaki integruje on niskopoziomowe operacje matematyczne z wysokopoziomową logiką biznesową. Dzięki temu osoba wchodząca w świat analizy danych nie musi od razu rozumieć zarządzania pamięcią czy skomplikowanych struktur sprzętowych, by efektywnie przetwarzać tysiące wierszy informacji.
Fundamentem tej drogi jest zrozumienie, że dane w stanie surowym są zazwyczaj nieużyteczne.