{eval=Array;=+count(Array);}
肯定的回答:需要
數據分析師通常會提供sql去提取數據,進行分析處理出報表,少量數據通常用Excel,大量復雜數據就需要編程能力,使用代碼來解決處理,如果分析師不懂編程必然會縮手縮腳的,提高不了自己的工作效率
分析師通常需要出一下自動化報表,這些功能如果會具有編程能力的話,那就手到擒來來,現在大部分公司都分析師除了sql,普遍都需要python數據分析處理能力
分析師工作常常涉及用戶畫像,數據挖掘,用戶標簽等等,這些功能都需要編程能力來輔助
我是從事數據挖掘方向得職業,但是因為感覺在實際項目應用中很多對數據挖掘、深度學習等需求雖然比較大,但是有些數據滿足不了條件,所以想轉數據分析方向。
從我自身接觸過的項目來說,數據分析要求最重要得是兩點:一是面向業務得數據分析,也就是需要懂得具體的業務,第二個對數據可視化要求還挺高的。對于是否懂編程我覺得具體看實際需求,比如數據量的大小、是否用數據庫,其實即便是用到數據庫,只要會用常用的sql語句我覺得就可以了,有一些可能通過excel這種就能夠實現。
以上是我個人的一點看法,不喜勿噴,歡迎交流。
謝謝邀請!
數據分析師通常分成兩種,一種是應用級數據分析師,另一種是研發級數據分析師,區別就在于是否具備算法設計及實現的能力。
應用級數據分析師通常需要掌握各種數據分析工具,把業務模型映射到數據分析工具上,從而得到數據分析的結果。數據分析工具比較多,比如Excel就是一個傳統的數據分析工具,另外還有Minitab、LINGO、JMP等,要想全面掌握這些工具的使用需要具備一定的數學基礎和統計學基礎。通常做BI的數據分析師還需要進一步掌握數據庫的基礎知識,但是難度往往并不大。
研發級數據分析師就需要掌握編程知識了,在數據分析領域R、Python、C、MATLAB等語言都有廣泛的應用,目前通過Python等語言來完成數據分析也是一個比較常見的做法。其實MATLAB也是一個在數據分析領域占據重要位置的軟件(語言),MATLAB功能非常強大。
在大數據時代,通過機器學習的方式實現數據分析是一個比較常見的方式,而Python語言則是一個比較常見的選擇,一方面Python語言簡單易學,另一方面Python語言具備豐富的庫支持,比如Numpy、Scipy、Matplotlib、Sympy、pandas等都是比較常見的庫,這些庫的使用會極大的降低算法實現的難度。
總之,對于數據分析師來說,如果想在數據分析的道路上走的更遠,編程是一定要掌握的,其實編程語言本身并不是數據分析環節中的難點,比如學習Python還是一個比較輕松的過程。
對于基礎比較薄弱的學習者來說,從使用工具開始學習數據分析是一個比較現實的選擇。
作者簡介:中國科學院大學計算機專業研究生導師,從事IT行業多年,研究方向包括動態軟件體系結構、大數據、人工智能相關領域,有多年的一線研發經驗。
歡迎關注作者,歡迎咨詢計算機相關問題。
我自己從事數據分析和挖掘已經11年了,在電信行業和互聯網兩個行業從事過有關分析和挖掘的工作。我簡單回答一下你的問題:
1.數據分析不一定要懂編程,不懂代碼當然也能做數據分析師。但至少會玩EXCEL和PPT。如果需要從數據倉庫或數據庫提取數據,至少要會SQL
數據分析分兩類:商業數據分析師和數據分析師
商業數據分析是一般在咨詢公司或者業務部門,他們會重點負責某些業務的分析。相關的數據提取工作一般只需要提需求讓別人提取或者公司有專門報表的支持。所以一般excel玩的比較熟就行。
數據分析師:一般需要跟覺解決的問題取整理需要提取的數據,然后從公司的報表系統和數據數據倉庫提取數據,分析數據、撰寫報告,給出問題解放方案。如果需要從數據倉庫或數據庫提取數據的話,這個必須會SQL的。不過SQL一般不作為編程語言。相對而言比較簡單
2.數據分析的工具:通用基礎工具(EXCEL、PPT),數據查詢工具(SQL),統計分析工具(PYHON、R和SAS)
3.數據分析主要是要理解分析過去和現在。數據挖掘則需要理解未來。數據挖掘通常會要求通過模型和算法預測未來(比如預測未來一個月的收入,預測未來用戶的流失情況等等)。所以數據分析師的核心內容是根據問題提數據、分析數據,寫報告,給解決方案,其中最核心的是根據問題給出合理的解決方案,報告只是形式。數據挖掘工程師是要根據問題準備數據,挖掘數據,訓練模型,評估模型,模型上線,做測試和評估,證明用模型比不用模型要好,證明自己存在的意義和價值。
需要的。
數據分析,如果只是給定準備好的數據集,去做簡單的描述性統計、簡單繪圖,就不太需要掌握任何編程語言。
問題在于現實當中收集到的數據是多樣的、基礎的,很少有能夠直接滿足模型對數據規格的要求以及模型成立的假設,這就需要在數據分析前變換、合并、分類和整理數據。
這個時候可能會需要從數據庫用SQL跨表查詢,數據整理好后之后利用模型做統計推斷或是機器學習等,形成樣本內或是樣本外的預測,可能還需要用可視化的方式去呈現結果。
在整個過程當中,各個環節可能會涉及到大量的參數要去調節,還有各種細節都需要控制,還有很多主觀的選擇。
這樣的過程要是用軟件窗口去實現,窗口中的選項將會非常復雜,整個過程需要在多個數據上重復執行很麻煩。
用編程語言可以精確地描述整個過程,去控制大部分細節,還可以批量的重復實現。
數據分析師屬于互聯網行業,因此我們首先要做的就是學習編程語言,對于計算機專業的學生來說,編程并不陌生,但對于其他專業特別是文科類專業來說,編程語言就有些難度了,但想做數據分析師,編程語言肯定是必備的,這里我們推薦python.
數據分析是一個涉及知識面很廣的職業方向,數學基礎、分析思維、python、R、數據庫、大數據處理框架、數據可視化等等,學起來也并沒有大家想象中的那么容易。
數據分析師通常分為兩種,一種是應用級數據分析師,另一種是研發級數據分析師,區別就在于是否具備算法設計及實現的能力。
1.應用級數據分析師通常需要掌握各種數據分析工具,把業務模型映射到數據分析工具上,從而得到數據分析結果。
2.研發級數據分析師就需要掌握編程知識了,對于數據分析,如果只是給定準備好的數據集,做簡單的描述性統計、簡單繪圖,那么不太需要掌握任何編程語言。
對于數據分析師來說,如果想在數據分析的道路上走的更遠,編程還是要掌握的。
2022年度全網最全大數據學習路線 - 嗶哩嗶哩 (bilibili.com)
https://www.bilibili.com/read/cv5213600
數據分析師,主要的工作內容和技能偏向是分析數據得出結論,所以從根本上來說是具有對數據的分析能力
在遠古時代,我們只需要用excel就可以處理所有數據;但是隨著社會和計算機硬件的發展,excel已經不能支撐全流程的數據分析過程,從單機的數據庫到分布式數據庫,數據的存儲和計算載體在不斷的變化
面對這個變化,我們如果不掌握額外的工具技能,怎么來實現我們的核心價值-數據分析呢?
就我目前的工作來看,sql不必說;python作為一種靈活的面向對象語言在數據分析領域可以說是進可攻退可守,快速實現腳本功能或者編寫稍微復雜點的例行任務都得心應手;java作為老牌的變成語言,如果有精力和時間也是要懂一點的,比如前些年在編寫storm程序時就需要用到(舉例說明某些特定的框架需要特定的語言),對于flink和spark程序,scala是很好的選擇;所以編程語言還是要懂的,不然你怎么完成數據分析的任務?
數據分析和數據挖掘的區別,我個人認為,數據分析對現有的結果數據進行觀察得出結論,所有的數據和結論都是可靠有依據的;數據挖掘則是比數據分析更深層一步,往往是數據上沒有直接呈現的結論,需要在大規模數據中探索,得出一些猜測的結論。
不知道你這邊所說的編程語言指什么,SQL還是Python這種編程工具?
如果是SQL的話,那還是要具備的,畢竟做很多工作是探索性的數據分析,如果你不會自己取數的話效率很低;如果是指Python、R這種編程工具,你不會的話就要走業務分析這條路了,需要你對業務有很深的透徹理解,才能在競爭中處于不敗的地位。
數據分析常規的工具有SQL、Excel、Python、R等。
數據分析師和數據挖掘工程師,前者更偏業務,后者更偏技術(即需用懂IT知識、懂算法原理)。
獨立的數據分析師,不懂代碼理論上有可能(比如給你配了程序員,你負責提需求),但實際不太可能存在。
但如果是個數據分析團隊,里面可以有不懂編程的人,比如團隊的老大。
我本人是做數據分析的,帶一個團隊,負責數據架構的搭建 指標體系建立及計算 監控分析與運營 數據質量 數據安全等等。我會編程,但我認為我的boss才是一流的數據分析師,盡快他不懂任何程序,但他總能根據我做的報告提出好的問題。
個人認為:提出好的問題是數據分析是天職。
數據分析師是要能用數據去描述業務,并能通過數據發現業務中存在的問題。你可以不懂編程,但你一定要理解數據圖表 會設計指標,并能和業務關聯起來。
數據挖掘通常面臨的問題比較明確,是用數據建模的方法去解決明確的問題。
很多公司這兩個崗位是統一的,但我個人認為還是有區別的,而且最好區分開。按照我的設計,數據分析是數據挖掘的前手,好處有很多,主要是管理上的,避免部分員工過于核心,否則離職了你很麻煩。
至于工具,如果沒有編程基礎,我覺得那些統計軟件根本不適合你,你需要的是BI工具。
推薦一個收費的,tableau。一般用用excel也不錯。
數據分析不一定要懂編程,數據分析需要懂數據分析的理論知識,也需要精通業務知識。現在很多分析工具都可以選擇。
DataViz數據可視化分析工具是在線數據分析軟件(BI),無需數據分析師和IT人員的幫助,業務人員只需通過拖拽式操作即可完成數據可視化分析工作。支持拖拽數據集中維度和度量即可自動實現可視化展現以及數據透視功能,支持數十種圖表自由切換。支持連接各種業務數據庫如Oracle、 MySQL、 SQL Server等、文本數據源如Excel、 Csv等。可以訪問東軟平臺云(https://cloud.neusoft.com)直接注冊訪問。
0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答7
回答0
回答