数据分析师需要懂编程吗？

一、数据分析师需要懂编程吗？

数据分析师通常分成两种，一种是应用级数据分析师，另一种是研发级数据分析师，区别就在于是否具备算法设计及实现的能力。

应用级数据分析师通常需要掌握各种数据分析工具，把业务模型映射到数据分析工具上，从而得到数据分析的结果。数据分析工具比较多，比如Excel就是一个传统的数据分析工具，另外还有Minitab、LINGO、JMP等，要想全面掌握这些工具的使用需要具备一定的数学基础和统计学基础。通常做BI的数据分析师还需要进一步掌握数据库的基础知识，但是难度往往并不大。

研发级数据分析师就需要掌握编程知识了，在数据分析领域R、Python、C、MATLAB等语言都有广泛的应用，目前通过Python等语言来完成数据分析也是一个比较常见的做法。其实MATLAB也是一个在数据分析领域占据重要位置的软件（语言），MATLAB功能非常强大。

在大数据时代，通过机器学习的方式实现数据分析是一个比较常见的方式，而Python语言则是一个比较常见的选择，一方面Python语言简单易学，另一方面Python语言具备丰富的库支持，比如Numpy、Scipy、Matplotlib、Sympy、pandas等都是比较常见的库，这些库的使用会极大的降低算法实现的难度。

总之，对于数据分析师来说，如果想在数据分析的道路上走的更远，编程是一定要掌握的，其实编程语言本身并不是数据分析环节中的难点，比如学习Python还是一个比较轻松的过程。

对于基础比较薄弱的学习者来说，从使用工具开始学习数据分析是一个比较现实的选择。

作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。

欢迎关注作者，欢迎咨询计算机相关问题。

二、零基础学大数据能学会吗？

大数据分析是大数据技术的重要环节，也是目前数据价值化的重要实现方式之一，所以学习大数据技术的一个重点就在于数据分析。

数据分析的方式通常有两种，一种是统计分析，另一种是机器学习。统计分析主要是运用数学的手法，通过已有的大量数据来反应事务的联系性。要想熟练运用统计分析方式，需要具备扎实的数学基础。当然，随着目前统计工具的普及化，一些统计工具会极大的简化统计分析的过程和难度，对于数学基础比较薄弱的人来说，只要经过一个系统的学习过程，往往也能够熟练地进行统计分析。

机器学习是另一种比较常见的数据分析方式，机器学习的目的就是从一堆杂乱无章的数据中找到其背后的规律。机器学习的步骤分为数据采集、数据整理、算法设计、算法训练、算法验证和算法应用，可以说机器学习的重点在算法设计上。从这个角度来看，机器学习也需要具备扎实的数学基础。通常来说，机器学习分为两个阶段，分别是学习阶段和识别阶段，学习阶段需要掌握数据之间的联系，而识别阶段则是对未知数据的鉴别（分类等）。

随着大数据的落地应用，在大数据领域进行数据分析的难度也在逐渐下降，比如BI工具就能够明显降低数据分析的门槛。BI工具通常需要学习一些数据库方面的知识，而数据库知识的难度相对来说并不大，这在一定程度上促进了BI工具的使用。

目前，场景数据分析是一个数据分析的重点和热点，场景数据分析的商业应用价值还是比较高的。另外，场景数据分析对于行业知识有一定的要求。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续在头条写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网方面的问题，也可以咨询我，谢谢！

三、大数据分析，如何选择合适的BI分析工具？

BI发展随着大数据的不断发展， BI从1.0报表时代，到注重可视化的2.0时代，再到降低数据分析门槛的智能BI 3.0时代，该领域为业务分析带来了技术上的变革。

企业信息化的建设，数据的产生和更新的速度越来越快，企业消耗在数据分析上的时间也越来越长。缩短部署时间，降低学习成本，即时响应需求，成为企业选择BI产品的必要条件之一，所以，智能BI应时而生。

企业各部门使用着不同的信息系统，因此出现数据格式不同，数据关联性较差的问题，BI可以将异构数据集成，打破数据孤岛，从而实现数据统一分析，这一点传统BI也已经做到，真正的智能更多的体现在分析和应用上。

智能BI使得前端业务人员充分参与到数据分析过程中，通过简单的拖拉拽敏捷自助分析，通过DIY定制报表即时响应需求变化，无需复杂的编程语言和数据库语言，改变了IT人员不懂业务、业务人员不懂技术的“困境”。

智能BI与OA、ERP等信息系统深度集成，通过预置模型满足企业日常的分析需求，通过语义建模挖掘企业高管的决策信息，灵活精准体现数据的业务价值，全方位解决企业商业分析需求。

智能BI是一个聪明的分析师，一个处理海量数据的智能工具，支持同比、环比、占比、排名、穿透、钻取、预警、预测、高级计算等智能分析，实现对企业运营状况的实时监控，对企业运行异常进行主动预警，多维度分析问题产生原因，直击问题根源。

智能BI，不仅可以解放大部分企业业务人员的生产力，还能大大提高企业的数据分析质量。企业在选择智能BI产品时，需要分析清楚所使用的业务场景，从而选择对应场景的BI产品。

分析云，作为BI 3.0时代的智能产品，能提供面向企业业务场景的一站式大数据分析解决方案，是满足企业商务分析需求的首选。01应用逻辑：

02产品价值

1跨平台交互分析，提升管理价值

分析云可将分别存在于致远协同平台和ERP中（或其他第三方数据来源）的信息进行集成和交互分析，带来数据价值的提升。

2自助配置分析报表，让分析与时俱进

业务用户基于语义层通过简单拖拉拽快速构建业务分析，实现业务人员做分析，IT人员做支持，提升分析效率及数据准确性。

3您身边的分析师，预置专业的主题分析

预置了 NC 、 U8 、 K3 、T+、EAS 的财务、供应链主题分析；构建角色（CEO/CFO/CMO）应用，设置了专业主题看板；还可定制更多的业务主题分析。

03体验环境

PC端

四、BI数据分析软件异军突起，它真能取代传统分析软件吗？

从目前商业数据分析需求的发展趋势来看，BI数据分析取代传统分析软件已是一种趋势。

商业智能数据分析的关键是从多维度的企业系统的数据中提取出有用的数据及数据关联关系并进行清理，以保证数据的正确性、可靠性，然后经过抽取（Extraction）、转换（Transformation）和加载（Load），即整个ETL过程，持续存储到企业级数据仓库中，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识可视化的呈现给客户，为客户的决策过程提供数据支持，规避由于数据感知的局限性而造成的决策风险。

拖拉拽式做报表，0难度；点击式智能数据分析，0难度；自带标准化、系统化BI方案，0难度……，就算没有专业IT团队，有这款0难度的BI系统也能轻松完成企业级数据可视化分析。早知有这款0难度的BI系统，数据分析也不至于这么难。

标准化、系统化BI方案，预设分析模型

不管是为主流ERP打造的奥威BI标准解决方案，还是针对多行业量身打造的奥威BI行业通用解决方案，预设契合通用需求的分析模型，可解决80%的通用分析需求。用户仅需针对数据来源系统修改部分ETL脚本，做必要个性化设计。

而对奥威BI标准解决方案中的金蝶/用友方案来说，甚至能做到0开发，1天交付。

奥威BI系统把难度高的BI分析模型都搭建好了，BI方案也都完整预设了，大大降低企业级数据可视化分析项目难度，减少周期、提高安全度。

可视化ETL，提高开发运维效率

每一个节点的任务定义、来源表与目的表的匹配、任务的流程定义、运维的日志等都可以可视化，有效提高开发与运维效率。

开源ETL上的无法直观可视、问题反馈无人负责等问题在奥威BI系统自带的可视化ETL上都不是问题。

数据中心，创造高容量、高速数据调取使用环境

多系统数据源统一分析口径、亿级数据即取即用。奥威BI系统的数据中心不仅打通多系统主数据和交易数据，统一数据分析口径，为后续数据秒匹配创造条件，更提高数据使用容量，亿级数据秒调取秒分析。如果在加上集团分级授权的鼎力相助，即使支撑一整个集团各个子公司日常办公也是轻而易举的事。

拖拉拽+点击，分析报表轻松做

报表做的快，数字决策、数字指导业务的效果才出得快。在BI系统上，只需通过拖拉拽+点击的操作就能在快速完成海量数据分析、展现。一键分享即时传送报表，集团分级授权确保数据、分析报表高效准确发送到相关权限者手上。

而BI系统的图像化分析图表，足以将复杂数据直观化，让报表浏览者轻松掌握数据情况、洞悉数据发展规律、及时发现并解决问题。

只是多了一个企业级BI系统，整个企业的决策、业务运营都能得到极大的提升，不管是效率还是决策水平。

早知有BI系统这个开了挂的智能数据可视化工具，数据分析甚至企业管理运营也不至于这么累。