数据分析师需要懂编程吗？

关于问题数据分析师需要懂编程吗？一共有 2 位热心网友为你解答:

【1】、来自网友【数据分析不是个事儿】的最佳回答：

数据分析师需要写点代码，但不多！

在介绍数据分析师日常工作之前，我们先来简单解释一下数据分析师和数据科学家的区别。数据分析师的职位比较偏初级和中级，主要负责收集数据，用统计的知识整理数据制作表格，所用的工具包括 SPSS, Python, Excel, Sql 等；而数据科学家的等级更高，有时候是整个数据部门的 Leader，主要是做新模型或算法的开发，除了数据分析师所需的技能之外，数据科学家往往还需要掌握 Hive/Pig/Spark 等大数据语言，自然语言处理，数据挖掘中的分类聚类等等。

所以数据分析师并不会像程序员那样大量地写代码，两者的工作内容还是有很大的差别的。

那么作为一名数据分析师，他的日常工作是什么呢？

首先他要了解业务近期的发展方向和目标，与业务就下一步的分析方向进行讨论。他要将上次会议中确定的分析结果告知业务部门，并跟进数据分析结果，还得不定期将行业数据分析报告与业务进行分享。比如，答主之前曾经在职场社交网络公司领英做过数据分析的工作，当时的任务是负责领英给会员发送邮件的数据分析，我们每天会搜集系统给会员发送的邮件有哪些类型，发送频率如何，每天发送时间，还要搜集会员看到邮件之后的反应，有没有点击链接，有没有登录网站，以及这之后的每日用户量是否显著上涨，这些指标都是我们每天要看的内容。对于数据提取，是为下一步业务数据分析来做准备，一般而言有专门的数据库工程师来帮忙准备，如果自己不太忙时会自己做，这样比较快。接下来，也是最重要的，就是分析数据。按照职业性质的不同，主要分为技术型分析和业务型分析。技术型分析一般是通过编程实现，主流的数据分析编程语言是 Python, R, scala 等，比如在亚马逊公司，数据分析师要写 scala 语言来分析每天不同品牌体育用品的交易量，以此来给品牌打分，告诉用户什么品牌最受欢迎。而业务型的分析一般是借助专业的分析软件，例如 Excel, SAS, SPSS, FineBI 等，比如在雅虎公司，数据分析师要分析每天的用户量，以及用户大部分时间是在使用雅虎什么产品，以此做出表格，提供分析结果展示给上层。分析师要汇总分析的结果并撰写分析报告，如果是比较复杂的分析型需求，还要写 PPT 来分析结论并给出业务建议。此外，分析师的日常工作还包括对公司重要指标的日常监控。大多数互联网公司都是把用户活跃量、用户评分、以及日均登录时间作为重要指标，而像淘宝、亚马逊之类的电商公司更看重日交易量、用户访问量、点击率之类。金融公司的重要指标包括用户信用评级、留存率、收益率等。对这些指标的定期监控都是数据分析师的日常工作内容。

进入数据分析这个行业有两个方向：业务与技术，可以选一个方向入门并逐步深入。

技术方向专注于如何提高数据采集及运算速度，如何更有效地编写统计代码。这个岗位一般适合喜爱做编程开发的同学，供职于各企业的 IT 部数据分析/数据产品/数据仓储组。需要数据库，分析语言，建模算法等开放方面的技能支持。而业务方向专注于如何用数据分析问题，如何从提炼出策略汇报给老板。这个岗位一般在市场部/运营部/战略发展部，供职于商业分析，数据运营，战略决策等岗位。需要懂得市场营销/运营的理论，得有一些业务实战经验，所以业务分析更适合有一定经验积累的人进阶。向上阶段，在公司层面，会成为数据分析部门领导，要具备管理能力，带好团队。其次要把自己的工作产品化，从常规工作中打造出产品，比如网易云音乐应用中的年度听歌分析报告就是个不错的数据分析产品。数据产品是数据工作价值的直观体现，能被业务拿来用，能受到业务部门认同。在积极配合其他部门参与到重大的项目，提供产品与工具支持，能很好的显示成绩。站在行业层面，还是有很多机遇的。随着近几年企业对数据管理意识的重视，一些传统企业也在推动数据化转型，去一些有价值有潜力的传统行业做数据工作也不失为好机会，比如现在的石油业，制药业，汽车产业，都在越来越多的招聘数据分析相关的职位。其他想得更大一些，可以混管理圈，尤其是传统行业，期待遇到认同数据价值的伯乐老板，会有可能提拔你为首席运营官 COO。最后，大多数企业并没有给数据人设置特定的岗位和职业晋升通道，有些岗位有些价值需要自己开拓，不给自己设限。但是每个人的背景和专业不同的，想让进入这个赛道的第一步是准备好笔面试，如何根据你自己的经历回答与匹配岗位 JD 的面试问题是最重要的，其实只有该岗位在职的导师才知道岗位匹配人才的真正需求，所以大家一定要找行业内资深在职导师了解数据岗应该如何回答技术面。

【2】、来自网友【IT 人刘俊明】的最佳回答：

谢谢邀请！

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。