肯定的回答：需要
数据分析师通常会提供sql去提取数据，进行分析处理出报表，少量数据通常用Excel，大量复杂数据就需要编程能力，使用代码来解决处理，如果分析师不懂编程必然会缩手缩脚的，提高不了自己的工作效率
分析师通常需要出一下自动化报表，这些功能如果会具有编程能力的话，那就手到擒来来，现在大部分公司都分析师除了sql，普遍都需要python数据分析处理能力
分析师工作常常涉及用户画像，数据挖掘，用户标签等等，这些功能都需要编程能力来辅助
评论0
加载中...
我是从事数据挖掘方向得职业，但是因为感觉在实际项目应用中很多对数据挖掘、深度学习等需求虽然比较大，但是有些数据满足不了条件，所以想转数据分析方向。
从我自身接触过的项目来说，数据分析要求最重要得是两点：一是面向业务得数据分析，也就是需要懂得具体的业务，第二个对数据可视化要求还挺高的。对于是否懂编程我觉得具体看实际需求，比如数据量的大小、是否用数据库，其实即便是用到数据库，只要会用常用的sql语句我觉得就可以了，有一些可能通过excel这种就能够实现。
以上是我个人的一点看法，不喜勿喷，欢迎交流。
评论0
加载中...
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。
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。
评论0
加载中...
我自己从事数据分析和挖掘已经11年了，在电信行业和互联网两个行业从事过有关分析和挖掘的工作。我简单回答一下你的问题：
1.数据分析不一定要懂编程，不懂代码当然也能做数据分析师。但至少会玩EXCEL和PPT。如果需要从数据仓库或数据库提取数据，至少要会SQL
数据分析分两类：商业数据分析师和数据分析师
商业数据分析是一般在咨询公司或者业务部门，他们会重点负责某些业务的分析。相关的数据提取工作一般只需要提需求让别人提取或者公司有专门报表的支持。所以一般excel玩的比较熟就行。
数据分析师：一般需要跟觉解决的问题取整理需要提取的数据，然后从公司的报表系统和数据数据仓库提取数据，分析数据、撰写报告，给出问题解放方案。如果需要从数据仓库或数据库提取数据的话，这个必须会SQL的。不过SQL一般不作为编程语言。相对而言比较简单
2.数据分析的工具：通用基础工具（EXCEL、PPT），数据查询工具（SQL)，统计分析工具（PYHON、R和SAS）
3.数据分析主要是要理解分析过去和现在。数据挖掘则需要理解未来。数据挖掘通常会要求通过模型和算法预测未来（比如预测未来一个月的收入，预测未来用户的流失情况等等）。所以数据分析师的核心内容是根据问题提数据、分析数据，写报告，给解决方案，其中最核心的是根据问题给出合理的解决方案，报告只是形式。数据挖掘工程师是要根据问题准备数据，挖掘数据，训练模型，评估模型，模型上线，做测试和评估，证明用模型比不用模型要好，证明自己存在的意义和价值。
评论0
加载中...
需要的。
数据分析，如果只是给定准备好的数据集，去做简单的描述性统计、简单绘图，就不太需要掌握任何编程语言。
问题在于现实当中收集到的数据是多样的、基础的，很少有能够直接满足模型对数据规格的要求以及模型成立的假设，这就需要在数据分析前变换、合并、分类和整理数据。
这个时候可能会需要从数据库用SQL跨表查询，数据整理好后之后利用模型做统计推断或是机器学习等，形成样本内或是样本外的预测，可能还需要用可视化的方式去呈现结果。
在整个过程当中，各个环节可能会涉及到大量的参数要去调节，还有各种细节都需要控制，还有很多主观的选择。
这样的过程要是用软件窗口去实现，窗口中的选项将会非常复杂，整个过程需要在多个数据上重复执行很麻烦。
用编程语言可以精确地描述整个过程，去控制大部分细节，还可以批量的重复实现。
数据分析师属于互联网行业，因此我们首先要做的就是学习编程语言，对于计算机专业的学生来说，编程并不陌生，但对于其他专业特别是文科类专业来说，编程语言就有些难度了，但想做数据分析师，编程语言肯定是必备的，这里我们推荐python.
数据分析是一个涉及知识面很广的职业方向，数学基础、分析思维、python、R、数据库、大数据处理框架、数据可视化等等，学起来也并没有大家想象中的那么容易。
数据分析师通常分为两种，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。
1.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，从而得到数据分析结果。
2.研发级数据分析师就需要掌握编程知识了，对于数据分析，如果只是给定准备好的数据集，做简单的描述性统计、简单绘图，那么不太需要掌握任何编程语言。
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，编程还是要掌握的。
2022年度全网最全大数据学习路线 - 哔哩哔哩 (bilibili.com)
https://www.bilibili.com/read/cv5213600
评论0
加载中...
数据分析师，主要的工作内容和技能偏向是分析数据得出结论，所以从根本上来说是具有对数据的分析能力
在远古时代，我们只需要用excel就可以处理所有数据；但是随着社会和计算机硬件的发展，excel已经不能支撑全流程的数据分析过程，从单机的数据库到分布式数据库，数据的存储和计算载体在不断的变化
面对这个变化，我们如果不掌握额外的工具技能，怎么来实现我们的核心价值-数据分析呢？
就我目前的工作来看，sql不必说；python作为一种灵活的面向对象语言在数据分析领域可以说是进可攻退可守，快速实现脚本功能或者编写稍微复杂点的例行任务都得心应手；java作为老牌的变成语言，如果有精力和时间也是要懂一点的，比如前些年在编写storm程序时就需要用到（举例说明某些特定的框架需要特定的语言），对于flink和spark程序，scala是很好的选择；所以编程语言还是要懂的，不然你怎么完成数据分析的任务？
数据分析和数据挖掘的区别，我个人认为，数据分析对现有的结果数据进行观察得出结论，所有的数据和结论都是可靠有依据的；数据挖掘则是比数据分析更深层一步，往往是数据上没有直接呈现的结论，需要在大规模数据中探索，得出一些猜测的结论。
评论0
加载中...
不知道你这边所说的编程语言指什么，SQL还是Python这种编程工具？
如果是SQL的话，那还是要具备的，毕竟做很多工作是探索性的数据分析，如果你不会自己取数的话效率很低；如果是指Python、R这种编程工具，你不会的话就要走业务分析这条路了，需要你对业务有很深的透彻理解，才能在竞争中处于不败的地位。
数据分析常规的工具有SQL、Excel、Python、R等。
数据分析师和数据挖掘工程师，前者更偏业务，后者更偏技术（即需用懂IT知识、懂算法原理）。
评论0
加载中...
独立的数据分析师，不懂代码理论上有可能（比如给你配了程序员，你负责提需求），但实际不太可能存在。
但如果是个数据分析团队，里面可以有不懂编程的人，比如团队的老大。
我本人是做数据分析的，带一个团队，负责数据架构的搭建 指标体系建立及计算 监控分析与运营 数据质量 数据安全等等。我会编程，但我认为我的boss才是一流的数据分析师，尽快他不懂任何程序，但他总能根据我做的报告提出好的问题。
个人认为：提出好的问题是数据分析是天职。
数据分析师是要能用数据去描述业务，并能通过数据发现业务中存在的问题。你可以不懂编程，但你一定要理解数据图表 会设计指标，并能和业务关联起来。
数据挖掘通常面临的问题比较明确，是用数据建模的方法去解决明确的问题。
很多公司这两个岗位是统一的，但我个人认为还是有区别的，而且最好区分开。按照我的设计，数据分析是数据挖掘的前手，好处有很多，主要是管理上的，避免部分员工过于核心，否则离职了你很麻烦。
至于工具，如果没有编程基础，我觉得那些统计软件根本不适合你，你需要的是BI工具。
推荐一个收费的，tableau。一般用用excel也不错。
评论0
加载中...
数据分析不一定要懂编程，数据分析需要懂数据分析的理论知识，也需要精通业务知识。现在很多分析工具都可以选择。
DataViz数据可视化分析工具是在线数据分析软件(BI)，无需数据分析师和IT人员的帮助，业务人员只需通过拖拽式操作即可完成数据可视化分析工作。支持拖拽数据集中维度和度量即可自动实现可视化展现以及数据透视功能，支持数十种图表自由切换。支持连接各种业务数据库如Oracle、 MySQL、 SQL Server等、文本数据源如Excel、 Csv等。可以访问东软平台云(https://cloud.neusoft.com)直接注册访问。
评论0
加载中...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
