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。
Copyright © 广州京杭网络科技有限公司 2005-2024 版权所有 粤ICP备16019765号
广州京杭网络科技有限公司 版权所有