数据分析是编程序吗 数据分析师需要懂编程吗？
数据分析师需要懂编程吗？
，谢谢你邀请我！数据分析师通常分为两种，一种是应用级数据分析师，一种是R ampampd级数据分析师。区别在于他们是否有设计和实现算法的能力。
应用级数据分析师通常需要掌握各种数据分析工具，将业务模型映射到数据分析工具上，才能得到数据分析的结果。数据分析工具有很多，比如传统的数据分析工具Excel，Minitab，LINGO，JMP等。要完全掌握这些工具的使用，需要有一定的数学基础和统计学基础。通常做BI的数据分析师需要进一步掌握数据库的基础知识，但难度往往不大。
R ampampd级数据分析师需要掌握编程知识，编程知识广泛应用于R、Python、C、MATLAB等数据分析领域。目前，通过Python等语言完成数据分析也是一种常见的做法。其实MATLAB也是在数据分析领域占据重要地位的软件(语言)，功能非常强大。
在大数据时代，通过机器学习实现数据分析是一种常见的，Python语言是一种常见的选择。一方面Python语言简单易学，另一方面Python语言有丰富的库支持，比如Numpy、Scipy、Matplotlib、Sympy、pandas等等，都是常见的库，使用这些库会大大降低算法实现的难度。
总之，对于数据分析师来说，想要在数据分析的道路上走的更远，编程是必须要掌握的。其实编程语言本身并不是数据分析的难点。比如学习Python还是一个比较轻松的过程。
对于基础薄弱的学习者来说，从使用工具开始学习数据分析是一个现实的选择。
作者简介: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架构、大数据和人工智能，有多年一线研发经验。
欢迎关注作者，咨询计算机相关问题。
数据分析师写的代码与程序员写的代码有什么区别？各自的发展前景怎么样？
谢谢你邀请我！
数据分析师写的代码以数据分析和展现为主要任务，目的是给人看，而程序员写的代码主要是为了实现系统功能，是给人看的。
data analyst写的代码包括算法设计、算法实现、算法验证、算法应用等几个关键步骤。关键在于发现数据背后的价值(规律)，数据分析往往与场景紧密结合。数据分析师通常不需要考虑程序性能、安全性、分布式架构等系统层面的问题，所以数据分析师选择的编程语言往往非常实用，包括Python、R等语言。请看Python实现的两个例子。：
程序员写的代码主要是给用户看的，所以要考虑的东西很多，比如稳定性、简单性(友好性)、速度、并发性、资源管理、权限管理等等，既包括逻辑问题，也包括系统级的问题。程序员通常分为应用级程序员和R ampampd级程序员。R ampampd级程序员解决系统级的问题(容器开发)，应用级程序员往往解决功能实现的问题。可以说程序开发是一个非常系统化的过程，每个环节都需要严格的测试。看看动物园管理员会议的流程图:
数据分析师完成数据分析任务后，如果需要将这部分数据分析功能打包成产品，通常需要程序员来做相关工作。例如，数据分析师经常使用Python来实现数据分析的算法，但程序员在封装函数时经常使用Java等语言来重写自己的代码，以满足系统的性能要求。
一些R ampampd团队会设置专门的算法设计岗和算法实现岗。算法设计重在算法本身，算法实现重在算法的程序化实现。但是现在很多算法设计师团队既要做算法设计，又要做算法实现，所以现在算法设计师往往要懂得编程。
作者简介: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架构、大数据和人工智能，有多年一线研发经验。欢迎关注作者，咨询计算机相关问题。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
