資料分析師，主要的工作內容和技能偏向是分析資料得出結論，所以從根本上來說是具有對資料的分析能力

在遠古時代，我們只需要用excel就可以處理所有資料；但是隨著社會和計算機硬體的發展，excel已經不能支撐全流程的資料分析過程，從單機的資料庫到分散式資料庫，資料的儲存和計算載體在不斷的變化

面對這個變化，我們如果不掌握額外的工具技能，怎麼來實現我們的核心價值-資料分析呢？

就我目前的工作來看，sql不必說；python作為一種靈活的面嚮物件語言在資料分析領域可以說是進可攻退可守，快速實現指令碼功能或者編寫稍微複雜點的例行任務都得心應手；java作為老牌的變成語言，如果有精力和時間也是要懂一點的，比如前些年在編寫storm程式時就需要用到（舉例說明某些特定的框架需要特定的語言），對於flink和spark程式，scala是很好的選擇；所以程式語言還是要懂的，不然你怎麼完成資料分析的任務？

資料分析和資料探勘的區別，我個人認為，資料分析對現有的結果資料進行觀察得出結論，所有的資料和結論都是可靠有依據的；資料探勘則是比資料分析更深層一步，往往是資料上沒有直接呈現的結論，需要在大規模資料中探索，得出一些猜測的結論。

資料分析師不一定必須具備程式設計能力，當然，沒有程式設計能力將會制約你的工作機會，比如中小型的網際網路公司，小型的創業型公司。

資料分析師完全可以不懂寫程式碼，我並不認為SQL這種友好的語言算作程式碼，所以，學會SQL就夠了。

資料分析的工具有很多，最普及的應該是excel，spss，sas 精通這些 應該足夠做一個合格的資料分析師。

資料分析師更偏向統計及業務理解，PPT是核心競爭力

資料探勘偏向於技術，資料能力和業務抽象能力是核心競爭力

肯定的回答：需要

資料分析師通常會提供sql去提取資料，進行分析處理出報表，少量資料通常用Excel，大量複雜資料就需要程式設計能力，使用程式碼來解決處理，如果分析師不懂程式設計必然會縮手縮腳的，提高不了自己的工作效率

分析師通常需要出一下自動化報表，這些功能如果會具有程式設計能力的話，那就手到擒來來，現在大部分公司都分析師除了sql，普遍都需要python資料分析處理能力

分析師工作常常涉及使用者畫像，資料探勘，使用者標籤等等，這些功能都需要程式設計能力來輔助

首先來回答你的第一個問題：做資料分析一定要懂程式語言嗎？答：資料分析師立足的根本就是要有資料可分析，要會分析的方法。目前而言，資料體量在不斷的增加，以往512MB儲存空間我們都會覺得很大了，現在呢？儲存空間都是上T級或者更高階。如果你需要分析的資料過多，如何從海量資料中找到有效資料剔除無用資料？僅憑肉眼或者模式單一的軟體是不可取的，比如你可以透過自己搭建網路爬蟲獲取自己想要的資料，利用Python庫從海量資料中找出有用的資料，所以不是一定要懂程式語言，而是懂了並無害處。

第二個問題：不懂程式碼也是可以做資料分析的，但是前提是你要有資料，懂資料背後的含義，採用合適的方法去做資料分析，找出資料背後蘊含的含義。第一個問題和第二個問題舉例子來講，如果你不會廚藝，那你也可以開飯館，但是需要你僱廚師。但是如果你本身就是廚師，那你就不需要僱。同樣道理，資料分析不會程式設計，只要有資料就可以做，但是如果你會程式設計並沒有害處呀！

第三個問題：

目前資料分析工具很多，下面列舉幾種常見的：

1、Excel

在很多企業的資料分析中，常用的是Excel。在Excel，需要重點了解資料處理的重要技巧及函式的應用，特別是資料清理技術的應用。這項運用能對資料去偽存真，掌握資料主動權，全面掌控資料；Excel資料透視表的應用重在挖掘隱藏的資料價值，輕鬆整合海量資料：各種圖表型別的製作技巧及Power Query、Power Pivot的應用可展現資料視覺化效果，讓資料說話。因此想從事資料分析崗位的，需要快速掌握快各種Excel資料處理與分析技巧。

2、SPSS

是用於統計學分析運算、資料探勘、預測分析和決策支援任務的軟體產品及相關服務的一款軟體集合，能夠進行多種統計分析

3、R語言

R語言是一種環境，透過支援多種多樣的包，可以完成爬蟲、資料清洗、資料分析的功能。

4、Python

也是目前很火的用於資料分析的環境，其中多個包在大資料分析中功能強大。Numpy是Python科學計算基礎包；pandas能夠讓我們處理結構化資料的大量資料結構和函式；matplotlib是最流行的用於繪製資料圖表的python庫等等。

最後一個問題：

資料分析是把資料變成資訊的工具，資料探勘是把資訊變成認知的工具，資料分析是側重於對已有資料的展示，而資料探勘是從已有資料中找尋規律。

最好還是要有一些程式設計的基礎會比較好。雖然用sap等強大的工具已經可以完成很多業務，但是如果面對更加複雜的業務的話，編寫程式碼還是少不了的。 只不過資料分析師，不用像程式設計師那天天天沉浸在程式碼中罷了。

資料分析工具我認為用的最多的就是spa了。

資料分析師和資料探勘都需要對業務熟悉，不同的是資料探勘的崗位在目前業界裡面要求技術能力更強一些。 不過兩者的界限也越來越模糊了。

獨立的資料分析師，不懂程式碼理論上有可能（比如給你配了程式設計師，你負責提需求），但實際不太可能存在。

但如果是個資料分析團隊，裡面可以有不懂程式設計的人，比如團隊的老大。

我本人是做資料分析的，帶一個團隊，負責資料架構的搭建 指標體系建立及計算 監控分析與運營 資料質量 資料安全等等。我會程式設計，但我認為我的boss才是一流的資料分析師，儘快他不懂任何程式，但他總能根據我做的報告提出好的問題。

個人認為：提出好的問題是資料分析是天職。

資料分析師是要能用資料去描述業務，並能透過資料發現業務中存在的問題。你可以不懂程式設計，但你一定要理解資料圖表 會設計指標，並能和業務關聯起來。

資料探勘通常面臨的問題比較明確，是用資料建模的方法去解決明確的問題。

很多公司這兩個崗位是統一的，但我個人認為還是有區別的，而且最好區分開。按照我的設計，資料分析是資料探勘的前手，好處有很多，主要是管理上的，避免部分員工過於核心，否則離職了你很麻煩。

至於工具，如果沒有程式設計基礎，我覺得那些統計軟體根本不適合你，你需要的是BI工具。

推薦一個收費的，tableau。一般用用excel也不錯。

資料分析師通常分成兩種，一種是應用級資料分析師，另一種是研發級資料分析師，區別就在於是否具備演算法設計及實現的能力。

應用級資料分析師通常需要掌握各種資料分析工具，把業務模型對映到資料分析工具上，從而得到資料分析的結果。資料分析工具比較多，比如Excel就是一個傳統的資料分析工具，另外還有Minitab、LINGO、JMP等，要想全面掌握這些工具的使用需要具備一定的數學基礎和統計學基礎。通常做BI的資料分析師還需要進一步掌握資料庫的基礎知識，但是難度往往並不大。

研發級資料分析師就需要掌握程式設計知識了，在資料分析領域R、Python、C、MATLAB等語言都有廣泛的應用，目前透過Python等語言來完成資料分析也是一個比較常見的做法。其實MATLAB也是一個在資料分析領域佔據重要位置的軟體（語言），MATLAB功能非常強大。

在大資料時代，透過機器學習的方式實現資料分析是一個比較常見的方式，而Python語言則是一個比較常見的選擇，一方面Python語言簡單易學，另一方面Python語言具備豐富的庫支援，比如Numpy、Scipy、Matplotlib、Sympy、pandas等都是比較常見的庫，這些庫的使用會極大的降低演算法實現的難度。

總之，對於資料分析師來說，如果想在資料分析的道路上走的更遠，程式設計是一定要掌握的，其實程式語言本身並不是資料分析環節中的難點，比如學習Python還是一個比較輕鬆的過程。

對於基礎比較薄弱的學習者來說，從使用工具開始學習資料分析是一個比較現實的選擇。

作者簡介：中國科學院大學計算機專業研究生導師，從事IT行業多年，研究方向包括動態軟體體系結構、大資料、人工智慧相關領域，有多年的一線研發經驗。

資料分析師最好要會一門程式語言。

我們可以把問題反過來思考，如果資料分析師不會寫程式碼，會怎樣？

第一，不會寫程式碼，就不會在後臺數據庫中怎麼查詢資料看到最真實的資料；

第二，不會寫程式碼，就需要告訴IT人員怎麼計算好所需要的分析指標，這過程中IT人員常常算錯，或者算出來的資料不是想要的結果，而且增加了溝通成本、時間成本；

第三，一些資料處理的操作，用EXCEL來做不是很好做，用程式碼處理非常高效；

而且，會程式設計，也多了一項技能，讓自己在工作中多一些專案機會，這不是很好麼？

資料分析工具，一般會用SQL、python、R、EXCEL，還有一些BI工具，如Tableau。

要把視野擴大一點，資料分析的範疇可以很大，本質上講，資料分析就是分析資料以推動解決實際問題。資料探勘，即用演算法建立模型，也是資料分析的工作。

資料分析不一定要懂程式設計，資料分析需要懂資料分析的理論知識，也需要精通業務知識。現在很多分析工具都可以選擇。

DataViz資料視覺化分析工具是線上資料分析軟體(BI)，無需資料分析師和IT人員的幫助，業務人員只需透過拖拽式操作即可完成資料視覺化分析工作。支援拖拽資料集中維度和度量即可自動實現視覺化展現以及資料透視功能，支援數十種圖表自由切換。支援連線各種業務資料庫如Oracle、 MySQL、 SQL Server等、文字資料來源如Excel、 Csv等。可以訪問東軟平臺雲(https://cloud.neusoft.com)直接註冊訪問。

我自己從事資料分析和挖掘已經11年了，在電信行業和網際網路兩個行業從事過有關分析和挖掘的工作。我簡單回答一下你的問題：

1.資料分析不一定要懂程式設計，不懂程式碼當然也能做資料分析師。但至少會玩EXCEL和PPT。如果需要從資料倉庫或資料庫提取資料，至少要會SQL

資料分析分兩類：商業資料分析師和資料分析師

商業資料分析是一般在諮詢公司或者業務部門，他們會重點負責某些業務的分析。相關的資料提取工作一般只需要提需求讓別人提取或者公司有專門報表的支援。所以一般excel玩的比較熟就行。

資料分析師：一般需要跟覺解決的問題取整理需要提取的資料，然後從公司的報表系統和資料資料倉庫提取資料，分析資料、撰寫報告，給出問題解放方案。如果需要從資料倉庫或資料庫提取資料的話，這個必須會SQL的。不過SQL一般不作為程式語言。相對而言比較簡單

2.資料分析的工具：通用基礎工具（EXCEL、PPT），資料查詢工具（SQL)，統計分析工具（PYHON、R和SAS）

3.資料分析主要是要理解分析過去和現在。資料探勘則需要理解未來。資料探勘通常會要求透過模型和演算法預測未來（比如預測未來一個月的收入，預測未來使用者的流失情況等等）。所以資料分析師的核心內容是根據問題提資料、分析資料，寫報告，給解決方案，其中最核心的是根據問題給出合理的解決方案，報告只是形式。資料探勘工程師是要根據問題準備資料，挖掘資料，訓練模型，評估模型，模型上線，做測試和評估，證明用模型比不用模型要好，證明自己存在的意義和價值。