數據分析師是程序員嗎？

我是數學背景的計算機碩士，找到的工作是關於數據分析方面的，薪資和程序員差不多，我想知道，在我的未來職業生涯中，我工作的重點是數學還是寫代碼？

---

謝邀。

數據分析師當然不是程序員，不過你有數學背景又是計算機碩士，已經領先別人一大波啦～

恰巧看到美國大數據專家、暢銷作家Bernard Marr講到的數據科學家應具備的六項技能，分享給你，希望能有幫助。

分析能力

在六項基本能力之中，首要的就是分析能力——這項能力，可以幫你理解你所擁有的那些海量數據。

它包括：

1、 確定與問題具有相關性的數據的能力；

2、 解讀數據、獲得答案的能力。

如果你善於發現模式，在因果之間建立聯繫，在幫助你把「企業數據」轉化為「可操作的計劃」方面，這些能力將非常寶貴。

創造力

數據科學是一個新興領域，對於企業應當如何使用數據沒有硬性規定，也沒有捷徑可循。這意味著，具備「不斷提出新的數據收集、解釋、分析以及提取策略方法的能力」，將十分有價值。

未來，企業的「數據明星」將是那些有能力找到新數據來解決業務問題、並提出新的數據應用分析方法的人。

數學和統計學

優質、「老派」的數據處理方式依舊重要——也就是作為基礎的數學與統計學。儘管在大數據戰略中，非結構化數據的比例越來越大，但是，大量被收集、存儲、並準備進行分析的信息，依然採用的是數字的形式。

即使在處理非結構化數據時，目標也往往是將數據元素（如郵件、社交媒體信息等等）簡化至可以量化的數字，以便從中得出明確的結論。這意味著具備強大的數學或統計學背景，將有助於企業更好地擁抱大數據。

計算機科學

計算機是大數據策略背後的重要工具，而程序員則需要拿出演算法，把「數據」處理成「洞察」。這其中涵蓋了機器學習、資料庫或雲計算等各個子領域，這些知識將成為新興數據科學家們的有力武器。

開源技術尤其應當引起注意——比如Hadoop、Python、Apache Pig等——它們構成了大多數數據科學項目的基礎。

業務技能

了解業務目標是什麼、如何用流程驅動業務增長，對於數據分析師來說也十分重要。

一個十分危險的想法——公司應該僱傭一位聰明絕頂、理論知識豐富的數據科學家，把他供養在布滿了伺服器的地下數據實驗室，而他將通過一個暗門向全公司傳送自己的發現。

但是，任何一個與數據打交道的人，都不應當「閉門造數」，而是應與公司業務融為一體，牢牢把握公司的業務目標，理解什麼是朝著正確的方向前進、在前進的過程中，哪些數據才能彼此構成為「關鍵績效指標」——那一定是基於對行業、企業、業務這「三業」的深刻理解而制定的。

數據分析始終服務於業務增長，也因此，現在有越來越多的技術／產品，都是為了實現「讓業務人員具備數據分析能力」而誕生。這些工具比傳統的商業智能更敏捷、更靈活，是大數據策略中不可或缺的即時分析武器，即使是專業的數據分析師，也應當了解、甚至熟練使用其中的一或多種。

溝通能力

溝通技巧對於數據科學家來說必不可少。他們的分析結果至少要傳達給兩種人：關鍵決策者、團隊其它成員。而這兩種人通常都不能直接理解數據。

這時，將數據可視化、用數據「講故事」的技能就至關重要了。你可以擁有世界上最好的分析能力，但除非你能使你的研究結果被人理解，並展示這些結果將如何幫他們提高績效、推動成功，否則這些結果對企業來說將一文不值。

（部分內容首發自新一代商業分析平台）

---

準確來說不是。

我的職業生涯中兩個職位都做過。

我們公司數據分析師，既不需要你懂很深的數學，也不需要你會寫很複雜的後台程序員。

這兩件事有研究員和程序員來完成。

人要運用自己的優勢，

論數學功底，我們公司的研究員大部分都是博士。

論代碼功底，大數據工程師一般都是3-5年開發經驗。

數據分析師的優勢是長期在一線做業務，對各種複雜業務的有深入理解。

很多看上去反邏輯的業務，是有很多項目背景的，只有長期跟這個項目的人才能懂。

比如：阿里你買過一個產品後，還會經常看見給你推同類產品。

因為阿里的廣告費計費是按點擊來算的。

而唯品會就不會，

VIP是按賣出去一件產品才會有收費。

同樣是推薦，不同的業務，演算法截然不同。

只有了解業務，才能找到適合的挖掘點，然後給公司創造價值。

當然如果你兩個都會，在企業會更受歡迎一些，也就是競爭力更強一些。

---

數據分析有兩種，

一種是偏業務方面的，這個方向，代碼只是工具，而且不一定需要懂代碼，其他工具也行。核心競爭力在於數據和業務的結合。

一種是偏向於編程或者說數學，這個方向的核心競爭力在於數學和編程的結合，即演算法的實現，俗稱造輪子。

看你學歷，第二種更適合你，待遇方面，沒走上管理層，第二種的整體待遇更高。

---

謝謝邀請，我只是恰好在公司需要數據分析的時候被頂上這個崗位。也許是因為我有會計和網路工程兩個證？反正臨時抱佛腳，在知乎看了不少關於數據分析方面的回答，然後花點錢在線學習一下。R和Python會一點，目前為止沒有用上，主要還是市場思維重要點。大多數用Excel搞定，可視化用powerbi，演示報告用PPT，再會一點MySQL就行了。數據挖掘可以用爬蟲，但是我給領導建議直接買數據。所以不算是程序員吧，最重要的還是業務啊！

---

瀉藥~ //這是讓我來都機靈的嗎？

看到題主些為來的職業生涯！這個你沒有做過規劃？

在我看來工作重點在數學還是寫代碼，這兩者不衝突啊~ 畢竟知識不是單獨的個體。

用數學的嚴謹和公式體現在代碼中，讓程序跑起來幫助自己分析。或者用程序模擬一個運算結果來證明、支持自己的數據結論。

最後數學背景的計算機碩士~甩很多人幾條街了。 //恩，就這樣吧 微笑的離開

PS //為注釋

---

你有數學背景，再掌握一門語言，主攻演算法方面，前景不錯

---

當然不是，數據分析重要的是都行業的理解和高度敏感性，工具是其次的，分析師不需要懂什麼演算法為什麼會要這樣操作這樣的只要程序猿懂的問題

---

當然不是，數據分析師就像打仗時的軍師，而我們程序員就是各種實際行動的兵種！當然軍師也是個打工的…兵也需要動腦子才能更好地完成任務

---

謝邀。個人理解，不是吧，雖然應該會點程序，但是其實好多行業技巧都涉及一點程序啦，還是很有意思的，啊啊啊，寒假回去研究數據分析，做畢業設計，啊哈哈哈哈

---

都不是。

重點是抓住業務痛點，和轉化業務流程用相對邏輯化的形式來呈現。

編程和數學不可能一點都不懂，不然也沒法和團隊交流。但是懂是為了更好的銜接，不是事事都要自己end to end。

作為半吊子數據分析師，我覺得職業培訓中受益最深的是當年的lean six sigma。

畢竟數據分析的最終目的是為業務服務的。掌握一些抽象的方法，也有助於以後職業道路上的發展。

畢竟不想當老總的廚子不是好司機

---

敏感的我準備點進來大罵一波，程序員怎麼了？程序員怎麼了？哈哈，差點手比腦子快了

---

推薦閱讀：