全国服务热线:
18106547650

数据分析师工作需要编程吗?非程序员可以做到吗?

分享到:
点击次数:82 更新时间:2020年10月16日18:06:22 打印此页 关闭

在中国及世界各地,大家很难区分工作技能,从而使数据分析师与数据科学家脱颖而出。因此,在进入编程要求之前,让我们区分两者。

根据九道门的一篇文章,数据分析师工具课重要吗?可以识别趋势并从数据中提供有意义的见解。数据分析师使用机器学习来创建模型,这些模型根据过去的数据进行一些预测或分类。

那么这两个领域都需要哪些主要的编码技能。让我们来看看。

数据分析师:不需要主要的编码技能。基本功能包括统计,概率和数据可视化软件,例如Tableau,Power BI,ClickView或Data Studio。如果个人只有python,R或SAS的基本技能,并且仅适用于基本数据整理,则首选此方法。

数据科学:它带有繁重的编码。首先,使用SQL进行数据仓库和创建数据集。你应该精通Python,R或SAS的数据整理,数据清理和预处理技能。一些特定的python库是Pandas,NumPy,Matplotlib,Plotly和Seaborn。

之后,下一步就是创建机器学习模型。这需要对统计,概率,向量和矩阵,线性代数,多元演算有深入的了解。这引起了数学部分。之所以如此必不可少,是因为它教会了你机器学习模型的工作原理。它为你提供了何时使用这些模型的重要分析技能。

Sklearn是你应该了解的基本机器学习模型的python库。如果你想进入深度学习,那么TensorFlow或Pytorch都是必不可少的。

由此得出结论,数据科学比数据分析具有更多的代码量,从而得出数据分析师工具类能力并不重要,更多的其实是业务层面的理解

20201016180855_51600.png

上一条:Python与Java哪个更适合大数据分析? 下一条:浅谈:培训对于大数据分析的意义
  • 发表评论
  • 查看评论
文明上网理性发言,请遵守评论服务协议。
首页 上一页 下一页 尾页