每日一發小視頻
首先來回答你的第一個問題：做數據分析一定要懂編程語言嗎？答：數據分析師立足的根本就是要有數據可分析，要會分析的方法。目前而言，數據體量在不斷的增加，以往512MB存儲空間我們都會覺得很大了，現在呢？存儲空間都是上T級或者更高級。如果你需要分析的數據過多，如何從海量數據中找到有效數據剔除無用數據？僅憑肉眼或者模式單一的軟件是不可取的，比如你可以通過自己搭建網絡爬蟲獲取自己想要的數據，利用Python庫從海量數據中找出有用的數據，所以不是一定要懂編程語言，而是懂了並無害處。
第二個問題：不懂代碼也是可以做數據分析的，但是前提是你要有數據，懂數據背後的含義，採用合適的方法去做數據分析，找出數據背後蘊含的含義。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，數據分析不會編程，只要有數據就可以做，但是如果你會編程並沒有害處呀！
第三個問題：
目前數據分析工具很多，下面列舉幾種常見的：
1、Excel
在很多企業的數據分析中，常用的是Excel。在Excel，需要重點了解數據處理的重要技巧及函數的應用，特別是數據清理技術的應用。這項運用能對數據去偽存真，掌握數據主動權，全面掌控數據；Excel數據透視表的應用重在挖掘隱藏的數據價值，輕鬆整合海量數據：各種圖表類型的製作技巧及Power Query、Power Pivot的應用可展現數據可視化效果，讓數據說話。因此想從事數據分析崗位的，需要快速掌握快各種Excel數據處理與分析技巧。
2、SPSS
是用於統計學分析運算、數據挖掘、預測分析和決策支持任務的軟件產品及相關服務的一款軟件集合，能夠進行多種統計分析
3、R語言
R語言是一種環境，通過支持多種多樣的包，可以完成爬蟲、數據清洗、數據分析的功能。
4、Python
也是目前很火的用於數據分析的環境，其中多個包在大數據分析中功能強大。Numpy是Python科學計算基礎包；pandas能夠讓我們處理結構化數據的大量數據結構和函數；matplotlib是最流行的用於繪製數據圖表的python庫等等。
最後一個問題：
數據分析是把數據變成信息的工具，數據挖掘是把信息變成認知的工具，數據分析是側重於對已有數據的展示，而數據挖掘是從已有數據中找尋規律。
數據代表
肯定的回答：需要
數據分析師通常會提供sql去提取數據，進行分析處理出報表，少量數據通常用Excel，大量複雜數據就需要編程能力，使用代碼來解決處理，如果分析師不懂編程必然會縮手縮腳的，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編程能力的話，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數據分析處理能力
分析師工作常常涉及用戶畫像，數據挖掘，用戶標籤等等，這些功能都需要編程能力來輔助
格子衫程序員
最好還是要有一些編程的基礎會比較好。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，編寫代碼還是少不了的。 只不過數據分析師，不用像程序員那天天天沉浸在代碼中罷了。
數據分析工具我認為用的最多的就是spa了。
數據分析師和數據挖掘都需要對業務熟悉，不同的是數據挖掘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。
