想做數(shù)據(jù)分析是學python還是學大數(shù)據(jù)？大數(shù)據(jù)結構中的很多組件都是用Java語言編寫的，還有一些是用Scala編寫的，比如Hadoop中的HDFS、MapReduce、yarn、ZK、HBase、h

想做數(shù)據(jù)分析是學python還是學大數(shù)據(jù)？

大數(shù)據(jù)結構中的很多組件都是用Java語言編寫的，還有一些是用Scala編寫的，比如Hadoop中的HDFS、MapReduce、yarn、ZK、HBase、hive、spark等。這些東西更傾向于數(shù)據(jù)工程、數(shù)據(jù)處理和計算。Python語言，包括pandas、numpy、SciPy等數(shù)據(jù)分析擴展包，通過學習使用這些包，可以充分掌握數(shù)據(jù)分析的能力。因此，要學習數(shù)據(jù)分析，建議學習Python而不是大數(shù)據(jù)。

想做數(shù)據(jù)分析相關工作，是否要切換成python語言？

作為一名it從業(yè)者，讓我來回答這個問題。

首先，許多編程語言可用于數(shù)據(jù)分析。例如，R語言也廣泛應用于數(shù)據(jù)分析領域。但是，如果您想從事專業(yè)的數(shù)據(jù)分析并擴展您自己的數(shù)據(jù)分析邊界，您可以關注Python語言。究其原因，一方面是Python語言在數(shù)據(jù)分析領域的應用正處于上升通道，另一方面Python是一種全場景編程語言，也可以完成落地應用的開發(fā)。

目前有兩種數(shù)據(jù)分析方法，一種是統(tǒng)計數(shù)據(jù)分析方法，另一種是機器學習方法。Python語言廣泛應用于這兩種數(shù)據(jù)分析方法中。目前，隨著機器學習在數(shù)據(jù)分析領域應用的日益廣泛，python也受到了越來越多的關注。事實上，很多傳統(tǒng)行業(yè)也在使用Python來完成數(shù)據(jù)分析。

雖然Python語言的語法比較簡單，但是數(shù)據(jù)分析本身的任務難度不一樣，還有很多庫需要學習和掌握。因此，使用Python進行數(shù)據(jù)分析也需要一個系統(tǒng)的學習過程。對于初學者來說，為了提高學習效率，一方面需要為自己創(chuàng)造一個實踐場景，另一方面需要與專業(yè)人士進行交流，這對提高學習效率有著非常直接的影響。

學習Python進行數(shù)據(jù)分析的初學者可以根據(jù)歷史經(jīng)驗，分三個階段制定學習計劃。一是學習Python的基本語法。這個階段的學習壓力比較小，學習時間也會比較短。二是學習機器學習，三是學習場景數(shù)據(jù)分析。

不會Python只會Bi工具，可以從事數(shù)據(jù)分析師嗎？

答案是肯定的，肯定的。大專有什么問題？不要限制自己。

如果你想去互聯(lián)網(wǎng)行業(yè)，先把自己打包，因為互聯(lián)網(wǎng)還是很重視教育的；但是如果你想去傳統(tǒng)行業(yè)先做，也是一個好辦法。

你說你不能編程，所以完全可以。事實上，即使你會編程，你也不會在實際工作中使用它。很少有人真正使用Python進行數(shù)據(jù)分析。他們可以對其進行建模并在業(yè)務上加以利用。

為什么企業(yè)需要數(shù)據(jù)分析師？試想一個跨部門擁有海量數(shù)據(jù)的企業(yè)，如何提取有效的數(shù)據(jù)，并將數(shù)據(jù)轉化為清晰的圖表，呈現(xiàn)給管理者進行決策？這是需要數(shù)據(jù)分析師的地方。

分析師玩數(shù)據(jù)庫，建立數(shù)據(jù)倉庫，使用Bi可視化工具獲取全局數(shù)據(jù)視圖，分析過去的性能，了解當前的問題并預測企業(yè)的未來發(fā)展，并將最終結果呈現(xiàn)給企業(yè)管理者以輔助決策。

分析師需要掌握哪些技能？

SQL非常重要，您的SQL查詢能力直接決定您能否得到一份工作，是的，得到一份工作。因為有不同的改進方法，比如ETL開發(fā)、數(shù)據(jù)倉庫開發(fā)、報表等等，但是首先要通過這一行的門檻，那就是SQL。

DW（數(shù)據(jù)倉庫）提高了我們的查詢能力，確保了數(shù)據(jù)的安全性。數(shù)據(jù)倉庫中的數(shù)據(jù)可以根據(jù)需要排列成不同的模型。

以finebi為例，它不僅可以拖放形成圖表，還可以連接各種數(shù)據(jù)源，進行數(shù)據(jù)轉換、清洗、建模、發(fā)布和共享。！EXCEL其實是很好做的基礎，特別是對于金融公司來說。