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

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(zhuǎn)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(jié)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(zhuǎn)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。

操控excel,選擇Python還是vba？

對于大量數(shù)據(jù)，建議使用Python。VBA通常將數(shù)據(jù)存儲在內(nèi)存中。當數(shù)據(jù)沒有分割，計算機配置不高時，會出現(xiàn)更多的卡。經(jīng)過數(shù)據(jù)處理后，如果內(nèi)存沒有釋放，電腦也會多卡。VBA一般啟動兩個CPU核進行數(shù)據(jù)計算，運算效率較低。現(xiàn)在微軟已經(jīng)停止更新VBA了，更建議大家學習python。如果只操作excel，兩種學習難度相差不大，但是Python的開發(fā)空間會更好

另一種更方便的方法是使用power Bi的三個組件進行數(shù)據(jù)處理，power query進行數(shù)據(jù)處理，PowerPivot進行分析，power Bi進行數(shù)據(jù)處理的優(yōu)點數(shù)據(jù)可視化的主要觀點是學習周期短，數(shù)據(jù)可以自動刷新，啟動時間相對較快。使用這種方法，效率可能比excel快，但速度仍然不如python快。當然，為了長期的可持續(xù)性，還是比較推薦學習python的，但是起步時間會比較長

首先，數(shù)據(jù)分析還是有難度的，但是只要通過一個系統(tǒng)的學習過程，大多數(shù)人都能掌握一定的數(shù)據(jù)分析知識。

數(shù)據(jù)分析的核心不是編程語言，而是算法設計。無論是統(tǒng)計分析還是機器學習分析，算法設計都是數(shù)據(jù)分析的核心。因此，數(shù)據(jù)分析必須有一定的數(shù)學基礎，包括高等數(shù)學、線性代數(shù)、概率論等。當然，如果通過工具進行數(shù)據(jù)分析，即使數(shù)學比較薄弱，也可以完成一些基礎數(shù)據(jù)分析任務。例如，Bi工具可以完成大量的企業(yè)級數(shù)據(jù)分析任務。

使用Python語言實現(xiàn)數(shù)據(jù)分析是大數(shù)據(jù)領域的常用解決方案。利用Python實現(xiàn)基于機器學習的數(shù)據(jù)分析需要經(jīng)過數(shù)據(jù)采集、數(shù)據(jù)整理、算法設計、算法實現(xiàn)、算法驗證和算法應用等多個步驟。通常需要掌握一些常用的機器學習算法，包括KNN、決策樹、支持向量機、樸素貝葉斯等，用Python來完成這些算法比較方便，因為Python的numpy、Matplotlib、SciPy、panda等庫都會提供強大的支持。讓我們以Matplotlib中的一個簡單示例為例：

因為Python語言的語法相對簡單，所以學習Python的過程相對容易。難點在于算法的學習。如何在不同的場景下選擇不同的算法是關鍵問題。此外，學習數(shù)據(jù)分析通常需要對行業(yè)知識有一定的了解。不同行業(yè)對數(shù)據(jù)分析維度的要求不同，這些知識需要在工作中積累。在工業(yè)互聯(lián)網(wǎng)發(fā)展的背景下，行業(yè)知識顯得尤為重要。